D’où vient le shadow AI
Le terme prolonge celui de shadow IT, apparu quand les premiers services cloud grand public sont entrés dans les entreprises sans passer par les directions informatiques. Le mécanisme n’a pas changé : un collaborateur adopte un outil qui résout son problème immédiatement, et la validation interne arrive trop tard, quand elle arrive.
La différence tient à la nature de ce qui transite. Un partage de fichiers non autorisé expose un document. Une conversation avec un assistant IA expose tout le contexte qui entoure ce document : le raisonnement tenu, les extraits de contrats collés pour analyse, les listes de clients, le code source, les chiffres que l’on soumet pour obtenir une synthèse.
Dans la plupart des PME, ces usages prennent trois formes.
L’assistant sur compte personnel. Un commercial ouvre un compte gratuit et y colle une proposition commerciale à reformuler. Rien ne distingue cette conversation de son usage privé du même outil.
L’extension de navigateur. Un outil de résumé de réunion s’installe en deux clics et obtient au passage un accès au contenu des pages consultées.
La fonction IA activée par défaut. Une suite bureautique ou un logiciel métier ajoute une fonctionnalité d’IA lors d’une mise à jour. Personne n’a pris de décision, la fonctionnalité est simplement là.
Pourquoi l’interdiction échoue
Un salarié qui passe par un assistant cherche à travailler plus vite, et ce comportement se diffuse par imitation entre collègues. Face à cela, l’interdiction pure produit un effet bien documenté : l’usage se déplace vers le téléphone personnel, où l’entreprise ne voit plus rien. Le volume d’usage reste le même, la visibilité disparaît.
Les entreprises qui reprennent la main procèdent dans l’ordre inverse. Elles ouvrent d’abord un outil validé, elles expliquent ensuite les règles, et elles s’assurent que le chemin autorisé demande moins d’effort que le chemin parallèle.
Ce que ces usages exposent
La fuite de données confidentielles
C’est le risque principal, et il est aujourd’hui chiffré. Dans l’édition 2025 de son rapport Cost of a Data Breach, IBM mesure qu’une violation de données impliquant un niveau élevé de shadow AI coûte en moyenne 670 000 dollars de plus que la moyenne mondiale, et qu’une organisation victime d’une violation sur cinq a été compromise via une IA non déclarée. Le même rapport relève que 63 % des organisations touchées n’avaient aucune politique de gouvernance de l’IA.
La nature des données en cause est documentée elle aussi. Les analyses de trafic de Netskope montrent que le code source est la donnée sensible la plus fréquemment envoyée vers les applications d’IA générative, et que le volume de données partagées avec ces applications a été multiplié par trente en un an. Le cas le plus connu reste celui de Samsung en 2023 : des ingénieurs avaient collé dans ChatGPT du code source propriétaire et le compte rendu d’une réunion interne, ce qui a conduit le groupe à interdire ces outils sur l’ensemble de ses équipements.
Un point contractuel mérite d’être compris ici, parce qu’il change le niveau de risque du tout au tout. Sur une offre grand public, les conversations peuvent être conservées et utilisées pour améliorer le service, selon les réglages du compte. Sur une offre professionnelle, l’éditeur s’engage contractuellement à ne pas exploiter les données de ses clients. Le même outil, selon le contrat qui le couvre, n’expose donc pas l’entreprise de la même manière.
La perte de traçabilité
Le RGPD impose de savoir où les données personnelles sont traitées, dans quel registre, et avec quelles garanties. Une conversation menée sur un compte personnel ne figure dans aucun registre de traitement, n’a fait l’objet d’aucune analyse d’impact, et reste introuvable le jour où une personne exerce son droit d’accès ou d’effacement. La CNIL a publié des fiches pratiques dédiées à l’IA qui précisent comment appliquer le RGPD à ces systèmes. Toutes supposent que l’entreprise sait quels outils sont utilisés, ce qui est précisément ce que le shadow AI empêche.
La décision fondée sur une réponse fausse
Un assistant produit des réponses plausibles, y compris quand elles sont inexactes. Dans un cadre validé, ces réponses passent par une relecture. Quand l’outil est utilisé en dehors de tout cadre, personne ne sait qu’une vérification serait nécessaire, et la réponse entre parfois telle quelle dans un devis, un courrier client ou une note juridique.
La dépendance invisible
Un processus finit par se construire autour d’un outil que l’entreprise ne connaît pas. Le jour où l’éditeur modifie ses tarifs, change ses conditions ou ferme le service, le processus s’arrête, et l’entreprise découvre à cette occasion qu’il existait.
Mesurer avant d’encadrer
Sans mesure préalable, une politique interne se rédige à l’aveugle. Trois méthodes se recoupent, et une semaine suffit généralement à les mener.
Le questionnaire anonyme. Cinq questions suffisent : les outils utilisés, les tâches concernées, le type de compte, les données saisies, et ce qui manque dans l’outillage officiel. Les réponses doivent rester anonymes, avec un engagement écrit qu’aucune sanction ne suivra, sans quoi personne ne répondra sincèrement.
L’analyse des flux réseau. Les équipements de sécurité voient les connexions sortantes vers les domaines des principaux services d’IA. Le volume et le nombre de postes concernés donnent une image objective, qui recoupe ou contredit le questionnaire.
L’inventaire des dépenses. Les notes de frais et les abonnements réglés sur des cartes personnelles révèlent les outils adoptés en silence, y compris ceux que le réseau ne voit pas.
Ramener l’usage dans un cadre
Six mesures, dans l’ordre où elles se mettent en place. L’ordre compte : la règle écrite arrive en dernier, une fois que le chemin autorisé existe.
Ouvrir un outil validé. Choisir un assistant sous contrat professionnel, avec un engagement de non-exploitation des données et un hébergement compatible avec les exigences de l’entreprise, puis le mettre à disposition largement. Un accès réservé à quelques personnes recrée immédiatement des usages parallèles chez toutes les autres.
Écrire une politique d’usage courte. Elle répond à quatre questions : les outils autorisés, les données qui ne doivent jamais être saisies, la personne à qui s’adresser en cas de doute, et la conduite à tenir après une erreur. Un document de deux pages que les équipes lisent réellement produit plus d’effet qu’un référentiel complet que personne n’ouvre.
Classer les données. Une règle d’usage sans classification des données reste inapplicable, parce que personne ne sait ce qui est réellement interdit de saisie. Une échelle à trois niveaux suffit dans la plupart des cas, et la règle décisive porte sur le niveau le plus haut : ce qui est confidentiel ne sort jamais de l’environnement maîtrisé.
| Niveau | Exemples | Règle d’usage |
|---|---|---|
| Public | Plaquettes, contenus publiés, offres d’emploi | Utilisation libre dans l’outil validé |
| Interne | Comptes rendus, procédures, supports de formation | Autorisé dans l’outil sous contrat professionnel |
| Confidentiel | Données personnelles, contrats, code source, données de santé | Ne sort jamais de l’environnement maîtrisé |
Former par métier. Un commercial, un comptable et un développeur n’exposent ni les mêmes données ni les mêmes volumes. Une sensibilisation générique glisse sur les équipes, tandis qu’une demi-journée construite sur les cas réels d’un métier change les pratiques de ce métier. C’est aussi, depuis février 2025, une attente du règlement européen : l’article 4 de l’AI Act demande aux employeurs de garantir un niveau suffisant de maîtrise de l’IA chez les personnes qui l’utilisent. C’est l’objet de notre parcours Maîtrise de l’IA au quotidien.
Isoler les usages sensibles. Certains traitements appellent une IA qui ne quitte pas l’infrastructure de l’entreprise : l’analyse de dossiers médicaux, le tri de candidatures, l’exploitation de documents clients couverts par le secret. Pour ces déploiements internes, les recommandations de sécurité de l’ANSSI constituent le référentiel de départ. C’est ce que nous mettons en place avec Yuki Sphere.
Réviser régulièrement. Le paysage des outils évolue assez vite pour qu’une politique rédigée en début d’année soit dépassée avant l’été si personne ne la relit. Une revue semestrielle suffit, à condition qu’elle ait un responsable désigné.
L’erreur la plus fréquente
Beaucoup d’entreprises commencent par la note de service, parce que c’est la mesure la moins coûteuse. Elle arrive après les habitudes qu’elle prétend encadrer, et elle ne propose aucune alternative, si bien que l’usage continue, simplement plus discrètement. La séquence qui fonctionne place la règle en dernier. On mesure, on ouvre une alternative correcte, on explique, et on encadre ce qui reste.
Situer votre organisation
L’inventaire décrit dans cet article est aussi la première étape qu’exige la mise en conformité avec l’AI Act, qui demande aux entreprises de recenser leurs systèmes d’IA et de former les personnes qui les utilisent. Pour situer votre organisation face à ces obligations, nous proposons un auto-diagnostic de conformité AI Act : onze questions déterminent votre rôle et votre catégorie de risque au regard du règlement, et vous repartez avec un rapport et un plan d’action.
Sources
- IBM, Cost of a Data Breach Report 2025, analyse consacrée au shadow AI
- Netskope Threat Labs, Cloud and Threat Report : Generative AI 2025
- Forbes, Samsung bans ChatGPT after sensitive code leak, mai 2023
- CNIL, les fiches pratiques IA
- ANSSI, Recommandations de sécurité pour un système d’IA générative, avril 2024
- Règlement (UE) 2024/1689 sur l’intelligence artificielle, texte sur EUR-Lex