Le rapport IBM 2026 sur le coût des violations de données prouve que l’augmentation des coûts est due à l’absence de gouvernance de l’IA, et non à l’IA elle-même.

Chaque année, le même titre ressort de ce rapport : le coût moyen a augmenté, voici le chiffre, voici une citation expliquant que la cybersécurité n’a jamais été aussi importante. Ce titre est déjà dépassé dès sa publication, et cette année, il passe complètement à côté du vrai sujet.

IBM et le Ponemon Institute ont publié ce mois-ci le Rapport 2026 sur le coût d’une violation de données, la 21e édition d’une étude qui analyse l’économie des violations depuis 2005. Le coût moyen mondial d’une violation atteint 4,99 millions de dollars, soit une hausse de 12 % par rapport à l’an dernier, un nouveau record. Ce chiffre va dominer la plupart des analyses. Pourtant, ce n’est pas le plus important. Le chiffre qui compte est caché à la page 40 : 92 % des organisations ayant subi un incident de sécurité lié à l’IA n’avaient pas mis en place de contrôles d’accès adaptés à l’IA au moment des faits.

Lisez bien : pas « certaines » organisations. Pas « beaucoup ». Quatre-vingt-douze pour cent. Ces entreprises ont déjà vu un modèle ou une application d’IA compromis, et presque toutes n’avaient même pas mis en place de contrôle d’accès par rôle ou d’authentification multifactorielle. Ce n’est pas une histoire d’intelligence artificielle dangereuse. C’est une histoire de gouvernance absente lors du déploiement.

La plupart des commentaires sur ce rapport considèrent le risque lié à l’IA comme un problème futur, à anticiper avant qu’il ne devienne urgent. Les données racontent une tout autre histoire. Les attaques pilotées par l’IA ont augmenté de 56 % en un an. Les incidents de sécurité impliquant les propres modèles d’IA d’une organisation sont passés de 13 % à 21 % des violations — soit une hausse de 61 % en un seul cycle d’étude. Les incidents de shadow AI ont plus que doublé, passant de 20 % à 43 %. Ce n’est pas une prévision. C’est la réalité, à grande échelle, aujourd’hui, au sein des 602 organisations étudiées par Ponemon dans 17 secteurs et 16 pays entre mars 2025 et février 2026.

Résumé des points clés

1. Le coût mondial d’une violation atteint un record de 4,99 millions de dollars. Cela représente une hausse de 12 % par rapport à l’an dernier, effaçant la légère baisse de 2025 et poursuivant une tendance à la hausse depuis la pandémie.
2. L’adoption de l’IA sans gouvernance, et non l’IA elle-même, est le principal facteur de coût. Parmi les organisations ayant subi une violation liée à l’IA, 92 % n’avaient pas de contrôles d’accès adaptés à l’IA, et ces incidents coûtent en moyenne 5,33 millions de dollars contre 4,70 millions pour les violations sans IA.
3. Les incidents de shadow AI ont plus que doublé, touchant 43 % des organisations victimes d’une violation, contre 20 % l’an dernier, faisant grimper le coût moyen de 4,63 à 5,39 millions de dollars et entraînant des amendes réglementaires dans environ un cas sur cinq.
4. La gouvernance de l’IA recule au lieu de progresser. Seules 32 % des organisations victimes d’une violation disposent aujourd’hui de règles sur l’IA, contre 37 % l’an dernier, et seulement 19 % assurent la coordination entre gouvernance de l’IA et équipes de sécurité.
5. L’IA de sécurité et l’automatisation restent le moyen le plus efficace de réduire les coûts, permettant aux utilisateurs intensifs d’économiser 1,93 million de dollars par violation et de réduire le temps de confinement de 65 jours — mais seuls 36 % des organisations exploitent ces outils à grande échelle.

Le chiffre que tout le monde va ignorer

92 % sans contrôles d’accès adaptés à l’IA, ce n’est pas une marge d’erreur. C’est une faille structurelle qui se retrouve dans tous les types d’incidents liés à l’IA suivis dans le rapport. Les attaques par inversion de modèle, où un attaquant extrait des données sensibles en testant les sorties du modèle, coûtent en moyenne 6,07 millions de dollars par violation — soit 18 % au-dessus de la moyenne mondiale. Les incidents d’injection de prompt suivent de près avec 5,89 millions de dollars. Les erreurs de configuration cloud affectant les charges de travail IA coûtent 5,25 millions de dollars. Rien de tout cela n’est une attaque exotique sur le raisonnement du modèle. Ce sont les conséquences prévisibles de la connexion d’un système puissant à des données sensibles sans contrôles d’accès ni gestion des identités et des accès adaptés. Une violation confirmée liée à l’inversion de modèle ou à l’injection de prompt entraîne les mêmes obligations de notification sous HIPAA, RGPD ou cadres équivalents que toute autre violation — avec la difficulté supplémentaire qu’il est souvent plus complexe de reconstituer ce qu’un système d’IA a exposé que de retracer une intrusion classique.

Le rapport le confirme lui-même : « Les causes principales de ces incidents étaient souvent structurelles : compromission d’API connectées, applications et erreurs de configuration cloud, signes d’échec de la gouvernance — et non de risques liés au modèle. » IBM et Ponemon disent donc, noir sur blanc, que le modèle n’est que rarement le maillon faible. C’est tout ce qui l’entoure qui pose problème.

Cela compte, car le débat sur la sécurité de l’IA se concentre encore beaucoup sur le comportement du modèle — hallucinations, biais, jailbreaking — alors que les données montrent que l’exposition provient des failles DLP, des environnements cloud mal configurés et des API non sécurisées. La gouvernance des données IA n’est pas un simple ajout à un déploiement IA. C’est le déploiement lui-même. Un audit des risques qui recense précisément quelles API, configurations cloud et charges IA manquent actuellement de contrôles d’accès — plutôt qu’une évaluation du risque IA centrée sur le comportement du modèle — transforme le chiffre de 92 % de cette année d’une statistique abstraite en une liste de corrections prioritaires.

La shadow AI est la nouvelle shadow IT — avec des enjeux plus élevés

Il y a dix ans, les équipes de sécurité menaient une bataille perdue d’avance contre la shadow IT : des employés s’inscrivaient à des outils cloud sans autorisation, stockaient des données professionnelles sur Dropbox personnel, utilisaient des SaaS non validés. La plupart des organisations ont fini par mettre en place des programmes de visibilité et des CASB pour reprendre le contrôle. La shadow AI reproduit exactement ce schéma, sauf que les outils concernés peuvent ingérer, résumer et régénérer du contenu sensible d’une façon qu’aucun compte de partage de fichiers personnel ne permettait.

Le rapport révèle que les incidents de sécurité impliquant la shadow AI — des outils IA non approuvés adoptés par les collaborateurs — ont plus que doublé cette année, passant de 20 % à 43 % des organisations victimes d’une violation. Ces incidents coûtent plus cher que l’an dernier (5,39 millions de dollars contre 4,63 millions) et ont des conséquences qui dépassent la simple fuite de données : 49 % entraînent une perte ou compromission de données, 42 % provoquent une interruption opérationnelle, et 21 % aboutissent à une amende réglementaire.

Voici ce qui devrait alerter tous les responsables conformité : les incidents de shadow AI entraînent désormais des amendes dans environ un cas sur cinq. C’est un nouveau point de données cette année, et cela signifie que la shadow AI est passée d’un problème de contrôle interne à un risque réglementaire. Un collaborateur qui colle un dossier client dans un chatbot non validé pour rédiger une réponse plus vite ne commet plus seulement une infraction aux règles internes. C’est potentiellement un incident RGPD ou relevant d’une loi sur la confidentialité, avec un montant d’amende à la clé — et si le dossier contient des informations personnelles identifiables ou des informations médicales protégées, les obligations de notification aggravent encore le risque financier documenté dans le rapport.

La comparaison avec la shadow IT n’est valable que jusqu’à un certain point, et la différence est cruciale. La shadow IT signifiait généralement des données stockées là où elles ne devraient pas. La shadow AI signifie que les données sont activement traitées, transformées, parfois utilisées pour entraîner ou ajuster un modèle hors de tout contrôle. On ne peut pas toujours revenir en arrière avec une simple demande de suppression. C’est précisément ce vide que les approches zero trust pour l’IA générative et les cadres de gouvernance du risque IA cherchent à combler : appliquer l’exécution des règles au moment où le contenu passe d’un utilisateur à un système IA, plutôt que d’essayer de contrôler les usages a posteriori. La classification des données en amont, avant que le contenu n’atteigne un outil IA, est la condition préalable à ce contrôle — un moteur de règles ne peut pas bloquer un dossier client vers un chatbot non validé s’il n’a aucun moyen d’identifier ce dossier comme sensible dès le départ.

La gouvernance recule au lieu de progresser

Si la gouvernance de l’IA progressait, même lentement, les deux constats précédents ne seraient qu’un retard temporaire. Ce n’est pas le cas, car le rapport montre une régression. Seules 32 % des organisations victimes d’une violation disposent de règles IA cette année, contre 37 % l’an dernier. Les organisations sans aucune règle baissent aussi, de 41 % à 35 %, mais la part « en cours d’élaboration » bondit de 22 % à 33 %. Traduction : moins d’entreprises ont terminé le travail, et plus sont en train de le commencer… sans jamais finir.

Le manque de coordination est encore plus flagrant. Seules 19 % des organisations déclarent que leurs équipes gouvernance IA et sécurité collaborent réellement — une question posée pour la première fois cette année. Les chercheurs d’IBM sont clairs : « Ce manque de collaboration peut entraîner des angles morts, des conflits de règles et des temps de réponse plus longs en cas d’incident. » Gouvernance et sécurité qui avancent en parallèle, sans coordination, c’est exactement ce qui explique un taux d’échec de 92 % sur les contrôles d’accès, sans que personne ne s’en empare. Le tableau de bord RSSI offre aux deux équipes une vue unique, partagée et en temps réel des accès aux données pilotés par l’IA — comblant ainsi le fossé en veillant à ce que gouvernance et sécurité s’appuient sur les mêmes preuves plutôt que sur des reportings séparés et déconnectés.

Ce n’est pas parce que les organisations ne voient pas le risque. C’est parce que le déploiement de l’IA avance à la vitesse des équipes produit, tandis que la gouvernance avance à la vitesse des comités — et c’est dans cet écart que les coûts de violation s’accumulent. Les modèles d’IA de pointe cités tout au long du rapport — capables de détecter des vulnérabilités sur les principaux systèmes et navigateurs plus vite que les chercheurs humains — n’ont fait qu’élargir ce fossé. D’ici deux ans, des chercheurs de l’UC Berkeley estiment que l’IA favorisera les attaquants plutôt que les défenseurs à hauteur de 31,7 %. Une gouvernance conçue pour les menaces de l’an dernier est déjà dépassée.

L’IA défensive reste une réalité — mais elle est sous-exploitée

Tout cela n’est pas un plaidoyer contre l’usage de l’IA en entreprise, et il serait malhonnête de le présenter ainsi. Le même rapport montre que l’IA et l’automatisation offrent la plus forte réduction de coûts aux équipes de sécurité. Les organisations qui exploitent l’IA de sécurité et l’automatisation à grande échelle ramènent le coût moyen d’une violation à 4,00 millions de dollars, contre 5,93 millions pour celles qui n’utilisent pas ces outils — soit 1,93 million d’économies par violation. Les utilisateurs intensifs identifient et contiennent aussi les violations en 215 jours, soit 65 jours de moins que ceux qui n’utilisent pas ces outils.

Le problème, c’est l’adoption, pas l’efficacité. Seules 36 % des organisations utilisent l’IA de sécurité et l’automatisation à grande échelle, une légère hausse par rapport à 32 % l’an dernier. Leur usage se concentre sur la détection et la réponse ; la prévention reste à la traîne. Parmi la moitié des organisations victimes d’une violation qui utilisent des agents IA dans leur centre d’opérations de sécurité, 56 % s’en servent pour la chasse aux menaces et 54 % pour la réponse automatisée, mais seulement 18 % appliquent ces agents à la gestion et à l’analyse des vulnérabilités — précisément là où les modèles IA de pointe créent le plus d’exposition. Les organisations mobilisent leurs meilleurs outils pour le nettoyage, pas pour la prévention. Intégrer les signaux de chasse aux menaces et de réponse automatisée dans une plateforme SIEM unifiée donne aux centres d’opérations de sécurité la couche de corrélation nécessaire pour étendre la détection IA à l’analyse des vulnérabilités, un point faible identifié comme sous-exploité dans le rapport.

Toutes les conclusions sur la gouvernance et les contrôles d’accès de ce rapport convergent vers la même solution concrète : appliquer les principes de zero trust à l’IA comme on le fait depuis dix ans pour les réseaux et les identités. Vérification continue. Accès au strict nécessaire. Application des règles au moment de l’échange de données, et non après coup. Le contrôle d’accès basé sur les attributs (ABAC) — qui évalue la sensibilité du contenu, le rôle de l’utilisateur ou de l’agent et le contexte de la demande à chaque accès — est le mécanisme technique qui rend la vérification continue opérationnelle. Kiteworks a conçu sa fonction Compliant AI et son Secure MCP Server selon ce principe : gouverner les données auxquelles un système ou agent IA peut accéder, utiliser et échanger, avec la même rigueur que pour les utilisateurs humains, plutôt que d’ajouter des contrôles après la mise en production du modèle.

Où va le reste de l’argent

D’autres constats du rapport de cette année méritent l’attention, car ils montrent où les coûts se concentrent en dehors de l’IA. La santé reste pour la 13e année consécutive le secteur le plus coûteux, avec une moyenne de 6,64 millions de dollars par violation, même si ce chiffre baisse par rapport à 7,42 millions l’an dernier. Les services financiers évoluent à l’inverse, passant à 6,29 millions contre 5,56 millions, et les secteurs financier et énergétique représentent ensemble 62 % de toutes les violations liées à l’IA étudiées — une concentration qualifiée de risque systémique dans le rapport, car une perturbation dans l’un ou l’autre se répercute sur les finances des consommateurs, les systèmes économiques et les réseaux électriques.

Le phishing reste le vecteur d’attaque initial le plus coûteux pour la quatrième année consécutive, avec une moyenne de 5,29 millions de dollars, les attaques par voix et SMS représentant 17 % des cas. Les rançongiciels touchent désormais 39 % des organisations victimes, contre 34 % l’an dernier et une hausse de 62,5 % depuis 2023, et les attaquants exploitent de plus en plus la réputation de la marque en plus du chiffrement des données : 41 % des attaques par ransomware incluent désormais des menaces de divulgation publique et de fuite dans les médias, plus fréquentes que le chiffrement classique des systèmes opérationnels.

Côté réduction des coûts, l’approche DevSecOps est le facteur le plus efficace, abaissant la moyenne de 253 805 dollars. La mise en œuvre de IAM suit de près avec 225 622 dollars, et le chiffrement figure aussi parmi les meilleurs leviers avec 213 478 dollars. À l’inverse, les violations supply chain impliquant un partenaire compromis ajoutent en moyenne 227 250 dollars, le facteur d’augmentation de coût le plus élevé identifié — rappelant que la gestion des risques supply chain et la gestion des risques tiers restent des lignes budgétaires incontournables, même si elles sont peu valorisées.

Le chiffrement lui-même est encore loin d’être systématique, ce qui mérite réflexion vu son importance dans tous les cadres de conformité du secteur. Parmi les organisations victimes d’une violation, 53 % n’avaient pas chiffré les données sensibles au repos et en transit au moment de l’incident, et 10 % ignoraient si elles l’étaient. Seules 37 % pouvaient l’affirmer avec certitude. Ce n’est pas un problème d’IA ou de modèle de pointe. C’est un problème de base, que toute organisation peut résoudre sans attendre la fin des travaux d’un comité de gouvernance. Les données exposées dans cette catégorie incluent probablement de la propriété intellectuelle et des dossiers clients dont la perte a des conséquences bien au-delà du coût immédiat mesuré dans le rapport.

Le temps, la ligne budgétaire la plus coûteuse du rapport

Un autre fil rouge relie tous les constats précédents : le temps, c’est littéralement de l’argent. Les violations qui ont mis plus de 200 jours à être identifiées et contenues coûtent en moyenne 5,65 millions de dollars cette année, soit 12 % de plus que les 5,01 millions de l’an dernier. Celles résolues en moins de 200 jours coûtent en moyenne 4,32 millions — en hausse de 11 % sur un an, mais bien en dessous du groupe le plus lent. L’écart entre réponse rapide et lente s’est creusé, ce qui correspond à ce que montrent les données sur les attaques pilotées par l’IA : les attaquants raccourcissent leurs délais alors qu’une part significative des défenseurs ne suit pas le rythme.

La phase de rétablissement est plus encourageante, du moins en surface. 42 % des organisations victimes déclarent avoir totalement récupéré cette année, contre 35 % l’an dernier et seulement 12 % en 2024. Mais « récupération » signifie ici avoir rétabli les opérations, rempli les obligations de conformité et regagné la confiance des clients — et 58 % n’avaient pas atteint ce stade au moment de la collecte des données. Près d’une organisation sur cinq a eu besoin de plus de 150 jours pour se remettre totalement, en plus du temps déjà passé à identifier et contenir la violation. Additionnez ces chiffres, et le vrai coût d’un incident qui traîne ne se retrouve pas dans la moyenne en titre. Il se niche dans les mois d’opérations perturbées, de contrats reportés et de perte de clients qu’aucun montant ne peut vraiment quantifier.

Les organisations qui identifient les violations le plus vite ne comptent pas sur l’externe pour le faire. Les équipes IT et sécurité internes ont identifié 38 % des violations cette année — plus que toute autre source — et l’ont fait en 209 jours en moyenne, soit 15 % plus vite que la moyenne mondiale. C’est l’argument le plus fort du rapport pour investir dans la détection interne plutôt que de tout externaliser en matière de réponse aux incidents.

Qu’est-ce qui change maintenant ?

Les recommandations d’IBM s’alignent sur ce que montrent les données depuis deux ans : passer à une vérification continue et en temps réel des identités plutôt qu’une validation ponctuelle ; étendre cette vérification aux identités non humaines, car seules 46 % des organisations sécurisent actuellement les identités machines sur lesquelles reposent leurs flux IA ; et considérer la souveraineté IA — contrôle sur l’emplacement d’exécution, le traitement des données et les accès — comme une exigence de sécurité, pas une préférence philosophique.

85 % des organisations déclarent désormais vouloir augmenter leurs dépenses de sécurité spécifiquement à cause des nouveaux risques liés aux modèles IA de pointe, contre 64 % avant d’en mesurer l’ampleur. C’est la bonne réaction, mais tardive. Les organisations qui s’en sortiront le mieux dans le rapport de l’an prochain ne seront pas celles qui auront le plus dépensé. Ce seront celles qui auront comblé l’écart entre déploiement IA et gouvernance, avant que l’incident ne les y oblige. Si votre organisation traite encore la gouvernance des données et le déploiement IA comme deux chantiers séparés, ce rapport plaide pour les fusionner, et l’échange sécurisé de données Kiteworks est conçu pour faire appliquer cette gouvernance au point de contact entre humains et agents IA sur le contenu sensible. Le panneau de contrôle des données Kiteworks unifie cette application sur la messagerie, le partage, le transfert de fichiers et les connexions aux systèmes IA, pour que le même standard de contrôle d’accès et d’audit s’applique partout où circule du contenu sensible.

Pour en savoir plus sur la gouvernance des accès, usages et échanges des systèmes et agents IA, réservez votre démo sans attendre.

Ressources complémentaires

• Article de blog
  Stratégies Zero Trust pour une protection abordable de la vie privée avec l’IA
• Article de blog
  Comment 77 % des organisations échouent à sécuriser les données IA
• eBook
  Fossé de gouvernance IA : pourquoi 91 % des petites entreprises jouent à la roulette russe avec la sécurité des données en 2025
• Article de blog
  Il n’existe pas de « –dangerously-skip-permissions » pour vos données
• Article de blog
  Les régulateurs ne se contentent plus de demander si vous avez une politique IA. Ils veulent des preuves de son efficacité.