Plusieurs entreprises auraient commencé à restreindre ou conditionner l’usage de Claude et d’autres modèles d’IA externes. Les inquiétudes portent sur la conservation des données, les métadonnées techniques, l’exposition de la propriété intellectuelle et l’absence de garantie de rétention zéro irrévocable pour certains usages sensibles. Cette évolution, rapportée le 14 septembre 2026, ne correspond pas à un abandon uniforme de Claude : les mesures vont de l’interdiction des données propriétaires à l’utilisation de modèles internes ou de serveurs isolés.
Les entreprises posent des limites à Claude et aux autres modèles d’IA
Les cas rapportés dessinent une politique à plusieurs vitesses, pas une interdiction générale. Nvidia aurait limité Fable aux tâches qui ne nécessitent pas l’accès à des données sensibles et réservé les travaux plus délicats à un système d’IA interne. Northrop Grumman aurait, de son côté, exécuté des modèles open source sur des serveurs isolés du réseau extérieur.
Novo Nordisk aurait continué à utiliser Claude pour certaines tâches tout en interdisant l’emploi de données propriétaires avec le modèle. C Spire aurait conservé des clauses interdisant l’entraînement sur ses données, mais se serait inquiétée de l’usage de métadonnées techniques liées aux applications connectées et à l’activité du modèle entre deux réponses. Une grande entreprise américaine du secteur de l’énergie aurait même annulé un test prévu de Fable après l’absence d’une garantie de rétention zéro irrévocable.
Ces exemples décrivent des réponses différentes à un même problème pratique : une entreprise peut accepter l’aide d’un modèle externe pour une tâche banale tout en refusant de lui confier un brevet, un dossier client ou un code sensible.
Entraînement, conservation et métadonnées : trois sujets différents
Dire qu’un fournisseur n’utilise pas les données professionnelles pour entraîner ses modèles ne signifie pas automatiquement que toutes les traces d’utilisation disparaissent. Il faut distinguer trois niveaux :
- L’entraînement : l’utilisation des contenus pour améliorer un modèle.
- La conservation : la durée pendant laquelle des requêtes ou des réponses peuvent rester stockées.
- Les métadonnées techniques : des informations liées à l’utilisation du service, qui ne sont pas nécessairement le texte du prompt ou de la réponse.
OpenAI indique que les données professionnelles ne servent pas à entraîner ses modèles par défaut. L’entreprise propose aussi une rétention zéro aux clients éligibles utilisant certaines API de modèles avancés : dans ce cadre, les requêtes et les réponses ne sont pas conservées après la demande.
Anthropic indique que les données couvertes par un accord de rétention zéro ne servent pas à entraîner ses modèles sans autorisation expresse. Mais cette protection dépend du produit et de l’accord concerné. Elle ne constitue donc pas une règle automatique pour tous les usages de Claude.
Cette distinction explique pourquoi une clause d’exclusion de l’entraînement peut ne pas suffire à une entreprise qui veut aussi contrôler la conservation, les journaux techniques, les applications connectées ou les flux de données autour du modèle.
Ce que couvre réellement la rétention zéro
La rétention zéro, ou ZDR (zero data retention), signifie que les prompts et les réponses ne sont pas conservés dans le périmètre couvert par l’accord. Elle ne transforme pas pour autant tous les produits d’un fournisseur en environnements sans conservation.
Anthropic précise que ses accords ZDR s’appliquent seulement aux produits et aux API éligibles. OpenAI réserve également ses engagements de rétention zéro à certains clients et à certains usages d’API. Le compte utilisé, le produit choisi, le contrat et les contrôles de l’organisation déterminent donc la protection effective.
La question « une entreprise peut-elle voir vos conversations Claude ? » n’a pas une réponse universelle. Elle dépend de ces paramètres. L’exclusion de l’entraînement, la durée de conservation et la collecte éventuelle de métadonnées sont des sujets différents ; les confondre donne une image trompeuse de la protection proposée.
Services externes, modèles internes et serveurs isolés
Les stratégies rapportées ne fournissent pas le même niveau de contrôle et n’impliquent pas les mêmes contraintes opérationnelles :
| Approche | Où restent les données ? | Avantage pratique | Limite opérationnelle |
| Contrat d’entreprise avec Claude ou OpenAI | Dans un service géré par le fournisseur, selon le produit et le contrat | Accès à des modèles hébergés avancés et à des contrôles professionnels | La conservation et les métadonnées peuvent encore nécessiter un examen contractuel précis |
| Accord de rétention zéro | Les prompts et les réponses ne sont pas conservés lorsque le produit et l’accord sont éligibles | Réduit le risque lié à la persistance des échanges | Ne s’applique pas automatiquement à chaque produit, modèle ou flux de travail |
| Modèle interne | Dans l’infrastructure contrôlée par l’organisation | Les tâches sensibles restent dans un environnement interne | Demande un modèle, une infrastructure et une gouvernance propres |
| Modèles open source sur serveurs isolés | Dans un environnement séparé des fournisseurs externes | Renforce la séparation entre les données et les services hébergés | Coûts d’exploitation plus élevés et capacités potentiellement différentes |
Le virage observé ne revient donc pas à choisir entre « utiliser l’IA » et « ne plus utiliser l’IA ». Il consiste plutôt à faire correspondre chaque tâche à un niveau de contrôle : service externe pour les usages ordinaires, restrictions sur les données propriétaires, modèle interne ou infrastructure isolée pour les travaux les plus sensibles. C’est cette architecture par niveaux, davantage qu’un bannissement général de Claude, qui redessine l’adoption de l’IA en entreprise.
