RGPD & LLM: Résidence des données en UE pour l'extraction documentaire

À retenir

• Une région UE standard satisfait les exigences de résidence des données RGPD pour la majorité des cas d'usage d'extraction documentaire : le Chapitre V encadre le lieu de destination des données, et un point de terminaison exclusivement européen, assorti d'une DPA signée et de clauses contractuelles types (CCT), répond à cette exigence.
• Résidence ne veut pas dire souveraineté. Le CLOUD Act américain s'applique à tous les fournisseurs cloud dont le siège est aux États-Unis, partout dans le monde, y compris AWS EU Sovereign Cloud, Azure EU et les régions Google Cloud EU.
• Le véritable point de rupture dans les pipelines d'extraction par LLM n'est pas l'étiquette régionale mais le type de déploiement : les déploiements Azure Global peuvent traiter les données dans n'importe quelle région du monde, tandis que les déploiements Data Zone les traitent uniquement dans une zone définie, l'EU Data Zone restant confinée à l'EU Data Boundary.
• Le cloud souverain offre une protection juridique et des arguments solides en cas d'audit, mais au prix du choix de modèles : au lancement d'AWS ESC, Bedrock ne proposait qu'Amazon Nova Lite et Nova Pro, sans Claude, Mistral ni Llama.

Une région UE standard suffit-elle pour la résidence des données au sens du RGPD dans un pipeline d'extraction par LLM ?

Oui, dans la grande majorité des cas. Le régime des transferts du RGPD figure aux articles 44 à 49, et il pose une question précise : les données personnelles quittent-elles l'EEE pour un pays tiers sans base légale adéquate ? Si votre point de terminaison d'inférence, votre stockage objet, votre index vectoriel, vos logs et votre télémétrie se trouvent tous dans des régions UE, il n'y a aucun transfert à évaluer. L'article 28 (obligations du sous-traitant) et l'article 32 (sécurité du traitement) sont nécessaires mais pas suffisants ; l'arrêt Schrems II concerne les articles 44 à 49, un chapitre distinct que de nombreux éditeurs préfèrent ignorer discrètement.

Là où les équipes échouent à l'audit, c'est sur la dérive de périmètre autour de l'appel au modèle. Une ressource Azure OpenAI géographiquement verrouillée ne sert à rien si le type de déploiement est Global. La documentation même de Microsoft est sans ambiguïté : avec un déploiement « Worldwide Standard », les données peuvent quitter l'UE, même depuis West Europe. Même piège avec le traitement par lots : les jobs batch basculent par défaut vers un traitement Global sauf à sélectionner la variante Data Zone, et l'EU Data Zone n'équivaut pas à l'engagement plus large de résidence de l'EU Data Boundary. Chez AWS, les profils d'inférence géographiques UE restent confinés à leur zone géographique nommée, contrairement aux profils Global.

La résidence est une propriété de votre configuration, pas de votre contrat.

Qu'apporte réellement un cloud souverain par rapport à la simple résidence ?

Il apporte une distance juridictionnelle, des contrôles opérationnels sur le personnel et une partition technique distincte, mais pas une réponse différente au Chapitre V. AWS a annoncé la disponibilité générale de l'European Sovereign Cloud le 15 janvier 2026, entièrement situé dans l'UE et physiquement et logiquement séparé des autres régions AWS, exploité par des résidents de l'UE, gouverné par le droit allemand, avec un investissement de 7,8 milliards d'euros. L'isolation est réelle : IAM, facturation, Route 53 et gestion des certificats sont déployés localement au sein de la partition, sans connexion de confiance vers le réseau AWS global, ni via VPC peering, ni via Transit Gateway.

Ce que cela ne supprime pas, c'est le problème de la maison mère. AWS European Sovereign Cloud GmbH est une filiale à 100% d'Amazon.com, Inc., et bien qu'organisationnellement distincte, elle reste soumise au CLOUD Act américain. Une évaluation menée selon le Cloud Sovereignty Framework de la Commission européenne lui attribue un score élevé en matière de sécurité, de conformité et de souveraineté opérationnelle, mais faible en matière de souveraineté stratégique et juridique. La position de Microsoft est structurellement similaire : les services Azure AI en UE sont fournis par Microsoft Ireland Operations Limited sous le droit irlandais, mais Microsoft demeure une entreprise dont le siège est aux États-Unis, s'engage à contester les demandes de gouvernements non européens, et ne se conforme que lorsque la loi l'y oblige.

Quel niveau de protection un pipeline d'extraction documentaire devrait-il retenir ?

Adaptez le niveau à la classe de données, pas à la partie prenante la plus vocale. Des factures comportant des identifiants d'entreprise ne présentent pas le même risque que des demandes de remboursement médical ou des scans de pièces d'identité dans un flux KYC.

Une précision sur les certifications : la qualification SecNumCloud s'applique à un service précis, pas à l'ensemble d'un fournisseur, si bien qu'un éditeur peut la détenir pour son IaaS alors que ses API GPU ou d'inférence IA restent hors du périmètre qualifié. OVHcloud a indiqué début 2026 que ses services d'IA rejoindraient sa gamme SecNumCloud d'ici fin 2026, ce qui signifie que ses AI Endpoints n'étaient pas couverts à cette date. Demandez la liste des services qualifiés, datée.

Que disent les régulateurs européens sur l'inférence par LLM en particulier ?

Ils pointent l'architecture, pas les documents contractuels. Le CEPD a identifié l'inférence sur site comme la mesure d'atténuation la plus solide en matière de protection des données pour les LLM, dans ses lignes directrices d'avril 2025. Sur les transferts, la direction est constante depuis 2020 : pour les transferts vers les États-Unis, le CEPD a indiqué que le chiffrement avec des clés contrôlées par l'UE est en pratique la seule mesure technique qui résiste à l'examen de la Section 702. Les autorités de contrôle disent la même chose de la loi elle-même : les recommandations Schrems II du CEPD, les lignes directrices 2021 de la CNIL, les avertissements du BfDI et l'évaluation 2023 de l'autorité néerlandaise sur Microsoft 365 traitent tous le CLOUD Act comme une loi d'un pays tiers que les seules mesures contractuelles ne permettent pas de concilier avec le RGPD.

Deux conséquences pour les équipes d'extraction. D'abord, chaque appel compte : chaque appel d'API LLM incluant des données personnelles constitue un traitement RGPD réglementé, avec application des règles de transfert Schrems II aux inférences transfrontalières. Ensuite, l'AI Act se superpose désormais. Les exigences de gouvernance des données de l'article 10 de l'AI Act européen pour les systèmes d'IA à haut risque sont devenues contraignantes le 2 août 2026, avec des sanctions pouvant atteindre 15 millions d'euros ou 3% du chiffre d'affaires mondial. La classification de documents alimentant une décision de crédit ou d'assurance peut entrer dans ce périmètre, ce qui fait de la provenance de vos corpus d'entraînement et d'évaluation un élément de conformité, et non plus un simple détail technique.

Que devriez-vous vérifier concrètement lors de l'audit de sécurité d'un fournisseur ?

Demandez des points de terminaison nommés et des types de déploiement précis, pas des labels. La formulation la plus utile que j'aie rencontrée le dit sans détour : ne procurez pas un label UE, procurez un point de terminaison nommé, un type de déploiement, un périmètre de traitement, un mode de conservation, une liste de sous-traitants et une politique d'exception, car c'est cela que peut vérifier une revue d'architecture.

Une checklist concrète pour un pipeline d'extraction par LLM :

1. Chemin d'inférence : nom d'hôte du point de terminaison, type de déploiement (Regional / Data Zone / Global), et possibilité pour le basculement (failover) de franchir la frontière. Microsoft se réserve le droit d'ajouter des régions à une zone de données sans préavis.
2. Conservation : distinguez la rétention zéro de la journalisation zéro, deux engagements différents avec des pistes d'audit différentes. Sygnet détaille cette distinction dans son article zero retention vs zero logging.
3. Surveillance des abus : la revue automatisée peut avoir lieu dans la région, avec une revue humaine optionnelle restreinte au personnel UE pour les clients européens, et la journalisation des invites signalées peut être désactivée sur accord. Obtenez cet accord, par écrit.
4. Canaux annexes : embeddings, texte OCR mis en cache, artefacts de chunking, files de relecture et outillage human-in-the-loop. Une interface de correction hébergée hors UE rouvre la question du transfert que vous pensiez avoir réglée.
5. Écarts régionaux entre modèles : certains modèles, par exemple text-embedding-3-large, peuvent ne pas prendre en charge la Data Zone et n'exister qu'en déploiement standard global.

L'unité auditable, c'est le point de terminaison, pas le fournisseur.

Quand un cloud souverain ou une pile européenne justifient-ils le compromis ?

Lorsque l'exposition juridique liée à une divulgation forcée dépasse la précision que vous sacrifiez en changeant de modèle. C'est un coût réel en IA documentaire : les modèles vision-langage de pointe restent en tête sur les scans de mauvaise qualité, et le catalogue souverain est plus restreint. ESC Bedrock a été lancé avec deux modèles Amazon Nova et aucun de Claude, Mistral ou Llama.

Le contrepoids, c'est que les modèles vision-langage à poids ouverts sont désormais déployables sur infrastructure européenne avec des outils standards. OVHcloud a publié des architectures de référence pour servir Qwen3-VL-8B-Instruct avec vLLM sur Kubernetes managé, en s'appuyant sur des GPU L40S derrière des points de terminaison compatibles OpenAI, ainsi que, séparément, pour Mistral Large 123B dans un environnement souverain. Pour une extraction structurée assortie de règles de validation strictes et d'un filtrage par niveau de confiance, un modèle vision-langage de classe 8B comble souvent la majeure partie de l'écart de précision, c'est l'argument développé dans OCR vs VLM.

Le contexte de coût compte également. Gartner prévoit des dépenses mondiales en IaaS de cloud souverain à hauteur de 80 milliards de dollars en 2026, en hausse de 35,6% par rapport à 2025, et les tarifs d'ESC seraient comparables à ceux des régions AWS standards. La pression n'est pas seulement réglementaire : le rapport 2026 de Kiteworks révèle que 33% des organisations ont connu un incident lié à la souveraineté au cours des douze derniers mois, alors même que 44% d'entre elles se déclarent bien préparées.

FAQ

Une région UE suffit-elle pour le RGPD, ou dois-je passer par un cloud souverain ?

Une région UE avec traitement exclusivement européen, une DPA conforme à l'article 28 et des CCT le cas échéant, satisfait les exigences de résidence des données et de transfert pour la majorité des charges de travail documentaires. Une évaluation de 2026 le formule directement : l'AWS European Sovereign Cloud a atteint la disponibilité générale en janvier 2026, mais la plupart des charges de travail SaaS européennes restent adaptées à des régions UE standards combinées à une DPA et des CCT. Le cloud souverain devient la bonne réponse lorsque votre cartographie des risques inclut la divulgation forcée par un pays étranger, ou lorsqu'un appel d'offres public l'exige.

Le CLOUD Act atteint-il réellement des données stockées à Francfort ?

Oui, en principe. Les articles 44 à 49 du RGPD encadrent les transferts transfrontaliers, mais leur respect n'empêche pas une demande formulée au titre du CLOUD Act américain d'atteindre des données stockées par un fournisseur dont le siège est aux États-Unis, même dans un centre de données européen. L'exposition s'attache à l'entité qui peut être contrainte, pas au disque de stockage. Un fournisseur à capital-mère américain peut conserver chaque octet dans l'UE tout en restant, en tant qu'entité, obligé de répondre à une injonction américaine. Les clés de chiffrement détenues par le client constituent l'atténuation habituelle, bien qu'elles entrent en conflit avec l'envoi de texte en clair vers un LLM hébergé.

Quelle configuration souveraine minimale viable pour l'extraction de factures et de contrats ?

Un modèle vision-langage à poids ouverts sur infrastructure européenne, un stockage objet hébergé en UE avec clés gérées par le client, une interface de relecture hébergée en UE, aucun sous-traitant établi dans un pays tiers dans la chaîne de journalisation, et une validation croisée de documents déterministe pour ne pas dépendre du modèle pour la justesse des résultats. Sygnet exploite ses pipelines d'extraction sur infrastructure européenne et documente ses sous-traitants ainsi que ses paramètres de conservation sur sa page sécurité et conformité. Vérifiez le périmètre qualifié de toute certification revendiquée, car elle ne couvre que des services nommés.