Comment déployer une base de connaissances IA conforme RGPD

Pourquoi c'est important

Un assistant IA orienté client traite des données personnelles — au minimum la transcription de la conversation, souvent l'e-mail du client, son ID de compte et l'appareil dont il se plaint. Cela le place en plein dans le périmètre du RGPD (obligations responsable / sous-traitant) et, à partir de 2026, dans celui de l'EU AI Act (transparence, surveillance post-marché, journal d'audit). Construire la mauvaise architecture, c'est soit échouer au procurement, soit payer une refonte en milieu d'année. Construire la bonne, c'est shipper plus vite que la concurrence.

Ce guide est le playbook end-to-end que helpcode suit pour mettre en place un déploiement knowledge base pour un client UE.

Architecture de référence

Trois plans, séparés par conception :

1. Plan d'ingestion — récupère les documents source (Confluence, SharePoint, Drive, PDF) et exécute chunking, OCR et embedding. Index par tenant — le retrieval cross-tenant n'est même pas possible.
2. Plan de retrieval — hybrid retrieval sur l'index par tenant, passe du reranker, assemblage top-K. Tout in-région (Francfort).
3. Plan de génération — l'appel LLM. Choisissez un endpoint modèle qui reste dans l'UE (Mistral Paris, Anthropic EU, OpenAI EU). Chaque réponse est loggée avec les citations utilisées.

La séparation compte parce que chaque plan a un modèle de menace différent et une liste de sous-traitants différente.

Flux de données & résidence

Deux règles dures :

• Aucun document client ne quitte jamais l'UE au repos. Bucket S3 à Francfort ; sauvegardes à Francfort.
• L'appel LLM respecte l'endpoint régional du fournisseur de modèle. Si vous choisissez anthropic.eu, prompt + snippets récupérés voyagent à l'intérieur de l'UE et la réponse revient à l'intérieur de l'UE.

Documentez tout dans l'annexe du DPA et tenez la liste des sous-traitants publique — le procurement de votre client la vérifiera.

Consentement & transparence

L'article 50 de l'AI Act exige que l'utilisateur sache qu'il parle à une IA. Deux implémentations pratiques :

• Widget chat : un disclaimer d'une ligne au-dessus du champ de saisie. Ne le cachez pas dans une infobulle.
• Voice : une phrase d'ouverture « Bonjour, je suis l'assistant IA d'ACME — dites 'humain' à tout moment pour être transféré » prononcée dans la langue de l'utilisateur.

Tracez dans le journal d'audit que la disclosure a été rendue, afin de pouvoir le prouver plus tard.

Journal d'audit & traçabilité

L'article 12 de l'AI Act attend que vous puissiez reconstruire toute réponse. helpcode enregistre, par tour de conversation :

• le message utilisateur
• les résultats de retrieval avec leurs scores de pertinence
• les scores du reranker
• le modèle LLM + version
• le prompt final + la réponse finale + les citations

Export CSV et accès API à la demande. C'est ce que veut votre auditeur — et ce dont votre équipe d'engineering a besoin pour shipper les améliorations d'eval.

Checklist pré-lancement

• Index par tenant, jamais partagé
• Liste de sous-traitants UE-only, publique
• DPA signé, CCT annexées
• Disclosure IA rendue + loggée à chaque tour
• Rétention journal d'audit ≥ 13 mois
• Clause de résidence des données dans l'accord-cadre
• Template FRIA complété pour votre déploiement spécifique
• Chemin de handoff humain testé end-to-end

Quand les huit sont validés, vous shippez.