En Suisse, le fait qu’un employeur utilise un outil d’IA pour analyser des emails internes n’est pas automatiquement illégal. En revanche, cela touche directement à des données personnelles et à la sphère privée au travail, donc la démarche doit être cadrée. En pratique, ce qui fait la différence, ce sont les garde-fous concrets, documentés et appliqués dans la durée, pas une phrase vague dans une politique interne.

1. Clarifier la finalité, et l’écrire noir sur blanc

Le premier réflexe est de demander une réponse simple à une question qui met souvent mal à l’aise, justement parce qu’elle révèle les zones grises. Pourquoi analyse-t-on ces emails, précisément ? Selon la législation suisse sur la protection des données, l’employeur devrait pouvoir expliquer une finalité déterminée et compréhensible. Une finalité du type « améliorer l’efficacité » est trop large si elle permet ensuite tout et n’importe quoi, par exemple du scoring RH individuel ou une surveillance continue. Concrètement, vous pouvez demander une confirmation écrite de points comme ceux-ci, avec une formulation sans ambiguïté :

• Finalité exacte (exemples fréquents en entreprise : tri automatique des tickets, aide à la rédaction, détection d’emails de phishing, archivage structuré) et exclusion explicite des finalités non prévues.
• Interdiction d’usage disciplinaire automatique des résultats de l’IA, sauf analyse humaine et procédure interne claire.
• Pas de surveillance permanente du comportement individuel, ou à tout le moins une limitation stricte, sous réserve des règles applicables en droit du travail et de la protection de la personnalité.

2. Limiter les données analysées (minimisation et ciblage)

Même avec une bonne finalité, l’outil peut être trop intrusif si son périmètre est trop large. L’objectif est simple : réduire ce que l’IA voit, réduire ce qu’elle conserve, et réduire ce qu’elle déduit. Voici une grille de questions utile, à adresser aux ressources humaines, à l’IT ou au responsable de la protection des données de l’entreprise :

• L’outil analyse-t-il le contenu des emails, ou seulement des métadonnées (expéditeur, objet, date) ?
• Analyse-t-il tous les dossiers, ou uniquement des boîtes fonctionnelles (support, sales, helpdesk) ?
• Les pièces jointes sont-elles incluses, et si oui, lesquelles (PDF, documents, images) ?
• Existe-t-il une liste d’exclusions (par exemple échanges avec un avocat, sujets sensibles, canaux privés autorisés par le règlement) ?
• Le système effectue-t-il une détection d’émotions, d’intentions ou de “risque comportemental” ? Si oui, sur quelle base et avec quel contrôle humain ?

Dans la plupart des cas, les garde-fous les plus efficaces sont très concrets : activer l’outil uniquement sur certains flux, masquer des champs, filtrer des catégories de messages, ou désactiver l’analyse des pièces jointes. Si votre entreprise est dans le canton de Genève ou dans le canton de Vaud, ces questions sont les mêmes, car la base est fédérale, mais l’application pratique peut varier selon le contexte et les usages internes.

3. Encadrer l’accès aux résultats, et éviter l’effet boîte noire

Une IA peut générer des résumés, des tags, des alertes ou des scores. Le vrai risque se situe souvent là. Qui voit ces résultats, et comment sont-ils utilisés ? Vous pouvez demander des garde-fous du type :

• Accès strictement limité aux personnes qui en ont besoin pour la finalité annoncée, avec des droits d’accès documentés.
• Journalisation des accès (qui a consulté quoi, quand), et audit interne possible.
• Interdiction de diffusion des résultats IA dans des canaux non prévus, par exemple partage large dans des chats d’équipe ou export dans des fichiers locaux.
• Contrôle humain obligatoire avant toute décision qui vous touche, surtout si cela peut avoir un impact RH.

Sur le plan pratique, l’outil doit aussi être explicable. Sans entrer dans un débat technique, vous avez intérêt à obtenir une réponse sur la question suivante : un employé peut-il comprendre pourquoi un email a été signalé ou comment un résumé a été produit ? Si l’employeur ne peut pas l’expliquer, cela augmente le risque d’erreurs, de biais et de décisions injustes. Si vous cherchez un repère, JuriUp a aussi des contenus qui aident à comprendre comment le droit évolue face aux outils numériques et aux décisions judiciaires, par exemple avec notre analyse du cadre posé par le Tribunal fédéral dans un arrêt marquant. Le contexte est différent, mais la logique est la même, les droits prennent du sens quand ils sont appliqués à des situations concrètes.

4. Fixer une durée de conservation et des règles d’effacement

Une analyse IA produit souvent de nouvelles données, comme des tags, des profils, des catégories ou des alertes. Même si les emails d’origine existent déjà, les résultats dérivés peuvent devenir très sensibles. La demande la plus utile est simple : combien de temps conserve-t-on les emails analysés, et combien de temps conserve-t-on les résultats de l’IA ? Sans entrer dans des délais chiffrés, qui dépendent fortement du secteur et des obligations internes, vous pouvez exiger des règles de base :

• Durées de conservation définies par catégorie de données (emails, logs, tags IA, alertes).
• Effacement ou anonymisation au terme prévu, et pas une conservation indéfinie “au cas où”.
• Séparation entre les données nécessaires à un dossier concret (incident de sécurité, litige) et la masse des échanges ordinaires.
• Règles d’export et interdiction des copies sauvages sur des appareils privés ou des stockages non autorisés.

Enfin, si le projet vous inquiète parce qu’il ressemble à une surveillance au travail déguisée, ou si l’outil est utilisé dans un contexte de tension RH, il est préférable d’obtenir une analyse personnalisée. Les limites entre organisation du travail, sécurité, conformité et atteinte à la personnalité se jouent souvent dans les détails.