IA agentique et CNIL : ce que les cabinets d'avocats doivent anticiper

En juillet 2026, la CNIL et le Conseil de l'IA et du Numérique (CIANum) publient conjointement une note exploratoire sur l'IA agentique et les données personnelles. Ce n'est pas un communiqué de routine. C'est un signal d'alarme adressé à tous les responsables de traitement qui déploient — ou envisagent de déployer — des systèmes capables d'agir « à la place de l'utilisateur ». Pour un cabinet d'avocats, cette formulation n'est pas abstraite : elle couvre exactement ce que font les outils IA les plus avancés du marché juridique aujourd'hui — rédiger des actes, rechercher de la jurisprudence, analyser des centaines de pièces de manière autonome. Le choix architectural que les cabinets font en ce moment — SaaS américain ou infrastructure privée — est en train de devenir un critère de conformité réglementaire, pas seulement une préférence technique.

L'IA agentique : de quoi parle-t-on exactement, et pourquoi ça change tout

L'IA « générative » classique répond à une question. L'IA agentique, elle, résout un problème — ce qui implique de décomposer une tâche complexe en sous-tâches, d'appeler des outils externes (moteur de recherche, base documentaire, rédacteur), de mémoriser un état intermédiaire et d'enchaîner plusieurs actions sans intervention humaine entre chaque étape.

Dans le contexte d'un cabinet d'avocats, un agent IA peut typiquement :

• Recevoir une instruction du type « analyse les risques contractuels de ce dossier d'acquisition et produis un mémo »
• Identifier automatiquement les documents pertinents dans la base documentaire du cabinet
• Lire les clauses critiques, les comparer à une jurisprudence récupérée en ligne ou dans un index interne
• Rédiger une première version du mémo, l'annoter, puis en soumettre un résumé à l'associé

Cette séquence — parfaitement banale pour un collaborateur humain — est profondément problématique au regard du RGPD dès lors qu'elle est exécutée par une machine. Chaque étape constitue un traitement de données personnelles. Les pièces d'un dossier d'acquisition contiennent des données sur des dirigeants, des salariés, des actionnaires. Les correspondances échangées avec le client sont couvertes par le secret professionnel de l'avocat. Et un agent qui enchaîne dix opérations sur ces données produit dix traitements successifs, dont la chaîne de responsabilité n'est pas établie par les textes actuels.

C'est précisément ce point que la CNIL et le CIANum soulèvent dans leur note exploratoire : la délégation de tâches à un agent implique des traitements potentiellement massifs et enchaînés, pour lesquels les concepts classiques du RGPD — finalité déterminée, durée de conservation, base légale par traitement — ne s'appliquent pas de manière évidente.

Trois risques RGPD spécifiques à l'IA agentique en cabinet

1. La finalité glissante

Le RGPD impose que les données collectées pour une finalité déterminée ne soient pas réutilisées à d'autres fins incompatibles (article 5.1.b). Avec un agent IA, la frontière est poreuse par construction : un agent qui « apprend » du contexte d'un dossier pour améliorer sa réponse sur un autre dossier réutilise implicitement des données à une fin que le client n'a pas anticipée. Les solutions SaaS qui mutualisent les embeddings ou les historiques de conversations entre clients amplifient ce risque de manière structurelle.

2. La responsabilité du responsable de traitement devient diffuse

En droit français, l'avocat est responsable de traitement pour les données personnelles de ses clients et des parties adverses traitées dans le cadre de son activité (délibération CNIL n°2020-091 et lignes directrices du Conseil National des Barreaux). Lorsqu'un agent SaaS exécute une tâche en son nom sur des serveurs situés hors UE, l'avocat reste responsable de traitement — mais il n'a aucune visibilité sur ce que l'agent a effectivement consulté, mémorisé ou transmis. La note CNIL/CIANum identifie ce déficit de traçabilité comme l'un des enjeux centraux des systèmes agentiques.

3. Le principe de minimisation mis à mal

L'article 5.1.c du RGPD impose de ne traiter que les données « adéquates, pertinentes et limitées » à ce qui est nécessaire. Un agent IA qui indexe l'intégralité d'une dataroom pour répondre à une question sur une clause spécifique viole ce principe si l'index complet est transmis à un serveur tiers. La minimisation ne peut être effective que si l'agent lui-même contrôle ce qui est extrait et ce qui est envoyé — et cela n'est possible que si l'orchestration reste sous le contrôle du cabinet.

La fenêtre d'anticipation : pourquoi juillet 2026 est un moment charnière

La CNIL ne publie pas des notes exploratoires pour le plaisir académique. La séquence historique est lisible : note exploratoire → consultation publique → lignes directrices formelles → délibération contraignante. C'est exactement le schéma suivi avant les recommandations sur les cookies (2019-2020) ou les lignes directrices sur les téléservices (2020).

Les cabinets qui ont choisi leurs outils IA sur la base de critères fonctionnels seuls — « quel outil répond le mieux à mes questions ? » — vont devoir revisiter ce choix à l'aune de critères architecturaux. Le moment pour faire ce choix, c'est maintenant, pendant la fenêtre d'anticipation, pas après la délibération formelle.

La question concrète à se poser est simple : si la CNIL publie demain des lignes directrices imposant la traçabilité complète des actions autonomes d'un agent IA sur des données couvertes par le secret professionnel, mon architecture actuelle me permet-elle de produire ce log ? Avec la majorité des solutions SaaS du marché, la réponse est non.

Ce que la note impose implicitement : trois exigences architecturales

La note CNIL/CIANum ne prescrit pas encore d'architecture spécifique — c'est une note exploratoire. Mais en lisant les risques qu'elle identifie, trois exigences architecturales se dessinent clairement pour tout déploiement d'IA agentique conforme :

Ces trois exigences convergent vers une conclusion architecturale : l'orchestration agentique doit rester sur l'infrastructure du cabinet. Ce n'est pas un choix idéologique — c'est la condition sine qua non pour que le responsable de traitement puisse démontrer sa conformité.

SaaS américain vs infrastructure privée : l'écart qui compte vraiment

Il serait inexact — et malhonnête — de présenter la question comme « eux envoient tout, nous n'envoyons rien ». La réalité est plus nuancée et plus intéressante.

Les solutions comme Harvey (valorisé 8 milliards de dollars fin 2025, 144 millions de dollars d'ARR, utilisé par environ 100 000 avocats) ou CoCounsel de Thomson Reuters offrent des capacités agentiques réelles. Elles utilisent des LLM de pointe — GPT-4o, Claude — et leurs performances sur des tâches juridiques bien définies sont documentées. Mais leur modèle économique repose sur un SaaS hébergé aux États-Unis, ce qui implique structurellement que l'orchestration agentique, les index, les historiques de session et, dans nombre de cas, les documents complets transmis en contexte, transitent hors du périmètre du cabinet.

Lexis+ Protégé ou des solutions européennes comme Legora font des efforts de localisation des données, mais le modèle d'orchestration centralisée reste identique : c'est le fournisseur qui contrôle le workflow de l'agent, pas le cabinet.

L'écart architectural pertinent n'est pas « données en Europe vs données aux États-Unis ». Il est plus fondamental : qui contrôle l'agent ?

L'architecture RAGbase Legal : la séparation agent/modèle

L'approche de RAGbase Legal repose sur une séparation nette entre deux couches :

Couche sous contrôle cabinet (on-premise ou cloud privé du cabinet) :

• L'orchestrateur agentique (le « cerveau » qui décompose les tâches, décide quels outils appeler, enchaîne les étapes)
• L'index vectoriel (les embeddings des documents clients)
• Les documents complets (dossiers, pièces, correspondances)
• Les connecteurs (accès aux bases internes, au logiciel de gestion de cabinet)
• Les permissions (qui peut interroger quoi, avec quelle granularité)
• Les logs d'actions (trace immuable de chaque opération agentique)

Ce qui peut quitter l'infrastructure :

• Uniquement les extraits minimaux récupérés par le moteur RAG — les chunks strictement pertinents à la requête — transmis au fournisseur LLM choisi par le cabinet (OpenAI, Anthropic, Mistral, ou un modèle hébergé on-premise) pour générer la réponse finale.

Cette architecture satisfait le principe de minimisation de l'article 5.1.c du RGPD par construction : ce qui part vers le modèle externe n'est pas le dossier complet, c'est la réponse à la question « quels sont les trois paragraphes les plus pertinents pour cette requête ? ». Le dossier complet ne quitte jamais le périmètre du cabinet.

Elle satisfait également l'exigence de traçabilité : puisque l'orchestrateur tourne sur l'infrastructure du cabinet, chaque action agentique est loggée localement, consultable par l'associé référent, exportable pour un audit RGPD.

Pour explorer comment cette architecture s'applique concrètement à la recherche de jurisprudence IA ou à l'analyse de dossiers complexes, les cas d'usage sont documentés.

Le secret professionnel de l'avocat : une couche supplémentaire d'exigence

Le RGPD n'est pas le seul cadre applicable. L'avocat est soumis à des obligations déontologiques de confidentialité qui vont au-delà de la réglementation sur les données personnelles. L'article 2.1 du Règlement Intérieur National du barreau (RIN) impose une confidentialité absolue sur toutes les informations confiées par le client.

Or, dès lors qu'un agent IA traite des correspondances avocat-client sur des serveurs tiers, la question de la violation du secret professionnel se pose — indépendamment du RGPD. La Cour de cassation a rappelé dans plusieurs arrêts (notamment Cass. crim., 22 mars 1983, confirmé dans des développements ultérieurs sur la saisie de correspondances) que le secret professionnel de l'avocat est d'ordre public et ne peut faire l'objet d'une renonciation implicite.

Aucune clause contractuelle avec un fournisseur SaaS — même avec les meilleures Standard Contractual Clauses — ne constitue une renonciation valide au secret professionnel. Le secret professionnel de l'avocat et le SaaS américain sont structurellement incompatibles pour les données les plus sensibles, quelle que soit la qualité des engagements contractuels du fournisseur.

Ce que les cabinets doivent évaluer maintenant

La note CNIL/CIANum dessine un horizon réglementaire, pas encore une obligation précise. Mais la fenêtre d'anticipation est courte. Voici les quatre questions qu'un associé gérant ou un DSI de cabinet doit se poser dès aujourd'hui :

1. Où tourne l'orchestration de mes agents IA ? Si la réponse est « chez le fournisseur SaaS », l'exposition réglementaire est maximale. L'orchestrateur est la partie critique : c'est lui qui lit, décide et enchaîne les traitements.

2. Puis-je produire un log complet des actions autonomes de mon agent sur un dossier donné ? C'est la question-test de la traçabilité. Si la réponse est « seulement ce que le fournisseur consent à me montrer dans son interface », la conformité n'est pas sous votre contrôle.

3. Mes clients ont-ils consenti au traitement de leurs données par un agent IA opérant sur des serveurs hors UE ? Les CGU de la plupart des éditeurs SaaS ne constituent pas une base légale suffisante pour le traitement de données couvertes par le secret professionnel.

4. Mon architecture actuelle me permet-elle d'honorer une demande de suppression ou d'accès (RGPD, articles 15-17) sur des données ayant transité dans un workflow agentique ? Avec un SaaS, cette capacité dépend entièrement de la coopération du fournisseur.

Pour aller plus loin sur les critères de sélection d'une architecture IA pour cabinet, le guide IA pour cabinets d'avocats détaille les points de contrôle à évaluer avant tout déploiement.

L'équation économique : souveraineté ne signifie pas renoncement aux performances

L'objection la plus fréquente à l'architecture on-premise est économique : Harvey et CoCounsel ont des millions d'utilisateurs, des équipes R&D massives, et des modèles affinés sur des millions de documents juridiques. Une solution privée peut-elle rivaliser ?

La réponse honnête est : sur certaines tâches standardisées (revue de contrats types, extraction de clauses dans des formats courants), les solutions SaaS leaders ont une avance d'usage indéniable. Sur les tâches impliquant la base documentaire propre du cabinet — jurisprudence interne, modèles maison, doctrine accumulée sur des secteurs de niche — l'avantage s'inverse radicalement, parce que ces données ne peuvent pas être partagées avec un SaaS.

L'étude de cas El Murshid — 26 000 dossiers indexés, 5 à 70 % de temps de rédaction économisé — illustre ce que produit un index vectoriel dense sur la base documentaire propriétaire d'un cabinet : la valeur vient de la connaissance interne, pas du modèle générique.

Sur le plan tarifaire, les ordres de grandeur sont éloquents : Harvey facture entre 1 000 et 1 200 dollars par utilisateur et par mois, CoCounsel entre 250 et 500 dollars. RAGbase Legal représente un investissement one-time de l'ordre de 20 à 50 000 dollars — sans abonnement récurrent par siège, sans dépendance tarifaire à un éditeur, et avec une maîtrise totale de l'architecture.

La note exploratoire CNIL/CIANum sur l'IA agentique est un point d'inflexion. Elle ne crée pas encore d'obligation formelle, mais elle trace la frontière entre ce qui sera défendable et ce qui ne le sera pas lorsque les lignes directrices arriveront. Les cabinets qui ont choisi leurs outils IA sur la base de la seule performance fonctionnelle ont une fenêtre — probablement de douze à dix-huit mois — pour évaluer leur exposition architecturale réelle.

Le critère discriminant n'est pas « qui a le meilleur modèle ». C'est : qui contrôle l'agent, où tournent les logs, et qui peut répondre d'un traitement autonome sur des données couvertes par le secret professionnel ? Ce sont ces trois questions — pas les benchmarks de génération de texte — qui structureront les audits RGPD de demain dans les cabinets d'avocats.