DeepSeek Super-agent et RGPD : ce qu’il faut vérifier

DeepSeek Super-agent n’est pas un service que l’on active depuis la France en un clic. C’est un prototype de recherche, publié le 31 octobre 2026 par l’équipe Harness de DeepSeek. Côté RGPD, trois questions comptent : quel fournisseur de modèle reçoit vos données, à quoi l’agent a accès, et si vous l’isolez du reste de votre machine.

Cet article s’appuie sur la documentation de DeepSeek et sur les comptes rendus du lancement. Nous n’avons pas installé le prototype nous-mêmes, et ce texte n’est pas un conseil juridique.

Ce que DeepSeek a publié

Le dépôt dsh-superagent décrit un agent de code proactif pour un seul dépôt GitHub. Il écoute GitHub et, en option, Feishu, la messagerie d’équipe connue sous le nom de Lark hors de Chine. Quand une personne autorisée lui demande un travail, il ouvre une tâche, la traite dans sa propre session et répond dans la conversation d’origine, par exemple avec une pull request.

La phrase la plus importante se trouve en haut du dépôt. DeepSeek parle d’un prototype de recherche et précise que ce n’est pas un produit officiel. Le code n’est pas prêt pour la production, il diffère de la version interne, et certaines idées du texte de conception ne sont pas implémentées. La licence est MIT : l’usage et la modification sont libres. Une licence ne dit rien de la sécurité pour autant.

Si le terme vous est nouveau, un agent autonome enchaîne plusieurs étapes seul au lieu de simplement rédiger une réponse. C’est pour cela qu’on ne peut pas raisonner ici comme pour une fenêtre de chat.

Question 1 : où partent vos données ?

Super-agent est un logiciel que vous exploitez vous-même. Cela ne veut pas dire que tout reste sur votre machine. Selon ShiftDelete, le prototype a besoin d’un fournisseur de modèle configuré dans DeepSeek Harness. Ce que l’agent lit dans le code, les tickets et les messages peut donc partir chez ce fournisseur. La bonne question n’est pas « DeepSeek est-il autorisé ? » mais « quel fournisseur se trouve dans ma configuration ? ».

Si vous passez par les services de DeepSeek, partez de sa politique de confidentialité. Elle indique que les entrées, comme le texte et les fichiers envoyés, sont collectées, et que les données personnelles sont traitées et stockées directement en République populaire de Chine. Vérifiez aussi si des conditions propres à l’API s’appliquent. Pour des données d’entreprise, la question revient à votre DPO.

Il existe un précédent. En janvier 2025, le régulateur italien a bloqué l’application DeepSeek, et la CNIL a annoncé qu’elle allait analyser son fonctionnement, comme le rapportait Euronews. Cela concernait l’application, pas ce prototype. Nous n’avons connaissance d’aucune procédure visant Super-agent. Il est plausible que la même question se pose pour les services hébergés de DeepSeek, mais ce n’est pas établi.

Autre piste : un autre modèle. Des guides tiers, comme celui de ComputingForGeeks, expliquent comment pointer Harness vers un modèle local. Nous ne l’avons pas testé. Un modèle local règle la question du transfert, pas celle des droits de l’agent. Pour lire les conditions d’un autre fournisseur chinois, voir Kimi K3.1 Pro et le RGPD, et pour le tableau d’ensemble, IA chinoise : ce qu’il faut vérifier.

Question 2 : que peut faire l’agent sur votre machine ?

C’est le point que beaucoup d’articles passent sous silence. La documentation de déploiement dit clairement que les sessions tournent avec le réglage danger-full-access, sous le compte système de l’opérateur. Un worker peut exécuter des programmes et lire le répertoire personnel. Les wrappers de compte choisissent des identifiants mais n’isolent pas le processus. Pour une vraie isolation, DeepSeek recommande un compte système dédié, contenant uniquement les identifiants de l’agent.

Concrètement, sur votre portable professionnel, l’agent peut en principe atteindre tout ce que votre compte peut lire : clés SSH, fichiers .env, listes de clients. Qu’il le fasse ou non est une autre question, mais la barrière technique n’existe pas. S’y ajoute le problème de tout agent : il lit du texte écrit par d’autres, comme des tickets ou des messages, et ce texte peut contenir des instructions.

Question 3 : quand agit-il de lui-même ?

« Proactif » laisse croire que l’agent se lance sans qu’on lui demande rien. Le réglage par défaut est plus prudent. D’après sa page de principes, il n’agit qu’à la demande d’une personne autorisée ou selon une règle écrite par l’équipe. La documentation d’autorisation indique que le mode par défaut est observe : l’agent évalue le travail possible et note ce qu’il aurait fait, sans le faire.

C’est un garde-fou utile, mais il ne remplace pas une décision interne. Même en mode observe, l’agent lit. Une messagerie d’équipe contient souvent des noms, des absences ou des données clients. Parlez-en aux responsables avant de la brancher.

Liste de contrôle avant un premier essai

1. 01Commencer sur un dépôt de test, sans données clients ni secrets. D’après la documentation, seul github.com est pris en charge, pas GitHub Enterprise Server.
2. 02Utiliser un compte système dédié ou une machine à part, avec uniquement les identifiants de l’agent.
3. 03Choisir le fournisseur de modèle en connaissance de cause et lire ses conditions, comme pour Meta AI et le RGPD.
4. 04Garder une liste de personnes autorisées courte et rester en mode observe tant que les décisions notées ne semblent pas justes.
5. 05Relire chaque pull request comme celle d’une personne qui vient d’arriver. DeepSeek rend explicitement l’opérateur responsable de ce que publie l’agent.
6. 06Garder en tête que la base bouge aussi : DeepSeek Harness est, selon son dépôt, une preview pour développeurs avec des changements incompatibles à prévoir.

En avez-vous vraiment besoin ?

Honnêtement : si vous apprenez tout juste à utiliser l’IA au travail, sans doute pas. Super-agent vise des équipes de développement qui ont du temps pour l’installer. Bloomberg a présenté le lancement comme un défi à Claude Code d’Anthropic, selon les comptes rendus, mais un prototype sans support ne remplace pas un produit maintenu. Pour comprendre ce qu’un agent doit faire, créer un agent IA ou Muse Code pour les développeurs sont de meilleurs points de départ.

Le prototype reste intéressant pour sa position : un agent doit coûter le moins d’attention humaine possible, et n’agir que sur demande ou selon une règle. C’est un bon critère, y compris pour des outils plus simples.

Coursium est une application mobile qui apprend à utiliser l’IA au travail, et elle est sur l’App Store. Donner des consignes claires et vérifier un résultat avant de le transmettre reste votre travail, quel que soit l’agent. Si c’est ce que vous voulez pratiquer, découvrez Coursium ou essayez l’exemple gratuit.