Le 7 juillet 2026, le Comité européen de la protection des données (CEPD) a adopté deux projets de lignes directrices très attendus : l’un sur l’anonymisation, l’autre sur le moissonnage de données (web scraping) dans le contexte de l’IA générative, tous deux soumis à consultation publique jusqu’au 30 octobre 2026 (CNIL). Ces textes s’adressent d’abord aux concepteurs de modèles, mais ils concernent directement les équipes marketing, qui s’appuient de plus en plus sur des données collectées en ligne, enrichies par des outils d’IA ou présentées comme « anonymes ». La question n’est plus seulement de savoir si une donnée est accessible, mais si elle peut être légitimement exploitée, et surtout si elle mérite qu’on lui confie une décision budgétaire. Autrement dit : où s’arrête la collecte légitime, et où commence la donnée réellement utile pour piloter ? Cet article ne revient pas sur la base légale de l’intérêt légitime en tant que telle, mais sur ses conséquences pratiques pour vos données marketing.
Une donnée visible par tous n’est pas une donnée à la disposition de tous
L’idée reçue la plus répandue est simple : si une information est publiée en ligne, elle serait réutilisable librement. Le CEPD la contredit clairement. Ses lignes directrices sur le moissonnage rappellent que le RGPD s’applique dès lors que le scraping comprend des opérations comme l’extraction, le nettoyage, la structuration ou le stockage de données personnelles, et que le fait qu’une personne publie elle-même une information ne signifie pas qu’elle a consenti à son moissonnage pour une finalité donnée (CEPD, lignes directrices 03/2026).
La CNIL, dans sa fiche consacrée au moissonnage publiée en juin 2025, va dans le même sens : les personnes « ne peuvent néanmoins pas s’attendre à ce que de tels traitements aient lieu dans toutes les situations et pour tous les types de données accessibles en ligne les concernant ». Elle demande de définir en amont des critères précis de collecte, d’exclure les catégories de données non nécessaires et d’écarter les sites qui s’opposent clairement au moissonnage de leur contenu (CNIL). Le CEPD cite explicitement les fichiers robots.txt ou ai.txt et les CAPTCHA comme des signaux à respecter, et note que leur présence réduit ce à quoi les personnes peuvent raisonnablement s’attendre (CEPD).
Pour une direction marketing, la traduction est concrète : une base de prospects constituée à partir de profils publics, un outil d’enrichissement qui « complète » vos fiches CRM ou une veille automatisée sur les avis clients ne sont pas neutres. Nous avions abordé le cadre juridique général dans notre article sur le RGPD et l’intérêt légitime ; l’enjeu ici est de savoir d’où viennent réellement les données que vos outils vous livrent.
À retenir :
Accessible en ligne ne veut pas dire librement réutilisable : le RGPD s’applique au moissonnage de données personnelles.
Les signaux techniques d’opposition (robots.txt, CAPTCHA) comptent dans l’appréciation de la légitimité.
Tout outil d’enrichissement ou de prospection doit pouvoir expliquer l’origine de ses données.
L’anonymat se démontre, il ne se décrète pas
Beaucoup de jeux de données marketing sont qualifiés d’« anonymes » parce qu’ils ne contiennent ni nom ni adresse e-mail. C’est une confusion fréquente entre anonymisation et pseudonymisation. La CNIL rappelle que l’anonymisation doit rendre l’identification impossible en pratique et de manière irréversible, alors que la pseudonymisation se contente de remplacer des identifiants directs par des identifiants indirects et reste réversible : les données pseudonymisées demeurent des données personnelles (CNIL).
Le risque de réidentification n’a rien de théorique. Une étude publiée dans Nature Communications en 2019 estimait que 99,98 % des Américains pourraient être correctement réidentifiés dans n’importe quel jeu de données à partir de 15 attributs démographiques (Rocher, Hendrickx et de Montjoye, Nature Communications). Âge, code postal, type d’appareil, parcours de navigation : chaque attribut pris isolément paraît anodin, leur combinaison devient une signature.
Les lignes directrices 02/2026 du CEPD formalisent ce raisonnement autour de trois critères : absence d’individualisation, absence de corrélation, absence d’inférence (CEPD). Elles précisent que l’évaluation doit tenir compte des informations complémentaires qui permettraient d’identifier les personnes et de la probabilité de pouvoir les obtenir, et citent les empreintes d’appareil (fingerprints) et les pseudonymes qui en dérivent comme des identifiants permettant de reconnaître une personne d’un contexte à l’autre (CEPD, lignes directrices 02/2026). Le même raisonnement vaut pour les modèles d’IA : dans son avis 28/2024, le CEPD estime que les modèles entraînés à partir de données personnelles « ne peuvent pas par principe être considérés comme anonymes » et que cette qualité doit être évaluée au cas par cas (CNIL).
À retenir :
Retirer le nom et l’e-mail ne suffit pas : une donnée pseudonymisée reste une donnée personnelle.
La combinaison d’attributs banals suffit souvent à distinguer une personne.
Un identifiant technique stable (empreinte d’appareil, ID dérivé) est un identifiant au sens du RGPD.
L’agrégation protège les personnes, à condition d’être pensée
Si l’anonymat individuel est difficile à garantir, l’agrégation reste l’un des leviers les plus efficaces. Le CEPD relève que de nombreuses techniques de réidentification sont moins efficaces contre des données agrégées en indicateurs statistiques, comme des moyennes, tout en précisant que cela dépend de la quantité de données agrégées (CEPD, lignes directrices 02/2026). Il illustre la limite par un exemple parlant : à partir de totaux calculés sur une petite équipe, il est possible de déduire le salaire d’un individu. Il signale aussi que des attaques par inférence peuvent partir de grands ensembles de statistiques agrégées accessibles en masse ou de systèmes de requêtes (CEPD).
Pour le marketing, la leçon est double. D’une part, raisonner en canaux, en campagnes et en cohortes plutôt qu’en individus suffit pour l’essentiel des décisions d’allocation budgétaire : un directeur marketing n’a pas besoin de savoir qui a cliqué, mais quelles sources produisent un chiffre d’affaires réel. D’autre part, l’agrégation doit être conçue : un segment de trois clients dans une ville donnée, filtrable à volonté dans un tableau de bord, n’est plus vraiment un agrégat. Fixer des seuils minimaux d’effectif et limiter le croisement de filtres fait partie de la conception, pas de l’option.
À retenir :
L’agrégation réduit fortement le risque de réidentification, sans l’annuler sur de petits effectifs.
Les décisions d’allocation budgétaire se prennent au niveau des sources et des cohortes, pas des individus.
Seuils minimaux et limitation des croisements doivent être prévus dès la conception des rapports.
Une donnée exploitable n’est pas forcément une donnée fiable pour décider
La conformité n’est que la moitié du sujet. Le CEPD le dit sans détour à propos du scraping : lorsque des données proviennent de sources différentes ou peu fiables, il sera difficile, voire impossible, d’en garantir l’exactitude. Il recommande de collecter auprès de sources fiables, d’horodater les données et de les valider avant de les utiliser pour entraîner un modèle (CEPD, lignes directrices 03/2026). Il rappelle aussi qu’une fois un modèle entraîné, les données personnelles ne peuvent pas en être facilement supprimées (CEPD). Et selon l’avis 28/2024, un modèle développé avec des données traitées illégalement peut voir la licéité de son déploiement et de son utilisation remise en cause, sauf anonymisation effective (CNIL).
La traçabilité, condition de la confiance
Dans un contexte marketing, ces principes ont une portée très pratique. Un score d’intention fourni par un outil d’IA, un segment « look-alike » ou une estimation de conversions modélisées par une régie sont des données exploitables : on peut les brancher, les afficher, les optimiser. Mais si vous ne savez ni d’où elles viennent, ni quand elles ont été produites, ni comment elles ont été calculées, elles ne sont pas auditables. C’est toute la différence entre la performance déclarée par une plateforme et la performance réelle mesurée sur vos propres données : la première est un résultat que l’on vous communique, la seconde un résultat que vous pouvez vérifier.
Une décision budgétaire engage un CFO, pas seulement un tableau de bord. Elle suppose de pouvoir remonter du chiffre à l’événement qui l’a produit. C’est pourquoi la maîtrise de vos données propriétaires, que nous défendions dans La donnée : votre actif, pas celui des autres, n’est pas qu’une question de souveraineté : c’est une condition de fiabilité. Plusieurs des erreurs les plus fréquentes en analyse d’attribution tiennent d’ailleurs moins aux modèles qu’à la qualité des données qui les alimentent.
À retenir :
Exactitude, horodatage et validation sont des exigences de conformité autant que de qualité.
Une donnée dont on ne connaît ni l’origine ni la méthode de calcul n’est pas auditable.
Les décisions budgétaires doivent reposer sur des données traçables jusqu’à l’événement mesuré.
Plan d’action : remettre de l’ordre dans vos flux de données marketing
Sous 7 jours
- Lister les outils qui injectent des données externes dans votre CRM ou vos tableaux de bord (enrichissement, prospection, veille, scores IA).
- Pour chacun, demander au fournisseur la source des données, la méthode de collecte et la date de mise à jour.
- Identifier, avec votre DPO, les jeux de données qualifiés d’« anonymes » en interne.
Sous 30 jours
- Tester ces jeux de données au regard des trois critères du CEPD : individualisation, corrélation, inférence.
- Définir des seuils minimaux d’effectif pour les segments affichés dans vos rapports.
- Distinguer explicitement, dans vos tableaux de bord, les données mesurées, modélisées et déclarées par les plateformes.
Sous 90 jours
- Documenter la chaîne de traçabilité des indicateurs utilisés dans les arbitrages budgétaires, de la source à la décision.
- Retirer ou encadrer les sources dont l’origine ne peut pas être justifiée.
- Suivre la version finale des lignes directrices du CEPD après la consultation, qui se clôt le 30 octobre 2026.
À retenir :
Commencer par l’inventaire des sources : on ne peut pas fiabiliser ce que l’on ne connaît pas.
Séparer mesuré, modélisé et déclaré rend chaque décision plus lisible.
La traçabilité est un chantier de 90 jours, pas un projet de plusieurs années.
Les textes du CEPD rappellent une évidence que la course à la donnée avait fait oublier : plus de données ne signifie pas de meilleures décisions. Une donnée légitimement collectée, agrégée au bon niveau et traçable jusqu’à son origine vaut davantage qu’un volume important d’informations dont personne ne peut garantir la provenance. C’est l’approche qui guide Attrilab : mesurer, du premier au dernier clic, sur des données propriétaires et sans cookie, pour disposer d’une rentabilité des sources indépendante des déclarations des régies. Si vous souhaitez faire le point sur la fiabilité de vos flux de données marketing, nous pouvons en discuter lors d’un audit ou d’une démonstration.