L'IA agentique n'est pas un simple chatbot qui répond à une question. C'est un système capable d'enchaîner des tâches, de mobiliser plusieurs agents spécialisés, de se connecter à votre messagerie, votre agenda ou vos outils de paiement, et d'agir en votre nom, parfois sans validation humaine à chaque étape. Cette autonomie change la donne pour la protection des données personnelles. C'est le constat que dresse le Conseil de l'IA et du Numérique (CIANum), rattaché à la CNIL, dans une note publiée en juillet 2026 consacrée à l'articulation entre IA agentique et RGPD.

Une architecture qui multiplie les flux de données

Un système d'IA agentique repose généralement sur trois briques.

1. Un agent « orchestrateur », qui sert d'interface principale avec l'utilisateur en langage naturel.
2. Des agents « spécialisés », coordonnés par l'orchestrateur, qui prennent en charge des tâches précises comme la génération de code, le traitement de texte ou les paiements en ligne.
3. Et enfin des services externes (applications, bases de données, outils de recherche web) que ces agents peuvent solliciter pour mener à bien une requête.

Ces échanges reposent sur des protocoles standardisés, comme MCP développé par Anthropic ou ACP développé par OpenAI, qui permettent aux agents d'accéder aux ressources dont ils ont besoin. Le problème, souligne la note, c'est que cette architecture multiplie les échanges de données, à la fois entre les agents eux-mêmes et avec l'extérieur. Résultat : l'utilisateur perd facilement de vue l'ampleur réelle des données traitées et la finalité précise de chaque interaction, surtout quand les échecs répétés d'un agent entraînent une cascade d'échanges supplémentaires.

Pour fonctionner, ces systèmes s'appuient sur deux mécanismes distincts. Le processus correspond au traitement d'une requête donnée, avec un contexte qui conserve l'historique de l'échange et qui est supprimé une fois la tâche terminée. Le stockage mémoire, lui, est persistant et indépendant des processus : il conserve des informations réutilisables d'une conversation à l'autre, notamment des données sur l'utilisateur, qu'elles soient renseignées volontairement ou déduites automatiquement des interactions.

Des principes du RGPD mis sous tension

La note détaille comment plusieurs piliers du RGPD deviennent difficiles à faire respecter concrètement dans ce contexte.

• Le principe de finalité impose que les données soient collectées pour des objectifs déterminés et explicites. Or un agent conçu pour accomplir une multitude de tâches dans des domaines variés rend le périmètre exact de ses traitements difficile à cerner.
• Le principe de minimisation exige de ne traiter que les données nécessaires à l'objectif poursuivi. Mais les IA agentiques mobilisent souvent de grandes quantités d'informations, e-mails, historique de navigation, fichiers, les partagent entre agents et les conservent en mémoire pour anticiper les besoins futurs de l'utilisateur, sans toujours démontrer que tout cela était réellement nécessaire.
• Le principe d'exactitude prévoit que les données doivent rester fiables et à jour. La nature probabiliste des modèles génératifs implique un risque d'erreur, et ces hallucinations peuvent se propager dans le système sans qu'aucun mécanisme n'alerte l'utilisateur.
• Le principe de transparence, qui exige une information claire...