Shadow AI, reprendre la main sur l'IA sauvage

Quand les collaborateurs adoptent l’IA plus vite que la gouvernance : cartographier, encadrer et sécuriser sans freiner.

Il y a dix ans, le cauchemar des DSI s’appelait Shadow IT. Des équipes métiers qui ouvraient des comptes Dropbox, montaient des serveurs Trello, déployaient des apps SaaS sans prévenir personne. On a fini par comprendre que le problème n’était pas la technologie. C’était l’écart entre ce que l’organisation proposait et ce dont les équipes avaient besoin.

En 2026, le scénario se répète — en plus rapide, en plus profond. Le Shadow AI est là. ChatGPT, Gemini, Claude, Copilot, des dizaines d’outils gratuits ou freemium utilisés quotidiennement par des collaborateurs qui ne font rien de malveillant. Ils veulent juste travailler plus vite.

Dans l’épisode 007, nous avons exploré la menace IA venue de l’extérieur : les deepfakes, l’usurpation d’identité, la manipulation cognitive. Aujourd’hui, la menace vient de l’intérieur. Non pas par malveillance, mais par absence de cadre. Et comme pour le cloud (épisode 002), la vraie question n’est pas « pour ou contre ». C’est celle de la conscience de la dépendance.

Question structurante de cet épisode : comment reprendre la gouvernance sur des usages IA qui se sont installés sans elle ?

1. L’ampleur du phénomène : des chiffres qui dérangent

Les enquêtes convergent. Selon une étude Microsoft, 75 % des collaborateurs utilisent déjà l’IA au travail — et 78 % le font avec leurs propres outils, hors de tout périmètre approuvé. Le rapport Acuvity 2025 ajoute que 49 % des organisations s’attendent à un incident lié au Shadow AI dans les douze prochains mois. Près de 60 % des salariés reconnaissent utiliser des outils IA non validés par leur entreprise.

Le phénomène ne touche plus seulement les équipes techniques. Marketing, RH, finance, juridique : chaque département a ses propres usages. Le Shadow AI ne vit pas dans les recoins du SI. Il vit dans les navigateurs, les comptes personnels, les extensions Chrome, les API appelées en direct.

Le Shadow IT mettait des années à devenir un problème systémique. Le Shadow AI y est parvenu en quelques mois.

2. Pourquoi c’est différent du Shadow IT classique

Le Shadow IT posait un problème de périmètre : des outils non référencés, des données hébergées ailleurs. Le Shadow AI pose un problème de nature. Car un outil d’IA générative ne se contente pas de stocker une donnée. Il l’ingurgite, l’analyse, la transforme — et potentiellement la mémorise.

Quand un collaborateur colle le compte-rendu d’un COMEX dans un LLM public, cette information quitte définitivement le périmètre de l’entreprise. Elle peut être journalisée, utilisée pour réentraîner un modèle, ou simplement exposée à un tiers. 77 % des employés partagent des informations sensibles ou propriétaires avec des outils comme ChatGPT, selon les observations de terrain.

Autre différence majeure : l’IA est désormais embarquée dans des outils déjà approuvés. Zoom, Salesforce, Adobe, Grammarly activent des fonctions IA parfois par défaut. Le collaborateur ne sait même pas qu’il utilise de l’IA. Le rapport Acuvity indique que 18 % des organisations s’inquiètent spécifiquement de ces fonctions IA intégrées dans des SaaS légitimes.

Le Shadow AI n’est pas seulement non autorisé. Il est souvent invisible — même pour ceux qui l’utilisent.

3. Les risques concrets : au-delà de la fuite de données

Le premier risque est évident : la fuite d’informations sensibles. Données clients, propriété intellectuelle, stratégies internes — tout ce qui est collé dans un prompt peut échapper au contrôle de l’organisation. Les incidents liés au Shadow AI coûtent en moyenne 650 000 dollars supplémentaires par violation de données, selon les estimations IBM.

Mais les risques vont plus loin :

• Conformité réglementaire : un usage non tracé rend impossible toute démonstration de conformité RGPD, NIS2 ou AI Act. Comment prouver que des données personnelles n’ont pas été traitées par un LLM non référencé ?

• Qualité décisionnelle : des décisions prises sur la base de réponses d’IA non vérifiées — hallucinations, biais, données obsolètes — peuvent contaminer les processus métier.

• Surface d’attaque élargie : chaque outil IA non gouverné est un point d’entrée potentiel. Extensions navigateur, plugins, agents autonomes : autant de vecteurs qui échappent aux CASB et DLP classiques.

• Dépendance opérationnelle : quand un processus métier repose sur un agent IA déployé en dehors de tout cadre, que se passe-t-il s’il tombe en panne ou s’il est désactivé ?

Le Shadow AI ne crée pas qu’un problème de sécurité. Il crée un problème de souveraineté décisionnelle.

4. Pourquoi interdire ne marchera pas

La tentation est forte. Bloquer les accès, publier une note de service, lister les outils interdits. Certaines organisations l’ont fait. Avec un résultat prévisible : les usages sont passés en clandestin. Les collaborateurs utilisent leurs téléphones personnels, des comptes privés, des VPN tiers. Le Shadow AI ne disparaît pas. Il s’enfonce.

Trois raisons rendent l’interdiction inopérante :

1. La pression de productivité est réelle. Les métiers sont soumis à des injonctions contradictoires : « innovez avec l’IA » mais « n’utilisez pas l’IA ». Sans alternative crédible, le contournement est inévitable.

2. L’accès est trivial. Contrairement au Shadow IT des années 2010, pas besoin d’installer quoi que ce soit. Un navigateur suffit. Aucun firewall ne bloquera tous les LLM du marché.

3. L’IA embarquée est incontournable. Quand votre suite Office, votre CRM ou votre outil de visio intègrent nativement de l’IA, la frontière entre « autorisé » et « non autorisé » devient floue.

Interdire l’IA en entreprise en 2026, c’est comme interdire l’email en 2005. Le sujet n’est pas le contrôle. C’est la gouvernance.

5. Reprendre la main : la stratégie en trois temps

La réponse ne réside ni dans l’interdiction ni dans le laisser-faire. Elle repose sur un triptyque : visibilité, cadrage, alternatives.

Temps 1 — Cartographier : savoir ce qui existe

Avant de gouverner, il faut voir. La première étape est un inventaire réaliste des usages IA dans l’organisation. Pas un audit punitif. Un état des lieux honnête.

• Déployer des outils de découverte IA (CASB, DLP étendus, analyse de trafic réseau) pour détecter les flux vers les API de LLM.

• Recenser les fonctions IA embarquées dans les SaaS déjà utilisés — y compris celles activées par défaut.

• Mener des entretiens métiers pour comprendre les usages réels, sans jugement. Le shadow prospère dans le silence.

Temps 2 — Encadrer : poser les règles du jeu

Une politique IA d’entreprise doit être claire, courte et applicable. Elle doit répondre à trois questions simples : quels outils sont autorisés ? Quelles données peuvent y transiter ? Qui est responsable ?

• Classifier les données par niveau de sensibilité et définir ce qui peut — ou non — être soumis à un LLM.

• Créer un comité de gouvernance IA transverse (sécurité, juridique, métiers, IT) capable d’évaluer et valider les usages.

• S’appuyer sur des cadres de référence : le NIST AI RMF pour la gestion du risque, l’ISO/IEC 42001 pour le management IA, l’OWASP Top 10 for LLM pour les risques applicatifs.

Temps 3 — Offrir : proposer des alternatives crédibles

La gouvernance ne tient que si les alternatives proposées répondent aux besoins réels. Si l’outil approuvé est plus lent, plus complexe ou plus limité que la version gratuite, le shadow reprendra immédiatement.

• Négocier des licences entreprise avec les fournisseurs d’IA intégrant DLP, traçabilité et contrôle des données.

• Déployer des instances privées ou on-premise pour les cas d’usage sensibles.

• Impliquer les utilisateurs dans le choix des outils : une solution imposée sera contournée, une solution co-construite sera adoptée.

La meilleure politique IA est celle que les collaborateurs ont envie de respecter. Pas celle qu’ils subissent.

6. Grille de maturité Shadow AI : où en est votre organisation ?

Pour évaluer votre position, voici une grille en cinq niveaux. Elle n’a pas vocation à noter, mais à situer — et à orienter les prochaines actions.

Niveau 1 — Inconscience : Aucune visibilité sur les usages IA. Pas de politique. Pas de détection. Les données circulent librement vers des LLM externes.

Niveau 2 — Réaction : Le sujet est identifié après un incident (fuite, non-conformité). Des restrictions sont posées, souvent par blocage pur. Peu d’alternatives proposées.

Niveau 3 — Cadrage : Une politique IA existe. Les outils autorisés sont listés. La classification des données est en cours. Le comité de gouvernance est opérationnel.

Niveau 4 — Maîtrise : Les usages sont cartographiés et monitorés. Des alternatives crédibles sont déployées. Les métiers participent à la gouvernance. Les risques résiduels sont acceptés en connaissance de cause.

Niveau 5 — Intégration : L’IA est un axe stratégique piloté au plus haut niveau. La gouvernance est intégrée aux processus existants (risque, conformité, achats). L’organisation apprend en continu de ses usages.

La plupart des organisations sont entre les niveaux 1 et 2. Le passage au niveau 3 est le seuil critique — celui où la gouvernance commence réellement.

7. Le vrai sujet : la conscience de la dépendance — encore

Nous retrouvons ici un fil rouge qui traverse Plan R depuis ses débuts. Dans l’épisode 002, nous écrivions que « la résilience n’est pas l’absence de dépendance, c’est la conscience de ses dépendances ». Le Shadow AI est exactement cela : une dépendance créée sans conscience.

Vos équipes dépendent déjà de l’IA. Elles y envoient des données stratégiques. Elles fondent des décisions sur ses réponses. Elles intègrent ses sorties dans des livrables clients. Et dans la plupart des cas, personne — ni le RSSI, ni le DPO, ni la direction générale — ne le sait.

Ce n’est pas un sujet technique. C’est un choix stratégique. Et comme tout choix stratégique, il ne peut pas être délégué à l’usage spontané des collaborateurs.

Le Shadow AI révèle un vide. Pas un vide technique — un vide de gouvernance. Et ce vide, seule la direction peut le combler.

L’Essentiel pour Agir

1. Cartographiez vos usages IA existants — sans attendre un incident —

Lancez un inventaire des outils IA utilisés dans l’organisation, y compris les fonctions IA embarquées dans les SaaS déjà en place. Combinez détection technique (CASB, DLP, analyse réseau) et entretiens métiers. L’objectif n’est pas de punir, mais de voir.

2. Publiez une politique IA claire, courte et applicable —

Définissez les outils autorisés, les données qui peuvent y transiter, et les responsabilités associées. Appuyez-vous sur les cadres NIST AI RMF et ISO 42001. Impliquez un comité transverse : sécurité, juridique, métiers, IT.

3. Proposez des alternatives crédibles avant de restreindre —

La gouvernance ne fonctionne que si l’offre interne répond aux besoins réels. Déployez des instances approuvées, négociez des licences entreprise avec DLP et traçabilité intégrés, et co-construisez les choix d’outils avec les utilisateurs.

Conclusion

Le Shadow AI n’est pas une crise. C’est un signal. Le signal que l’IA est déjà partout dans l’organisation — et que la gouvernance n’a pas suivi. La réponse ne passe ni par la panique ni par l’interdiction. Elle passe par la lucidité : voir ce qui existe, cadrer ce qui doit l’être, et offrir à chacun les moyens de travailler avec l’IA dans un cadre maîtrisé.

Ce cadre ne se construit pas en un jour. Mais il commence par une décision — celle de ne plus fermer les yeux.

La semaine prochaine, nous poursuivrons ce fil en explorant un territoire où la gouvernance rencontre la réglementation : quand les textes européens — NIS2, AI Act, DORA — imposent de nouvelles exigences à des organisations qui peinent encore à maîtriser l’existant.

La résilience ne consiste pas à interdire le changement. Elle consiste à ne jamais le subir sans en avoir conscience.

Bibliographie

NIST AI Risk Management Framework (AI RMF 1.0)

https://www.nist.gov/itl/ai-risk-management-framework

Cadre de référence du NIST pour la gestion des risques liés à l’IA. Structuré autour de quatre fonctions (Govern, Map, Measure, Manage), il constitue la base méthodologique pour toute gouvernance IA d’entreprise, y compris la gestion du Shadow AI.

OWASP Top 10 for LLM Applications (2025)

https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/

Référentiel communautaire identifiant les dix risques les plus critiques des applications LLM : injection de prompt, fuite d’informations sensibles, excès d’autonomie. Directement applicable aux risques posés par les usages IA non gouvernés.

ISO/IEC 42001:2023 — Artificial Intelligence Management System

https://www.iso.org/standard/42001

Première norme internationale dédiée au système de management de l’IA. Fournit un cadre structuré (politique, risques, contrôles, amélioration continue) pour gouverner les usages IA — le socle pour passer du Shadow à la maîtrise.

ISACA — From Shadow IT to Shadow AI: Navigating the New Frontier of Enterprise Risk

https://www.isaca.org/resources/news-and-trends/newsletters/atisaca/2025/volume-19/from-shadow-it-to-shadow-ai-navigating-the-new-frontier-of-enterprise-risk

Article de l’ISACA traçant le parallèle entre Shadow IT et Shadow AI. Analyse des risques spécifiques et proposition d’une feuille de route de gouvernance pour les organisations.

Acuvity — 2025 State of AI Security Report

https://acuvity.ai/2025-state-of-ai-security/

Enquête auprès de 275 responsables sécurité révélant que 49 % des organisations anticipent un incident Shadow AI à 12 mois et que 40 % n’ont pas de gouvernance IA structurée. Données clés pour évaluer l’ampleur du phénomène.