Guide pratique

Classification de données : définition, niveaux et méthode pour bien classer

Classification de données : définition, niveaux et méthode pour bien classer
Technologie 21 novembre 2026 Kévin Da Silva 8 min

La classification de données est une méthode qui range les informations d’une organisation par niveau de sensibilité (public, interne, confidentiel, secret). Chaque niveau déclenche des règles précises : qui peut lire, partager, stocker ou supprimer le fichier. Elle sert à protéger ce qui est critique sans alourdir le traitement de ce qui ne l’est pas.

Dans une entreprise, une association ou même un cabinet de deux personnes, tous les fichiers n’ont pas la même valeur. Une plaquette commerciale peut circuler librement, un contrat client ou une liste de salariés beaucoup moins. La classification de données consiste à poser une étiquette sur chaque ensemble d’informations, puis à appliquer les protections correspondantes. Ce guide explique la définition, les niveaux usuels, une méthode en étapes, le choix des outils et les erreurs qui font échouer la démarche.

Définition de la classification de données en langage simple

Classer des données, c’est les catégoriser selon leur contenu, leur origine et l’impact d’une fuite, d’une altération ou d’une perte. Les anglophones parlent de data classification. Le résultat est une règle de gestion : un document étiqueté « confidentiel » ne se partage pas comme un document « public ».

Cette démarche répond à trois besoins concrets. D’abord la sécurité : concentrer les efforts sur les informations qui comptent. Ensuite la conformité : savoir où se trouvent les données personnelles pour respecter le RGPD. Enfin l’efficacité : retrouver plus vite une information et ne plus conserver indéfiniment des fichiers inutiles.

Il ne faut pas confondre classification et simple rangement. Un dossier « Comptabilité 2024 » organise l’information par thème, alors qu’une classification décrit son niveau de risque, quel que soit le dossier où elle se trouve.

Les quatre niveaux de sensibilité les plus utilisés

Chaque organisation adapte sa grille, mais un schéma à quatre niveaux revient presque partout, car il reste lisible pour des utilisateurs non spécialistes.

Niveau Exemples Règle type
Public Site web, communiqués, catalogues Diffusion libre, aucune restriction
Interne Notes de service, organigrammes, procédures Réservé aux collaborateurs, pas de diffusion externe
Confidentiel Contrats, données clients, paie, données personnelles Accès nominatif, chiffrement, traçabilité
Secret ou critique Brevets en cours, stratégie, secrets de fabrication Cercle très restreint, journalisation, stockage cloisonné

Quatre niveaux suffisent dans la grande majorité des cas. Au-delà, les utilisateurs hésitent, se trompent et finissent par tout classer au même niveau pour aller plus vite.

Sur quels critères décider du niveau : confidentialité, intégrité, disponibilité

Pour attribuer un niveau, on évalue ce qui se passerait en cas d’incident, selon trois axes classiques de la sécurité de l’information.

  • Confidentialité : que se passe-t-il si une personne non autorisée lit la donnée ? Pour une fiche salariale, l’impact est fort. Pour une brochure, il est nul.
  • Intégrité : que se passe-t-il si la donnée est modifiée sans qu’on le sache ? Un tarif ou un dosage falsifié peut coûter très cher.
  • Disponibilité : que se passe-t-il si la donnée est inaccessible pendant une heure, un jour, une semaine ? Pour un planning de production, la réponse est vite critique.

Le niveau retenu correspond généralement au plus exigeant des trois axes. Une donnée peu confidentielle mais vitale pour l’activité mérite quand même une protection renforcée côté sauvegarde et disponibilité.

Mettre en place une classification de données pas à pas

La démarche tient en six étapes, qu’on peut mener en quelques semaines pour une petite structure.

  1. Fixer le périmètre. Commencez par un service ou un type de données, par exemple les ressources humaines ou la relation client, plutôt que l’entreprise entière.
  2. Inventorier les données. Listez les bases, les serveurs, les messageries, les espaces cloud et les fichiers locaux. Les exports tabulaires sont souvent oubliés : un guide pour Transformer un fichier CSV en Excel rappelle que ces fichiers circulent facilement et contiennent parfois des colonnes sensibles.
  3. Définir la grille. Retenez trois à quatre niveaux, avec pour chacun une définition d’une phrase et deux ou trois exemples tirés de votre activité.
  4. Désigner des responsables. Chaque ensemble de données a un propriétaire métier, qui décide du niveau, et un gardien technique, qui applique les protections.
  5. Étiqueter. Marquez les documents, les bases et les dossiers selon la grille, en commençant par les plus sensibles.
  6. Relier chaque niveau à des mesures. Chiffrement, droits d’accès, durée de conservation, règles de partage externe, sauvegarde.

Une fois le dispositif lancé, planifiez une revue annuelle. Les données changent de statut : un projet confidentiel devient public après son lancement, un ancien dossier client doit être archivé ou supprimé après la durée légale.

Étiquetage manuel, automatique ou mixte : quel outil choisir

Trois approches coexistent. L’étiquetage manuel laisse l’auteur du document choisir le niveau. Il est simple et gratuit, mais dépend de la discipline de chacun. L’étiquetage automatique s’appuie sur des analyseurs de fichiers qui repèrent des motifs (numéros de sécurité sociale, IBAN, mots clés) et sur des règles de traitement des données pour proposer ou imposer un niveau. Le mode mixte combine les deux : la machine suggère, l’utilisateur confirme.

Pour des volumes importants, l’automatisation devient quasi indispensable, car personne ne relit des millions de fichiers. Le sujet rejoint celui de la manière dont Comment l’automatisation transforme le traitement des documents au quotidien : extraction, tri et routage deviennent automatiques, la classification en étant une brique naturelle. Les assistants à base d’IA entrent aussi dans le paysage. Des agents comme Limova illustrent cette tendance, avec la question de savoir quelles données on leur confie et à quel niveau de sensibilité.

Quel que soit l’outil, vérifiez trois points avant de vous engager : la précision sur vos types de documents réels, la possibilité de corriger les erreurs de classement, et l’endroit où l’analyse s’effectue, surtout si le contenu quitte votre infrastructure.

Cas particuliers : données personnelles, défense et archives

Les données personnelles forment une catégorie à part. Le RGPD impose de savoir ce qu’on collecte, pourquoi et combien de temps on le garde. Les données dites sensibles au sens du règlement (santé, opinions, origine) appellent un niveau élevé par défaut. Les outils qui revendiquent une approche centrée sur la vie privée, comme l’analyse consacrée à Lumo 2.0 par Proton, montrent à quel point le traitement des données personnelles est devenu un critère de choix.

Dans le secteur de la défense, la classification est encadrée par des textes officiels : mentions comme diffusion restreinte, confidentiel ou secret, habilitations des personnes et règles de stockage strictes. Une entreprise sous-traitante n’invente pas sa grille, elle applique celle de son donneur d’ordre et de la réglementation.

Enfin, les archives obéissent à des durées de conservation légales. Une donnée peut rester confidentielle tout en devant être détruite à échéance. Dernière précision sur le vocabulaire : le sigle COD désigne en grammaire le complément d’objet direct et n’a aucun rapport avec les niveaux de sensibilité étudiés ici.

Erreurs fréquentes en classification de données

  • Une grille trop fine. Sept niveaux dont personne ne se souvient valent moins que trois niveaux bien compris.
  • Tout classer « confidentiel » par prudence. Le niveau perd son sens, les utilisateurs contournent les règles et les vraies données critiques se noient dans la masse.
  • Oublier les données non structurées. Pièces jointes, captures d’écran, exports et messageries contiennent souvent plus d’informations sensibles que les bases officielles.
  • Ne pas former les équipes. Une grille qui reste dans un document PDF n’est pas appliquée. Quinze minutes de sensibilisation avec des exemples réels changent beaucoup de choses.
  • Classer une fois pour toutes. Sans revue périodique, les étiquettes deviennent fausses et les droits d’accès s’accumulent.
  • Lier le niveau à aucune mesure. Une étiquette sans règle associée ne protège rien.

Le meilleur indicateur de réussite reste simple : un collaborateur doit pouvoir, en dix secondes, savoir comment traiter un document qu’il vient de recevoir.

Quelques réponses pratiques sur la classification de données

Une petite entreprise a-t-elle vraiment besoin de classer ses données ?

Oui, à une échelle adaptée. Même avec dix personnes, vous manipulez des données clients, des factures et des contrats. Une grille à trois niveaux et quelques règles de partage suffisent pour réduire les risques et préparer un éventuel contrôle RGPD.

Combien de niveaux de classification faut-il prévoir ?

Trois ou quatre niveaux couvrent la plupart des besoins. Plus la grille est détaillée, plus les erreurs de classement augmentent. Ajoutez un niveau seulement si une règle de protection réellement différente lui correspond.

La classification de données est-elle obligatoire par la loi ?

Aucune loi générale n’impose une grille unique, mais plusieurs cadres la rendent pratiquement nécessaire : le RGPD exige de connaître et protéger les données personnelles, et certains secteurs réglementés (défense, santé, finance) imposent des règles propres. En cas de doute, rapprochez-vous de votre délégué à la protection des données ou d’un juriste.

Quelle différence entre classification et chiffrement ?

La classification décide du niveau de protection nécessaire, alors que le chiffrement est l’une des mesures qui l’appliquent. Les deux sont complémentaires : on chiffre en priorité ce qui a été classé confidentiel ou secret.

Peut-on automatiser entièrement le classement des fichiers ?

C’est possible pour les contenus faciles à repérer, comme les numéros de carte ou les identifiants. Pour les documents ambigus, une validation humaine reste utile, au moins au démarrage, afin d’ajuster les règles et limiter les faux positifs.