Cas d'usageProtection des données, banque
4,1 millions de fichiers, six sources, un registre peu fiable. Cartes d'identité et arrêts maladie traînent dans des dossiers ouverts à tous.
Chaque source est lue sur place, rien ne bouge pendant l'analyseChaque détection pointe vers un dossier, un fichier et une pageChaque correction a un responsable et la prochaine analyse la vérifie
4,1 M de fichiers lus là où ils sont, 0 déplacé. Chaque détection garde son emplacement, sa catégorie et les droits de son dossier.
source · 6 sources, 3 nuits de vagues planifiéesDonnées sensibles, droits larges · son responsable décide de la correction
14 800 images de cartes d'identité dorment dans un dossier de numérisation de 2016 que tous les salariés peuvent lire. Personne ne les a mises là pour nuire : un scan enregistré sur un partage, un tableur exporté pour une campagne, un arrêt maladie rangé à côté du planning des congés. Le DPO ne peut pas fixer de priorités sans carte, et le DSI ne peut pas fermer un partage sans savoir ce qu'il contient.
Cet inventaire lit les fichiers eux-mêmes. Le moteur d'opérations parcourt chaque source sur place, l'IA repère les informations personnelles et confidentielles, et le rapport devient la liste de travail. Le DPO vérifie les détections sur un échantillon, et chaque responsable décide du sort de ses propres données.
Un écran compte, l'autre transforme le décompte en endroits à corriger. Derrière les deux : le périmètre est validé avant tout lancement, les détections sont vérifiées avant d'être annoncées, et chaque correction revient à qui possède les données. Suit le mois de Camille, en commençant par la liste des sources.
Une analyse ne sert que si son périmètre est clair. Olivier et Camille arrêtent les sources et les catégories avant tout lancement.
Olivier Brun, le DSI, liste les sources avec Camille Roussel, la DPO : le référentiel documentaire, trois lecteurs réseau, les sites SharePoint de la banque de détail et une ancienne archive de scans. Chacune est branchée en mode découverte, qui analyse le contenu là où il se trouve.
Camille retient ce qui compte pour la banque : IBAN et numéros de carte, NIR, images de cartes d'identité et de passeports, et données de santé, que l'article 9 du RGPD range parmi les catégories particulières. L'IA cherchera chacune dans les textes, les scans et les images.
Elle fixe un seuil de confiance. Une détection en dessous part en relecture humaine au lieu d'entrer dans le rapport.
L'analyse démarre le vendredi soir et parcourt les sources par vagues. Sur l'archive des scans, Olivier limite la charge pour que le vieux serveur reste réactif en journée. Il suit le débit, les erreurs et le volume restant pendant l'exécution.
L'analyse est terminée. Camille ramène une longue liste de détections à une courte liste d'endroits qui demandent de l'attention.
Le rapport d'analyse liste chaque emplacement avec les catégories qu'il contient et les droits hérités sur son dossier. Camille trie sur les deux. Une ligne ressort : \\fs02\Credit\Scans_anciens contient 14 800 images de cartes d'identité, et tous les salariés peuvent la lire.
Avant d'annoncer quoi que ce soit, Camille ouvre 50 détections dans la visionneuse. Dans un support de formation, l'IBAN signalé en diapositive 12 est le compte d'exemple imprimé dans la procédure de la banque. Elle le marque comme faux positif. La découverte avait déjà listé 340 copies identiques du support, et la même décision s'applique à toutes.
La deuxième priorité est un dossier d'équipe RH à Lyon. L'IA y a trouvé 212 arrêts maladie et trois comptes rendus médicaux enregistrés par des managers à côté des plannings de congés. Le référentiel RH dispose déjà d'une classe restreinte prévue pour ces documents.
Une carte devient utile quand chaque ligne a un responsable et une action. L'IA propose, chaque responsable tranche pour ses propres fichiers.
Pour chaque emplacement, l'IA propose une action : restreindre l'accès, déplacer les fichiers vers la classe du référentiel qui leur correspond, ou supprimer les copies qui doublonnent un original classé. Camille relit la liste, transforme un déplacement en suppression et confie chaque ligne à son responsable avec une échéance.
Laure Gauthier, responsable des opérations crédit, valide les deux tâches sur Scans_anciens. Le moteur d'opérations déplace les 14 800 images dans la classe Prêts du référentiel, avec les droits des opérations crédit et la règle de conservation de la classe, puis restreint l'ancien dossier. Le rapport de rapprochement compare ce qui était attendu à ce qui est arrivé.
En fin de mois, Camille présente l'inventaire : ce qui a été analysé, ce qui a été trouvé, ce qui est corrigé et ce qui est planifié. Les chiffres viennent directement du rapport d'analyse, qui s'exporte tel quel, et chaque ligne s'ouvre jusqu'au dossier qu'elle décrit. Désormais, l'analyse tourne chaque trimestre.
Chaque emplacement du rapport reçoit l'une de ces trois étiquettes. Camille la lit en premier, car elle lui dit qui doit entendre parler du dossier ensuite.
Ou seulement des faux positifs, vérifiés par une personne sur un échantillon.
La suite : aucune action, l'emplacement est revu au trimestre suivant.Des arrêts maladie dans un dossier d'équipe, des pièces d'identité hors de la classe Prêts. La bonne place est indiquée.
La suite : un déplacement est proposé, le responsable des données le valide.L'emplacement contient des données de santé ou d'identité, et trop de monde peut l'ouvrir.
La suite : l'accès est d'abord restreint, puis les fichiers sont déplacés ou supprimés.Elle ne déplace rien, ne supprime rien et ne touche à aucun droit de dossier. Chaque modification est validée par le responsable des données, exécutée par le moteur d'opérations et inscrite ligne par ligne dans le rapport.
L'IA lit, repère et propose. Le plan nomme qui agit sur chaque emplacement, et cela tient sur quatre millions de fichiers.
Compté sur la première exécution d'INV-2026-01. Une banque avec plus de partages, ou de plus anciens, arrivera à d'autres chiffres.
D'où viennent ces chiffres. Ils sont comptés sur le scénario décrit sur cette page, avec des données d'exemple. Ce ne sont pas les résultats d'un client.
Olivier gère les serveurs, Camille tient la carte, et les chefs d'équipe possèdent les fichiers. Une analyse de cette taille a besoin des trois.
Quand on vous demande où sont les données personnelles, vous ne pouvez répondre qu'avec le registre.
Une analyse de quatre millions de fichiers ressemble à une menace pour des serveurs que vous devez maintenir debout.
Le plan de nettoyage de vos fichiers a été écrit par quelqu'un qui ne les a jamais ouverts.
Par un seul partage. Choisissez le lecteur réseau que vos équipes utilisent depuis le plus longtemps, et lancez l'analyse sur lui seul. Les détections d'un partage suffisent à fixer les priorités pour le reste.
L'analyse se branche sur les lecteurs réseau, les sites SharePoint et le référentiel que vous utilisez aujourd'hui. Aucune migration préalable n'est nécessaire.
Parlons-en
Choisissez un lecteur réseau ou un dossier du référentiel. Nous lançons l'analyse avec votre DPO et votre équipe informatique, et nous lisons les détections ensemble.
UxoDay 2026
Rejoignez-nous à l'UxoDay, le 19 novembre à Paris
Une journée pour retrouver nos clients et nos partenaires : quatre témoignages, des démonstrations en direct et du temps pour échanger.
Je réserve ma place