Retour aux articles

Article

Shadow IT et IA générative : reprendre le contrôle en Europe

Shadow IT et IA générative : reprendre le contrôle en Europe

Comprenez pourquoi le shadow IT explose avec l’IA générative et comment le maîtriser sans bloquer l’innovation grâce à une gouvernance et une alternative approuvée.

Le vrai sujet n’est plus « ChatGPT au bureau » : c’est la prolifération d’agents

Dans les organisations européennes régulées, le shadow IT lié à l’IA générative a changé de nature : on ne parle plus seulement d’un usage individuel « hors politique », mais d’un écosystème d’outils, de connecteurs et d’agents qui manipulent des données internes et peuvent agir sur des systèmes.

Le shadow IT devient un risque systémique quand l’IA générative quitte le simple “copier-coller” et se transforme en agents connectés, capables d’accéder à des référentiels internes et d’exécuter des actions.

Ce basculement crée une tension très concrète pour les CIO/CDO : sécuriser et démontrer la conformité sans casser la demande métier. Les chiffres récents montrent d’ailleurs que le shadow AI est autant un signal de productivité et de besoin qu’un sujet de sécurité.

1) Définir le périmètre : le shadow AI a (au moins) 4 visages

Aujourd'hui, le shadow AI ne se limite plus à un salarié qui ouvre un outil grand public. Il recouvre aussi :

  1. l’usage d’un outil grand public via un compte personnel ;

  2. l’activation non validée d’une fonction IA dans un logiciel pourtant autorisé ;

  3. le développement local d’un assistant/RAG/agent ;

  4. la connexion d’agents à des données et API internes sans inventaire ni contrôle suffisant (Rapport de recherche « Shadow IT et IA générative… », 23 septembre 2026).

Ce que cela implique pour un CIO/CDO : une politique « interdiction + sensibilisation » ne couvre qu’une partie du périmètre. Les risques se déplacent vers les fonctions IA “invisibles” dans des outils approuvés et vers les agents qui étendent le périmètre de données et d’actions.

2) Ce qui a changé en 2026 : du risque de divulgation au risque d’action autonome

La CNIL considère que l’IA agentique amplifie la circulation des données, la perte de maîtrise et la difficulté d’attribuer les responsabilités (CNIL & CIANum, note « IA agentique et données personnelles », 20 juillet 2026, https://cnil.fr/fr/ia-agentique-cnil-cianum-note).

En parallèle, Netskope observe une évolution qui illustre ce passage à l’échelle :

Ce que cela signifie pour des secteurs régulés : la surface à contrôler n’augmente pas “un peu”, elle change de forme. Les agents et connecteurs créent des flux montants (données envoyées vers un modèle) et descendants (données restituées à un utilisateur qui n’aurait pas dû y accéder), notamment si un assistant connecté à des bases internes ne reproduit pas correctement les droits d’accès (Netskope Threat Labs, 27 juillet 2026).

3) Le shadow AI est devenu structurel (et mesurable)

Deux signaux récents sont particulièrement actionnables pour des décideurs IT/Data :

  • Usage régulier sur postes de travail : Verizon observe que 45 % des salariés analysés sont des utilisateurs réguliers de l’IA sur leurs terminaux professionnels, contre 15 % l’année précédente (Verizon, 2026 Data Breach Investigations Report – communiqué du 19 mai 2026, https://www.verizon.com/about/news/breach-industry-wide-dbir-finds).

  • Comptes non professionnels : Verizon indique que dans 67 % des usages de services GenAI non autorisés, un compte non professionnel est utilisé (Verizon, communiqué DBIR 2026, 19 mai 2026).

Interprétation pour un CIO/CDO : ces deux chiffres pointent un mécanisme récurrent : plus l’IA devient un réflexe de travail, plus l’organisation a besoin d’un accès officiel simple (SSO, comptes gérés), sinon l’adoption se fait par contournement.

4) Secteur public : le shadow AI est aussi une demande métier explicite

Le secteur public français est aujourd’hui le terrain le plus documenté sur le sujet.

Une enquête publiée le 7 avril 2026 indique que 55 % des 1 867 agents répondants utilisent des outils d’IA tiers hors cadre formel (DITP, « L’IA dans l’État : les agents publics s’emparent de l’IA », 7 avril 2026, https://www.modernisation.gouv.fr/actualites/lia-dans-letat-les-agents-publics-semparent-de-lia).

Mais l’enquête montre aussi une réalité décisive pour piloter le changement :

  • 73 % déclarent un gain de productivité (DITP, 7 avril 2026);

  • 80 % souhaitent un déploiement plus large (DITP, 7 avril 2026);

  • et seulement 31 % déclarent avoir été formés par leur employeur (DITP, 7 avril 2026).

Ce que cela signifie : le shadow AI n’est pas uniquement un “problème de discipline”. C’est souvent un écart entre le besoin (productivité) et l’offre interne (outils + formation + cadre).

Cette lecture est cohérente avec l’analyse de l’Assemblée nationale, qui note que le risque de shadow AI persistera tant que les outils souverains sont perçus comme moins performants que les modèles grand public accessibles gratuitement (Assemblée nationale, rapport opendata https://www.assemblee-nationale.fr/dyn/opendata/RAPPANR5L17B3054-t1.html).

5) Industries régulées : la perception du risque est massive (santé, finance, public)

Dans l’étude Nutanix publiée en juillet 2026, la gravité perçue est sans ambiguïté :

La même source résume la tension gouvernance/innovation avec une formule utile pour cadrer une stratégie interne : « enthusiasm without guardrails creates risk », attribuée à Shane McDaniel, CIO de la ville de Seguin (Nutanix, 15 juillet 2026).

Traduction opérationnelle : il faut fournir des garde-fous (inventaire, identité, droits, journalisation, contrôle des flux) tout en maintenant l’enthousiasme via une alternative approuvée et utilisable.

6) Nucléaire : moins de statistiques, mais une gravité potentielle maximale

Le rapport de recherche souligne une limite importante : aucun incident public de shadow AI nucléaire directement documenté dans la fenêtre 23 mars–23 septembre 2026 n’a été trouvé (Rapport de recherche, 23 septembre 2026).

En revanche, l’ASNR insiste sur des exigences qui expliquent pourquoi, dans le nucléaire, la question dépasse la confidentialité : robustesse, justification, représentativité des données, contrôle humain et intégrité des systèmes numériques (ASNR, Rapport sur l’état de la sûreté nucléaire…, 29 mai 2026, https://www.asnr.fr/sites/asnr/files/2026-05/Rapport-ASNR-sur-l-etat-de-la-surete-nucleaire-et-de-la-radioprotection-en-France-en-2025.pdf).

Ce que cela implique : un usage “occasionnel” et peu visible (résumé automatique d’un rapport, génération d’un script, assistant documentaire local) peut devenir critique s’il alimente un dossier réglementaire ou une décision d’ingénierie sans traçabilité ni validation (ASNR, 29 mai 2026; Rapport de recherche, 23 septembre 2026).

7) Les risques concrets à prioriser : identité, permissions, données, traçabilité

Plutôt que de lister des risques génériques, il est plus utile de partir de scénarios qui reviennent dans les sources.

A. Les comptes personnels et la perte de traçabilité

Verizon indique que 67 % des usages GenAI non autorisés passent par un compte non professionnel (Verizon, 19 mai 2026). Cela crée immédiatement un angle mort : historique, rétention, journaux et révocation ne sont pas sous contrôle.

B. Les extensions et fonctions IA “silencieuses”

Verizon relève qu’une entreprise moyenne compte plus de 15 % d’utilisateurs ayant installé des extensions IA non autorisées dans leur navigateur (Verizon, DBIR 2026 – PDF, https://www.verizon.com/business/resources/T343/reports/2026-dbir-data-breach-investigations-report.pdf).

Implication : ce n’est pas seulement une question d’outils “IA”. C’est une question de poste de travail, navigateur, permissions et d’allowlists.

C. L’agent sur-privilégié et l’action non autorisée

La Cloud Security Alliance constate que 47 % des organisations interrogées ont déjà subi un incident impliquant un agent IA, et que 53 % indiquent que des agents dépassent parfois leurs permissions prévues (Cloud Security Alliance, Enterprise AI Security Starts with AI Agents, 15 avril 2026, https://cloudsecurityalliance.org/artifacts/enterprise-ai-security-starts-with-ai-agents).

Un agent sans identité propre, sans moindre privilège et sans supervision d’exécution transforme une automatisation utile en risque opérationnel.

8) Pourquoi l’interdiction seule échoue (et comment éviter l’effet boomerang)

Le rapport de recherche est explicite : l’interdiction seule est insuffisante lorsque les outils institutionnels sont moins performants ou moins accessibles que les services grand public; les usages clandestins persistent (Assemblée nationale, https://www.assemblee-nationale.fr/dyn/opendata/RAPPANR5L17B3054-t1.html).

La réponse émergente est une combinaison de : alternatives autorisées, inventaire, contrôle des données, identité des agents, supervision d’exécution et formation (Rapport de recherche, 23 septembre 2026).

Un exemple concret côté secteur public : en juin 2026, l’État a généralisé L’Assistant, développé avec Mistral AI sur une infrastructure Outscale qualifiée SecNumCloud, après expérimentation auprès de 10 000 agents; les tests ont mesuré jusqu’à 16 % de gain de temps sur des tâches de synthèse documentaire (DINUM / numerique.gouv.fr, « Une IA utile, humaine et souveraine pour les services publics », juin 2026, https://www.numerique.gouv.fr/sinformer/espace-presse/intelligence-artificielle-ia-utile-humaine-souveraine-services-publics/).

Lecture pour une DSI : l’adoption se maîtrise mieux quand l’organisation propose une solution officielle qui est réellement compétitive sur les cas d’usage du quotidien.

9) Un plan réaliste “0–90 jours” pour reprendre le contrôle

Voici une séquence de travail alignée sur les recommandations du rapport de recherche, conçue pour les environnements régulés.

Étape 1 — Recenser en 4 couches (pas seulement les outils web)

Le rapport recommande un recensement couvrant :

  • services web et applications SaaS ;

  • comptes personnels et professionnels ;

  • extensions, plugins et fonctions IA intégrées ;

  • agents, RAG, connecteurs, API et serveurs MCP (Rapport de recherche, section recommandations « Horizon 0–90 jours », 23 septembre 2026).

Pourquoi c’est critique : sans inventaire, vous ne pouvez ni prioriser, ni expliquer, ni démontrer la conformité.

Étape 2 — Classer les usages en 3 niveaux (vert/orange/rouge)

Le rapport propose une segmentation simple :

  • Vert : reformulation de texte public (autorisée sur outils approuvés)

  • Orange : document interne non public (environnement géré et journalisé)

  • Rouge : sûreté/secret/santé/identifiants/décision individuelle (interdit sur outil externe non homologué)

(Rapport de recherche, recommandations, 23 septembre 2026)

Ce que cela change : vous passez d’une règle unique (souvent contournée) à une gouvernance proportionnée au risque, plus acceptable pour les métiers.

Étape 3 — Fournir immédiatement une alternative (sinon l’écart se recrée)

Le rapport est clair : l’alternative doit offrir SSO, qualité suffisante, règles explicites de données, fonctionnalités de synthèse et recherche documentaire, support et exemples métier (Rapport de recherche, recommandations, 23 septembre 2026).

Point d’attention : ce n’est pas un “bonus”. C’est le mécanisme principal pour convertir un usage clandestin en usage maîtrisé.

Étape 4 — Mettre une télémétrie proportionnée

Mesurer : usage par outil et type de compte, catégories de données bloquées/averties, extensions installées, agents et connecteurs, volumes et coûts, incidents et dérogations (Rapport de recherche, recommandations, 23 septembre 2026).

Pour piloter : vous pourrez suivre la part des usages IA qui bascule vers la solution approuvée, et où persistent les contournements.

10) À partir de 3–9 mois : traiter les agents comme des identités non humaines

Gartner recommande notamment un inventaire centralisé des agents, une identité et un cycle de vie propres, la gouvernance de l’information et la surveillance continue du comportement (Gartner, https://www.gartner.com/en/newsroom/press-releases/2026-04-28-gartner-identifies-six-steps-to-manage-artificial-intelligence-agent-sprawl).

Le rapport de recherche le traduit en exigences concrètes :

  • créer un registre unifié des IA (finalité, modèle, sources de données, classification, permissions, niveau d’autonomie, validation humaine, conditions de retrait);

  • donner aux agents des droits propres et temporaires, plutôt qu’un héritage illimité;

  • prévoir une approbation pour les actions sensibles et un mécanisme d’arrêt (Rapport de recherche, recommandations, 23 septembre 2026).

La gouvernance des agents est une discipline de gestion d’identité et de cycle de vie, pas un simple sujet de charte d’usage.

11) Où une plateforme unifiée Data & IA peut réduire le shadow IT (sans “reconstruire”)

À ce stade, beaucoup d’organisations constatent le même blocage : l’architecture est fragmentée (données ici, gouvernance là, IA ailleurs), donc chaque nouveau cas d’usage crée un nouveau contournement.

C’est précisément l’angle de Cleyrop tel qu’exprimé dans l’analyse de plateforme : une plateforme souveraine Data & IA destinée aux secteurs sensibles, visant à industrialiser l’IA « en toute confiance », en centralisant collecte, transformation, gouvernance des données, agents IA et applications métiers dans un environnement maîtrisé (Analyse « Cleyrop est une plateforme souveraine Data & IA… »).

Trois points sont particulièrement pertinents pour la réduction du shadow AI :

  1. Unifier les outils pour réduire les zones grises. Une plateforme unifiée limite la multiplication des intégrations fragiles et des initiatives locales “hors cadre”.

  2. Offrir une alternative utilisable par les métiers. L’analyse met en avant l’autonomie via le no-code pour créer et déployer des agents IA, ce qui permet d’éviter que les équipes métiers aillent chercher des solutions externes faute de capacité interne.

  3. Souveraineté et déploiement contrôlé. L’analyse mentionne des options de déploiement et de conformité comme SecNumCloud et on-premise, et la logique « cloud-agnostique » pour éviter le verrouillage.

Ce que cela signifie pour un CIO/CDO : une alternative officielle n’est crédible que si elle est à la fois gouvernable (identités, droits, traçabilité) et adoptable (UX, cas d’usage, accès simple). Sinon, le shadow IT se reconstitue ailleurs.

Conclusion : l’objectif n’est pas de “bloquer l’IA”, mais de rendre l’IA gouvernable

Le shadow IT lié à l’IA générative est devenu un phénomène structurel, tiré par la productivité (DITP, 7 avril 2026) et accéléré par l’agentification (CNIL, 20 juillet 2026; Netskope, 27 juillet 2026). Dans les environnements régulés, la bonne stratégie consiste à déplacer la demande vers un cadre sûr, plutôt qu’à tenter de l’éteindre.

Pour avancer, retenez une règle simple, qui résume la tension observée sur le terrain : « enthusiasm without guardrails creates risk » (Shane McDaniel, Nutanix, 15 juillet 2026). La feuille de route pratique est tout aussi simple : inventaire complet, classification des usages, alternative approuvée, télémétrie, puis identité et cycle de vie des agents.

Références (sélection)

Éditeur français à l’actionnariat 100% européen.

Rejoignez notre newsletter

Éditeur français à l’actionnariat 100% européen.

Rejoignez notre newsletter