Gains :
- Capacité à classer les données selon leur sensibilité (publique/interne/confidentielle/critique) et à anonymiser les données confidentielles et critiques sans les révéler aux outils publics
- Faire de la vérification un réflexe et du marquage des faits, aller à la source et moduler les étapes d'ouverture de la source données par l'intelligence artificielle en fonction du risque
- Capacité à appliquer l'éthique de transparence, d'attribution et de confidentialité en comprenant que la suppression n'est pas une protection et que la responsabilité ne peut être attribuée au support.
Deux principes reviennent dans chaque unité de ce module : maintenir la confidentialité et vérifier chaque sortie. Cette unité transforme ces deux principes en une seule discipline systématique, car les plus grands risques liés à l’utilisation de l’IA dans la productivité personnelle ne sont pas la vitesse ou la qualité, mais les fuites de données et les mensonges non vérifiés. Un e-mail incorrect peut être corrigé ; Les données client envoyées au serveur ne peuvent pas être récupérées. Un chiffre inventé présenté sur un ton confiant réfutera une décision s’il n’est pas remarqué. C'est pourquoi la confidentialité et l'authentification sont les fondements de l'efficacité qui sont construits à partir de zéro, et non « ajoutés plus tard ».
Termes. Les données personnelles sont des informations qui identifient une personne : nom, numéro d'identification, adresse e-mail, état de santé, localisation. KVKK/GDPR sont les lois qui régissent la protection des données personnelles (KVKK en Turquie, GDPR dans l'UE). La classification des données consiste à étiqueter les informations en fonction de leur sensibilité (publique, interne, confidentielle). L'anonymisation est la suppression des éléments personnellement identifiables des données. La vérification consiste à vérifier l’exactitude d’une sortie auprès d’une source indépendante.
Confidentialité : que coller, que ne pas coller
Tout ce que vous saisissez dans l'outil d'IA, dans la plupart des cas, est transféré sur un serveur et est stocké dans un service ou peut être utilisé pour entraîner le modèle. La question fondamentale est donc la suivante : êtes-vous prêt à divulguer ces informations à un tiers inconnu ? Si la réponse est non, ne la donnez pas non plus à l’IA.
Utilisez une classification simple :
classe
exemple
Est-ce que cela relève de l’IA ?
Général
Informations publiées, projet de texte
gratuit
intérieur
Note de processus, résumé générique de la réunion
En anonymisant
secret
Données clients, dossier financier, stratégie
Uniquement les véhicules homologués par l'établissement
critique
Mot de passe, clé API, contrat, santé
jamais
Protections pratiques : anonymiser les données personnelles (nommer « Personne A », société « Société X ») ; utilisez l'outil d'IA approuvé par votre établissement (les versions entreprises garantissent souvent de ne pas utiliser les données en formation) ; et lisez votre politique d’utilisation de l’IA – sinon, par défaut, faites preuve de prudence.
Attention : L'hypothèse « J'ai supprimé le chat, il est désormais sécurisé » est fausse. La suppression le supprime de l'interface, mais ne restaure pas l'enregistrement sur le serveur ni les données impliquées dans la formation. La protection commence avant le collage ; pas après.
La validation : une habitude systématique
Faites de la vérification un réflexe plutôt que du « je le ferai si j’y pense ». Voici une discipline de vérification pratique :
- Marquez les faits. Chaque nom, date, numéro, citation, texte législatif, revendication figurant sur l'imprimé sera vérifié.
- Allez à la source. Confirmez chaque fait auprès d’une source indépendante et fiable. Ouvrez la source donnée par l'IA et lisez-la ; Existe-t-il, contient-il cette information ?
- Échelle en fonction du risque. Léger contrôle sur une note interne peu risquée ; Maîtrise totale d’une présentation à enjeux élevés ou d’une communication externe.
- Acceptez l'incertain. Si l'IA dit « pas sûr » ou si l'information ne peut pas être confirmée, ne remplissez pas le vide avec de la fabrication ; Laissez-le comme "non vérifié".
Distinction clé : Vous pouvez généralement faire confiance au travail linguistique de l'IA (phrase fluide, structure soignée, ton approprié). Ne faites jamais aveuglément confiance aux affirmations factuelles d’AI (ce numéro, cette date, cette source). La validation sépare les deux.
Éthique : transparence et responsabilité
Utiliser l’IA pour plus d’efficacité n’est pas une question éthique, mais la façon dont vous l’utilisez pourrait l’être. Trois principes : Transparence — dans certains contextes (travail universitaire, journalisme, document officiel), vous devrez peut-être indiquer que vous utilisez l'IA. Attribution : prendre l'idée de quelqu'un d'autre via l'IA et la présenter comme la vôtre est du plagiat, même si le support change. Responsabilité — tout ce que vous publiez relève de votre responsabilité ; "AI l'a écrit" n'est pas une excuse.
Étape par étape : contrôle sécurisé du flux de travail de l'IA
- Trier avant de coller. Dans quelle classe se trouvent ces données ? Arrêtez si secret/critique.
- Anonymiser. Retirez les objets personnels si cela n’est pas nécessaire.
- Produire et noter les faits. Identifiez les éléments dans la sortie à valider.
- Vérifier. Confirmation basée sur la source, à l'échelle du risque.
- Possédez-le. Retouchez avec votre propre voix, assumez vos responsabilités.
- Connaissez votre marque. Gardez une trace de ce que vous avez collé, où et quel outil stocke les données.
Quatre modèles de sécurité/authentification copiables
Anonymisez le texte suivant avant de le transmettre à AI : - Remplacez les noms par "Personne A/B" et les sociétés par "Société".
Répertoriez tous les faits qui doivent être vérifiés dans ce résultat de l'IA : - Créez une puce distincte pour chaque nom, date, numéro, statistique, citation et réclamation. - Demandez « comment puis-je vérifier ? » pour chacun. Suggérer (quelle source). - Signaler les sources invérifiables/douteuses. Résultat : """[coller]"""
Vérifiez l'affirmation suivante selon la source que vous avez indiquée : Allégation : [nombre/fait].- Cette affirmation est-elle réellement incluse dans la source que vous avez mentionnée ?- Sinon, dites "Je n'ai pas pu la vérifier dans cette source", inventez-la.- Si vous n'êtes pas sûr, ne parlez pas comme si vous étiez sûr.
Vérifiez quels sont les risques pour la vie privée dans cette tâche : Tâche : [Le travail que j'ai l'intention de faire avec l'IA, avec quelles données]. - Dans quelle classe de données appartient-il (publique/interne/confidentiel/critique) ?
Invite faible/Invite forte
Faible : « Résumez cet e-mail de réclamation client. » (Cela inclut le nom du client, l'identifiant de la commande, peut-être son téléphone — tout va directement au serveur.)
Fort : anonymisez d'abord le texte ("Client A, commande [identifiant caché], se plaint de ce produit"), puis dites "résumez ce texte anonymisé". Même efficacité, zéro fuite de données personnelles. La différence ne réside pas dans le résultat, mais dans le maintien de l’entrée.
trois mini-cases
Cas 1 — Fuite irréversible. Un employé a collé la liste complète des clients (nom, téléphone, dépenses) dans un outil d'IA générique pour les « segmenter ». L'institution a considéré cela comme une violation du KVKK ; les données se trouvaient désormais sur le serveur tiers et ne pouvaient pas être récupérées. La même analyse pourrait être effectuée sans risque avec des données anonymisées ou un outil d'entreprise.
Cas 2 — Cela donne le réflexe de vérification. Un journaliste s'est donné pour règle de vérifier chaque statistique et citation donnée par l'IA à sa source d'origine avant sa publication. En une semaine, il a découvert que 2 « faits » sur 5 donnés par l’IA étaient faux. Ce réflexe a permis d’éviter d’éventuelles fausses nouvelles et une perte de réputation.
Cas 3 — L'excuse « L'IA l'a écrit » n'a pas fonctionné. Un consultant a envoyé un rapport généré par l'IA au client sans le vérifier ; La fausse allégation légale qu'il contient a induit le client en erreur. La défense « cela vient de l’IA » n’a tenu la route ni auprès du client ni auprès du régulateur ; La responsabilité incombait au consultant. Leçon : l’outil change, la responsabilité non.
Erreurs courantes
- Coller des données confidentielles/critiques : l'erreur la plus coûteuse et irréversible ; classer d'abord.
- Penser « Je l'ai supprimé, je suis en sécurité » : la suppression n'annule pas l'enregistrement du serveur ; protection avant de coller.
- Confondre les faits avec le langage : faites confiance au langage, vérifiez les faits – séparez les deux.
- Ne pas ouvrir la source donnée par l'IA : peut produire une fausse empreinte ; voir source.
- Rejeter la faute sur l'outil : « L'IA l'a écrit » n'est pas une excuse.
- Ne connaissant pas la politique : lisez la politique d'utilisation de l'IA de l'organisation ; Sinon, soyez prudent.
Astuce : donnez-vous une règle personnelle simple : "Je ne colle rien de confidentiel ou de critique dans l'outil public d'IA ; je vérifie chaque chiffre et chaque source avant de l'envoyer." Cette règle en deux phrases élimine d’emblée la plupart des risques de ce module.
En résumé
- Les plus grands risques liés à l’IA ne sont pas la vitesse ou la qualité, mais les fuites de données et les imprécisions non vérifiées.
- Classer les données (publiques/internes/confidentielles/critiques); Ne donnez pas les informations confidentielles et critiques aux outils publics d'IA, anonymisez-les.
- La suppression n’est pas une protection ; La protection commence avant le collage.
- Faire de la vérification un réflexe : signaler les faits, aller à la source, ouvrir la source de l'IA, évoluer en fonction du risque.
- Faites confiance au langage de l’IA, faites confiance à ses faits ; La responsabilité n'incombe pas au véhicule, elle est toujours la vôtre.
Tâche de candidature
Prenez un vrai texte que vous donnerez à l'IA cette semaine. Avec le quatrième modèle, déterminez d’abord la classe de confidentialité ; S'il existe des données confidentielles, anonymisez-les avec le premier modèle. Après avoir reçu le résultat de l'IA, demandez au deuxième modèle de répertorier les faits à vérifier et de confirmer au moins l'un d'entre eux à la source d'origine. Écrivez-vous une règle de vérification de la confidentialité en deux phrases et publiez-la quelque part.
liste de contrôle
- [ ] J'ai classé les données avant de les coller.
- [ ] Je n'ai pas fourni de données confidentielles/critiques à l'outil public d'IA ; Je l'ai anonymisé si nécessaire.
- [ ] J'ai vérifié chaque fait (nom, date, numéro, source) dans la sortie.
- [ ] J'ai ouvert la source donnée par AI et vérifié si elle la contient réellement.
- [ ] Je me suis assuré de connaître la politique de l'entreprise en matière d'IA.
- [ ] J'ai pris la responsabilité du résultat final.