25 juillet 2026.
Présentation générale
La gouvernance des données désigne l’ensemble des règles, processus, responsabilités, mécanismes de contrôle et outils permettant d’assurer une gestion cohérente, sécurisée, transparente et conforme des données tout au long de leur cycle de vie. Elle constitue aujourd’hui l’un des fondements de l’économie numérique et un pilier essentiel du développement de l’intelligence artificielle.
L’émergence de l’IA générative, des modèles de fondation (foundation models) et des grands modèles de langage (LLM) a profondément renouvelé les enjeux liés aux données. Les performances des systèmes d’IA dépendent directement :
- de la qualité des données utilisées ;
- de leur représentativité ;
- de leur disponibilité ;
- de leur licéité ;
- de leur traçabilité ;
- des conditions de leur partage et de leur réutilisation.
La gouvernance des données est ainsi devenue un enjeu stratégique à la croisée :
- du droit des données personnelles ;
- du droit de la propriété intellectuelle ;
- du droit de l’IA ;
- du droit public de la donnée ;
- de la cybersécurité ;
- de la souveraineté numérique.
Dans l’Union européenne, cette matière connaît une transformation profonde sous l’effet du RGPD, du Data Governance Act (DGA), du Data Act, de l’AI Act et de la stratégie européenne des espaces communs de données.
Points essentiels
- Une gouvernance efficace repose sur une répartition claire des responsabilités.
- La qualité des données conditionne directement la fiabilité des systèmes d’IA.
- Les données personnelles demeurent soumises au RGPD.
- L’AI Act renforce les exigences relatives à la qualité et à la documentation des données.
- Le Data Governance Act et le Data Act favorisent le partage sécurisé des données.
- Les données d’entraînement des modèles d’IA font l’objet d’exigences croissantes de transparence.
- Les espaces européens de données constituent un élément central de la stratégie numérique de l’Union.
- Les tensions entre innovation, protection des données, propriété intellectuelle et secret des affaires structurent aujourd’hui les débats juridiques.
Présentation générale des enjeux
Pourquoi les données sont-elles au cœur de l’intelligence artificielle ?
L’intelligence artificielle repose sur l’exploitation de données.
Les données servent notamment à :
- entraîner les modèles ;
- évaluer leurs performances ;
- corriger les biais ;
- superviser les résultats ;
- améliorer continuellement les systèmes.
La qualité d’un système d’IA dépend donc largement de la qualité de ses données.
Une mauvaise gouvernance peut conduire à :
- des erreurs ;
- des discriminations ;
- des hallucinations ;
- des atteintes aux droits fondamentaux ;
- des risques juridiques majeurs.
À l’inverse, une gouvernance robuste améliore :
- la confiance ;
- l’explicabilité ;
- la conformité réglementaire ;
- la sécurité juridique des projets d’IA.
Cadre juridique
Union européenne
Règlement (UE) 2016/679 (RGPD)
Le RGPD constitue le socle de la gouvernance des données personnelles.
Ses principes fondamentaux sont :
- licéité ;
- loyauté ;
- transparence ;
- limitation des finalités ;
- minimisation ;
- exactitude ;
- sécurité ;
- responsabilité (accountability).
Ces principes s’appliquent pleinement aux systèmes d’intelligence artificielle.
Data Governance Act (DGA)
Le règlement (UE) 2022/868 vise à favoriser le partage des données au sein de l’Union européenne.
Il crée notamment :
- des mécanismes de réutilisation des données détenues par le secteur public ;
- des intermédiaires de partage de données ;
- des structures d’altruisme des données ;
- un cadre de confiance pour les échanges de données.
Le DGA constitue le premier pilier de la stratégie européenne des données.
Data Act
Le règlement (UE) 2023/2854 vise à améliorer l’accès et le partage des données générées par les produits connectés et les services numériques.
Ses objectifs sont notamment :
- renforcer la portabilité ;
- favoriser l’innovation ;
- limiter les situations de verrouillage ;
- améliorer l’accès des PME aux données.
AI Act
Le règlement (UE) 2024/1689 introduit plusieurs exigences relatives aux données.
Pour les systèmes d’IA à haut risque, il impose notamment :
- des jeux de données pertinents ;
- des données suffisamment représentatives ;
- des procédures de gouvernance appropriées ;
- une documentation détaillée.
Pour les modèles d’IA à usage général (GPAI), le règlement instaure également des obligations de documentation et de transparence.
Directive Open Data
La directive (UE) 2019/1024 favorise la réutilisation des informations du secteur public afin de soutenir :
- l’innovation ;
- la recherche ;
- le développement de nouveaux services numériques.
France
Le cadre français repose notamment sur :
- la loi Informatique et Libertés ;
- le Code des relations entre le public et l’administration ;
- les recommandations de la CNIL ;
- les politiques d’open data des administrations publiques.
Gouvernance des données et intelligence artificielle
La qualité des données d’entraînement
L’AI Act et la doctrine européenne insistent sur la nécessité de disposer de données :
- pertinentes ;
- représentatives ;
- exemptes d’erreurs significatives ;
- adaptées à l’objectif poursuivi.
Cette exigence vise à limiter :
- les biais ;
- les discriminations ;
- les erreurs de prédiction.
Transparence des données d’entraînement
L’un des débats majeurs concerne aujourd’hui la transparence des jeux de données utilisés pour entraîner les modèles.
Les questions portent notamment sur :
- l’identification des sources ;
- les modalités de collecte ;
- le respect du droit d’auteur ;
- la traçabilité des données ;
- la documentation des modèles.
Protection des données personnelles
Le développement de l’IA soulève plusieurs questions :
- quelle base légale pour l’entraînement ?
- comment informer les personnes concernées ?
- comment exercer les droits RGPD ?
- comment anonymiser efficacement les données ?
- comment gérer les transferts internationaux ?
Partage et réutilisation des données
Le DGA et le Data Act traduisent une volonté européenne claire :
favoriser l’innovation par le partage des données tout en garantissant un niveau élevé de protection juridique.
Cette logique est également au cœur des futurs espaces européens de données.
Analyse de la base documentaire Dabo Tibi Ius
L’étude des publications recensées dans la base documentaire révèle plusieurs tendances doctrinales majeures.
I. Le RGPD demeure le principal cadre juridique de l’IA
Plusieurs contributions mettent en évidence le fait que le RGPD structure déjà une large partie des obligations applicables aux systèmes d’IA.
Article
Comment déployer une IA générative ? La CNIL apporte de premières précisions
Source : CNIL
Apport :
Cette analyse expose les premières recommandations de la CNIL relatives à l’IA générative. Elle insiste sur :
- la détermination de la base légale ;
- les obligations d’information ;
- la minimisation des données ;
- l’évaluation des risques.
URL :
Article
La protection des données personnelles prend-elle de vitesse le règlement sur l’IA ?
Source : Communication Commerce électronique, n° 3, mars 2025, étude 5.
Apport :
L’étude montre que le RGPD encadre déjà une grande partie des problématiques liées à l’IA avant même l’entrée en application complète de l’AI Act.
Article
L’intelligence artificielle générative et protection des données personnelles : quelles responsabilités ?
Source : Communication Commerce électronique, n° 5, mai 2025.
Apport :
L’article analyse la répartition des responsabilités entre développeurs, fournisseurs et utilisateurs des systèmes d’IA générative.
II. La transparence des données d’entraînement devient un enjeu central
La base documentaire met en évidence l’émergence d’un véritable débat sur l’accès aux données utilisées pour entraîner les modèles.
Article
Obligations de transparence sur les données d’entraînement du RIA : retour sur le rapport de mission du CSPLA
Source : Dalloz Actualité, 22 janvier 2025.
Apport :
L’article étudie les exigences de transparence relatives aux jeux de données d’entraînement et leurs conséquences sur les modèles génératifs.
Article
Contraintes d’ouvrir le capot sur leurs données d’entraînement, OpenAI, Google et Mistral traînent des pieds
Apport :
Cette analyse illustre les résistances des principaux acteurs de l’IA face aux demandes croissantes de transparence.
Elle met en lumière la tension entre :
- secret des affaires ;
- transparence ;
- responsabilité.
III. Le droit d’auteur devient un enjeu majeur de gouvernance
Article
L’exception de TDM au droit d’auteur : un levier stratégique pour l’intelligence artificielle en Europe
Source : Journal du Net.
Apport :
L’article explique le rôle central de l’exception de Text and Data Mining dans l’entraînement des modèles d’IA.
Il montre que la gouvernance des données ne peut être dissociée du droit de la propriété intellectuelle.
URL :
IV. Les données humaines restent indispensables aux modèles d’IA
Article
Alexandra Bensamoun : « Les données humaines sont nécessaires aux performances des modèles d’IA »
Source : Actu-Juridique.
Apport :
Cette contribution met en évidence un paradoxe fondamental :
- les modèles d’IA nécessitent toujours davantage de données humaines ;
- les exigences de protection des données se renforcent.
Cette tension constitue aujourd’hui l’un des principaux défis de la gouvernance des données.
URL :
V. L’open data est transformé par l’intelligence artificielle
Article
L’open data au défi de l’IA : comment assurer une bonne anonymisation des décisions de justice ?
Source : Semaine Sociale Lamy, n° 2112, 4 novembre 2024.
Apport :
L’article analyse les risques nouveaux de réidentification induits par les technologies d’IA.
Article
Open data sans IA ?
Source : Procédures, n° 3, mars 2025.
Apport :
Cette réflexion doctrinale montre que l’open data ne peut plus être envisagé indépendamment des capacités d’exploitation offertes par l’intelligence artificielle.
Jurisprudence
Les principaux contentieux concernent :
- les traitements illicites de données ;
- les obligations d’information ;
- la réutilisation de données publiques ;
- les transferts internationaux de données.
La jurisprudence de la CJUE joue un rôle central, notamment avec les arrêts :
- Schrems I ;
- Schrems II ;
qui influencent fortement les pratiques de gouvernance des données.
Acteurs
- Commission européenne
- CNIL
- Comité européen de la protection des données
- European Data Innovation Board
- Bureau européen de l’IA
- autorités nationales de protection des données
- entreprises détentrices de données
- organismes publics producteurs de données
Débats actuels
Les débats les plus importants concernent :
- l’accès aux données d’entraînement ;
- la protection des secrets d’affaires ;
- la souveraineté numérique européenne ;
- l’ouverture des données publiques ;
- l’anonymisation ;
- les espaces européens de données ;
- l’articulation entre RGPD, AI Act et Data Act.
Actualité récente issue de la base documentaire
Les publications les plus récentes de Dabo Tibi Ius montrent trois évolutions majeures :
Transparence des modèles
Les obligations relatives aux données d’entraînement deviennent progressivement un élément central de la régulation européenne.
Renforcement du rôle du RGPD
La CNIL et la doctrine spécialisée considèrent que le RGPD demeure aujourd’hui l’un des principaux instruments de contrôle des systèmes d’IA.
Gouvernance stratégique des données
Les débats autour du TDM, de l’open data et des grands modèles révèlent que l’accès aux données constitue désormais un enjeu de souveraineté technologique et économique.
Ressources essentielles
Textes
- Règlement (UE) 2016/679 (RGPD).
- Règlement (UE) 2022/868 (Data Governance Act).
- Règlement (UE) 2023/2854 (Data Act).
- Règlement (UE) 2024/1689 (AI Act).
- Directive (UE) 2019/1024 sur les données ouvertes.
Articles de la base documentaire Dabo Tibi Ius
| Article | Source | Apport principal | URL |
|---|---|---|---|
| Comment déployer une IA générative ? La CNIL apporte de premières précisions | CNIL | Conformité RGPD des projets d’IA générative | https://www.cnil.fr/fr/comment-deployer-une-ia-generative-la-cnil-apporte-de-premieres-precisions |
| La protection des données personnelles prend-elle de vitesse le règlement sur l’IA ? | Communication Commerce électronique | Articulation RGPD / AI Act | — |
| Obligations de transparence sur les données d’entraînement du RIA | Dalloz Actualité | Transparence des jeux de données | — |
| L’intelligence artificielle générative et protection des données personnelles : quelles responsabilités ? | Communication Commerce électronique | Répartition des responsabilités | — |
| L’open data au défi de l’IA | Semaine Sociale Lamy | Anonymisation et réidentification | — |
| Open data sans IA ? | Procédures | Open data et IA | — |
| Contraintes d’ouvrir le capot sur leurs données d’entraînement, OpenAI, Google et Mistral traînent des pieds | Presse spécialisée | Transparence des modèles | — |
| Alexandra Bensamoun : « Les données humaines sont nécessaires aux performances des modèles d’IA » | Actu-Juridique | Données humaines et IA | https://www.actu-juridique.fr/ntic-medias-presse/alexandra-bensamoun-les-donnees-humaines-sont-necessaires-aux-performances-des-modeles-dia/ |
| L’exception de TDM au droit d’auteur : un levier stratégique pour l’intelligence artificielle en Europe | Journal du Net | TDM et entraînement des modèles | https://www.journaldunet.com/intelligence-artificielle/1545187-l-exception-de-tdm-au-droit-d-auteur-un-levier-strategique-pour-l-intelligence-artificielle-en-europe/ |
FAQ
Qu’est-ce que la gouvernance des données ?
L’ensemble des mécanismes permettant d’organiser la collecte, le traitement, le partage, la sécurité et la conservation des données.
La gouvernance des données concerne-t-elle uniquement les données personnelles ?
Non. Elle couvre également les données publiques, industrielles, scientifiques et commerciales.
Quel est le rôle du Data Governance Act ?
Créer un cadre européen favorisant le partage sécurisé des données.
Quel lien existe entre gouvernance des données et IA ?
Les performances, la conformité et la fiabilité des systèmes d’IA dépendent directement de la qualité et de la gouvernance des données utilisées.
Les fournisseurs de modèles d’IA doivent-ils être transparents sur leurs données d’entraînement ?
Oui. L’AI Act prévoit progressivement des obligations de documentation et de transparence concernant certains modèles d’IA.
Résumé pédagogique
Définition
La gouvernance des données désigne l’ensemble des règles et mécanismes permettant d’assurer une gestion fiable, sécurisée, transparente et conforme des données.
Exemple
Une entreprise souhaitant développer un modèle d’IA doit documenter ses données d’entraînement, respecter le RGPD, contrôler la qualité des jeux de données et garantir leur traçabilité.
Problématique juridique
Le développement de l’IA nécessite l’accès à d’importants volumes de données. Cette exigence entre parfois en tension avec la protection des données personnelles, le droit d’auteur, le secret des affaires et les exigences de transparence.
Cadre légal
Le cadre juridique repose principalement sur le RGPD, le Data Governance Act, le Data Act, l’AI Act et la directive Open Data. Ensemble, ces textes constituent le socle de la gouvernance européenne des données à l’ère de l’intelligence artificielle.
Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir de la base documentaire et de sources juridiques complémentaires lorsque cela était nécessaire. Elle constitue une synthèse documentaire et ne remplace pas un avis juridique.
Fiches Dabo Tibi Ius associées :