OpenAI veut convaincre les entreprises de confier leurs données les plus sensibles à l’IA

Avec Private Intelligence, OpenAI rassemble des garanties de confidentialité, une politique de non-conservation des données et une nouvelle technologie d’inférence privée pour séduire les entreprises les plus exigeantes.

Les entreprises veulent des intelligences artificielles capables d'analyser leurs contrats, d'examiner leurs données financières, d'exploiter leur documentation interne ou d'automatiser certaines opérations sensibles. Mais plus les modèles deviennent performants, plus une question prend de l'importance : que deviennent les informations auxquelles ils accèdent ? Avec Private Intelligence, OpenAI cherche à répondre aux organisations qui souhaitent utiliser ses modèles les plus avancés sans renoncer au contrôle de leurs données. L'entreprise réunit sous une même offre plusieurs protections existantes et une technologie encore en préversion, destinée à mieux isoler les informations pendant leur traitement.

L'annonce ne correspond pas au lancement d'un nouveau modèle d'intelligence artificielle. Elle marque plutôt une évolution de la manière dont OpenAI présente ses services professionnels, en plaçant la confidentialité au même niveau que les performances. L'enjeu dépasse la simple protection des conversations : il concerne désormais les agents capables de consulter des fichiers, d'utiliser des outils et d'agir au nom d'une entreprise. Cette orientation avait déjà été présentée lors du DevDay du 29 septembre 2026. La nouvelle page consacrée à Private Intelligence formalise les garanties proposées et met en avant une conception développée avec plusieurs grands clients, dont Glean et Coinbase. La question n'est plus seulement ce que l'IA sait faire, mais ce qu'elle peut voir

Pour une organisation, l'utilisation d'un modèle avancé implique parfois de lui transmettre des informations qui constituent une partie essentielle de sa valeur : stratégie commerciale, code source, données clients, documents juridiques, dossiers financiers ou projets encore confidentiels. Ces informations permettent à l'IA de produire des réponses pertinentes, mais leur traitement soulève des questions de conservation, d'accès et de circulation entre plusieurs systèmes.

OpenAI structure sa proposition autour de quatre engagements : limiter l'accès aux contenus professionnels, reconnaître la propriété des données de l'entreprise, encadrer les actions des agents et renforcer la sécurité des informations. Sur le principe, ces protections ne sont pas entièrement nouvelles. Les offres professionnelles d'OpenAI disposaient déjà de garanties contractuelles, de mécanismes de chiffrement et de contrôles administratifs. Private Intelligence vise à réunir ces éléments dans une proposition plus lisible, adaptée aux projets dans lesquels la confidentialité constitue une condition préalable au déploiement.

L'entreprise rappelle notamment que ses clients professionnels restent propriétaires de leurs données d'entrée et de sortie. Cette garantie mérite d'être distinguée des conditions techniques de traitement : être propriétaire d'un document ne signifie pas nécessairement qu'aucune infrastructure extérieure n'y accède temporairement. C'est précisément sur cette distinction entre propriété, conservation et exposition pendant le calcul qu'OpenAI cherche désormais à renforcer son offre. Zero Data Retention : ne pas conserver les échanges après leur traitement

L'un des principaux dispositifs mis en avant est la politique Zero Data Retention, ou ZDR. Pour les workflows d'API éligibles, cette option prévoit qu'OpenAI ne conserve pas les prompts ni les réponses du modèle après leur traitement. Elle répond aux besoins des entreprises qui ne souhaitent pas laisser de traces durables de leurs échanges sur les systèmes du fournisseur.

La portée de cette garantie doit toutefois être correctement comprise. Elle ne signifie pas que les données ne transitent jamais par l'infrastructure d'OpenAI, ni que tous les produits et toutes les fonctionnalités bénéficient automatiquement des mêmes conditions. La politique concerne des usages éligibles, avec des paramètres techniques et contractuels spécifiques. Une entreprise doit donc vérifier la configuration de ses applications et les services utilisés avant de considérer qu'un traitement relève effectivement de la non-conservation.

OpenAI associe également ce dispositif à Private Safety Processing, présenté lors du DevDay 2026. L'objectif est de permettre des contrôles automatisés de sécurité sans donner au personnel d'OpenAI accès au contenu sous-jacent. L'entreprise cherche ainsi à concilier deux contraintes qui peuvent entrer en tension : limiter la conservation des données professionnelles tout en maintenant des protections contre les usages dangereux de ses modèles.

Cette combinaison intéressera particulièrement les secteurs qui manipulent des informations confidentielles et doivent documenter précisément leurs obligations de sécurité. Mais elle ne remplace ni une analyse contractuelle ni une évaluation des risques propres à chaque organisation. L'inférence privée veut protéger les données jusque pendant le calcul

La nouveauté technique la plus importante de Private Intelligence concerne Private Inference, proposé en préversion. Alors que le chiffrement traditionnel protège les données lorsqu'elles circulent sur un réseau ou sont stockées, l'informatique confidentielle cherche à renforcer leur protection pendant qu'elles sont effectivement traitées. C'est une étape particulièrement sensible : pour produire une réponse, un modèle doit accéder aux informations contenues dans la requête, même lorsque celles-ci sont chiffrées avant et après le traitement.

OpenAI indique associer des environnements de calcul confidentiels à des contrôles stricts et vérifiables. Le principe consiste à limiter les possibilités d'accès aux données en cours d'utilisation et à permettre certaines vérifications sur l'environnement chargé de les traiter. L'entreprise ne présente donc pas simplement un coffre-fort numérique destiné à stocker des documents, mais une protection visant l'opération même qui permet au modèle de les exploiter.

Cette ambition doit toutefois être distinguée de son déploiement réel. Private Inference reste présenté