Comment 77 % des organisations échouent à sécuriser les données de l’IA

Alors que les organisations se précipitent pour adopter l’IA à toute vitesse, 77 % d’entre elles n’appliquent pas les pratiques de sécurité élémentaires pour protéger leur atout le plus précieux : les données. Cette statistique alarmante, issue du rapport Accenture State of Cybersecurity Resilience 2025, révèle un décalage dangereux qui met en péril un nombre incalculable d’organisations.

Ce rapport, fondé sur une enquête menée auprès de 2 286 responsables de la sécurité dans 17 pays, dresse un constat préoccupant d’un secteur partagé entre innovation et protection. Alors que l’adoption de l’IA s’accélère vers un taux de pénétration de 80 % dans l’industrie, l’écart entre l’évolution technologique et la préparation en matière de sécurité ne cesse de se creuser. Pour les organisations qui manipulent des données sensibles de clients, des informations propriétaires et des renseignements stratégiques, cet écart représente bien plus qu’un simple défi technique : il s’agit d’une menace existentielle.

L’urgence de la situation tient à la rapidité d’évolution des menaces liées à l’IA. Des attaques sophistiquées de corruption de données aux campagnes de social engineering dopées à l’IA, les acteurs malveillants exploitent les mêmes technologies que celles que les organisations peinent à sécuriser. Résultat : une tempête parfaite de vulnérabilités, touchant à la sécurité des données, à la conformité et à la protection de la vie privée.

Alerte Sécurité des Données : Ce que révèlent les chiffres

Le problème des 77 % : des failles de sécurité fondamentales

La révélation la plus frappante de l’étude Accenture est que 77 % des organisations n’appliquent pas les pratiques de sécurité fondamentales pour les données et l’IA. Il ne s’agit pas ici de protections de pointe ou de détection avancée des menaces, mais de mesures de sécurité de base qui devraient constituer le socle de toute implémentation de l’IA.

Seules 25 % des organisations exploitent pleinement les méthodes de chiffrement et les contrôles d’accès pour protéger les informations sensibles en transit, au repos et lors du traitement. Prenez un instant pour y réfléchir. Trois quarts des entreprises qui déploient des systèmes d’IA traitant d’énormes volumes de données n’ont pas mis en place un chiffrement adapté. C’est comme construire une chambre forte en papier.

C’est précisément là qu’une approche Réseau de données privé peut transformer la posture de sécurité. En mettant en œuvre le chiffrement de bout en bout avec des contrôles d’accès granulaires via des contrôles d’accès basés sur les rôles (RBAC) et sur les attributs (ABAC) alignés sur le NIST CSF, les organisations peuvent passer de la « zone exposée » à des communications de données IA sécurisées. L’essentiel est de regrouper le transfert de fichiers, la sécurité des e-mails et les formulaires web sous un même cadre de gouvernance, plutôt que de gérer des outils de sécurité disparates.

Les dirigeants commencent à prendre conscience de ces vulnérabilités. La moitié des responsables technologiques s’inquiètent sérieusement du fait que les grands modèles de langage exposent des données sensibles, tandis que 57 % redoutent que des acteurs malveillants manipulent les données d’entraînement pour compromettre l’intégrité des modèles d’IA. Il ne s’agit pas de craintes hypothétiques, mais d’attaques réelles en cours.

Prenons l’exemple du ver Morris II. Développé par des chercheurs de Cornell Tech et d’autres institutions, ce concept démontre comment des instructions adverses peuvent s’intégrer dans des fichiers texte et image, manipulant les systèmes d’IA sans intervention humaine. Ce ver peut tromper des modèles comme ChatGPT et Gemini pour générer des instructions malveillantes, extraire des données sensibles d’e-mails et même envoyer du spam via des assistants IA compromis. Si des chercheurs y parviennent, imaginez ce que peuvent faire des acteurs malveillants disposant de ressources importantes.

Vulnérabilités du cloud dans les systèmes IA

L’infrastructure cloud qui supporte les opérations IA constitue une autre faille majeure. Malgré la forte dépendance de l’IA au cloud pour le traitement et le stockage, 83 % des organisations, selon Accenture, n’ont pas mis en place des fondations cloud sécurisées avec des fonctions intégrées de surveillance, de détection et de réponse.

Les détails sont encore plus préoccupants. Parmi les organisations utilisant Amazon Bedrock, 14 % ne bloquent pas l’accès à au moins un bucket d’entraînement IA. Cela signifie que des utilisateurs non autorisés pourraient accéder, modifier ou voler des données d’entraînement. Pour les utilisateurs d’Amazon SageMaker, la situation est pire : 91 % disposent d’au moins un notebook susceptible d’accorder un accès non autorisé à tous les fichiers en cas de compromission.

Il ne s’agit pas seulement d’erreurs techniques. Ce sont des échecs fondamentaux de compréhension de l’interaction entre les systèmes IA et l’infrastructure cloud. Sachant que les modèles IA traitent souvent des données provenant de multiples sources et régions géographiques, ces vulnérabilités se multiplient de façon exponentielle. Un seul bucket mal configuré dans une région peut exposer les données de clients du monde entier.

Le coût de l’inaction

Les organisations qui n’agissent pas face à ces failles de sécurité s’exposent à de graves conséquences. L’étude Accenture classe les entreprises en trois zones de maturité : la zone « Reinvention-Ready » (top 10 %), la zone « Progressing » (27 %) et la zone « Exposed » (63 %). Les différences de résultats sont flagrantes.

Les entreprises de la zone exposée ont 69 % de risques supplémentaires de subir des attaques avancées, y compris des cyberattaques dopées à l’IA. Elles constatent également un rendement 1,6 fois inférieur sur leurs investissements IA par rapport à celles de la zone « Reinvention-Ready ». Il ne s’agit pas seulement d’éviter les attaques, mais de la capacité même à tirer de la valeur des investissements IA.

Les conséquences financières vont au-delà des pertes directes liées aux violations. Les organisations ayant une faible posture de sécurité accumulent 1,7 fois plus de dette technique, créant un cercle vicieux où la sécurité devient de plus en plus coûteuse à mettre en place a posteriori. Parallèlement, la confiance client — sans doute l’atout le plus précieux à l’ère numérique — s’érode. Les entreprises « Reinvention-Ready » constatent une amélioration de la confiance client 1,6 fois supérieure à celle de leurs homologues exposés.

Conformité des données : Naviguer dans le labyrinthe réglementaire

L’évolution fulgurante des réglementations IA

Si suivre le rythme de la technologie IA donne l’impression de boire à la lance à incendie, rester conforme aux réglementations IA revient à boire à plusieurs lances à incendie à la fois. Les réglementations évoluent à une vitesse inédite selon les juridictions, chacune ayant ses propres exigences, délais et sanctions.

Dans l’Union européenne, l’AI Act fixe des standards qui auront des répercussions sur les opérations mondiales. Les États-Unis adoptent une approche plus fragmentée, avec des directives fédérales en concurrence avec des réglementations étatiques. Parallèlement, les pays d’Asie-Pacifique développent leurs propres cadres, souvent avec des exigences spécifiques sur la localisation des données et les transferts à l’international.

Ce patchwork réglementaire se complexifie encore avec les tensions géopolitiques. Les restrictions commerciales, les droits de douane et l’évolution des relations internationales obligent les organisations à revoir leurs supply chains et leurs flux de données. Chaque ajustement peut entraîner de nouvelles obligations de conformité ou exposer des opérations auparavant conformes à de nouveaux risques réglementaires.

Où les organisations échouent-elles ?

Les chiffres révèlent une préparation insuffisante face à cet environnement réglementaire :

Seules 37 % des organisations disposent de processus pour évaluer la sécurité des outils IA avant leur déploiement, alors que 66 % reconnaissent l’impact transformateur de l’IA sur la cybersécurité. Ce décalage entre la prise de conscience et l’action est particulièrement dangereux dans un contexte réglementaire où l’ignorance ne constitue pas une excuse.

L’absence d’inventaire des systèmes IA pose un problème majeur. Sans savoir quels systèmes IA sont en place, où ils traitent les données et comment ils sont interconnectés, la conformité devient impossible. C’est comme naviguer sans carte : vous atteindrez peut-être votre destination, mais il y a de fortes chances de vous perdre ou d’enfreindre des réglementations que vous ignoriez.

Une approche Réseau de données privé simplifie considérablement la conformité multi-réglementaire grâce à des contrôles cohérents, quel que soit le lieu de déploiement. Que vous soyez soumis à la HIPAA, au RGPD ou à FedRAMP, vous pouvez maintenir une gouvernance unifiée tout en bénéficiant d’options de déploiement flexibles (cloud, sur site, hybride) respectant les exigences de souveraineté des données.

Défis de conformité propres à chaque secteur

Chaque secteur fait face à des défis de conformité spécifiques qui s’ajoutent à la complexité générale. Les acteurs de la santé doivent respecter la HIPAA tout en déployant des systèmes IA nécessitant un traitement massif de données. Comment garantir la confidentialité des patients lors de l’entraînement de modèles qui exigent des jeux de données vastes ?

Les services financiers affrontent des défis encore plus complexes. Les exigences de résidence des données imposent que les informations clients ne quittent pas certaines juridictions, alors que les modèles IA sont plus performants avec des jeux de données diversifiés et mondiaux. Résultat : une tension permanente entre conformité et performance.

Les acteurs du retail, bien que soumis à des réglementations a priori moins strictes, doivent composer avec un enchevêtrement de lois sur la protection des consommateurs, variables selon les États et les pays. Un moteur de recommandation légal dans une juridiction peut enfreindre la vie privée dans une autre, compliquant la gestion opérationnelle des entreprises internationales.

Construire un cadre de conformité adaptatif

Pour survivre dans ce labyrinthe réglementaire, il faut bâtir des cadres de conformité capables d’évoluer aussi vite que les réglementations. Cela implique de dépasser les politiques et procédures statiques pour créer des systèmes dynamiques intégrant les nouvelles exigences sans repartir de zéro.

Les cadres efficaces partagent plusieurs caractéristiques. D’abord, ils reposent sur des principes clairs de classification des données et de gouvernance qui transcendent les réglementations spécifiques. Lorsque vous savez précisément quelles données vous possédez, où elles sont stockées et comment elles sont utilisées, il devient bien plus simple de s’adapter à de nouvelles exigences.

Ensuite, ils intègrent des cycles d’évaluation et de mise à jour réguliers. Les audits annuels appartiennent au passé : il faut désormais des revues trimestrielles, voire mensuelles, pour rester à jour. Cela peut sembler excessif, mais c’est bien moins coûteux que de découvrir une non-conformité a posteriori.

Enfin, ces cadres adaptatifs intègrent dès le départ une flexibilité régionale. Plutôt que de chercher à imposer des règles universelles, les organisations performantes développent des approches modulaires, personnalisables selon les juridictions, tout en maintenant des principes de sécurité fondamentaux.

Vie privée à l’ère de l’IA : dépasser les approches traditionnelles

Pourquoi l’IAM traditionnel ne suffit plus

Les systèmes traditionnels de gestion des identités et des accès (IAM) ont été conçus pour une époque où les utilisateurs accédaient à des applications précises avec des autorisations définies. L’IA change la donne. Les modèles nécessitent l’accès à d’immenses jeux de données sur plusieurs systèmes, avec des autorisations qui seraient impensables dans les cadres de sécurité classiques.

Les chiffres sont éloquents. Seules 10 % des organisations ont mis en place une architecture Zero Trust, alors qu’elle est essentielle pour la sécurité IA. La sécurité périmétrique traditionnelle ne fonctionne plus lorsque les modèles IA opèrent dans le cloud, accèdent à des données multiples et exposent potentiellement des vulnérabilités à l’ensemble de l’écosystème.

C’est là que les solutions dédiées à l’IA deviennent essentielles. La Kiteworks AI Data Gateway répond précisément au défi de l’accès sécurisé aux données pour les systèmes IA d’entreprise, permettant de libérer le potentiel de l’IA tout en maintenant la gouvernance des données et la conformité. Elle comble l’écart critique entre la rapidité d’adoption de l’IA et les mesures de sécurité, grâce à des fonctions de Zero Trust data exchange.

La notion d’accès éphémère devient cruciale dans les environnements IA. Contrairement aux utilisateurs traditionnels qui ont besoin d’un accès constant à certains systèmes, les modèles IA requièrent souvent un accès temporaire et à privilèges élevés lors de l’entraînement, puis un accès minimal lors de l’inférence. Les systèmes IAM classiques peinent à répondre à ces besoins dynamiques, créant des failles exploitables par les attaquants.

Les technologies de renforcement de la vie privée : le nouvel indispensable

Les organisations les plus avancées misent sur les technologies de renforcement de la vie privée (PETs) pour concilier performance IA et protection des données. La génération de données synthétiques s’impose comme un outil puissant, permettant d’entraîner les modèles sur des jeux de données artificiels qui conservent les propriétés statistiques des données réelles sans exposer d’informations sensibles.

Les taux d’adoption témoignent de l’avantage concurrentiel. Parmi les organisations « Reinvention-Ready », 86 % étiquettent et classifient correctement les données liées à l’IA, ce qui permet de mettre en place des contrôles de confidentialité avancés. Elles ne se contentent pas d’implémenter des technologies, elles repensent fondamentalement la circulation des données dans les systèmes IA. Les fonctions de gouvernance avancées qui soutiennent ce niveau de classification deviennent essentielles pour toute organisation qui prend la sécurité IA au sérieux.

Le masquage des données et la tokenisation ajoutent des couches de protection supplémentaires, garantissant que même en cas de compromission, les données exposées ont une valeur limitée pour les attaquants. La détection d’anomalies en temps réel constitue une autre fonction clé, permettant d’identifier des comportements inhabituels pouvant signaler une compromission ou une menace interne.

Ces technologies agissent de concert pour instaurer une défense en profondeur. Lorsque les données synthétiques réduisent la surface d’attaque, le masquage protège les données en cours d’utilisation et la détection d’anomalies repère les menaces, les organisations préservent la vie privée sans sacrifier la performance IA.

Risques IA des tiers : la menace cachée pour la vie privée

Le risque de confidentialité le plus négligé provient sans doute des services IA tiers et des modèles pré-entraînés. Les organisations s’appuient de plus en plus sur des capacités IA externes, des services cloud aux modèles spécialisés fournis par des prestataires. Chaque intégration expose potentiellement les données à de nouvelles vulnérabilités.

Le risque lié à la supply chain est réel et croissant. Sans contrôles de sécurité IA transparents de la part des fournisseurs, les organisations avancent à l’aveugle. Elles font confiance à des prestataires externes sans réelle vérification ni suivi continu.

Les organisations avisées mettent en place des protocoles d’évaluation rigoureux des fournisseurs, allant au-delà des questionnaires de sécurité classiques. Elles exigent de la transparence sur les sources de données d’entraînement, les architectures de modèles et les contrôles de sécurité. Elles intègrent aussi dans les contrats des exigences d’audit de sécurité et de notification d’incident.

Considérations géographiques en matière de vie privée

Les exigences de confidentialité varient fortement selon les zones géographiques, ajoutant de la complexité pour les organisations internationales. Le RGPD en Europe fixe des exigences élevées pour les systèmes IA traitant des données personnelles, imposant l’explicabilité et la supervision humaine que de nombreux modèles peinent à garantir.

Les marchés asiatiques insistent souvent sur la localisation des données, imposant que les données des citoyens restent sur le territoire national. Cela complique la construction de modèles IA performants, qui bénéficient de données d’entraînement diversifiées. Comment bâtir des modèles efficaces si les données ne peuvent pas franchir les frontières ?

Les États-Unis présentent leurs propres défis avec un patchwork de lois étatiques sur la vie privée. Le CPRA en Californie, le CDPA en Virginie et d’autres réglementations créent un paysage complexe, déjà difficile à naviguer avant même d’ajouter les spécificités IA.

Passer à l’action : des solutions concrètes pour une sécurité réelle

L’écart entre adoption de l’IA et sécurité peut sembler insurmontable, mais des solutions concrètes existent. L’essentiel est de comprendre que la sécurité parfaite n’est pas l’objectif : il s’agit d’une sécurité efficace. Cela implique de faire des choix stratégiques pour investir les ressources là où l’impact sera maximal.

Actions immédiates pour la sécurité des données

Le chiffrement de bout en bout doit être votre point de départ. Certes, seules 25 % des organisations l’appliquent pleinement, mais cela ne veut pas dire que c’est compliqué. Les solutions de chiffrement modernes se déploient rapidement et protègent immédiatement les données au repos, en transit et lors du traitement. L’essentiel est de choisir des solutions conçues pour les charges IA, capables de gérer l’échelle et la complexité de l’entraînement et de l’inférence.

Plutôt que de multiplier les solutions ponctuelles pour le chiffrement, les contrôles d’accès, la surveillance et la conformité, privilégiez des plateformes unifiées qui répondent à plusieurs enjeux à la fois. Cette approche réduit la complexité tout en renforçant la posture de sécurité — un avantage clé pour des équipes sécurité déjà sous pression.

Les contrôles d’accès spécifiques à l’IA exigent une nouvelle approche. Au lieu de raisonner en termes de rôles utilisateurs, raisonnez en termes de flux de données. À quelles données chaque modèle doit-il accéder ? Pendant combien de temps ? Sous quelles conditions ? Construire ces contrôles nécessite une collaboration entre les équipes sécurité et les data scientists, mais l’investissement réduit considérablement les risques.

La surveillance continue prend un nouveau sens dans les environnements IA. Il ne suffit plus de surveiller les accès non autorisés : il faut aussi détecter la dérive des données, la dégradation des modèles et les entrées adverses. Cela requiert des outils conçus pour les charges IA, mais beaucoup existent désormais en mode service managé, sans besoin d’expertise interne poussée.

Les tests de sécurité doivent évoluer au-delà du pentest classique. Les systèmes IA nécessitent des tests adverses visant à empoisonner les données d’entraînement, manipuler les entrées et extraire des informations sensibles des modèles. Les organisations « Reinvention-Ready » sont six fois plus susceptibles de conduire ces tests spécialisés, ce qui se reflète dans leurs résultats en matière de sécurité.

Gagner rapidement en conformité

Mettre en place un cadre de gouvernance IA ne nécessite pas des mois de réunions. Commencez par une question de responsabilité : qui est responsable de la sécurité IA dans votre organisation ? Si la réponse n’est pas claire, c’est le premier problème à résoudre. Attribuez la responsabilité au niveau exécutif et déclinez-la dans toute l’organisation.

Des playbooks régionaux facilitent la gestion de la complexité réglementaire sans se laisser submerger. Plutôt que de vouloir maîtriser toutes les réglementations mondiales, concentrez-vous sur les juridictions où vous opérez. Rédigez des guides simples et concrets qui traduisent les exigences réglementaires en contrôles et processus précis.

Les protocoles d’évaluation des fournisseurs doivent évoluer à l’ère de l’IA. Les questionnaires classiques ne couvrent pas les risques IA spécifiques. Développez des critères qui examinent les sources de données d’entraînement, la sécurité des modèles et les capacités de surveillance continue. Intégrez ces évaluations à votre processus d’achat standard.

Les systèmes de suivi de la conformité doivent passer de revues périodiques à une évaluation continue. Cela ne signifie pas des audits manuels constants, mais la mise en place de contrôles automatisés qui signalent les problèmes potentiels avant qu’ils ne deviennent des violations. Beaucoup d’organisations constatent que l’automatisation de la conformité réduit les coûts globaux tout en améliorant les résultats.

Implémenter l’IA en mode Privacy-First

Les principes de conception pour la vie privée dans l’IA commencent par la minimisation des données. Avez-vous vraiment besoin de toutes ces données pour l’entraînement ? Souvent, des modèles fonctionnent aussi bien avec des jeux de données soigneusement sélectionnés qu’avec des approches « tout-inclus ». Moins de données, c’est moins de risques.

Les choix de stack technologique ont un impact majeur sur la vie privée. Optez pour des plateformes intégrant nativement des contrôles de confidentialité : cela simplifie grandement la mise en œuvre. Privilégiez les solutions qui proposent la confidentialité différentielle, l’apprentissage fédéré et d’autres techniques de préservation de la vie privée comme fonctionnalités de base, et non comme options.

Les meilleures pratiques sectorielles évoluent vite, et les organisations avisées s’inspirent des expériences des autres. Les acteurs de la santé en pointe sur la vie privée IA utilisent souvent des données synthétiques pour le développement initial des modèles, n’introduisant les données réelles des patients que dans des environnements contrôlés. Les services financiers segmentent strictement les données, empêchant les modèles entraînés sur une région d’accéder à celles d’une autre.

ROI des investissements sécurité

Voici de quoi alerter tous les dirigeants : une hausse de 10 % des investissements en sécurité permet d’améliorer de 14 % la détection et la neutralisation des menaces. Ce n’est pas théorique — c’est issu de la modélisation économique d’Accenture sur des résultats réels. Dans un contexte où une seule violation peut coûter des millions, ce ROI est convaincant.

La valeur business va bien au-delà de la prévention des pertes. Les organisations dotées d’une sécurité IA mature obtiennent un rendement 1,6 fois supérieur sur leurs investissements IA. Pourquoi ? Parce que des systèmes sécurisés sont des systèmes fiables. Quand vous ne passez pas votre temps à éteindre des incendies de sécurité, vous pouvez vous concentrer sur la création de valeur avec vos fonctions IA.

L’avantage concurrentiel est encore plus marqué. Dans les secteurs où la confiance est essentielle — santé, finance, retail — une sécurité solide devient un facteur de différenciation. Les clients comprennent de mieux en mieux les risques IA et choisissent les prestataires qui prennent la sécurité au sérieux. Votre posture de sécurité ne protège pas que les données : elle construit votre avantage sur le marché.

Votre checklist sécurité IA

Avant de déployer un système IA, posez-vous ces questions essentielles :

Évaluation de la sécurité des données : Avons-nous mis en place le chiffrement de bout en bout pour tous les flux de données IA ? Disposons-nous de contrôles d’accès spécifiques à l’IA, adaptés à la façon dont les modèles utilisent réellement les données ? Notre surveillance permet-elle de détecter les menaces propres à l’IA, comme l’empoisonnement de données ? Avons-nous testé nos défenses face à des attaques adverses ?

Préparation à la conformité : La responsabilité de la conformité IA est-elle clairement attribuée au niveau exécutif ? Avons-nous cartographié les exigences réglementaires pour chaque juridiction où nous opérons ? Nos évaluations fournisseurs tiennent-elles compte des risques IA spécifiques ? Pouvons-nous prouver la conformité grâce à des reportings automatisés ?

Protection de la vie privée : Avons-nous appliqué les principes de minimisation des données dans la conception IA ? Utilisons-nous des technologies de renforcement de la vie privée, comme les données synthétiques, lorsque cela est pertinent ? Nos services IA tiers respectent-ils nos standards de confidentialité ? Avons-nous mis en place des contrôles de confidentialité adaptés aux exigences géographiques ?

Priorités immédiates : Si vous ne deviez faire que trois choses demain, faites celles-ci : Premièrement, dressez l’inventaire de tous les systèmes IA et de leurs accès aux données. On ne protège que ce que l’on connaît. Deuxièmement, chiffrez les flux de données IA les plus sensibles. Troisièmement, attribuez clairement la responsabilité de la sécurité IA au niveau exécutif.

Échéances : Mettre en place une sécurité IA complète prend du temps, mais vous pouvez avancer vite. Sous 30 jours, complétez l’inventaire IA et l’évaluation des risques de base. Sous 90 jours, déployez les contrôles de sécurité essentiels et établissez les cadres de gouvernance. Sous 180 jours, atteignez la conformité avec les réglementations prioritaires et mettez en place la surveillance continue.

Conclusion : L’urgence d’agir

Le taux d’échec de 77 % en matière de sécurité des données IA n’est pas qu’une statistique : c’est une crise imminente. Alors que l’adoption de l’IA fonce vers 80 % de pénétration sectorielle, la fenêtre pour mettre en place une sécurité adaptée se referme rapidement. Les organisations qui continuent de privilégier la vitesse au détriment de la sécurité risquent tout : la confiance client, la conformité réglementaire, l’avantage concurrentiel et, in fine, leur survie.

Le chemin de la zone exposée à la zone « Reinvention-Ready » n’est pas simple, mais il est clair. Il exige un engagement exécutif, des investissements stratégiques et un changement fondamental de paradigme sur la sécurité IA. Il faut dépasser la conformité de façade pour construire des systèmes adaptatifs et résilients, capables d’évoluer avec les menaces.

La bonne nouvelle, c’est que le ROI est au rendez-vous. Les 10 % d’organisations dans la zone « Reinvention-Ready » ne sont pas seulement plus sûres : elles sont plus performantes. Elles obtiennent de meilleurs rendements sur leurs investissements IA, renforcent la confiance client et accumulent moins de dette technique. À l’ère de l’IA, la sécurité n’est plus un centre de coûts : c’est un avantage concurrentiel.

La question n’est pas de savoir si vous pouvez vous permettre de mettre en place une sécurité IA adaptée. C’est de savoir si vous pouvez vous permettre de ne pas le faire. Les acteurs malveillants exploitent déjà l’IA pour attaquer, les réglementations se multiplient, et les données clients sont plus exposées que jamais. Il est urgent d’agir. Le fossé des 77 % ne se comblera pas tout seul. À vous de choisir : rester exposé ou vous préparer à l’avenir piloté par l’IA.

Ressources complémentaires

• Article de blog Zero Trust Architecture : Ne jamais faire confiance, toujours vérifier
• Vidéo Comment Kiteworks fait progresser le modèle Zero Trust de la NSA au niveau des données
• Article de blog Étendre le Zero Trust à la couche contenu : ce que cela signifie
• Article de blog Instaurer la confiance dans l’IA générative grâce à une approche Zero Trust
• Vidéo Kiteworks + Forcepoint : démonstration de la conformité et du Zero Trust à la couche contenu