OpenAI et Zero Data Retention : le traitement de sécurité privé arrive
OpenAI souhaite maintenir zéro rétention de données même lorsque les systèmes de sécurité doivent observer plusieurs interactions interconnectées. C’est tout l’intérêt de Traitement de sécurité privéel’architecture présentée le 19 août 2026 et actuellement testée auprès d’un premier groupe de clients. La technologie a été créée pour résoudre un problème qui devient plus pertinent avec des modèles et des agents capables de travailler pendant de longues périodes : reconnaître les comportements potentiellement dangereux sans transformer la préservation des invites et des réponses en une condition nécessaire à la surveillance.
La première version est attendue en septembre, date à laquelle OpenAI prévoit également de publier un livre blanc contenant plus de détails techniques.
La sécurité ne peut plus s’arrêter à une seule invite
Les systèmes actuels compatibles Zero Data Retention évaluent les interactions individuellement. C’est une approche efficace lorsque le risque est déjà évident au sein d’une seule demande, mais devient plus fragile à mesure que l’intention émerge progressivement.
Un utilisateur pourrait par exemple interroger de manière répétée les protections du modèle, répartir une activité entre différents comptes ou présenter comme une recherche normale une succession de requêtes qui, considérées ensemble, prennent un sens différent. Un problème supplémentaire entre en jeu avec les agents. Un système chargé d’exécuter de manière autonome une séquence d’actions peut s’écarter de l’intention initiale de l’utilisateur ou continuer à fonctionner après avoir reçu l’ordre de s’arrêter.
C’est donc le contexte accumulé qui devient une composante de la sécurité. Plus les modèles assument des tâches longues et complexes, plus la capacité d’observer des modèles répartis dans le temps pour distinguer l’usage légitime de l’abus est nécessaire. Cependant, pour les clients utilisant ZDR, conserver systématiquement ces interactions pour une analyse ultérieure irait à l’encontre de l’une des raisons pour lesquelles la configuration est adoptée.
Le traitement de sécurité privé sépare le contenu du signal de risque
La solution proposée par OpenAI consiste à étendre les protections automatiques des requêtes individuelles aux interactions associées, en séparant le contenu du client et les informations que le système de sécurité renvoie au fournisseur.
Dans les implémentations ZDR décrites par l’entreprise, le contenu nécessaire à ce traitement reste sur l’infrastructure contrôlée par le client. OpenAI développe également une deuxième configuration dans laquelle le contenu peut être stocké sur sa propre infrastructure, mais est crypté à l’aide de clés sous le contrôle du client. Le personnel d’OpenAI ne dispose pas de copie de ces clés et, selon l’entreprise, ne peut donc pas accéder aux messages sous-jacents.
Cependant, les systèmes automatiques peuvent examiner les interactions associées et identifier certains modèles. Lorsqu’ils détectent un risque possible, OpenAI ne reçoit pas la conversation complète, mais un signal limité qui décrit le type d’activité identifié. C’est cette séparation qui représente l’élément le plus intéressant de l’architecture : la plateforme peut recevoir des informations qui peuvent être utilisées pour décider d’une éventuelle intervention sans mettre le contenu du client à disposition du personnel en charge de la sécurité.
Le diagramme publié avec l’annonce clarifie également l’autre moitié du processus. Le client conserve une vue plus complète de l’alerte et peut vérifier dans ses systèmes ce qui a généré le signal. Vous pouvez alors contester une décision, expliquer une activité légitime ou choisir de partager des informations supplémentaires avec OpenAI lors d’une enquête sur un abus confirmé. Le partage de contenu ne se fait pas automatiquement.
Zéro conservation des données ne signifie pas que chaque fonction API est apatride
Le nom peut suggérer un principe absolu, mais la documentation technique d’OpenAI introduit des distinctions importantes. Pour les clients API éligibles, Zero Data Retention exclut le contenu client des journaux utilisés pour surveiller les abus. De plus, sur les points de terminaison compatibles, les informations ne sont pas conservées en tant qu’état de l’application après traitement.
La configuration standard est différente. Les journaux de surveillance des abus ils peuvent contenir des invites, des réponses et des métadonnées dérivées et sont normalement conservés jusqu’à 30 jours. Avec ZDR, cependant, dans les points finaux Réponses Et Achèvements des discussions le paramètre store est traité comme faux même lorsqu’une requête tente de le définir autrement.
Cependant, toutes les fonctionnalités de la plateforme ne sont pas compatibles avec ce modèle. Certains nécessitent de la persévérance pour fonctionner, tandis que des outils comme Interpréteur de code ou les modes qui préservent temporairement l’état ont des limitations spécifiques. Pour une entreprise, la vérification doit donc s’effectuer au niveau du endpoint et de l’architecture applicative, sans se limiter à la présence du label ZDR sur l’organisation.
Il existe également une exception explicite relative aux images potentiellement attribuables à du matériel pédopornographique. OpenAI précise que le contenu signalé par les classificateurs peut être conservé pour examen manuel et pour les obligations légales de reporting, même dans les implémentations Zero Data Retention.
Le nœud d’agent rend la confidentialité et la sécurité indissociables
Le traitement de sécurité privé arrive alors que l’utilisation de l’IA en entreprise passe de la simple génération de texte à des flux de travail dans lesquels le modèle consulte les données, utilise des outils et exécute des séquences d’opérations. Dans ces scénarios, vérifier uniquement la sécurité d’un message individuel offre une vue partielle de ce que fait le système.
OpenAI utilisait déjà des protections automatisées dans les implémentations ZDR. La nouveauté consiste à étendre cette analyse des interactions uniques à des séquences d’activités connexes. Ce qui est nouveau, c’est la tentative d’étendre l’analyse à des comportements qui ne deviennent reconnaissables qu’au travers d’une série d’étapes, sans pour autant restaurer la conservation ordinaire des conversations.
Le problème affecte directement les secteurs dans lesquels les contenus traités par les modèles incluent des dossiers de santé, des informations financières, des recherches exclusives ou des plans d’affaires confidentiels. OpenAI présente Private Safety Processing comme une technologie développée en collaboration avec des clients de différentes tailles et secteurs et recueille dans l’annonce des témoignages d’entreprises telles que Glean, Databricks, Abridge et Microsoft.
Hanlin Tang, directeur technique de Réseaux de neurones par Databricksrelie spécifiquement le support continu de Zero Data Retention à la possibilité de rendre disponibles des modèles plus puissants au sein des environnements de données et de gouvernance déjà utilisés par les entreprises. C’est une indication révélatrice du problème qu’OpenAI tente de résoudre. Sur le marché des entreprises, la capacité du modèle est de plus en plus importante, mais elle doit coexister avec des exigences de contrôle des données qui ne permettent souvent pas au fournisseur d’en conserver une copie accessible.
Le clincher viendra avec le livre blanc
Pour l’instant, Private Safety Processing reste une technologie en avant-première. OpenAI a décrit son modèle général et les propriétés qu’il vise à garantir, mais n’a pas encore publié suffisamment d’informations pour évaluer de manière indépendante tous les détails de la mise en œuvre.
Le livre blanc annoncé pour septembre sera donc déterminant. Il faudra comprendre comment s’effectue réellement l’analyse des interactions associées, quelles informations contiennent les signaux envoyés à OpenAI, comment les contenus sont isolés et quels mécanismes empêchent techniquement l’accès du personnel. Il sera tout aussi important d’évaluer le comportement du système face aux faux positifs et les critères selon lesquels une alerte peut être transformée en mesure coercitive.
Mais la direction est déjà claire. À mesure que les systèmes d’IA gagnent en autonomie, la confidentialité et la sécurité ne peuvent plus être conçues comme des préoccupations distinctes. OpenAI tente de démontrer que l’observation de comportements complexes ne nécessite pas nécessairement de maintenir les conversations sous une forme accessible au fournisseur. Si les garanties techniques promises sont confirmées par la documentation et l’expérience des premiers clients, le Zero Data Retention pourrait passer d’une exigence de gestion des données à une composante structurelle de l’architecture de sécurité des modèles frontières.
Bibliographie
OpenAI, Offrir une conservation zéro des données pour les modèles frontières19 août 2026. url OpenAI – Offrir une rétention de données nulle pour les modèles frontières https://openai.com/index/offering-zero-data-retention-for-frontier-models/
OpenAI, Contrôles des données dans la plateforme OpenAI. url API OpenAI – Contrôles des données https://platform.openai.com/docs/models/default-usage-policies-by-endpoint
OpenAI, Confidentialité, sécurité et conformité des données professionnelles. url OpenAI – Confidentialité des données commerciales https://openai.com/business-data/
