Points clés
- Le tour d’horizon d’Airia note que bien des organisations n’ont toujours pas de programme formel de détection de l’IA fantôme et ne peuvent pas produire un inventaire complet des outils d’IA en usage.
- L’IA fantôme est d’abord un problème de sécurité des actifs — des données non structurées qui quittent des périmètres contrôlés — puis un problème d’identité, d’exploitation et de gouvernance.
- Airia — Statistiques sur l’IA fantôme : données clés pour tout RSSI en 2026 (compile le Work Trend Index de Microsoft, le State of IT de Salesforce, Cyberhaven, IBM et d’autres enquêtes citées — vérifiez les sources primaires pour un usage au conseil).
L’IA fantôme (shadow AI) n’exige pas de modèle de menace spéculatif. Le comportement est banal.
Quelqu’un est bloqué sur un brouillon. Les outils internes semblent lents, il n’y a pas encore d’assistant approuvé, ou celui qui est approuvé n’est pas accessible sur son appareil. La personne ouvre une session personnelle ChatGPT (ou Claude, ou Gemini), colle le paragraphe difficile et demande une version plus nette. C’est peut-être un courriel client. Peut-être une évaluation de fournisseur. Peut-être des notes d’une conversation sensible, avec les noms encore attachés.
Elle se sent efficace. Le modèle renvoie quelque chose d’utile. Le texte — et les données personnelles ou confidentielles qui voyageaient avec — vient de quitter le périmètre de contrôle de l’organisation.
Voilà la version praticienne de l’IA fantôme. Pas des agents autonomes de science-fiction (quoiqu’ils arrivent). Du travail de connaissance quotidien, propulsé par le presse-papiers.
Ce qu’on entend par IA fantôme
L’IA fantôme, c’est l’utilisation d’outils, d’applications ou de services d’IA sans l’approbation de la TI et de la sécurité, et sans la surveillance que présume un modèle de gouvernance. C’est la TI fantôme avec un rayon de dispersion des données beaucoup plus large, parce que « l’intégration » tient souvent à un simple presse-papiers.
La compilation 2026 de statistiques sur l’IA fantôme d’Airia est un point d’entrée unique utile pour les RSSI, parce qu’elle agrège des constats d’enquêtes largement cités. Parmi les données qu’elle fait ressortir (avec les attributions aux enquêtes d’origine dans l’article) :
- Le Work Trend Index de Microsoft (mai 2024) est la source primaire correcte pour les 78 % d’utilisateurs d’IA au travail qui apportent leurs propres outils d’IA (BYOAI) sans l’approbation de la TI — pas un rapport Work Trend Index / Frontier Firm de 2025.
- Les chiffres du même Work Trend Index de mai 2024 couramment cités incluent 75 % des travailleurs du savoir qui utilisent l’IA au travail, ainsi que des signaux connexes de BYOAI et d’outils non approuvés. Les compilations secondaires se trompent parfois d’année; préférez la source primaire : https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
- Le State of IT de Salesforce (2024) est cité pour 65 % des employés qui utilisent au moins un outil d’IA non approuvé par la TI ou la sécurité, et 27 % des employés d’entreprise qui ont saisi des données confidentielles de l’entreprise dans des outils d’IA publics.
- Cyberhaven (2024) est cité pour 11 % des données collées dans ChatGPT et les outils semblables qui contiennent de l’information sensible ou confidentielle, le code source figurant fréquemment parmi les événements sensibles liés à l’IA.
- IBM (2024) est cité pour seulement 24 % des organisations qui ont mis en place des contrôles de prévention des pertes de données propres à l’IA.
Méfiez-vous des compilations secondaires : ouvrez les rapports sous-jacents pour les affirmations destinées au conseil. L’histoire directionnelle correspond aux entrevues et évaluations réelles. Les gens utilisent ces outils. Certains y mettent du texte confidentiel. La plupart des programmes de sécurité ne peuvent toujours pas voir les invites.
Pourquoi les données non structurées compliquent tout
L’exfiltration structurée depuis des bases de données laisse habituellement une trace — requêtes, exportations, pipelines. L’IA fantôme prospère sur du texte non structuré et semi-structuré :
- Brouillons d’articles et notes internes
- Fils de soutien à la clientèle
- Contrats et leurs versions annotées
- Notes de dossiers RH
- Feuilles de calcul copiées dans la fenêtre d’invite
- Captures d’écran et texte de PDF extrait dans le clavardage
La DLP conçue pour les transferts de fichiers et les pièces jointes de courriel peut rater les invites en texte libre dans une session de navigateur, surtout sur des comptes personnels ou des appareils non gérés.
Dans les environnements de produit, de services professionnels et de travail du savoir, le contenu est souvent à la fois le produit et le risque. Le matériel commercial confidentiel, les renseignements personnels des clients et l’information sur les employés peuvent tous ressembler à « juste du texte » pour un professionnel occupé qui court après une échéance.
Ce qui tourne vraiment mal (au-delà du « le modèle s’entraîne sur mes données »)
Les gens se fixent sur les réglages de retrait de l’entraînement. Ils comptent, mais ce n’est pas tout le registre des risques.
Du point de vue de la vie privée et de la gouvernance, l’IA fantôme crée plusieurs problèmes concrets :
1. Divulgation non autorisée à un sous-traitant jamais évalué. Il peut n’y avoir aucune entente de traitement des données, aucune liste de sous-traitants, aucun engagement de résidence, et aucun chemin d’incident avec ce fournisseur pour cet usage.
2. Échec de la limitation des finalités. Des données recueillies pour la prestation de services sont réutilisées comme matière à invites, par simple commodité.
3. Perte de contrôle sur la conservation et la suppression. Les organisations ne peuvent pas honorer une demande de suppression pour du texte qui dort dans un historique d’IA grand public qu’elles n’administrent pas.
4. Problèmes de confidentialité et de privilège. Le contenu RH, financier et d’enquêtes sensibles peut perdre ses protections une fois partagé hors de l’organisation.
5. Risque de sécurité en aval. Les invites peuvent contenir des identifiants, des URL internes, des détails d’architecture ou des voies d’accès utiles à un attaquant si les comptes ou les historiques sont compromis.
6. Externalités d’équité et d’exactitude. Les gens collent des renseignements personnels incomplets dans des outils et agissent sur le résultat comme s’il s’agissait d’une vérité révisée.
Le cas bien connu des ingénieurs de Samsung qui ont collé du code propriétaire dans ChatGPT est devenu l’avertissement en manchette pour une bonne raison. La version plus ordinaire arrive chaque jour avec du texte de clients et d’employés.
Ce qu’examinent de solides revues de vie privée et de sécurité liées à l’IA
Quand un processus peut faire intervenir la GenAI — approuvée ou non — les questions devraient forcer la précision :
- Quelles catégories de renseignements personnels ou de données confidentielles pourraient entrer dans une invite?
- Existe-t-il un chemin d’IA d’entreprise approuvé, avec journalisation, contrôles de conservation et couverture contractuelle?
- L’organisation peut-elle détecter les schémas de collage ou de téléversement vers des domaines d’IA non sanctionnés?
- Les politiques de DLP comprennent-elles l’exfiltration par invites, pas seulement les déplacements de fichiers?
- Les gestionnaires récompensent-ils discrètement la vitesse d’une façon qui punit les gens d’utiliser des outils approuvés plus lents?
- Pour les flux de recherche et de clientèle, où passe la ligne entre l’outillage légitime et la divulgation inacceptable?
Si la réponse à la détection est « on envoie un rappel annuel », le risque résiduel est élevé.
Une pile de contrôles qui respecte la façon dont les gens travaillent
Les interdictions seules échouent. Les gens contournent la friction quand les échéances sont réelles. Les programmes matures superposent la gouvernance et des solutions de rechange utilisables.
1. Rendez le chemin approuvé assez bon
Si l’assistant sanctionné est difficile d’accès, lent ou inutile pour les tâches qui comptent, l’IA fantôme est un comportement rationnel. Offrez une option approuvée par l’entreprise avec :
- Des conditions d’utilisation des données claires
- Des contrôles d’administration et des journaux d’audit
- Des réglages de conservation alignés sur la politique
- Des directives sur ce qui peut et ne peut pas être collé
2. Rédigez une politique applicable en dix secondes
« Aucune donnée sensible dans l’IA publique » est incomplet. Donnez des exemples :
- Permis : réfléchir à des slogans de marketing public sans renseignements personnels
- Interdit : dossiers de clients, cas d’employés, données financières non publiques, identifiants, plans de produits confidentiels
Publiez un court arbre de décision. Formez les gestionnaires, pas seulement les nouvelles recrues.
3. Détectez ce que vous pouvez sans prétendre tout voir
Les signaux utiles incluent :
- Les journaux DNS/proxy/SSE vers les destinations d’IA grand public
- Les contrôles de navigateur qui avertissent ou bloquent les catégories d’IA non sanctionnées
- Les règles de DLP pour les schémas de contenu à haut risque sur les téléversements web et les canaux adjacents au collage
- Les contrôles CASB/SaaS là où des identités d’entreprise sont utilisées
Acceptez le risque résiduel sur les appareils entièrement personnels hors réseau — puis réduisez les raisons d’affaires de les utiliser pour du contenu de travail.
4. Rattachez l’IA fantôme à la DSPM et à la minimisation des données
Si des réserves non structurées sensibles sont largement accessibles, plus de gens peuvent coller du texte plus dangereux. Le moindre privilège et le nettoyage des données redondantes, obsolètes ou futiles réduisent le carburant disponible pour les invites accidentelles.
5. Traitez les incidents comme des apprentissages, pas seulement des punitions
Quand quelqu’un colle ce qu’il ne devrait pas, la réponse devrait inclure le confinement (historique de session, avis au fournisseur au besoin), l’encadrement, et une question de produit : pourquoi le chemin approuvé n’a-t-il pas été utilisé?
Le cadrage réglementaire, sans panique
Les organisations n’ont pas besoin de la Loi européenne sur l’IA pour s’en soucier. Le droit classique de la vie privée s’intéresse déjà à la divulgation non autorisée, à la diligence envers les sous-traitants et à l’obligation de rendre compte. Les règles sectorielles et les contrats vont souvent plus loin.
Là où des régimes propres à l’IA s’appliquent, les lacunes d’inventaire et de gouvernance deviennent encore plus difficiles à défendre. Le tour d’horizon d’Airia note que bien des organisations n’ont toujours pas de programme formel de détection de l’IA fantôme et ne peuvent pas produire un inventaire complet des outils d’IA en usage. Que l’on adopte ou non chacun des chiffres cités, cette lacune de maturité est largement observée.
Alignement avec les domaines du CISSP
L’IA fantôme est d’abord un problème de sécurité des actifs — des données non structurées qui quittent des périmètres contrôlés — puis un problème d’identité, d’exploitation et de gouvernance. Les programmes qui conçoivent encore la DLP seulement pour les fichiers continueront de rater des phrases. Les programmes qui conçoivent encore la gouvernance de l’IA seulement pour les pilotes officiels continueront de rater le presse-papiers.
À retenir et à appliquer
Faites un bilan de réalité de deux semaines sur l’IA fantôme :
- Interviewez dix travailleurs du savoir à haut rendement (soutien, produit, ventes, ingénierie, finances). Demandez quels outils d’IA ils ont utilisés la semaine dernière — pas quels outils sont approuvés.
- Comparez cette liste à l’inventaire officiel.
- Pour le principal outil non sanctionné, mesurez si la sécurité peut voir l’usage du tout.
- Livrez une amélioration : soit un meilleur assistant approuvé, soit un contrôle navigateur/SSE sur les destinations d’IA grand public les plus risquées pour les appareils gérés.
- Ajoutez ce mois-ci deux exemples concrets d’invites aux directives d’utilisation acceptable.
L’IA fantôme n’est pas d’abord une histoire d’employés voyous. C’est une histoire de données non structurées, de solutions approuvées faibles et de contrôles encore conçus pour les fichiers plutôt que pour les phrases. Corrigez cela, et le problème du collage rétrécit vite.
Sources
- Airia — Statistiques sur l’IA fantôme : données clés pour tout RSSI en 2026 (compile le Work Trend Index de Microsoft, le State of IT de Salesforce, Cyberhaven, IBM et d’autres enquêtes citées — vérifiez les sources primaires pour un usage au conseil)
- Work Trend Index de Microsoft (mai 2024) — AI at Work Is Here. Now Comes the Hard Part (source primaire du chiffre de 78 % de BYOAI; pas un rapport Work Trend Index de 2025)
- Cadre de gestion des risques liés à l’IA du NIST