Résumer un rapport, reformuler un courriel, coder une grille d’entretien, préparer un QCM : l’IA générative s’invite partout. La vraie question n’est plus « quel outil est le meilleur ? » mais « ai-je le droit de mettre ces données-là dans cet outil-là ? ».
AI_GO répond à cette question en deux minutes. C’est un questionnaire en ligne, sans inscription ni installation, développé par la Cellule stratégique IA de l’UNIL. Il analyse la nature de vos données et vous dit quelle famille d’outils IA vous pouvez utiliser. Il s’adresse à toute la communauté UNIL, des étudiant·e·s au corps enseignant, en passant par les chercheur·euse·s et le personnel administratif et technique.
Une précision utile d’emblée : AI_GO répond à la question des données. Il ne dit pas si vous avez le droit de recourir à l’IA pour un travail noté, un examen ou une publication. Cela relève des directives de votre faculté, des consignes de votre enseignant·e ou des règles de votre éditeur.
Disponible en français et en anglais, sur ordinateur comme sur mobile. Aucun compte, aucune donnée transmise : vos réponses restent dans votre navigateur.
Pourquoi ce réflexe est nécessaire
Déposer un fichier dans un outil d’IA grand public, ou simplement y coller un extrait de texte, c’est transmettre ces données à une entreprise tierce, souvent hors de Suisse, avec des conditions d’utilisation qui autorisent parfois la réutilisation des contenus. Selon les données concernées, cela peut constituer une fuite de données, une violation légale ou un manquement contractuel, et ce sans la moindre mauvaise intention de votre part. Une pièce jointe, un copier-coller et une phrase tapée à la main comptent exactement pareil.
La difficulté, c’est que la frontière n’est pas intuitive. Une liste de participant·e·s à une formation, des notes d’entretien anonymisées « en apparence », un tableau de salaires, un extrait de dossier étudiant : ces cas relèvent de régimes différents. AI_GO transforme ce raisonnement juridique en une suite de questions simples, en français courant.
Les trois familles d’outils IA à l’UNIL
Les verdicts de l’outil se formulent toujours avec ces trois familles. Autant les connaître avant de commencer.
| Famille | De quoi s’agit-il ? | Où vont vos données ? |
|---|---|---|
| LLMs commerciaux | ChatGPT, Gemini, Claude, Mistral, etc., en accès libre ou sur abonnement personnel. | Chez un prestataire privé, sans contrat institutionnel UNIL. |
| LLMs institutionnels | Microsoft 365 Copilot Chat, contractualisé par l’UNIL. Les garanties ne valent qu’une fois connecté·e avec vos identifiants UNIL sur copilot.cloud.microsoft, et non sur la version publique de Copilot. Un agent dédié UNIL [Sécurisé] y désactive la recherche web par défaut, ce qui évite qu’une requête ne déclenche une recherche Bing et ne fasse sortir vos données de l’environnement protégé. | Dans l’environnement Microsoft sous contrat UNIL. Les requêtes ne sont ni conservées ni utilisées pour l’entraînement. |
| LLMs en local | Un modèle qui tourne sur votre propre machine, hors ligne, ou sur une infrastructure mise à disposition par l’UNIL. | Sur votre machine, rien ne sort de l’ordinateur. Sur une infrastructure UNIL, les données restent dans le périmètre de l’institution. |
Pour aller plus loin : Microsoft Copilot à l’UNIL et installer un modèle IA en local.
En pratique
Le questionnaire compte dix étapes, mais vous n’en verrez qu’une partie : chaque réponse écarte les questions devenues inutiles. Pour vos propres notes de cours, qui ne parlent de personne, deux clics suffisent. Les étapes non posées s’affichent barrées dans la liste, à droite de l’écran.
Deux types de questions se succèdent. Les questions Oui / Non avancent d’un simple clic, sans bouton à valider. Les questions à cases à cocher se valident avec le bouton Continuer. Si aucune case ne correspond à votre situation, cliquez sur Continuer sans rien cocher : c’est la manière de répondre non.
Cinq situations, cinq parcours
Voici cinq parcours réellement effectués dans l’outil. Repérez celui qui ressemble le plus à votre situation.
1. Réviser à partir de ses propres notes de cours
Étape 1 → Non (les données ne concernent pas des individus) | Étape 10 → Non (le partage est libre)
Résultat : Utilisation libre. Deux clics, huit étapes sautées.
Le parcours le plus court. Il couvre beaucoup de situations ordinaires : notes personnelles, brouillons, supports qui ne parlent de personne et que rien ne vous interdit de partager. Un article scientifique publié reste en revanche soumis aux conditions de son éditeur, que le questionnaire n’examine pas.
2. Exploiter des entretiens pour un mémoire
Étape 1 → Oui | Étape 2 → cocher Données directement identifiantes, Continuer | Étape 3 → Non
Étape 5 → ne rien cocher, Continuer | Étape 7 → ne rien cocher, Continuer | Étape 9 → Non (données recueillies par vous, pour ce travail)
Résultat : LLMs institutionnels ou LLMs en local.
Un verbatim d’entretien reste une donnée personnelle même sans nom de famille : un prénom, un âge, un employeur et une fonction suffisent à reconnaître quelqu’un. Ce corpus va donc dans Copilot institutionnel, pas dans ChatGPT.
Sur un corpus existant que vous avez anonymisé de manière irréversible, répondez Oui aux étapes 9 et 9a et le verdict devient « utilisation libre ». Attention : cette branche ne demande jamais si une restriction de partage s’applique. Une convention, un protocole d’éthique ou une promesse faite aux personnes interrogées restent opposables, à vous de les vérifier.
3. Trier une liste nominative d’étudiant·e·s ou de participant·e·s
Parcours identique au cas 2.
Résultat : LLMs institutionnels ou LLMs en local. Les LLMs commerciaux externes ne sont pas autorisés.
Traduction concrète : cette liste va dans Copilot institutionnel, pas dans ChatGPT. C’est le cas le plus fréquent pour le personnel administratif comme pour le corps enseignant. Même verdict pour un lot de copies à corriger ou de travaux à commenter, puisque ce sont des productions d’étudiant·e·s identifiables.
4. Analyser un tableau de rémunérations
Comme le cas 2 jusqu’à l’étape 5, puis :
Étape 7 → cocher Données sur le revenu ou la fortune, Continuer | Étape 8 → Non (pas d’analyse d’impact réalisée)
Résultat : LLMs en local UNIQUEMENT.
Tout se joue à l’étape 8. Sans analyse d’impact menée avec le DPO, le risque est présumé important. Avec une analyse concluant à un risque faible, l’outil rouvre l’accès aux LLMs institutionnels.
5. Coder des entretiens portant sur la santé
Comme le cas 2 jusqu’à l’étape 3, puis :
Étape 5 → cocher la catégorie relative à la santé, Continuer | Étape 6 → Oui
Résultat : LLMs en local UNIQUEMENT, aucun LLM cloud institutionnel, aucun LLM commercial. L’outil demande de contacter la DCSR.
Le régime le plus strict. L’étape 6 s’appuie sur la définition de la loi relative à la recherche sur l’être humain (art. 3 LRH), qui couvre toute information liée à l’état de santé ou à la maladie d’une personne déterminée ou déterminable.
Si ce verdict tombe sur vos données, l’article installer un modèle IA en local explique comment procéder.
Bon à savoir
Ce n’est pas un avis juridique. L’outil l’affiche lui-même : il ne garantit pas une conformité légale à 100 %, et l’utilisateur·rice reste responsable de l’évaluation finale. Son verdict porte sur la nature de vos données, pas sur le droit d’auteur des documents que vous déposez. Il ne remplace pas non plus les règles de votre faculté ni les engagements pris dans un protocole ou un contrat.
Le verdict ne nomme que des modèles de langage. Mais il évalue vos données, pas les outils, et la même règle vaut pour tout service d’IA en ligne. Si les LLMs commerciaux sont écartés, la transcription automatique, la traduction et le résumé de réunion en ligne le sont aussi.
Besoin d’aide ?
L’outil renvoie vers trois points de contact : le délégué à la protection des données (DPO) pour les données personnelles et les analyses d’impact, la Division calcul et soutien à la recherche (DCSR) pour les questions techniques sur les LLMs et l’infrastructure, et les Data Stewards pour la gestion des données de recherche.
Avant de confier un document, un extrait collé ou même une simple phrase à une IA générative, posez-vous une seule question : ces données parlent-elles de quelqu’un, ou suis-je tenu·e à une confidentialité particulière ? Si la réponse est oui, ou si vous hésitez, deux minutes sur AI_GO suffisent à lever le doute.
AI_GO a été développé par la Cellule stratégique IA de l’UNIL en collaboration avec les élèves de droit de la Professeure Aurelia Tamò-Larrieux : Selma Lamas Valverde, Emma Lo Cicero et Clara Montangero. L’outil est diffusé sous licence CC BY-NC-SA 4.0.