Le Zero Data Retention devient-il le nouveau Zero Trust de l’IA ?
Palantir, Nvidia et Booz Allen durcissent leurs exigences sur la conservation des données par les modèles d’IA. Le ZDR pourrait devenir un nouveau standard d’achat, à condition de vérifier tout le workflow et pas seulement le modèle.

Pendant longtemps, la question de confidentialité posée aux fournisseurs d’IA tenait en une phrase : utilisez-vous nos données pour entraîner vos modèles ?
Elle reste essentielle. Elle n’est plus suffisante.
Selon Reuters, qui cite une enquête de The Information, Palantir, Nvidia et Booz Allen Hamilton restreignent ou pourraient restreindre l’usage de certains modèles avancés faute de garanties plus fortes sur leurs données et leur propriété intellectuelle. Palantir demanderait à Anthropic un engagement irrévocable de Zero Data Retention avant de rendre ses modèles disponibles dans sa plateforme. Nvidia limiterait Claude à des tâches moins sensibles, tandis que Booz Allen en aurait interdit l’usage sur certains travaux de cybersécurité propriétaires.
Aucune de ces entreprises n’a confirmé directement ces éléments à Reuters. La prudence s’impose donc sur chaque cas particulier.
Le signal de marché, lui, est beaucoup moins ambigu.
Les grands acheteurs ne se contentent plus d’une promesse générale selon laquelle leurs données ne serviront pas à entraîner le prochain modèle. Ils veulent savoir ce que deviennent précisément un prompt, une pièce jointe et une réponse après leur traitement.
Le Zero Data Retention, ou ZDR, passe ainsi du statut de clause réservée aux environnements les plus sensibles à celui de véritable critère de sélection.
Le ZDR ne signifie pas que la donnée ne circule jamais
Une IA distante doit recevoir le prompt, son contexte et parfois des fichiers pour produire une réponse. Le ZDR ne rend pas cet échange immatériel. Dans son acception la plus courante, il signifie que le fournisseur ne conserve pas les prompts et les réponses du client au repos une fois la réponse de l’API retournée, dans le périmètre technique et contractuel éligible.
Trois garanties sont souvent confondues.
1. Ne pas entraîner le modèle avec les données du client : le contenu n’est pas réutilisé pour améliorer les modèles sans autorisation.
2. Conserver temporairement le contenu : les prompts ou réponses peuvent rester enregistrés pendant une durée limitée, notamment pour la détection d’abus, l’assistance ou l’investigation.
3. Ne pas conserver le contenu : après le traitement de la requête, les données couvertes ne sont pas écrites dans un stockage persistant par le fournisseur.
Ces trois situations ne produisent ni le même risque, ni les mêmes preuves, ni les mêmes obligations contractuelles. Un service peut parfaitement promettre de ne jamais entraîner ses modèles avec vos données tout en gardant certains contenus plusieurs jours. À l’inverse, un service ZDR peut continuer à traiter et à conserver des métadonnées techniques qui ne contiennent pas le prompt ou la réponse.
Le mot « zéro » est rassurant. Le périmètre auquel il s’applique est nettement plus important.
Pourquoi le parallèle avec le Zero Trust tient
Le NIST définit le Zero Trust comme une architecture dans laquelle aucune confiance implicite n’est accordée à un utilisateur ou à un équipement au seul motif qu’il se trouve sur le bon réseau ou qu’il appartient à l’entreprise. L’accès doit être évalué en fonction de l’identité, du terminal, de la ressource et du contexte.
Le ZDR applique une logique comparable à la persistance des données : le fait qu’un fournisseur soit autorisé à traiter une requête ne lui donne pas automatiquement le droit de la conserver.
Dans les deux cas, on remplace une confiance générale par une vérification précise du contexte.
L’analogie a toutefois une limite importante. Le Zero Trust est une architecture de sécurité complète. Le Zero Data Retention est une condition de traitement appliquée à un flux particulier. Il peut devenir une exigence par défaut dans un appel d’offres, mais il ne remplace ni le contrôle d’accès, ni la DLP, ni la journalisation, ni la gestion des incidents.
Le piège du logo ZDR posé sur toute une architecture
Un workflow d’IA ne se résume presque jamais à un appel vers un modèle. Le flux traverse une interface utilisateur, une plateforme d’intégration, l’API du fournisseur, le modèle, parfois une mémoire, un espace de fichiers, un vector store, un outil de recherche, un connecteur, un serveur MCP et plusieurs couches de logs ou d’observabilité.
Il suffit qu’un seul de ces composants persiste le contenu pour que la promesse ZDR du modèle ne décrive plus le comportement réel de l’ensemble.
La documentation des principaux fournisseurs le montre très clairement.
Anthropic précise que son dispositif ZDR est activé par organisation et ne couvre que les API et fonctions éligibles. Il ne s’étend pas automatiquement à Claude Console, aux Managed Agents, aux interfaces Claude Teams ou Enterprise (Claude Code disposant d’un dispositif distinct), ni aux intégrations tierces. Les modèles Claude Fable 5 et 5.1 ainsi que Mythos 5 et 5.1 imposent normalement une rétention de trente jours : ils ne sont donc pas éligibles au ZDR, sauf autorisation expresse d’Anthropic. Le contrat et la configuration de chaque espace de travail doivent être vérifiés.
OpenAI indique que ses journaux de surveillance des abus peuvent contenir des prompts et des réponses pendant une durée maximale de trente jours par défaut. Pour les organisations approuvées en ZDR, le contenu client est exclu de ces journaux et le paramètre de stockage des endpoints Responses et Chat Completions est forcé à false. Mais certains objets avec état, tels que des conversations, agents, fichiers ou vector stores, suivent leurs propres règles de conservation. Les données envoyées à un serveur MCP tiers dépendent également de la politique de ce tiers.
Depuis le 22 septembre 2026, OpenAI déploie progressivement Private Safety Processing auprès de clients API. Ce dispositif vise à détecter automatiquement des risques sur plusieurs interactions tout en restant compatible avec les engagements ZDR, sans permettre aux équipes OpenAI de consulter les contenus protégés. Il ne change pas les règles propres aux fonctions avec état ni aux intégrations tierces.
Google Cloud sépare lui aussi la restriction d’entraînement et la conservation. Sa documentation indique que les données client ne sont pas utilisées pour entraîner ou affiner les modèles gérés sans autorisation préalable. Pour atteindre le ZDR dans Gemini Enterprise Agent Platform, il faut cependant tenir compte de chaque fonction. Le grounding avec Google Search peut conserver certaines requêtes dérivées pendant trois jours. Le grounding avec Google Maps conserve certains contenus pendant trente jours. Dans l’Interactions API, le paramètre store doit être explicitement positionné à false, car sa valeur par défaut est true.
Google distingue désormais deux niveaux de cache implicite. Le premier conserve temporairement des données en mémoire, sans stockage au repos, pour vingt-quatre heures au maximum. Le second, activé par défaut sur certains modèles compatibles, peut conserver au repos des représentations dérivées et chiffrées pendant cette même durée. Pour une politique interdisant toute persistance au repos, il faut désactiver le cache durable au niveau du projet, ou désactiver entièrement la mise en cache. Ce détail illustre parfaitement le sujet : un slogan global ne suffit pas. Il faut lire la définition, le contrat et vérifier la configuration technique.
Moins conserver ne dispense pas de tracer
La conservation temporaire n’existe pas seulement pour le confort des fournisseurs. Elle peut aider à détecter des usages abusifs, corréler une attaque répartie sur plusieurs sessions, comprendre un incident ou répondre à une demande de support.
Réduire cette conservation diminue la surface d’exposition. Cela réduit aussi la quantité d’éléments disponibles chez le fournisseur pour enquêter.
Le ZDR ne supprime donc pas la responsabilité opérationnelle. Il la déplace en partie vers le client.
Une organisation qui impose le ZDR doit encore décider quelles traces elle conserve dans son propre environnement, pendant combien de temps, avec quel niveau de pseudonymisation, quelles personnes peuvent y accéder et comment elles seront mobilisées en cas d’incident.
L’objectif n’est pas l’absence absolue de toute trace. C’est l’absence de conservation non maîtrisée.
On peut résumer le bon équilibre ainsi : zéro rétention chez le fournisseur lorsque le risque l’exige, mais une traçabilité proportionnée et contrôlée par l’entreprise.
Six questions à poser avant de signer
1. Quel est le périmètre exact de la garantie ? Il faut identifier le produit, l’organisation, le projet, le modèle, l’endpoint, la région et les fonctions couvertes.
2. Quelles données peuvent malgré tout persister ? Prompts, réponses, pièces jointes, embeddings, caches, métadonnées, scores de sécurité et journaux ne suivent pas toujours la même règle.
3. Quelles fonctions rouvrent la conservation ? Mémoire, historique, grounding, recherche web, exécution de code, fichiers, vector stores, agents managés et connecteurs doivent être examinés séparément.
4. Où les données sont-elles traitées et stockées, pendant combien de temps et par qui ? La résidence, l’accès humain, les clés de chiffrement et les sous-traitants sont des dimensions distinctes du ZDR.
5. Quelles exceptions existent ? Détection de contenus illicites, investigation d’un risque sévère, obligation légale, assistance ou changement de politique peuvent modifier le fonctionnement attendu.
6. Comment la promesse est-elle prouvée et maintenue ? Le contrat, le DPA, les réglages d’organisation, le comportement de l’API, les erreurs en cas de fonction incompatible, les journaux d’audit et la notification des changements doivent raconter la même histoire.
Une simple case cochée dans un questionnaire fournisseur ne répond à aucune de ces six questions.
La bonne stratégie ne sera pas uniforme
Toutes les données ne justifient pas la même architecture. Demander un ZDR strict pour reformuler un texte public n’a pas le même intérêt que pour analyser du code source, une réponse à appel d’offres, un dossier RH, des données de santé ou les résultats d’un audit cyber.
Une politique réaliste peut donc organiser plusieurs voies d’usage.
Les contenus publics ou peu sensibles peuvent utiliser des services d’entreprise avec des garanties standards. Les informations internes nécessitent au minimum l’absence d’entraînement, une durée de conservation connue et des journaux exploitables. Les données confidentielles peuvent être orientées vers des modèles, endpoints et fonctions validés pour le ZDR. Les données les plus réglementées peuvent exiger un environnement dédié, un état applicatif contrôlé par le client ou, dans certains cas, un modèle hébergé dans une infrastructure maîtrisée.
Cette approche suppose de connaître les usages réels, de classer les données, d’autoriser les bons services, de contrôler les chemins d’accès et de vérifier que la configuration ne dérive pas au fil des nouvelles fonctions.
Une politique écrite une fois par an ne suivra pas longtemps une plateforme agentique qui change chaque mois.
💬 Ce qu’on en pense chez KromeWork
Oui, le Zero Data Retention peut devenir pour l’IA ce que le chiffrement au repos ou le MFA sont devenus pour le cloud : une attente de base dans les dossiers sérieux.
Mais la réponse à la question du titre reste volontairement nuancée.
Le ZDR peut devenir un nouveau standard d’achat. Il ne devient pas, à lui seul, une stratégie de sécurité.
La bonne question n’est donc pas : « Ce fournisseur propose-t-il du ZDR ? »
La bonne question est : « Pouvons-nous prouver que ce workflow précis reste sans rétention de bout en bout ? »
Dans un environnement Google, cela impose notamment de ne pas extrapoler une garantie d’un service à tout le catalogue. Workspace, Google Cloud, Gemini Enterprise Agent Platform, les fonctions de grounding et les intégrations disposent de périmètres et de règles qui doivent être examinés séparément.
C’est exactement le rôle d’une démarche de Secure AI Management : voir les usages, contrôler les accès et les flux, gouverner les exceptions, puis automatiser la preuve.
Comme souvent en cybersécurité, le mot « zéro » n’abolit pas le risque. Il oblige surtout l’entreprise à arrêter de le laisser implicite.
Article rédigé par Cédric Dervaux, avec l’assistance de l’IA pour la recherche, la relecture, la structuration et la mise en forme.
Pour en savoir plus
- Reuters : Palantir, Nvidia curb AI model use over data fears
- NIST : Zero Trust Architecture, SP 800 207
- Anthropic : API and data retention
- OpenAI : Data controls in the OpenAI platform
- OpenAI : Private Safety Processing et ZDR (mise à jour du 22 septembre 2026)
- Google Cloud : Gemini Enterprise Agent Platform and zero data retention
