Scraper le web pour entraîner une IA est possible, à des conditions précises. C’est le message du projet de lignes directrices 03/2026 du Comité européen de la protection des données (CEPD), publié le 7 juillet 2026 et soumis à consultation jusqu’au 30 octobre 2026. Une fois adopté, il servira de référence pour apprécier les pratiques de collecte de données en ligne.
Êtes-vous concerné ?
- Vous éditez un modèle d’IA à usage général ou un modèle génératif et collectez massivement des contenus web ?
- Vous êtes prestataire de scraping ou fournisseur de jeux de données et vous extrayez des données pour le compte de vos clients ?
- Vous réutilisez un jeu de données déjà scrapé pour entraîner votre système d'IA ?
- Vous faites de la veille, de l’agrégation, de la comparaison, du marketing ou du recrutement à partir de données publiques ?
Vous êtes concerné, mais vous ne savez pas par où commencer pour vous mettre en conformité ?
Ce que contient le guide web scraping et RGPD
Rédigé par Dastra et Vigo Avocats pour les DPO, juristes, RSSI, responsables IA ou responsable de projet, ce guide couvre :
- les quatre étapes du scraping, et pourquoi la conformité se joue dès la première ;
- les principes du RGPD appliqués au scraping à grande échelle : minimisation, exactitude, transparence ;
- l’information des personnes : quand vous pouvez être dispensé d’informer individuellement, et ce que vous devez publier en contrepartie ;
- l’intérêt légitime pour l’entraînement d’une IA : les trois conditions et les garanties qui font pencher la balance ;
- une checklist d’actions par fonction : DPO, RSSI, responsables IA et direction générale.
Une donnée entrée dans un modèle ne s’en retire pas facilement. Mieux vaut décider avant le premier crawl.
👉 [Télécharger le guide web scraping et RGPD]