Multa da CNIL à Fnac Darty: telemetria de recomendação como cookies

O banner de consentimento em um app de compras não está ali como decoração, embora muitas equipes de produto o tenham tratado como uma espécie de planta ornamental jurídica. No caso Fnac Darty, a CNIL diz que os usuários não haviam consentido com um rastreador que ainda coletava o histórico de navegação para recomendações de produtos e treinamento de algoritmos. Essa é a parte útil da sanção, e a parte para a qual aponta o enquadramento focado em rastreadores da Leto.legal: a telemetria de recomendadores pode parecer rastreamento por cookies para um regulador, mesmo quando vive dentro de um aplicativo móvel.

Esta não é uma história sobre se cookies são regulados. Essa pergunta foi respondida há muito tempo, geralmente por um banner que consegue irritar todo mundo na mesma medida. A lição mais precisa é que sinais comportamentais usados para recomendações e melhoria de modelos não viram magicamente dados operacionais só porque a equipe de ML gostaria que fossem. Se o app registra o que alguém visualizou e usa isso para personalizar o que aparece em seguida, a análise de consentimento começa antes de o SDK ser lançado.

O que a CNIL realmente sancionou

Segundo a CNIL, em 22 de outubro de 2026 ela multou a FNAC DARTY PARTICIPATIONS ET SERVICES e a FNAC DIRECT em 7 milhões de euros por não seguirem as regras francesas sobre cookies e dispositivos de rastreamento. A NOYB diz que a multa veio após sua reclamação apresentada em 2023, e a CNIL diz que inspecionou o aplicativo móvel das empresas em março de 2024. A CNIL dividiu a penalidade em 6 milhões de euros para a FNAC DARTY PARTICIPATIONS e 1 milhão de euros para a FNAC DIRECT.

@title Da reclamação à multa
@source Cookies and mobile application
@source noyb win

  2023 ····· NOYB complaint
  March 2024 ····· CNIL inspection
  22 October 2026 ····· CNIL fine

@caption O caminho da fiscalização foi de uma reclamação da NOYB à inspeção e à sanção da CNIL.

A descrição da CNIL importa porque é específica sobre a finalidade. A autoridade diz que o rastreador coletava o histórico de navegação dos usuários para mostrar recomendações de produtos e para treinar o algoritmo de recomendação. Na linguagem dos reguladores, isso não é um resíduo de fundo de uma sessão no app. É coleta de dados para personalização e melhoria de modelo, exatamente o tipo de finalidade que deveria fazer um gerenciador de consentimento parecer menos ornamental.

Por que dados de recomendação são o problema de conformidade

A CNIL constatou que o aplicativo móvel usava um rastreador sem consentimento do usuário, e que o rastreador permitia produtos personalizados com base no histórico de navegação, segundo o comunicado da autoridade. Os exemplos dados pela CNIL são mecânicas comuns do varejo: produtos semelhantes, produtos complementares e recomendações derivadas do que o usuário havia visualizado. Comum não é o mesmo que isento. A lei não fica entediada só porque o recurso aparece em todo roadmap de comércio eletrônico.

O relato da NOYB acrescenta a dimensão de terceiros, dizendo que os apps acessavam e compartilhavam dados pessoais com terceiros para analytics quando os apps eram abertos. Isso não significa que todo sistema de recomendação seja ilegal, e o LinkedIn sobreviverá sem essa afirmação. Significa, sim, que os desenvolvedores devem parar de tratar a telemetria de recomendação como uma categoria privada de engenharia e começar a tratá-la como uma finalidade de tratamento rastreada. Se uma recusa ao rastreamento não interrompe o fluxo de eventos que alimenta a personalização, o botão de consentimento é teatro.

As obrigações simples para quem desenvolve

A leitura prática do comunicado da CNIL é simples o suficiente para caber em um documento de requisitos de produto, o que significa que há pouca desculpa para escondê-la na revisão jurídica ao final. Se o histórico de navegação é coletado para personalizar recomendações, registre essa finalidade explicitamente e decida se o consentimento é necessário antes de a coleta começar. Se os mesmos dados treinam o algoritmo de recomendação, trate o treinamento como um uso separado que deve ser divulgado e controlado, não como uma nota de rodapé dentro de analytics. Se um terceiro recebe os dados, a revisão de fornecedores precisa cobrir o rastreador, as finalidades e o que acontece quando um usuário recusa o consentimento.

A CNIL também diz que as empresas enfrentam uma multa diária de 10.000 euros por cada dia de atraso se não cumprirem a ordem descrita no aviso de sanção. Esse é o gancho de fiscalização que as equipes de produto deveriam notar. Um regulador não apenas reclamou que o texto do banner estava desorganizado. Ele se opôs ao fato de o app continuar usando um rastreador para recomendações baseadas em navegação e treinamento depois que os usuários não haviam consentido.

Onde isso deixa as equipes de produto e ML

Segundo a NOYB, a Fnac Darty atua além da França, incluindo Espanha, Itália, Portugal, Bélgica e Suíça. Essa presença geográfica é um lembrete de que escolhas de rastreamento em aplicativos móveis raramente permanecem locais para grupos que operam além das fronteiras. Um recurso de recomendação criado uma vez pode se tornar um problema de consentimento em vários mercados se o fluxo de dados for reutilizado sem uma revisão específica por jurisdição. Quem desenvolve fica com o trabalho pouco glamouroso: mapear eventos, finalidades, destinatários, estados de consentimento e usos de treinamento de modelo antes do lançamento.

A tarefa daqui para frente não é apagar a personalização. É tornar a telemetria de recomendadores previsivelmente governável: nenhuma coleta antes de o estado de consentimento ser conhecido, nenhuma finalidade de treinamento escondida sob analytics, e nenhum endpoint de fornecedor que continue recebendo histórico de navegação após a recusa. Observe se a CNIL e outros reguladores europeus aplicam o mesmo raciocínio a mais sistemas de personalização baseados em apps. Se aplicarem, a fronteira de conformidade para mecanismos de recomendação será desenhada menos pela arquitetura do modelo e mais pela pergunta humilde que todo advogado de privacidade faz primeiro: quais dados se moveram, por quê e com a permissão de quem.