Le RGPD vous donne le droit de demander si vos données ont servi à entraîner un modèle. Il ne vous donne aucun moyen de vérifier la réponse, et aucun moyen de revenir en arrière.
Deux mathématiciens viennent d’en faire la démonstration publique. Le 8 septembre 2026, quelques heures après qu’OpenAI a annoncé un résultat sur les équations de Navier-Stokes, Tristan Buckmaster (NYU) a affirmé avoir déposé, avec son collaborateur Levent Alpöge, l’intégralité de leurs brouillons de recherche dans Codex, et s’est demandé publiquement si le modèle avait pu en bénéficier. OpenAI dément avoir accédé à leurs données d’utilisateur, tout en indiquant ne pas pouvoir exclure un bénéfice tiré de données dépersonnalisées issues de l’usage de ses produits.
Peu importe, pour ce qui nous occupe ici, qui a raison. Ce qui compte, c’est que la question soit restée sans réponse vérifiable. Le reste de cette page explique pourquoi c’était prévisible, article par article.
Ce qui s’est passé, au conditionnel qui s’impose
OpenAI a annoncé le 8 septembre 2026 qu’un modèle interne, exécuté par un essaim d’environ dix mille agents, avait produit une démonstration relative aux équations de Navier-Stokes, vérifiée en Lean. Tristan Buckmaster a mis en cause la coïncidence : l’approche retenue par le modèle serait précisément la voie peu fréquentée qu’il explorait depuis près d’un an avec Levent Alpöge, et selon lui « pas la direction à laquelle on arrive en quelques jours en donnant l’énoncé à un modèle ». Il indique s’être vu répondre que le modèle ne consulte pas les sessions utilisateur, sans réponse directe sur la question de l’entraînement.
Un second mathématicien, Andreas Thom (TU Dresde), a formulé une mise en cause voisine à propos d’un résultat antérieur sur les groupes non sofiques : il dit s’être opposé à l’usage de ses conversations pour l’entraînement le 29 juin, ce qui laisse hors de portée tout ce qui précède cette date. Un volet distinct de l’affaire porte sur la signature de l’article, qu’OpenAI conteste également.
Nous rapportons ces éléments comme ce qu’ils sont : des accusations publiques, assorties de démentis, sur lesquelles personne d’extérieur ne peut trancher. C’est exactement le problème.
Un brouillon de démonstration n’est pas une donnée personnelle. La session qui le contient, si.
Une première nuance surprend souvent. Le RGPD ne protège pas vos idées, mais les informations se rapportant à une personne physique identifiée ou identifiable (article 4, 1°). Une inégalité fonctionnelle n’est pas une donnée personnelle. Le fait que vous l’ayez écrite, à telle date, depuis tel compte, dans telle session, en est une.
La conséquence est pratique. Pour l’idée elle-même, vos recours sont ailleurs, dans le droit d’auteur sur la rédaction, le secret des affaires et, dans le monde académique, les usages de priorité et de citation, qui ne sont pas du droit mais pèsent souvent davantage. Pour le lien entre l’idée et vous, le RGPD s’applique. Les deux régimes ne se recouvrent pas, et invoquer le mauvais vous fait perdre du temps.
Trois droits, un principe, et l’endroit exact où chacun s’arrête
| Ce que le RGPD vous donne | Où ça s’arrête |
|---|---|
| Limitation des finalités (art. 5.1.b) : les données collectées pour rendre un service ne peuvent pas être réutilisées pour une finalité incompatible. | « Incompatible » s’apprécie au cas par cas. Un fournisseur qui annonce l’entraînement dans ses conditions d’utilisation soutiendra que la finalité était annoncée dès le départ. |
| Droit d’accès (art. 15) : vous pouvez exiger de savoir quelles données sont traitées, et à quelles fins. | Vous obtiendrez une description des traitements, pas un audit du jeu d’entraînement. Vous ne pouvez pas y regarder vous-même ; seule une autorité de contrôle comme la CNIL peut enquêter sur place (art. 58). |
| Droit d’opposition (art. 21) : vous pouvez vous opposer au traitement fondé sur l’intérêt légitime. | L’opposition vaut pour l’avenir. Elle n’a pas d’effet sur ce qui a déjà été ingéré. |
| Droit à l’effacement (art. 17) : vos données doivent pouvoir être supprimées. | On supprime un enregistrement dans une base. On ne retire pas une contribution des poids d’un modèle déjà entraîné. Au mieux, on ré-entraîne, ce que personne ne fait pour un utilisateur. |
Ces trois droits et ce principe existent, sont opposables et sont régulièrement invoqués avec succès. Aucun ne rend ce qui a été appris.
L’opt-out n’est pas rétroactif
C’est le point le plus coûteux et le moins compris. Sur la plupart des services grand public, l’usage des contenus pour l’amélioration des modèles est activé par défaut, et se désactive dans un réglage. Le jour où vous le désactivez, vous protégez la suite. Vous ne récupérez rien de ce qui précède.
Dans l’affaire ci-dessus, c’est précisément la ligne de fracture invoquée par Andreas Thom : une opposition exprimée fin juin ne dit rien des échanges antérieurs. Retenez la règle générale : sur ces services, la date qui compte n’est pas celle où vous découvrez le réglage, c’est celle de votre première session.
Ce que le régulateur européen a déjà tranché
Le Comité européen de la protection des données a adopté le 17 décembre 2024 son avis 28/2024 sur les modèles d’IA. Trois de ses points s’appliquent directement à cette affaire.
- Un modèle n’est pas anonyme par nature. Il ne l’est que si la probabilité d’en extraire des données personnelles, directement ou par requêtes, est négligeable, ce qui s’apprécie au cas par cas, avec un seuil élevé.
- L’intérêt légitime reste mobilisable pour développer un modèle, mais au prix d’un test en trois étapes documenté : intérêt réel et non spéculatif, nécessité, mise en balance avec les droits des personnes.
- Une illicéité en amont contamine l’aval. Un modèle développé à partir de données traitées illicitement peut voir son exploitation ultérieure fragilisée, sauf anonymisation avérée.
Le droit donne donc raison à l’utilisateur sur le principe, mais l’aide peu sur la preuve. L’avis impose au responsable de traitement de démontrer sa conformité, et la CNIL ou ses homologues peuvent enquêter chez lui. Depuis août 2025, l’AI Act oblige aussi les fournisseurs de modèles d’IA à usage général à publier un résumé des données d’entraînement. Ce résumé reste global, et aucun texte ne permet à un utilisateur de vérifier lui-même si ses échanges figurent dans le corpus. Ces affaires se règlent donc en communiqués contradictoires plutôt qu’en constats.
Les questions utiles à poser à un fournisseur
La question « Êtes-vous conforme au RGPD ? » n’apprend rien, car tout le monde répond oui, et la plupart ont raison. Trois autres questions font vraiment la différence.
- Mes contenus entrent-ils dans un jeu d’entraînement, par défaut, sur option, ou jamais ? Et si c’est « sur option », l’option est-elle active ou inactive à l’ouverture du compte ?
- Depuis quelle date mon choix s’applique-t-il ? C’est la question qui révèle si l’on vous parle du passé ou seulement de l’avenir.
- Que déclenche exactement un retrait : l’arrêt de la collecte, ou la suppression des données déjà collectées ? Les deux réponses sont acceptables. Les confondre ne l’est pas.
Pour Notus, la réponse est la même aux trois questions : jamais. Il n’y a pas d’option à désactiver, donc pas de date à retenir. L’audio est traité en Europe par des modèles open source et européens, puis supprimé dès que la note est prête (sous 48 heures au plus chez nos sous-traitants), et le résumé est rédigé par Mistral AI sous un contrat qui exclut l’entraînement.
Notus est en précommande, pour une livraison au 1er semestre 2027. Voir comment il fonctionne
Ajoutez-y la question de l’hébergement, qui détermine le régime applicable et les mécanismes de transfert prévus au chapitre V du RGPD. Nous la détaillons dans notre comparatif Notus / Plaud Note et dans Cloud Act : pourquoi un serveur en France ne suffit pas.
À retenir
- Le RGPD protège le lien entre une donnée et vous, pas l’idée que contient la donnée.
- Accès, opposition et effacement agissent sur des bases de données, et aucun ne défait un entraînement.
- Un opt-out ne vaut que pour l’avenir : la date qui compte est celle de votre première session.
- L’avis 28/2024 du CEPD fixe des exigences réelles, sans donner à l’utilisateur de moyen de vérifier lui-même.
- Face à une question invérifiable, la réponse la plus sûre tient à l’architecture : ne pas confier le contenu à un système qui pourrait l’apprendre.
Sources : règlement (UE) 2016/679 (RGPD), articles 4, 5, 15, 17, 21, 58 et chapitre V ; règlement (UE) 2024/1689 (AI Act), article 53 ; CEPD, avis 28/2024 du 17 décembre 2024 sur les modèles d’IA ; déclarations publiques de Tristan Buckmaster (7-8 septembre 2026) et réponses d’OpenAI telles que rapportées par TechCrunch, VentureBeat, Axios et The Verge (8-10 septembre 2026). Les mises en cause rapportées sont contestées par les personnes visées.