Au cours des dix-huit derniers mois, les outils d’IA générative se sont intégrés aux flux de travail quotidiens plus vite que presque toute autre technologie récente. Des collaborateurs rédigent des contrats avec ChatGPT, résument des appels clients avec Claude, et collent des données financières dans l’assistant le plus rapide sous la main. Tout cela se produit, dans la plupart des cas, à l’insu de l’IT, sans politique qui l’encadre, et sans que personne dans l’organisation puisse dire avec certitude quelles données en sont sorties. C’est le Shadow AI, et pour les gestionnaires d’actifs et les PME traitant des informations client sensibles, il est devenu discrètement l’une des failles de gouvernance les plus lourdes de conséquences de l’année.
Comment cela se joue réellement
Le Shadow AI se manifeste rarement par une violation spectaculaire. Il s’installe par commodité. Un chargé de relation client colle le résumé du portefeuille d’un client dans un chatbot public pour rédiger plus vite une lettre trimestrielle. Un analyste junior charge un term sheet pour obtenir un second avis sur sa structure. Un développeur alimente un assistant avec du code propriétaire pour déboguer un script. Aucune de ces actions n’est malveillante, et la plupart des collaborateurs croient sincèrement ne faire que travailler efficacement. Pourtant, chacune constitue une sortie de données non contrôlée, souvent vers un sous-traitant tiers dont la conservation des données, l’usage à des fins d’entraînement et le traitement juridictionnel restent inconnus de l’organisation — et, dans bien des cas, inconnus même du collaborateur.
L’ampleur du phénomène aggrave le risque. Contrairement à l’installation d’un logiciel non autorisé isolé, l’usage d’outils d’IA tend à se propager horizontalement et rapidement entre les équipes, car la barrière à l’adoption est un onglet de navigateur, pas un ticket IT. Le temps que la fonction conformité s’en aperçoive, l’usage est souvent déjà ancré dans le quotidien de plusieurs départements.
Pourquoi les contrôles traditionnels ne le détectent pas
La plupart des PME et des gestionnaires d’actifs boutique ont construit leur dispositif de sécurité autour d’un autre modèle de menace : malwares, phishing, appareils non autorisés, intrusions réseau. Le Shadow AI ne déclenche aucun de ces signaux. Il utilise des appareils autorisés, des navigateurs autorisés, et souvent des comptes personnels ou non gérés sur des plateformes d’IA par ailleurs réputées. Les outils de prévention des fuites de données (DLP), calibrés pour les transferts de fichiers ou les pièces jointes, manquent fréquemment le texte collé directement dans une interface web. Le résultat est un angle mort situé en plein cœur du périmètre que les organisations pensent déjà avoir sécurisé.
L’exposition réglementaire en découle directement. Pour un gestionnaire d’actifs traitant des données financières de clients, coller des détails de portefeuille ou des informations personnelles dans un outil d’IA tiers sans accord de sous-traitance ni base légale peut constituer une violation de la loi suisse sur la protection des données (nLPD) ou, pour les activités tournées vers l’UE, du RGPD — qu’un incident survienne ou non. L’exposition existe dès l’instant où la donnée quitte le contrôle de l’organisation.
À quoi ressemble une gouvernance efficace
La réponse n’est pas une interdiction générale, qui échoue généralement en silence lorsque les collaborateurs déplacent simplement leur usage vers des appareils personnels, encore plus hors de la visibilité de l’organisation. Une gouvernance efficace commence plutôt par la visibilité : comprendre quels outils d’IA sont réellement utilisés aujourd’hui, via une détection au niveau du réseau plutôt qu’un questionnaire auquel les collaborateurs pourraient répondre de façon inexacte. À partir de là, les organisations ont besoin d’une politique à plusieurs niveaux qui distingue les classifications de données : ce qui ne doit jamais quitter l’environnement de l’organisation, ce qui peut être utilisé dans le cadre d’un accord enterprise, et ce qui ne présente aucune sensibilité réelle.
Les accords de niveau enterprise avec les fournisseurs d’IA, lorsqu’ils existent, incluent généralement des garanties contractuelles contre l’entraînement sur les données soumises et des conditions définies de résidence des données — un profil de risque nettement différent d’un accès de niveau grand public au même modèle sous-jacent. Lorsque des données client ou des données propriétaires sensibles sont en jeu, les déploiements enterprise auto-hébergés ou validés devraient être la norme, pas l’exception.
Enfin, il s’agit autant d’un enjeu de formation et de culture que d’un enjeu technique. Les collaborateurs adoptent le Shadow AI parce que les alternatives autorisées sont plus lentes, voire inexistantes. Offrir un outil rapide, approuvé et assorti de limites claires referme l’écart bien plus efficacement qu’un simple document de politique.
Message clé : Le Shadow AI n’est pas un risque futur, c’est un risque présent et continu, actif au sein d’organisations qui croient leur périmètre sécurisé. Combler cette faille exige une visibilité sur l’usage réel, une politique de données à plusieurs niveaux, des outils de niveau enterprise là où la sensibilité l’exige, et la volonté de traiter ce sujet comme une priorité de gouvernance dès maintenant — avant qu’un régulateur ou un client ne le fasse à votre place.
