L’écart de confiance dans la gouvernance de l’IA résulte d’un manque de preuves

Presque toutes les organisations disposent aujourd’hui d’une politique de gouvernance de l’IA, mais cela ne prouve en rien à un régulateur qu’un système d’IA donné s’est comporté conformément à cette politique. Une politique exprime une intention. Une preuve repose sur un enregistrement des faits. La plupart des entreprises sont bien mieux pourvues en intentions qu’en preuves.

La démonstration la plus claire a eu lieu en septembre 2026, lorsque EY a publié son enquête sur les risques et la gouvernance de l’IA auprès de 202 décideurs IA de haut niveau dans des organisations américaines. Le rapport d’EY, « Réaliser le potentiel : confiance dans l’IA », révèle que 98 % disposent d’une politique de gouvernance de l’IA, mais que 47 % ont contourné leur propre processus de gouvernance pour un déploiement urgent. Les mêmes dirigeants qui ont rédigé la politique ont reconnu l’avoir contournée. Compliance Week a mis en avant ce constat comme alerte centrale pour les équipes conformité.

Pour un RSSI ou un Chief Compliance Officer, ce qui compte, c’est l’écart entre ces deux chiffres. Une politique contournée sous la pression ne peut générer de preuve exploitable lors d’un audit, car c’est précisément au moment du contournement que la trace disparaît. Cet article analyse les enseignements des données EY, explique pourquoi cet écart est structurel et non culturel, et montre comment une discipline opérationnelle au niveau des données, telle que le partage sécurisé de données Kiteworks, transforme la gouvernance d’un document en preuve concrète.

Résumé des points clés

1. La couverture des politiques est quasi totale, et c’est là le piège.

Avec 98 % des organisations dotées d’une politique de gouvernance de l’IA, le simple fait d’en avoir une ne distingue plus les entreprises prêtes de celles exposées.

2. Le contournement est le principal indicateur d’un manque de preuves.

Quarante-sept pour cent ont sauté leur propre processus de gouvernance pour un déploiement urgent, et chaque étape omise laisse un vide dans la traçabilité.

3. Les agents autonomes creusent l’écart plus vite que tout.

Parmi les organisations utilisant de l’IA agentique, 85 % exploitent des systèmes agissant sans intervention humaine en temps réel, tandis que 49 % n’ont pas mis à jour leur cadre de gouvernance pour ces agents.

4. Impossible de prouver ce qu’on ne voit pas.

Quarante et un pour cent des décideurs IA de haut niveau déclarent manquer de visibilité sur l’utilisation de l’IA, et 26 % des utilisateurs d’IA agentique ne peuvent pas détecter les agents non autorisés.

5. Les régulateurs encadrent les données, pas les modèles.

La réponse défendable à un audit est un enregistrement infalsifiable, associé à un responsable humain identifié, pour chaque accès d’un système d’IA à des données réglementées.

EY a interrogé les véritables responsables de l’exposition

Les enquêtes sur la gouvernance interrogent souvent des praticiens à un ou deux niveaux des décisions. EY s’est adressé aux décideurs IA de haut niveau, ceux qui valident les déploiements et en répondent ensuite. Ce choix rend les chiffres plus difficiles à écarter comme simple perception du middle management.

L’étude s’est déroulée du 28 mai au 15 juin 2026 et ne concerne que les organisations américaines. Avec 202 répondants, EY annonce une marge d’erreur de plus ou moins 7 points, ce qui rend chaque chiffre indicatif. Ce qui compte, c’est la tendance générale, et elle est cohérente : la confiance dans la documentation est forte, celle dans la réalité opérationnelle l’est beaucoup moins.

L’étendue de l’étude est importante et doit guider l’usage des données. Un échantillon uniquement américain ne dit rien de définitif sur les organisations européennes ou du Golfe, et cet article ne le prétend pas. Les sections suivantes montrent comment les régulateurs d’autres juridictions convergent vers la même exigence, par des voies différentes.

La couverture des politiques est quasi totale, et c’est là le piège

Quatre-vingt-dix-huit pour cent des répondants déclarent disposer d’une politique de gouvernance de l’IA, et 69 % affirment qu’elle est totalement unifiée à l’échelle de l’organisation. À première vue, c’est un succès. Mais du point de vue d’un responsable conformité, c’est un signal d’alerte, car le même rapport indique que 69 % craignent que leur organisation manque d’expertise interne pour faire évoluer ses contrôles de gouvernance.

Mettons ces deux chiffres de 69 % côte à côte : la politique existe, elle est unifiée sur le papier, mais les responsables doutent de leur capacité à la maintenir à jour. C’est la description d’un document en avance sur l’organisation qui le porte.

Les données sur les contrôles mis en place confirment ce constat. Les répondants d’EY affirment avoir mis en place des équipes de gouvernance (75 %), des processus de revue réguliers (73 %), des exigences d’intervention humaine (72 %), des formations (71 %) et des procédures d’escalade (68 %). Les exigences fournisseurs sont à 65 %, la traçabilité des données à 64 %, et les cadres formels et registres IA à 58 % chacun. Tous ces éléments sont des intrants. Aucun n’est un résultat que le régulateur peut inspecter.

Un examinateur ne demande pas si vous avez un programme de formation. Il vous demande, pour une interaction IA précise sur des données réglementées, qui l’a autorisée, quelle politique s’appliquait et quel a été le résultat. Un programme riche en intrants sans flux de preuves associé ne répond à aucune de ces questions. Voilà le piège d’une couverture quasi universelle : elle donne un sentiment de préparation sans fournir la preuve.

Le contournement est d’abord un problème de flux, pas de culture

Quand 47 % des organisations admettent avoir contourné la gouvernance pour des déploiements urgents, on pense spontanément à un manque de discipline. Les équipes bâclent, les dirigeants ferment les yeux, la solution serait plus de formation. Mais les recherches complémentaires apportent un éclairage plus utile.

Le rapport 2026 AI-Ready Governance de OneTrust, une enquête menée en juin et juillet 2026 auprès de 1 200 décideurs dans huit marchés, révèle que 33 % des organisations ont vu des employés utiliser une IA non approuvée parce que la voie officielle était trop lente. De plus, 31 % ont découvert certains usages après leur mise en production. Les collaborateurs contournent un processus quand il ne suit pas le rythme du business.

Cela requalifie le contournement en problème de débit. Si une revue de gouvernance prend des semaines alors qu’une business unit a quelques jours, la revue perd. L’organisation se retrouve avec une politique sur le papier et un déploiement non validé en production, sans aucune trace pour ce dernier.

C’est pourquoi l’incitation échoue et l’architecture fonctionne. Un contrôle consigné dans un classeur dépend du choix de chacun de le suivre. Un contrôle appliqué au moment où un système d’IA demande l’accès aux données ne peut être contourné, car il s’inscrit dans le flux même des données. Une gouvernance intégrée à l’échange supprime l’incitation à la contourner. La voie approuvée devient la plus rapide, car l’autorisation, la vérification des politiques et la journalisation se font lors de la requête, sans ticket dans une file d’attente.

L’IA agentique transforme l’écart de gouvernance en écart d’action

Un chatbot qui répond à une question réalise une opération de lecture, avec un humain qui lit la réponse. Un agent qui exécute du code, passe des commandes ou manipule des dossiers va plus loin. Il agit, et il agit à la vitesse de la machine sur de nombreux systèmes.

EY constate que 91 % des répondants utilisent une forme d’IA agentique. Parmi eux, 85 % déclarent exploiter au moins quelques systèmes agentiques exécutant des actions sans intervention humaine en temps réel, et 49 % admettent ne pas avoir mis à jour leur cadre de gouvernance pour couvrir les risques liés à l’IA agentique. De plus, 26 % ne peuvent pas détecter les agents IA non autorisés opérant dans leur organisation.

Réfléchissez à ce que signifie ce dernier chiffre : pour environ un quart des utilisateurs d’IA agentique, un agent pourrait fonctionner sans validation, accéder à des données sans autorisation, et l’organisation n’aurait aucun moyen de le détecter. Gouverner un système invisible relève de l’espoir, pas du contrôle.

Le problème s’aggrave avec la question de la responsabilité. EY indique que 56 % n’ont pas de responsable unique pour la gouvernance de l’IA et que 39 % estiment que la responsabilité des décisions autonomes n’est pas définie. Ce schéma se retrouve dans l’ensemble des recherches sur l’IA en entreprise. La question de la responsabilité du risque IA reste floue, et ce vide crée un vrai problème d’imputabilité.

La solution n’est pas de traiter les agents comme une catégorie à part. Un agent IA est une identité agissant pour le compte d’une personne, il doit donc s’intégrer au même modèle de gouvernance que l’humain qu’il représente. Chaque action d’un agent doit être rattachée à un responsable humain identifié, évaluée selon les mêmes politiques de données que pour cette personne, et consignée dans le même journal d’audit. Quand agents et humains partagent un modèle d’identité gouverné, la question « qui a autorisé cela ? » trouve toujours une réponse. Si les agents utilisent des comptes de service partagés ou des jetons anonymes, la réponse est le silence.

La visibilité est la condition préalable, et 41 % en manquent

Quatre-vingt-neuf pour cent des répondants EY déclarent que leur organisation a déjà rencontré un risque lié à l’IA. Le risque cybersécurité arrive en tête (52 %), suivi du risque humain (47 %) et de l’IA fantôme (46 %). Trente-six pour cent signalent un incident lié à l’IA. Pourtant, 41 % estiment que les décideurs IA de haut niveau manquent de visibilité sur l’utilisation de l’IA dans l’organisation.

C’est là que le problème de preuve devient concret. Un journal d’audit ne décrit que ce qui a été instrumenté. Si l’utilisation de l’IA passe par des outils non gérés, des comptes personnels ou des agents lancés hors du registre, aucune trace n’est capturée, et l’organisation ne peut pas reconstituer les faits à la demande d’un régulateur.

Les propres recherches de Kiteworks vont dans le même sens. Le rapport annuel 2026 de Kiteworks sur la sécurité et la conformité des données, une enquête déclarative menée en juillet 2026 auprès de 459 répondants, montre que 65 % des organisations ont découvert de l’IA fantôme dans leur environnement. Comme il s’agit de données déclaratives, il faut les considérer comme indicatives, mais elles confirment la tendance relevée par EY. L’utilisation cachée de l’IA est courante, et la découverte intervient généralement après coup.

Le chiffre sur les registres IA d’EY est également instructif : seuls 58 % déclarent avoir un registre IA complet, et 39 % sont en cours de mise en place. Un registre, c’est un inventaire, et l’inventaire est le point de départ de la preuve. Impossible d’associer des autorisations à un système absent de la liste. Registre, modèle d’identité et journal d’audit sont trois facettes d’un même problème : savoir ce qui fonctionne, pour le compte de qui, et sur quelles données.

La leçon pratique pour un RSSI : ne considérez plus la découverte comme une fin en soi. Trouver de l’IA fantôme est utile, mais la question conformité qui suit est différente. Pour chaque interaction IA avec des données réglementées, pouvez-vous prouver qu’elle a été autorisée, chiffrée et journalisée ? La détection indique qu’un événement a eu lieu. La preuve explique au régulateur ce qui s’est passé et pourquoi c’était permis.

Les revues d’assurance prouvent que les contrôles échouent discrètement

Les données d’EY sur les revues méritent une attention particulière, car elles contredisent l’idée rassurante que les problèmes de gouvernance sont rares. Parmi les organisations menant des revues formelles d’assurance IA, 92 % ont identifié des problèmes. Les revues sont fréquentes : 98 % les réalisent au moins une fois par an, 80 % chaque mois ou trimestre, et elles ont des conséquences. L’an dernier, 64 % ont indiqué qu’au moins un quart des systèmes IA examinés ont été significativement modifiés, 29 % qu’au moins un quart ont été mis en pause puis relancés, et 25 % qu’au moins un quart ont été arrêtés.

Les problèmes les plus souvent détectés lors des revues sont liés à la qualité des données (57 %), à la dérive des modèles (48 %) et à l’IA fantôme (39 %). Deux sur trois relèvent du niveau des données.

C’est encourageant sur un point : les organisations cherchent et agissent sur ce qu’elles trouvent. Mais c’est aussi inquiétant : les problèmes détectés lors des revues étaient, par définition, présents et non gérés jusqu’à leur découverte. Un contrôle qui ne fonctionne que lorsqu’une revue périodique détecte un échec est un contrôle qui a échoué discrètement entre-temps.

Voyez cela du point de vue d’un régulateur. Une autorité de supervision n’accepte pas « nous l’avons découvert lors de notre revue trimestrielle » comme premier signal d’un problème actif depuis des mois. Elle exige une traçabilité continue. Les revues périodiques et la preuve continue répondent à des besoins différents, et un programme mature doit combiner les deux. La revue évalue la conception des contrôles. Le flux de preuves démontre leur fonctionnement, à chaque interaction.

Les régulateurs encadrent les données, pas les modèles

Le cadre le plus solide pour un responsable conformité est aussi le plus simple. Les régulateurs encadrent les données, et la loi s’applique à la donnée, qu’elle soit manipulée par un humain ou un agent IA. HIPAA ne prévoit pas d’exception pour les algorithmes, pas plus que les régimes de protection et de sécurité des données financières, de défense ou personnelles. Un agent qui accède à un dossier protégé déclenche les mêmes obligations qu’un employé.

Ce principe se retrouve dans les législations en vigueur dans plusieurs juridictions, et les détails comptent, il faut donc les préciser.

En Allemagne, la loi d’application NIS 2 (NIS2UmsuCG) est entrée en vigueur le 6 décembre 2025. L’article 30 de la loi BSI modifiée définit les mesures de gestion des risques à mettre en œuvre, et l’article 38 impose à l’organe de direction la responsabilité de leur mise en œuvre et de leur suivi. Les dirigeants ne peuvent pas déléguer cette responsabilité, ce qui rejoint la question de l’imputabilité soulevée par les répondants EY.

Dans l’Union européenne, le Digital Omnibus on AI, Règlement (UE) 2026/1744, est entré en vigueur le 27 juillet 2026. Il reporte l’application des obligations pour les IA à haut risque (Annexe III) au 2 décembre 2027 et pour les systèmes de l’Annexe I au 2 août 2028, tandis que les obligations de transparence de l’article 50 s’appliquent depuis le 2 août 2026. Un report de délai pour une catégorie ne suspend pas les obligations de protection, de sécurité et d’imputabilité qui s’appliquent déjà aux données utilisées par ces systèmes.

Au Royaume-Uni, le Cyber Security and Resilience Bill a été adopté par la Chambre des Communes le 16 juin 2026 et a terminé l’étape de rapport à la Chambre des Lords le 26 octobre 2026, la troisième lecture étant prévue le 2 novembre. Parallèlement, le principe d’imputabilité du RGPD britannique à l’article 5(2) impose déjà aux responsables de traitement de prouver la conformité, et non de la déclarer. Cette formulation résume tout l’argument de cet article.

Les répondants EY ressentent déjà la pression. Soixante-douze pour cent craignent de ne pas être conformes aux nouvelles réglementations IA ou à venir, et autant s’inquiètent de leur capacité à tracer ou auditer la lignée des données et des intrants alimentant les modèles IA critiques. La lignée, c’est la preuve. Un régulateur qui demande l’origine d’un résultat IA exige la chaîne d’accès aux données en amont, et une organisation incapable de la reconstituer ne peut pas répondre.

Aucune de ces mesures n’est une règle américaine, et l’échantillon EY est américain, donc il ne s’agit pas de la même population. Mais elles montrent la tendance générale. Dans toutes les juridictions, les régulateurs convergent vers une même exigence : montrez la preuve.

À quoi ressemble une discipline opérationnelle au niveau des données

Si l’écart est un manque de preuves, la solution doit générer des preuves au fil de l’activité normale. Reconstituer la preuve après coup, en assemblant les journaux de cinq systèmes la semaine précédant un audit, conduit à des dossiers qui prennent des semaines à compiler alors que le régulateur attend une réponse en quelques jours.

Une discipline opérationnelle efficace repose sur quatre piliers, qui correspondent aux questions posées par un auditeur.

Identité liée à un responsable humain. Chaque requête IA doit porter une identité rattachée à une personne responsable. Cela répond au vide d’imputabilité, car « qui a autorisé cela ? » donne un nom, pas un compte de service. L’autorisation déléguée via OAuth 2.0 est le mécanisme standard, permettant aux agents et aux humains de partager un modèle d’identité gouverné.

Politique évaluée à chaque requête. Les décisions d’accès doivent prendre en compte la donnée, l’utilisateur et le contexte au moment de la demande. Le contrôle d’accès basé sur les attributs (ABAC) évalue ces attributs, de sorte qu’un agent agissant pour un clinicien ne voit que ce que ce clinicien peut voir, et rien de plus. Cela favorise aussi la minimisation des données, car l’agent ne reçoit jamais de données qu’il n’est pas autorisé à utiliser.

Chiffrement conforme aux standards. Les données réglementées, en transit ou au repos, doivent être protégées par un chiffrement validé FIPS 140-3, pour que le contrôle soit vérifiable et non simplement affirmé.

Journal d’audit infalsifiable. Chaque interaction doit être consignée dans un journal d’audit non modifiable, transmis à votre SIEM, pour que la preuve existe avant toute demande.

Ces quatre points sont ceux par lesquels Kiteworks Compliant AI encadre l’accès IA aux contenus réglementés, avec des politiques appliquées via le Data Policy Engine. Le Serveur MCP sécurisé permet à une plateforme IA compatible MCP d’accéder aux contenus d’entreprise par cette même voie gouvernée, rendant la voie approuvée également conforme. Puisque l’application des contrôles se fait au niveau des données et non dans chaque modèle, elle s’applique à tous les outils IA adoptés par l’entreprise.

La gouvernance à ce niveau change aussi la discussion au sommet. Un tableau de bord RSSI affichant l’activité IA par identité, politique et type de données donne au conseil une mesure de l’efficacité opérationnelle, ce qui manque à la plupart des organisations selon EY. Les dirigeants peuvent ainsi aligner le programme sur des cadres comme la fonction Govern du NIST CSF et appliquer la même discipline à la gestion des risques tiers, sujet d’inquiétude pour 81 % des répondants EY face au risque de cyberattaque IA via un tiers.

Pour approfondir la complémentarité de ces contrôles, consultez les guides Kiteworks sur la gouvernance des données IA et le zéro trust pour l’IA générative.

Plan d’action sur 90 jours pour les responsables conformité

La discipline de la preuve ne nécessite pas de tout reconstruire. Une séquence ciblée permet à la plupart des organisations de passer de la politique à la preuve en un trimestre, en commençant par des questions auxquelles, selon EY, beaucoup ne savent pas encore répondre.

Les trente premiers jours servent à constituer l’inventaire. Recensez chaque système, modèle, agent et outil tiers IA accédant à des données réglementées, et désignez un responsable humain pour chacun. La question de base d’EY est le bon point de départ : pouvez-vous fournir un inventaire complet des systèmes, modèles, agents et outils tiers IA ? Si la réponse est non, rien en aval ne pourra être prouvé.

Entre trente et soixante jours, faites passer l’application des contrôles dans le flux de données. Faites transiter l’accès IA aux contenus réglementés par un échange gouverné afin que l’identité, l’évaluation des politiques et la journalisation s’effectuent à chaque requête. C’est aussi là que vous supprimez la raison de contourner la gouvernance : si la voie approuvée est la plus rapide, la pression du délai qui explique les 47 % disparaît.

Entre soixante et quatre-vingt-dix jours, testez la preuve. Choisissez une demande type d’un régulateur, par exemple « montrez tous les accès IA à un jeu de données défini sur les trente derniers jours, avec la personne ayant autorisé chaque accès ». Chronométrez le temps de réponse. Si cela prend plusieurs jours de compilation manuelle, l’écart subsiste. Si une simple requête suffit, vous avez une discipline opérationnelle. Répétez ce test chaque trimestre et présentez le résultat au conseil avec les conclusions des revues.

Une mise en garde s’impose : ne laissez pas le plan devenir un document de plus. L’objectif est de transformer chaque contrôle en une preuve vérifiable par un tiers sans votre intervention.

Pour en savoir plus sur la production de preuves prêtes pour l’audit concernant l’accès des agents IA à des données réglementées, réservez votre démo personnalisée dès aujourd’hui.

Ressources complémentaires

• Article de blog
  Stratégies Zero-Trust pour une protection abordable de la vie privée en IA
• Article de blog
  Comment 77 % des organisations échouent en matière de sécurité des données IA
• eBook
  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 savoir si vous avez une politique IA. Ils veulent la preuve qu’elle fonctionne.