Le plus grand risque lié à l’IA porte un badge d’employé
Le risque lié à l’IA qui inquiète le plus les professionnels de la sécurité n’est pas un hacker avec une astuce de prompt. C’est un collègue avec une échéance, un badge, et un onglet de navigateur ouvert sur un chatbot.
C’est la principale conclusion d’une enquête O’Reilly menée en septembre 2026 auprès de 209 professionnels impliqués dans la sécurité. Quarante-neuf pour cent citent la fuite de données sensibles via des outils d’IA commerciaux comme principale préoccupation. Quarante-neuf pour cent évoquent la confiance excessive accordée aux résultats de l’IA sans vérification. L’injection de prompt, pourtant omniprésente lors des conférences, n’est citée que par 11 %.
Ces chiffres révèlent un écart entre la rédaction d’une politique et le contrôle effectif des données. La plupart des organisations disposent d’une politique IA. Bien moins nombreuses sont celles capables de prouver que cette politique modifie réellement les pratiques lorsque quelqu’un colle un contrat, un fichier client ou du code source dans un outil d’IA. Cet article détaille les résultats de l’enquête, explique pourquoi une politique ne suffit pas à combler cet écart, et ce qui change lorsque l’accès de l’IA aux données sensibles passe par un control plane pour l’échange sécurisé de données avec application des règles et journal d’audit unifié, le modèle de Kiteworks Compliant AI et du Kiteworks Secure MCP Server.
Résumé de l’enquête
1. La principale inquiétude liée à l’IA est interne.
Dans l’enquête O’Reilly, 49 % citent la fuite de données via des outils d’IA commerciaux, et autant la confiance excessive dans les résultats non vérifiés de l’IA. L’injection de prompt n’atteint que 11 %.
2. Une politique n’est pas un contrôle.
Soixante-douze pour cent disposent d’une politique d’utilisation de l’IA, mais seulement 44 % la jugent aboutie, et l’IA fantôme est signalée par 35 % des répondants ayant une politique basique contre 17 % avec une politique aboutie.
3. L’IA fantôme est un signal de perception, pas un taux de fuite.
Cinquante-neuf pour cent pensent que leurs collègues utilisent l’IA en dehors des règles au moins occasionnellement. Validez cette perception avec vos propres données avant de la présenter comme exposition mesurée.
4. Les agents ajoutent un problème d’identité à un problème de comportement.
Les répondants s’inquiètent des autorisations excessives ou d’une propriété floue (28 %), d’un manque de surveillance et d’auditabilité (19 %), et de l’impossibilité de vérifier qu’un agent reste dans son rôle (18 %).
5. Faites appliquer la politique là où résident les données.
Faire transiter l’accès IA aux données sensibles par un control plane permet d’authentifier l’identité, d’appliquer la politique à chaque requête, et de générer un journal d’audit infalsifiable.
Ce que l’enquête O’Reilly a mesuré
O’Reilly a mené l’enquête en septembre 2026 et analysé les réponses de 209 professionnels de la sécurité. Deux points de vigilance avant toute citation. Les répondants sont auto-sélectionnés et l’échantillon est réduit, les résultats reflètent donc le sentiment d’exposition des professionnels, pas la fréquence réelle des incidents.
Le second point concerne l’IA fantôme. O’Reilly la définit comme l’utilisation d’outils d’IA en dehors de toute politique claire. Le chiffre de 59 % (36 % occasionnel, 23 % généralisé) correspond à la part de répondants qui pensent que leurs collègues agissent ainsi. Il s’agit d’une perception des comportements, pas d’un taux mesuré de fuite de données sensibles. Présentez-le ainsi dans vos rapports.
Malgré ces limites, le classement reste instructif. Face à des risques exotiques ou ordinaires, les professionnels de la sécurité craignent avant tout le quotidien : un employé ordinaire utilisant un outil très performant.
Vous pensez que votre organisation est sécurisée. Mais pouvez-vous le prouver ?
Pour en savoir plus :
Une politique sur le papier ne change pas les comportements
Soixante-douze pour cent des répondants O’Reilly affirment que leur organisation possède une politique d’utilisation de l’IA. Seuls 44 % la jugent aboutie. Cette différence se reflète dans les comportements. Les répondants avec une politique aboutie signalent une IA fantôme généralisée à 17 %. Ceux avec une politique basique à 35 %, et ceux sans politique à 37 %.
Lisez bien : les politiques abouties s’accompagnent de moins d’IA fantôme, ce qui est positif pour ceux qui ont investi dans leur rédaction. Mais 17 %, c’est encore près d’une organisation sur cinq où l’utilisation hors cadre reste généralisée, même avec la meilleure documentation.
Une autre enquête révèle la même tendance côté audit. Schellman a interrogé 525 professionnels américains de grandes entreprises : 64 % déclarent disposer d’une politique formelle d’utilisation acceptable de l’IA, communiquée aux collaborateurs. Soixante-quatorze pour cent pensent pouvoir réussir un audit de conformité IA aujourd’hui. Seuls 27 % estiment leur programme de gouvernance totalement mature, et 44 % disposent de procédures de réponse aux incidents spécifiques à l’IA. Schellman vend des évaluations IA et son échantillon diffère de celui d’O’Reilly, ne cumulez donc pas les chiffres. Comparez-les.
L’écart entre « nous avons une politique » et « nous pouvons prouver son efficacité » expose les responsables conformité. Un auditeur, un régulateur ou un avocat ne demandera pas si la politique existe, mais exigera des preuves sur le traitement de données précises à une date donnée. Le Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report illustre la réaction des organisations face à cet écart. Sur 459 professionnels interrogés, 65 % ont découvert des employés utilisant des outils IA non approuvés avec des données de l’organisation au cours des 12 derniers mois, et seuls 28 % environ disposaient d’une prévention des pertes de données spécifique à l’IA. La réponse la plus courante a été la mise à jour des directives. Moins de la moitié de ceux ayant détecté de l’IA fantôme ont déployé des contrôles techniques. Tous les résultats sont auto-déclarés, la découverte dépend autant de la capacité de détection que de la prévalence réelle.
La télémétrie va dans le même sens
La perception, c’est une chose. Que disent les logs ? Le Verizon 2026 Data Breach Investigations Report indique que 45 % des employés utilisent régulièrement l’IA sur des appareils professionnels, contre 15 % l’année précédente. Parmi eux, 67 % accèdent aux services IA via des comptes non professionnels. Il s’agit ici de données d’incidents, pas d’une enquête, et cela concerne les comptes, pas l’intention. Cela montre néanmoins la réalité de l’IA fantôme : les données partent vers un compte que l’organisation ne contrôle ni ne journalise.
Les employés tiennent le même discours sur eux-mêmes. Dans le rapport National Cybersecurity Alliance et CybSafe, 32 % des utilisateurs d’IA au travail reconnaissent avoir partagé des informations sensibles de l’entreprise avec des outils IA à l’insu de leur employeur. L’échantillon porte sur 5 000 adultes aux États-Unis, au Royaume-Uni, en Inde, au Brésil et à Singapour, réponses auto-déclarées. Croisez les données de perception d’O’Reilly, les auto-déclarations NCA et la télémétrie Verizon, le constat reste le même : l’IA est utilisée au travail, souvent hors des comptes autorisés, et les organisations disposent de peu de preuves sur ce qui y transite.
Les agents transforment un problème employé en problème d’identité
O’Reilly a aussi interrogé sur les agents IA. Les principales inquiétudes concernent les autorisations excessives ou la propriété floue (28 %), le manque de surveillance ou d’auditabilité (19 %), et l’impossibilité de vérifier qu’un agent reste dans son rôle autorisé (18 %). Aucune de ces préoccupations ne porte sur le modèle, mais sur l’identité, l’autorisation et la traçabilité.
Les pratiques de gouvernance n’ont pas suivi. Dans l’enquête Schellman, seuls 22 % disposent de seuils définis déclenchant une revue humaine des actions des agents. Trente-huit pour cent ne contrôlent que les actions à haut risque, et 32 % toutes les actions.
La leçon pratique : les agents ne constituent pas une catégorie de risque à part. Ils représentent une nouvelle classe d’identités agissant sur les données, nécessitant la même rigueur de gouvernance que les personnes qui les déploient. Un agent doit avoir un propriétaire humain identifié, des autorisations limitées à la tâche, et une traçabilité équivalente à celle d’un employé. La question reste la même pour tous : qui a accédé à quoi, selon quelle politique, avec quel résultat ?
Ce qui change quand l’accès IA passe par un control plane
Puisque les employés utiliseront l’IA quoi qu’il arrive, la meilleure option consiste à leur proposer une voie approuvée, plus simple que la non approuvée, et qui laisse des traces. C’est le principe du passage par un control plane.
Kiteworks Compliant AI régit l’accès des agents IA aux données réglementées au niveau des données, indépendamment du modèle, du prompt ou du framework agent. Chaque requête franchit quatre étapes : la plateforme authentifie l’identité via OAuth 2.0, applique une politique d’accès basé sur les attributs, protège les données avec un chiffrement validé FIPS 140-3, et consigne des logs d’audit infalsifiables transmis à un SIEM. Le Kiteworks Secure MCP Server applique la même logique aux connexions Model Context Protocol. Il relie des clients LLM comme Claude et Copilot aux données stockées dans Kiteworks, évalue chaque requête selon des règles basées sur les rôles et les attributs, et ne retourne que ce qu’autorise la politique. La plateforme autorise et journalise chaque opération dans le control plane pour l’échange sécurisé de données.
La logique du niveau données est simple : un prompt système ou un filtre de sécurité côté modèle peut être contourné par un utilisateur déterminé ou simplement créatif, d’où la position de Kiteworks qui fait appliquer la politique là où résident les données. Une décision d’accès prise au niveau des données ne dépend pas de ce que le modèle a reçu comme instruction. Le Data Policy Engine évalue l’utilisateur, la donnée et l’action à chaque requête, et les mêmes principes de zero trust data exchange s’appliquent, qu’il s’agisse d’une personne ou d’un agent. Pour une vision plus large, consultez le guide de gouvernance des données IA et le guide zero trust et IA générative.
La traçabilité constitue le second avantage. Selon le Kiteworks 2026 Annual Survey Report, seules 27 % des organisations peuvent produire un audit IA complet en une journée ouvrée, et 17 % en une heure. C’est la même faiblesse qui inquiète 19 % des répondants O’Reilly sur la surveillance et l’auditabilité. Un journal d’audit unifié couvrant personnes, systèmes et agents IA (e-mail, partage de fichiers, API, intégrations IA) transforme le « nous pensons » en « voici la preuve ».
Une limite doit être clairement posée : faire passer l’IA par un control plane régit les données sensibles qui y résident et les accès IA qui y transitent. Cela n’empêche pas un employé de coller du texte dans un chatbot grand public via un navigateur. Cette exposition nécessite une prévention des pertes de données adaptée aux outils IA, des contrôles sur les endpoints et navigateurs, ainsi que de la formation. Les programmes les plus robustes combinent une voie approuvée et gouvernée avec des contrôles sur les usages non approuvés.
Un plan d’action concret sur 90 jours pour les RSSI et responsables conformité
Les responsables sécurité et conformité peuvent passer à l’action sans attendre un nouveau cycle budgétaire. Commencez par ces six mesures :
- Mesurez avant de croire. Remplacez la perception par la télémétrie. Comptez l’utilisation des outils IA par type de compte, classe de données et département.
- Associez chaque clause de politique à un contrôle et une source de preuve. Si une règle interdit de saisir des données clients dans des outils non approuvés, nommez le contrôle qui l’impose et le log qui l’atteste. Une bonne gouvernance des données fonctionne ainsi.
- Construisez d’abord la voie approuvée. Offrez aux employés un accès IA aux données dont ils ont légitimement besoin, avec des contrôles d’accès qui suivent la donnée.
- Enregistrez les agents comme des identités. Chaque agent doit avoir un propriétaire humain nommé, des autorisations limitées, et une procédure de révocation. Contrôlez ses actions avec la même fréquence qu’un utilisateur privilégié.
- Entraînez-vous à la demande d’audit. Choisissez une journée du mois dernier et tentez de produire un relevé complet de chaque interaction IA avec des données sensibles. Chronométrez-vous. Comparez le résultat avec les références de 27 % et 17 % ci-dessus.
- Faites des rapports sourcés. Indiquez au board pour chaque chiffre l’enquête, l’échantillon et la question d’origine, et proposez aux décideurs une vue unique via le tableau de bord RSSI sur l’accès IA tous canaux confondus.
Le badge employé n’est pas près de disparaître, pas plus que l’outil IA sur l’écran voisin. Les organisations qui s’en sortiront le mieux seront celles capables de prouver, preuves à l’appui, ce que l’IA a manipulé et sous quelle autorité.
Pour en savoir plus sur la gouvernance de l’accès IA aux données sensibles par Kiteworks, réservez votre démo sans attendre !
Foire aux questions
L’IA fantôme désigne l’utilisation d’outils IA en dehors de toute politique ou validation organisationnelle claire. Dans l’enquête O’Reilly, 36 % des répondants pensent que leurs collègues le font occasionnellement et 23 % estiment que c’est généralisé. Comme cela passe souvent par des comptes personnels, cela peut masquer des transferts de données sensibles à l’équipe sécurité. Pour en savoir plus, consultez le guide protection des données IA.
L’enquête menée auprès de 209 professionnels impliqués dans la sécurité montre que le risque jugé le plus préoccupant est interne. Quarante-neuf pour cent citent la fuite de données via des outils IA commerciaux et 49 % la confiance excessive dans les résultats IA sans vérification. Cinquante-cinq pour cent ont déjà rencontré du phishing généré par IA sur l’année écoulée, et seuls 7 % n’identifient aucun déficit de compétences.
Une politique exprime une intention, un contrôle apporte une preuve. O’Reilly constate une IA fantôme généralisée dans 35 % des organisations dotées d’une politique basique et 17 % de celles disposant d’une politique aboutie. Selon le Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report, 65 % des organisations ont découvert des employés utilisant des outils IA non approuvés avec leurs données, et moins de la moitié ont mis en place des contrôles techniques. Découvrez comment la gestion des incidents s’intègre à cette démarche.
Considérez les agents comme une classe d’identités à traiter avec la même rigueur que les personnes. Attribuez à chaque agent un propriétaire humain identifié, des autorisations limitées à la tâche, des contrôles à chaque requête, et une traçabilité complète. L’approche Data Policy Engine évalue identité, donnée et action ensemble, pour que l’agent ne reçoive que ce qu’autorise la politique.
Kiteworks Compliant AI et le Kiteworks Secure MCP Server font transiter l’accès IA aux données sensibles via le Control Plane Kiteworks, où la politique s’applique à chaque requête et où un journal d’audit unifié consigne l’activité. Ils gouvernent les données hébergées dans Kiteworks et les accès IA qui y passent. L’utilisation par les employés d’outils publics non approuvés en dehors de cette voie nécessite toujours des contrôles complémentaires, comme une prévention des pertes de données spécifique à l’IA.
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 liées à l’IA - eBook
L’écart 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.