À propos de l'auteur
Rédigé par Alexis Hirschhorn, formateur chez Abilene Academy. Certifié ISO/IEC 42001 Lead Implementer, Certified Artificial Intelligence Professional, CISSP, CISM, CISA, auditeur principal ISO/IEC 27001 et formateur certifié PECB. Environ 25 ans d'expérience concrète en sécurité de l'information, sécurité cloud et gouvernance de l'IA, auprès de multinationales, d'organismes publics et d'organisations internationales. Profil : https://www.abileneacademy.ch/fr/about/team/alexis-hirschhorn
Au 18 novembre 2026, l'ISO/IEC 27091 en est au stade 50.20 (vote FDIS), avec une publication estimée à février 2027. C'est une norme de lignes directrices : on ne peut pas être certifié selon elle.
Méthodologie
Fondé sur le catalogue de l'ISO et le projet de Norme internationale (DIS) ; nous vérifierons à nouveau le contenu par rapport au texte publié et consignerons les changements ci-dessous.
1. L'essentiel
L'ISO/IEC 27091 est une nouvelle norme de lignes directrices, non certifiable, consacrée aux risques pour la vie privée dans les systèmes d'IA. Elle en est à son vote d'approbation final. Voici les cinq points que la plupart des équipes doivent connaître aujourd'hui.
- 3 février 2023 : le projet a été enregistré à l'ISO/IEC JTC 1/SC 27. Il s'agit de l'édition 1, une norme entièrement nouvelle qui ne remplace rien : aucun certificat n'est concerné et il n'y a pas de transition.
- 2 novembre 2026 : l'ISO/IEC FDIS 27091 est entrée dans son vote final de huit semaines (stade 50.20). La clôture du vote est estimée aux alentours du 28 décembre 2026.
- Février 2027 (estimation) : la publication devrait très probablement intervenir en février 2027, dans une fourchette estimée de mi-janvier à avril 2027.
- 14 octobre 2026 : la norme sœur ISO/IEC 27090:2026, consacrée aux menaces de sécurité de l'IA, a été publiée. Elle renvoie à la 27091 pour le volet vie privée.
- Au 18 novembre 2026 : il n'existe ni certification 27091, ni auditeur 27091, ni échéance de transition, et la « 27091:2025 » n'existe pas. Utilisez-la au sein d'un SMIA ISO/IEC 42001 ou d'un PIMS ISO/IEC 27701:2025.
2. Suivi du statut
L'ISO/IEC 27091 a franchi le stade d'enquête (DIS) et fait désormais l'objet d'un vote en tant que projet final de Norme internationale (FDIS). Le tableau distingue ce que l'ISO a confirmé de ce que nous estimons.
Stade: 20.00
Stade: 40.20
Stade: 40.60
Stade: 50.00
Stade: 50.20
Stade: 50.60
Stade: 60.60
La suite. Les organismes nationaux de normalisation votent sur le FDIS jusqu'à la clôture du scrutin, que nous estimons aux alentours du 28 décembre 2026. L'ISO/IEC 27090 a été publiée huit semaines après la clôture de son vote ; nous estimons donc que la 27091 sera publiée en février 2027, dans une fourchette estimée de mi-janvier à avril 2027. Dans le cas rare où le projet serait renvoyé au comité, nous estimons que la publication glisserait au second semestre 2027. Le FDIS n'est pas en vente : achetez la norme publiée auprès de l'ISO ou de votre organisme national de normalisation.
Dernière vérification dans le catalogue de l'ISO : 18 novembre 2026
Jauge de l'ISO/IEC 27091 sur l'échelle des stades ISO de 00 à 60, au 18 novembre 2026. Stade actuel 50.20 : vote FDIS ouvert le 2 novembre 2026, jour 16 sur 56. Jalons confirmés : 20.00 enregistrement du projet le 3 février 2023 ; 40.20 ouverture du vote DIS le 3 décembre 2025 ; 40.60 clôture du vote DIS le 26 février 2026 ; 50.00 enregistrement du FDIS le 13 juillet 2026 ; 50.20 ouverture du vote FDIS le 2 novembre 2026. Estimations : 50.60 clôture du vote vers le 28 décembre 2026 ; 60.60 publication en février 2027 (fourchette de mi-janvier à avril 2027). En cas de renvoi au comité, la publication glisserait au second semestre 2027 (estimation).
3. Ce qu'est l'ISO/IEC 27091, et ce qu'elle n'est pas
L'ISO/IEC 27091, Cybersecurity and Privacy - Artificial Intelligence - Privacy protection (édition 1, JTC 1/SC 27), norme de lignes directrices, aide les organisations à identifier et à traiter les risques pour la vie privée propres aux systèmes d'IA et aux modèles d'apprentissage automatique. Ce n'est pas une norme de système de management : personne ne peut vous certifier selon elle, ni vous, ni votre produit, ni votre personnel.
Le résumé public de l'ISO indique, en anglais, que la norme « provides guidance for organizations to address privacy risks in artificial intelligence (AI) systems and machine learning (ML) models » (ISO, fiche catalogue ISO/IEC FDIS 27091). Le FDIS compte 35 pages. Le comité est l'ISO/IEC JTC 1/SC 27, et le comité miroir britannique est le BSI IST/33/5.
L'ISO/IEC 27091 est: Un ensemble de lignes directrices (recommandations « should »)
L'ISO/IEC 27091 est: Une méthode d'analyse des risques vie privée liés à l'IA
L'ISO/IEC 27091 est: Un catalogue de menaces et de mesures propres à l'IA
L'ISO/IEC 27091 est: Utilisable par les organisations de toute taille et de tout secteur qui développent ou utilisent l'IA
Fiche de l'ISO/IEC 27091, édition 1, au stade de projet final (FDIS). Titre officiel : Cybersecurity and Privacy - Artificial Intelligence - Privacy protection. Comité ISO/IEC JTC 1/SC 27, comité miroir britannique BSI IST/33/5. 35 pages. Norme de lignes directrices, pas une norme de système de management, et non certifiable. Elle ne remplace rien : aucune transition, aucun certificat concerné. Pour les organisations de toute taille et de tout secteur qui développent ou utilisent l'IA. À utiliser pour identifier et traiter les risques liés à la vie privée dans l'IA, pour alimenter l'ISO/IEC 42001 ou l'ISO/IEC 27701:2025 et pour étayer les AIPD et la documentation AI Act. Ce n'est ni une norme harmonisée, ni un substitut à une AIPD ou à un avis juridique, ni un guide pour décider de déployer l'IA. Il n'existe ni certification 27091, ni échéance de transition, ni ISO/IEC 27091:2025.
À qui elle s'adresse. Aux organisations de toute taille et de tout secteur qui développent, achètent, affinent, déploient ou exploitent des systèmes d'IA traitant des données personnelles, de la start-up qui conçoit un moteur de recommandation à la banque qui acquiert un modèle de scoring de crédit. Ses principaux lecteurs seront les DPO, les ingénieurs vie privée, les RSSI, les responsables de la gouvernance de l'IA, les ingénieurs ML et leurs consultants.
Ce qu'elle laisse de côté. La norme ne dit pas s'il faut déployer l'IA. Cette décision métier vous appartient, tout comme la question de la licéité.
« Utilisez la 27091 comme une loupe, pas comme un certificat. Elle aide à poser les questions qu'un auditeur ne posera peut-être pas : ce modèle peut-il être amené, par un prompt, à révéler des données d'entraînement ? Ses sorties permettent-elles d'identifier quelqu'un ? Une fausse affirmation sur une personne peut-elle être générée et diffusée ? » Alexis Hirschhorn
Pour une réponse courte à la question la plus fréquente, voir L'ISO/IEC 27091 est-elle certifiable ?.
4. Pourquoi elle existe
L'ISO/IEC 27091 existe parce que les systèmes d'IA créent des risques pour la vie privée que les méthodes classiques n'étaient pas conçues pour détecter. Des données personnelles peuvent se retrouver dans un modèle, être déduites de ses sorties, ou être inventées par lui.
L'analyse classique des risques vie privée, comme l'approche de l'ISO/IEC 29100 et de l'ISO/IEC 27557, suppose que les données personnelles se trouvent dans des emplacements que l'on peut cartographier, minimiser, sécuriser et supprimer. L'IA remet en cause cette hypothèse de quatre façons (pour une vue d'ensemble, voir en quoi la gestion des risques IA diffère du risque IT classique).
« Une base de données classique ressemble à un classeur fermé à clé : vous savez quel tiroir contient le dossier de quelle personne. Un modèle d'IA ressemble plutôt à quelqu'un qui a lu des milliers de dossiers et à qui l'on peut poser des questions. Même si vous retirez le classeur, le modèle peut encore se souvenir de fragments, déduire des détails manquants ou combiner des faits d'une manière que personne n'avait prévue. » Alexis Hirschhorn
Mémorisation. Les grands modèles peuvent retenir des fragments de leurs données d'entraînement, comme des noms, des coordonnées ou des enregistrements rares. Ces données sont réparties dans les paramètres du modèle plutôt que stockées dans une base, et un prompt bien construit peut les faire ressortir.
Inférence. Un modèle peut déduire des faits que personne ne lui a fournis, par exemple un état de santé à partir d'un historique d'achats, et un attaquant peut déduire si l'enregistrement d'une personne figurait dans le jeu d'entraînement.
Réidentification. Des données pseudonymisées ou « anonymisées » avant l'entraînement peuvent parfois être rattachées à des personnes via les sorties, les embeddings ou d'autres sources. C'est pourquoi les autorités européennes n'acceptent plus qu'un modèle soit anonyme sur la seule parole de son développeur (voir section 10).
Données personnelles hallucinées. Les systèmes génératifs peuvent produire, avec assurance, des affirmations fausses sur des personnes réelles, comme une condamnation inventée. Il s'agit d'un dysfonctionnement plutôt que d'une attaque, mais cela soulève malgré tout des questions d'exactitude, de préjudice et de rectification.
5. Structure de la norme
D'après le DIS, le cœur de l'ISO/IEC 27091 se compose de trois articles (un cadre d'analyse vie privée, la vie privée au niveau du modèle et la vie privée sur le cycle de vie) et de deux annexes. Il s'agit de notre reformulation d'analyses d'experts portant sur le DIS ; achetez la norme publiée pour en connaître la formulation qui fait foi.
Diagramme concentrique de l'ISO/IEC 27091 d'après le DIS. Anneau extérieur, article 5 : le cycle d'analyse vie privée (identifier, analyser, évaluer, traiter, puis recommencer). Anneau médian, article 7 : le cycle de vie du système d'IA (conception, développement, déploiement). Cœur, article 6 : le modèle d'IA et ses menaces (inférence d'appartenance, extraction de données d'entraînement, inversion de modèle, empoisonnement, menace interne), avec des mesures telles que l'accès restreint, la pseudonymisation et le filtrage des entrées et des sorties. L'annexe A soutient l'analyse vie privée ; l'annexe B est un modèle de cas d'usage IA.
Article 5 : un cadre d'analyse vie privée des systèmes d'IA
L'article 5 propose un déroulé en quatre étapes : identifier, analyser, évaluer et traiter les risques pour la vie privée. Cette logique est familière à qui connaît l'ISO/IEC 27557. Sa valeur tient à l'adaptation de chaque étape à l'IA : par où les données personnelles entrent (entraînement, affinage, récupération, prompts, journaux), ce que le modèle pourrait révéler ou déduire, et qui pourrait l'exploiter.
Article 6 : la vie privée des modèles d'IA
L'article 6 considère le modèle lui-même comme une source de risque pour la vie privée : inférence d'appartenance, extraction de données d'entraînement, inversion de modèle, empoisonnement des données et menace interne. Ses mesures relèvent de catégories génériques : restrictions d'accès, anonymisation ou pseudonymisation des données d'entraînement, filtrage des entrées et des sorties.
Article 7 : la vie privée sur le cycle de vie du système d'IA
L'article 7 couvre le système dans son ensemble, de la conception au développement et au déploiement : finalité et besoins en données à la conception ; collecte, annotation, entraînement et tests pendant le développement ; interactions, journalisation, surveillance et mises à jour en déploiement. C'est là que la protection de la vie privée dès la conception devient concrète pour les équipes IA.
Annexes A et B
L'annexe A soutient l'analyse de l'article 5, et l'annexe B fournit un modèle de description d'un cas d'usage IA. Nous ne le reproduisons pas ; la section 12 montre comment construire un profil de cas d'usage dans votre propre format.
Au-delà des attaques : dysfonctionnements et IA au service de la vie privée
Le DIS traite les dysfonctionnements, comme les données personnelles hallucinées, comme un enjeu de vie privée au même titre que les attaques. Il aborde aussi l'IA au service de la vie privée : gestion du consentement, technologies renforçant la protection de la vie privée (PETs), sécurité de l'apprentissage fédéré et traitement automatique du langage pour analyser les politiques de confidentialité.
6. Le catalogue des menaces pour la vie privée, en clair
D'après le DIS, l'ISO/IEC 27091 recense environ huit menaces pour la vie privée liées à l'IA. Voici les six plus discutées dans les analyses d'experts, chacune illustrée par un exemple, avec nos propres mots plutôt que ceux de la norme.
Les scénarios sont un chatbot de support affiné sur d'anciens échanges, un modèle de tri de candidatures RH entraîné sur des données de recrutement historiques, et un assistant RAG qui interroge une base vectorielle construite à partir de fiches CRM et d'e-mails.
Carte d'un système d'IA : les données d'entraînement et d'affinage alimentent le modèle ; une base de connaissances l'alimente par récupération (RAG) ; les utilisateurs envoient des requêtes et reçoivent des réponses ; les prompts, journaux et la base vectorielle sont conservés. Six menaces numérotées sont placées là où elles frappent. 1 Inférence d'appartenance sur les requêtes (exemple : tri de candidatures RH) ; 2 extraction de données d'entraînement sur les réponses (chatbot) ; 3 inversion de modèle sur les requêtes (tri RH) ; 4 empoisonnement des données d'entraînement et de la base de connaissances (assistant RAG) ; 5 menace interne sur les journaux et la base vectorielle (assistant RAG) ; 6 données personnelles hallucinées dans les réponses, un dysfonctionnement plutôt qu'une attaque (chatbot). Chaque menace est assortie d'une piste de traitement.
Inférence d'appartenance
Ce qui se passe : quelqu'un détermine si les données d'une personne précise ont servi à entraîner un modèle, généralement en observant le degré de confiance avec lequel le modèle répond au dossier de cette personne.
Exemple (tri de candidatures RH) : un ancien candidat interroge le modèle avec son propre profil, et les scores révèlent que son dossier figure dans les données d'entraînement malgré une promesse de suppression.
Piste de traitement : limiter qui peut interroger le modèle et à quelle fréquence, réduire le surapprentissage, et borner la contribution de chaque enregistrement.
Extraction de données d'entraînement
Ce qui se passe : un modèle reproduit mot pour mot des passages de ses données d'entraînement lorsqu'on lui soumet le bon prompt.
Exemple (chatbot) : à la demande d'« un exemple de réclamation pour un remboursement tardif », le bot restitue presque à l'identique un ancien échange contenant le nom et le numéro de téléphone d'un autre client.
Piste de traitement : supprimer ou pseudonymiser les identifiants directs avant l'affinage, dédupliquer les données d'entraînement et filtrer les sorties pour repérer les schémas de données personnelles.
« Si votre chatbot a été affiné sur de vrais échanges clients, partez du principe qu'un utilisateur déterminé essaiera de lui en faire répéter un. La question n'est pas de savoir si votre modèle est parfait, mais si vous pouvez montrer ce que vous avez fait pour empêcher les fuites mot pour mot. » Alexis Hirschhorn
Inversion de modèle
Ce qui se passe : un attaquant exploite les sorties d'un modèle pour reconstituer des attributs sensibles ou des caractéristiques représentatives des personnes présentes dans ses données d'entraînement.
Exemple (tri de candidatures RH) : en sondant le modèle avec des profils synthétiques, un analyste reconstitue les caractéristiques qui conduisent à un refus, et met au jour des indicateurs indirects de santé ou d'origine ethnique dans les données historiques.
Piste de traitement : restreindre l'accès aux scores détaillés et aux valeurs de confiance, renvoyer des sorties moins fines lorsque c'est possible, et tester les fuites d'attributs avant la mise en service.
Empoisonnement des données
Ce qui se passe : quelqu'un introduit des données manipulées dans un jeu d'entraînement ou une base de connaissances afin que le système se comporte d'une manière qui nuit aux personnes ou divulgue leurs données.
Exemple (RAG sur des données clients) : un e-mail malveillant présent dans la base de connaissances contient des instructions cachées qui amènent l'assistant à inclure dans ses réponses les coordonnées d'autres clients.
Piste de traitement : contrôler et valider ce qui entre dans les jeux d'entraînement et les bases de connaissances, tracer la provenance des données, et surveiller les sorties pour détecter les anomalies.
Menace interne
Ce qui se passe : des personnes disposant d'un accès légitime aux modèles, aux données d'entraînement, aux embeddings ou aux journaux font un usage abusif de cet accès.
Exemple (RAG sur des données clients) : un ingénieur disposant de droits d'administration fouille la base vectorielle et les journaux de prompts à la recherche d'informations sur un client connu.
Piste de traitement : appliquer le moindre privilège aux artefacts des modèles et aux journaux, séparer les tâches, journaliser l'activité des administrateurs et fixer des durées de conservation.
Données personnelles hallucinées
Ce qui se passe : le système génère des informations fausses mais plausibles sur une personne réelle et identifiable.
Exemple (chatbot) : le bot indique à un client qu'un employé nommé « a été licencié pour mauvaise gestion de comptes », ce qui est inventé.
Piste de traitement : ancrer les réponses dans des sources vérifiées, bloquer la génération d'affirmations sur des personnes hors des cas d'usage définis, et prévoir un processus pour les demandes de rectification et d'effacement portant sur les sorties du modèle.
« Pour l'IA générative, l'exactitude est une mesure de protection de la vie privée. Un système qui invente des affirmations sur des personnes appelle la même rigueur qu'un système qui traite mal des données personnelles : ancrage dans les sources, restrictions des sorties, revue humaine et une voie permettant aux personnes de contester ce qui a été dit d'elles. » Henri Haenni
Les autres menaces et leurs définitions officielles figurent dans la norme. Pour le catalogue côté sécurité, voir notre guide ISO/IEC 27090:2026.
7. Utiliser la 27091 dans un SMIA ISO/IEC 42001
Si vous exploitez ou mettez en place un système de management de l'IA (SMIA) selon l'ISO/IEC 42001:2023, l'ISO/IEC 27091 vous fournit des éléments propres à la vie privée pour votre appréciation des risques IA, votre étude d'impact des systèmes d'IA et vos mesures relatives aux données. La 42001 vous demande d'apprécier les risques et les impacts de l'IA ; la 27091 vous aide à en traiter correctement le volet vie privée.
L'ISO/IEC 42001:2023 est certifiable mais n'approfondit pas les menaces comme la mémorisation ou l'inférence d'appartenance. La 27091 comble cette lacune sans modifier le périmètre de votre certification.
Diagramme en étoile avec au centre l'ISO/IEC 27091, norme de lignes directrices non certifiable. Liens pleins : elle alimente le SMIA ISO/IEC 42001:2023 (certifiable ; appréciation des risques et des impacts IA, maîtrise des données) et le PIMS ISO/IEC 27701:2025 (certifiable ; appréciation des risques et déclaration d'applicabilité ; les certificats 27701:2019 prennent fin fin octobre 2028). Lien en tirets : elle étaye la preuve au titre du RGPD et de l'avis 28/2024 du CEPD (test d'anonymat des modèles au cas par cas, intrant de l'AIPD). Lien en pointillés : elle étaye la documentation AI Act sur les données et les risques, sans présomption de conformité. Elle renvoie à sa norme sœur ISO/IEC 27090:2026 sur la sécurité de l'IA (publiée le 14 octobre 2026) ; lignes directrices connexes : ISO/IEC 23894, 42005, 29100 et 27557.
Élément de l'ISO/IEC 42001: Appréciation des risques IA (article 6.1.2)
Élément de l'ISO/IEC 42001: Traitement des risques IA (article 6.1.3)
Élément de l'ISO/IEC 42001: Étude d'impact des systèmes d'IA (article 6.1.4 ; annexe A.5)
Élément de l'ISO/IEC 42001: Données des systèmes d'IA (annexe A.7)
Élément de l'ISO/IEC 42001: Cycle de vie des systèmes d'IA (annexe A.6)
Conseils pratiques. Citez la 27091 dans votre méthode d'appréciation des risques comme ligne directrice, et non comme exigence, et tenez un registre unique des risques IA dans lequel les menaces vie privée sont identifiées. Les auditeurs vous évaluent par rapport à la 42001, pas à la 27091.
« Un test simple : si votre appréciation des risques IA restait identique en remplaçant le système d'IA par une base de données classique, ce n'est probablement pas une appréciation des risques IA. La 27091 pousse les équipes au-delà de ce point. » Alexis Hirschhorn
Pour une vue d'ensemble de la mise en œuvre, voir notre playbook exécutif ISO 42001, et pour ce que les auditeurs demandent à voir, notre guide sur les preuves attendues lors d'un audit ISO 42001. Pour les compétences de mise en œuvre, voir ISO 42001 Lead Implementer. Pour la perspective d'audit, voir ISO 42001 Lead Auditor.
8. Utiliser la 27091 dans un PIMS ISO/IEC 27701:2025
Dans un système de management de la protection de la vie privée (PIMS) selon l'ISO/IEC 27701:2025, l'ISO/IEC 27091 fournit les risques vie privée propres à l'IA pour votre appréciation des risques et la justification de vos choix dans la déclaration d'applicabilité (DdA) pour les traitements d'IA. Elle n'ajoute aucune mesure sur laquelle vous devriez être certifié.
L'ISO/IEC 27701:2025 est désormais une norme autonome et certifiable, qui n'exige plus l'ISO/IEC 27001 à ses côtés. Dès lors que des systèmes d'IA font partie de vos traitements, des risques vie privée génériques ne suffisent plus. La 27091 aide à trois endroits :
- Identification des risques. Ajoutez des risques propres à l'IA, comme l'extraction, l'inférence et les données personnelles hallucinées, pour chaque traitement impliquant l'IA.
- Justifications de la DdA. Utilisez la 27091 comme référence reconnue pour des mesures telles que le filtrage des sorties ou la pseudonymisation des données d'affinage.
- Rôles de responsable du traitement et de sous-traitant. Montrez quelle partie (fournisseur du modèle, hébergeur ou déployeur) peut traiter quel risque, et reflétez-le dans les contrats.
La transition 27701. Elle est distincte de la 27091, avec laquelle on la confond souvent. Les certificats ISO/IEC 27701:2019 prennent fin à la fin octobre 2028 : planifiez votre passage à l'édition 2025 avec votre organisme de certification. Y intégrer les risques IA éclairés par la 27091 est efficace, mais facultatif. La 27091 n'a pas de transition, puisqu'elle ne remplace rien.
Pour ce qui a changé d'une édition à l'autre, voir les principales différences entre l'ISO/IEC 27701:2019 et 2025. Pour une vue complète de la nouvelle édition, voir notre guide ISO/IEC 27701:2025.
9. ISO/IEC 27090 ou 27091
L'ISO/IEC 27090 traite des menaces de sécurité qui visent les systèmes d'IA, l'ISO/IEC 27091 des risques pour la vie privée qu'ils comportent. La plupart des organisations auront besoin des deux.
Critère: Objet
Critère: Menaces
Critère: Public principal
Critère: Statut (18 nov. 2026)
Critère: Certifiable ?
Critère: Relation
Diagramme de Venn. ISO/IEC 27090:2026, sécurité de l'IA : menaces de sécurité des systèmes d'IA, 13 menaces au projet, pour les RSSI et architectes sécurité, publiée le 14 octobre 2026. ISO/IEC 27091, vie privée et IA : risques vie privée des systèmes d'IA et des modèles, environ 8 menaces au DIS dont les données personnelles hallucinées, pour les DPO et ingénieurs vie privée, au stade FDIS avec une publication estimée à février 2027. En commun : deux normes de lignes directrices non certifiables, issues de l'ISO/IEC JTC 1/SC 27 ; l'empoisonnement des données concerne les deux, et elles se renvoient l'une à l'autre.
Les utiliser ensemble. Menez une seule analyse des menaces IA. Lorsqu'une menace figure dans les deux normes, comme l'empoisonnement, enregistrez-la une seule fois et évaluez à la fois son impact sur la sécurité et sur la vie privée. Pour une comparaison détaillée, voir ISO/IEC 27090 ou 27091 : les différences.
10. RGPD et avis 28/2024 du CEPD
L'ISO/IEC 27091 n'est pas en soi un outil de conformité au RGPD, mais ses menaces au niveau du modèle constituent le versant technique d'une question que les autorités européennes posent désormais directement : votre modèle d'IA est-il réellement anonyme ? L'avis 28/2024 du Comité européen de la protection des données (CEPD), du 17 décembre 2024, indique que les modèles d'IA entraînés sur des données personnelles ne peuvent pas toujours être considérés comme anonymes, et que l'anonymat doit être apprécié au cas par cas.
Un responsable du traitement qui revendique l'anonymat doit démontrer que des données personnelles ne peuvent pas être extraites du modèle, ni obtenues par des requêtes, avec des moyens raisonnablement susceptibles d'être utilisés. L'inférence d'appartenance, l'extraction et l'inversion de modèle sont précisément ces voies, et une analyse de type 27091 offre un moyen structuré de les tester et de les documenter.
« Selon les attentes européennes en matière de vie privée, l'anonymat n'est pas une étiquette que l'on appose avant l'entraînement. C'est une propriété que l'on doit pouvoir démontrer après l'entraînement, par des tests, des contrôles d'accès et la preuve que des données personnelles ne peuvent raisonnablement pas être extraites ou déduites. » Marc Bouvier
La 27091 soutient aussi d'autres obligations du RGPD :
- Analyses d'impact relatives à la protection des données (article 35). L'analyse des menaces et la vue cycle de vie peuvent alimenter la partie risques d'une AIPD portant sur un système d'IA. Notre réponse sur la conduite d'une AIPD pour un système d'IA propose une manière de la structurer.
- Protection des données dès la conception et par défaut (article 25). L'approche cycle de vie de l'article 7 traduit cette obligation en décisions concrètes à la conception, au développement et au déploiement.
- Exactitude (article 5, paragraphe 1, point d)) et droits des personnes. Traiter les données personnelles hallucinées comme un risque pour la vie privée aide à prévoir la gestion des demandes de rectification et d'effacement portant sur les sorties d'un modèle.
Si vous exploitez un PIMS ISO/IEC 27701, il structure déjà une grande partie de ces preuves ; voir comment l'ISO/IEC 27701 soutient la conformité au RGPD.
Ce qu'elle ne fait pas. Elle ne fonde aucune base légale, n'est pas un mécanisme de certification au sens du RGPD et ne remplace pas l'appréciation au cas par cas attendue par le CEPD.
11. Calendrier de l'AI Act : où la 27091 aide, et où elle n'aide pas
L'ISO/IEC 27091 peut étayer votre documentation AI Act sur la gouvernance des données et les risques, mais ce n'est pas une norme harmonisée et elle ne confère aucune présomption de conformité. Considérez-la comme une preuve de bonne pratique, pas comme une voie de conformité.
L'AI Act (règlement (UE) 2024/1689, modifié par l'Omnibus numérique, règlement (UE) 2026/1744) s'applique par étapes.
Date: 2 déc. 2026
Date: 2 déc. 2027
Date: 2 août 2028
Frise à l'échelle de mi-2024 à 2028, avec la date du jour, 18 novembre 2026. Passé : avis 28/2024 du CEPD le 17 décembre 2024 ; publication de l'ISO/IEC 27090 le 14 octobre 2026 ; ouverture du vote FDIS de l'ISO/IEC 27091 le 2 novembre 2026. À venir : nouvelles interdictions de l'AI Act le 2 décembre 2026 ; publication de l'ISO/IEC 27091 estimée à février 2027 ; obligations à haut risque de l'annexe III de l'AI Act le 2 décembre 2027, environ dix mois après la publication estimée ; obligations à haut risque de l'annexe I le 2 août 2028 ; fin des certificats ISO/IEC 27701:2019 fin octobre 2028.
Où la 27091 aide.
- Gouvernance des données et gestion des risques. Son analyse des risques liés aux données d'entraînement, à leur provenance et à la pseudonymisation étaye la documentation des fournisseurs, et les déployeurs peuvent l'utiliser comme apport vie privée à leurs analyses d'impact sur les droits fondamentaux.
Où elle n'aide pas.
- Elle ne confère aucune présomption de conformité. Seules les normes harmonisées citées au Journal officiel le font, comme l'EN 18286:2026 pour le management de la qualité au titre de l'AI Act.
- Elle ne couvre ni les obligations de transparence, ni le contrôle humain, ni l'enregistrement, ni les obligations relatives à l'IA à usage général.
« Pour les systèmes d'IA à haut risque, la norme peut aider à documenter le volet vie privée de la gestion des risques. Mais elle ne classera pas votre système, ne remplacera pas une évaluation de la conformité et ne répondra pas à la question qui intéresse en fin de compte les autorités : quel préjudice ce système pourrait-il causer, et qu'avez-vous fait pour l'éviter ? » Tania Postil
Pour toutes les dates d'application, voir le calendrier de l'AI Act. Les déployeurs soumis à des obligations en matière de droits fondamentaux liront aussi ce qu'implique une analyse d'impact sur les droits fondamentaux, et les lecteurs suisses notre guide complet de l'AI Act, qui traite de sa portée extraterritoriale. Suivez l'évolution de l'AI Act sur notre page consacrée au règlement européen sur l'IA.
12. Un plan de démarrage en 90 jours
Vous pouvez mettre en place un processus opérationnel de gestion des risques vie privée liés à l'IA en 90 jours environ, sans attendre la publication : partez de la structure décrite par le DIS, puis alignez-vous sur le texte final. Le plan suppose une organisation de taille moyenne avec quelques cas d'usage IA.
Plan vie privée et IA de 13 semaines, environ 90 jours, en cinq phases à l'échelle. Semaines 1 à 2 : inventaire de tous les systèmes d'IA, données personnelles signalées. Semaines 3 à 4 : profil vie privée de chaque cas d'usage prioritaire. Semaines 5 à 8, la phase la plus longue : appréciation des risques vie privée, avec des entrées au registre des risques reliées à l'AIPD. Semaines 9 à 11 : plan de traitement avec responsables et échéances. Semaines 12 à 13 : plan de surveillance et calendrier de revue. À relancer à chaque changement de modèle, de jeu de données ou de cas d'usage.
Semaines: 1–2
Semaines: 3–4
Semaines: 5–8
Semaines: 9–11
Semaines: 12–13
Testez au moins votre modèle le plus risqué avec de simples prompts d'extraction avant de lui attribuer une note. Pour la méthode générale des semaines 5 à 13, voir comment identifier les risques propres à l'IA, les stratégies de traitement des risques IA et la surveillance des risques IA en production.
« Un programme de 90 jours doit produire des décisions, pas seulement de la documentation. À la fin, vous devez savoir quels modèles nécessitent un filtrage des sorties, quels jeux d'entraînement doivent être pseudonymisés, quels journaux doivent être conservés moins longtemps, et qui porte chaque risque résiduel. » Henri Haenni
Un point de départ pour les semaines 5 à 8
Téléchargez notre registre des risques vie privée liés à l'IA (accès sur inscription), préstructuré pour les menaces propres à l'IA et relié aux champs AIPD et DdA.
13. Compétences et parcours de formation
Aucune formation ne peut faire de vous une personne « certifiée 27091 », car cette certification n'existe pas. Choisissez selon que vous construisez un système de management, que vous l'auditez ou que vous pilotez plus largement la gouvernance de l'IA.
Parcours: ISO/IEC 42001 Lead Implementer
Parcours: ISO/IEC 42001 Lead Auditor
Parcours: ISO/IEC 27701 (2025) Lead Implementer / Lead Auditor
Parcours: IAPP AIGP (Artificial Intelligence Governance Professional)
Parcours: Certifications IA PECB (par exemple Lead AI Risk Manager, Certified EU AI Governance Professional, Certified AI Security Professional)
La place de la 27091. La connaissance de la 27091 est un complément spécialisé à chacun de ces parcours. Une formation courte et ciblée sur la 27090 et la 27091 donne généralement lieu à une attestation de participation et à des heures de formation continue (CPD), pas à une certification.
Pages des formations : ISO 42001 Lead Implementer · ISO 42001 Lead Auditor · ISO 27701 Lead Implementer · Lead AI Risk Manager
Historique des modifications
- 2026-11-18 : statut vérifié au stade 50.20 (vote FDIS ouvert le 2026-11-02). Estimation de publication : févr. 2027 (fourchette janv.–avr. 2027).
Mention de droits d'auteur : ce guide ne cite que le titre et le résumé publics de l'ISO, avec attribution. Tout le reste est notre propre explication. Pour le texte qui fait foi, achetez l'ISO/IEC 27091 auprès de l'ISO ou de votre organisme national de normalisation une fois publiée.




