Votre filtre à spam ne lit pas vos e-mails. Il en compte les indices.

Google bloque près de 15 milliards de messages indésirables par jour, et il le fait sans rien que vous reconnaîtriez comme une lecture. Aucun modèle n'est assis là à prononcer les paroles du rappel de votre dentiste. Cette image mentale — un fouineur numérique penché sur votre boîte de réception, absorbant vos secrets — est la peur que la plupart des gens portent, et elle vise la mauvaise cible.

Voici ce qui se passe vraiment. Quand un e-mail atteint un filtre, le système ne commence pas par votre prose. Il commence par l'enveloppe. Qui a envoyé ceci, et le serveur d'envoi a-t-il vraiment la permission d'utiliser ce domaine ? C'est SPF, DKIM et DMARC — trois vérifications qui confirment si « billing@yourbank.com » provient de l'infrastructure de votre banque ou d'un serveur loué au sous-sol de quelqu'un. Un arnaqueur peut copier un logo parfaitement et échouer quand même DKIM, et cette seule non-concordance cryptographique dit plus au filtre que n'importe quelle phrase du corps du message.

Puis viennent les signaux moins coûteux. Réputation de l'expéditeur : cette adresse IP a-t-elle blastée des millions de messages identiques ? Analyse des liens : le bouton « cliquez ici » pointe-t-il vers un endroit que le texte visible n'admet pas ? Âge de l'URL, chaînes de redirection, types de pièces jointes. La plupart d'un verdict de spam est réglée avant même que le modèle réfléchisse sérieusement au langage.

Quand le langage intervient, ce n'est pas la compréhension — c'est des maths. Les anciens filtres utilisaient des classificateurs bayésiens, l'approche que Paul Graham a popularisée dans son essai de 2002 « A Plan for Spam », qui notait les messages sur la probabilité que certains mots apparaissaient dans le spam par rapport au courrier réel. Le mot « Viagra » portait un chiffre. Les systèmes modernes vont plus loin avec des modèles basés sur transformer qui convertissent le texte en embeddings — de longues listes de chiffres qui capturent le sens sans stocker le sens sous forme de mots. Pour le classificateur, votre e-mail n'est pas une histoire. C'est un point dans un espace de haute dimension, et la question est de savoir si ce point se situe près de la grappe étiquetée « hameçonnage ».

Cette distinction importe, parce que « l'IA voit mes paroles » et « l'IA convertit mes paroles en vecteur et les compare à un motif de fraude » ne sont pas le même événement de confidentialité. L'une semble de l'écoute clandestine. L'autre est plus proche d'un détecteur de métaux : il réagit à une signature, pas à une confession.

Donc la vraie question n'est pas si un modèle touche votre texte. Bien sûr qu'il le fait — c'est le travail. La question est double, et c'est vers elle que vous devriez vraiment pointer vos soupçons. D'abord : la rétention. Le contenu est-il stocké, et pour combien de temps ? La politique d'API d'OpenAI, par exemple, stipule qu'elle n'utilise pas les données API commerciales pour entraîner ses modèles et les conserve pendant une fenêtre limitée avant suppression. Anthropic publie des conditions commerciales similaires. Ce sont ces politiques qui valent la peine d'être lues, pas des assurances sur la façon dont un logo semble « privé ».

Deuxièmement : où se produit l'inférence. Un filtre exécutant la classification à l'intérieur des propres murs de votre fournisseur est un profil de risque différent du texte envoyé à un modèle tiers dont vous n'avez jamais entendu parler. « Sur l'appareil ou en-tenant » par rapport à « envoyé ailleurs » est la bifurcation de confidentialité qui décide qui pourrait, en théorie, jamais voir quoi que ce soit.

C'est aussi pourquoi la panique « il scanne tout » se retourne contre vous. Les systèmes qui scannent tout sont ceux qui vous protègent — les classificateurs bloquant la fausse facture et la page de connexion contrefaite. Le scanning dangereux est celui qui est silencieux : le pixel de suivi dans une infolettre qui envoie un ping à un serveur au moment même où vous l'ouvrez, enregistrant votre IP et le moment où vous l'avez lu. C'est un vrai fouineur, et ce n'est pas le filtre à spam.

Inquiétez-vous de la rétention. Inquiétez-vous de la destination. Le modèle lisant vos paroles pour des indices est le moindre mal.