Le Shadow AI (l'intelligence artificielle fantôme) est déjà présent au sein de chaque grande entreprise. À l'heure actuelle, quelque part dans la vôtre, un employé est en train de copier-coller les termes d'un contrat confidentiel dans ChatGPT. Un chef de produit alimente un outil de synthèse d'IA avec des données clients. Un analyste financier utilise un plug-in Copilot que personne au sein du département informatique n'a approuvé, pour lequel personne n'a été formé, et dont personne ne soupçonne même l'existence. Rien de tout cela n'est hypothétique. Une étude de 2024 menée par Salesforce a révélé que plus de la moitié des utilisateurs d'IA générative au travail utilisaient des outils non autorisés par leur employeur [1]. Selon certaines estimations, le chiffre réel est considérablement plus élevé, car la nature même d'une utilisation non autorisée fait qu'elle échappe à toute mesure.

Ce phénomène — les employés adoptant des outils d'IA en dehors du contrôle des équipes informatiques, de sécurité et de conformité — a reçu un nom emprunté au problème qui l'a précédé : le shadow AI. Mais si cette étiquette fait écho au concept familier du shadow IT, les risques qu'elle introduit sont matériellement différents, les enjeux réglementaires sont plus élevés et la marge de manœuvre pour mettre en place une gouvernance adéquate se restreint rapidement.

À quoi ressemble le Shadow AI en pratique

Le premier défi de la gouvernance du shadow AI est de reconnaître à quel point il est devenu omniprésent et varié. Sa forme la plus visible est l'utilisation directe de services d'IA grand public : ChatGPT, Google Gemini, Claude d'Anthropic, Perplexity et des dizaines d'outils plus modestes. Les employés s'inscrivent avec leur adresse e-mail personnelle, utilisent les versions gratuites et commencent à traiter des données professionnelles en quelques minutes. Aucun processus d'achat n'est déclenché. Aucun examen de sécurité n'est effectué.

Mais l'utilisation directe n'est que la partie émergée de l'iceberg. Les fonctionnalités d'IA sont désormais intégrées dans des outils pour lesquels les entreprises paient déjà. Notion, Canva, Grammarly, Slack, Zoom, Microsoft 365 et Google Workspace proposent tous des fonctionnalités d'IA qui s'activent automatiquement ou en un seul clic. Lorsqu'un membre de l'équipe marketing utilise le générateur d'images d'IA de Canva, ou qu'un commercial clique sur « Résumé de l'IA » sur l'enregistrement d'un appel Zoom, ils sollicitent des modèles d'IA avec des données d'entreprise — souvent sans se rendre compte qu'il s'agit d'une utilisation de l'IA.

Un troisième niveau concerne les extensions de navigateur et les plug-ins. Le Chrome Web Store et d'autres places de marché similaires hébergent des milliers d'extensions basées sur l'IA pour l'aide à la rédaction, la formulation d'e-mails, l'extraction de données et la génération de code. Ces extensions peuvent lire le contenu des pages, intercepter les données des formulaires et transmettre des informations à des serveurs externes. La plupart des entreprises ne disposent d'aucun inventaire des extensions installées par leurs employés.

L'effet cumulé est qu'une entreprise fait fonctionner des dizaines ou des centaines de systèmes d'IA que ses fonctions de gouvernance, de gestion des risques et de conformité ne peuvent ni voir, ni évaluer, ni contrôler.

Pourquoi le Shadow AI n'est pas simplement du Shadow IT sous un autre nom

Il serait tentant de traiter le shadow AI comme une sous-catégorie du problème de shadow IT que les équipes de sécurité gèrent depuis des années. Après tout, le modèle est similaire : les employés adoptent la technologie plus rapidement que la gouvernance ne peut suivre le rythme. Mais le profil de risque diverge de plusieurs manières critiques.

Persistance des données et entraînement des modèles

Lorsqu'un employé télécharge un document vers un service de partage de fichiers non approuvé, le risque lié aux données concerne le confinement : qui peut accéder à ce fichier et peut-il être supprimé ? Avec de nombreux services d'IA, le risque va bien au-delà. Selon les conditions de service du fournisseur et le forfait spécifique utilisé par l'employé, les données d'entrée peuvent être utilisées pour entraîner ou affiner des modèles [2]. Une fois que les données entrent dans un pipeline d'entraînement, il n'existe aucun mécanisme de récupération. L'information s'intègre aux connaissances paramétriques du modèle, diffusées à travers des milliards de paramètres. Les approches traditionnelles de prévention des pertes de données partent du principe que les données peuvent être localisées et supprimées. Avec l'intégration dans l'entraînement de l'IA, cette hypothèse n'est plus valable.

Risque lié aux résultats (Outputs)

Le shadow IT implique généralement des outils qui stockent, déplacent ou affichent des données. Les outils d'IA génèrent du nouveau contenu, et ce contenu peut être erroné. Lorsqu'un employé utilise un outil d'IA non autorisé pour rédiger un document réglementaire, résumer un contrat juridique ou générer des projections financières, des résultats hallucinés peuvent se propager dans des décisions commerciales officielles. L'entreprise porte la responsabilité de résultats dont elle ignorait qu'ils étaient générés par IA, créés par des outils dont elle ignorait l'utilisation.

Exposition aux biais et à la discrimination

Les systèmes d'IA peuvent produire des résultats discriminatoires fondés sur des caractéristiques protégées. Si une équipe RH utilise un outil d'IA non approuvé pour trier des CV ou rédiger des fiches de poste, l'entreprise risque d'introduire des biais dans ses décisions d'embauche sans aucune piste d'audit. La responsabilité incombe à l'entreprise, que l'utilisation de l'outil ait été autorisée ou non par quiconque.

Rapidité d'adoption

Le shadow IT traditionnel se propageait au rythme des téléchargements de logiciels et des créations de comptes. Le shadow AI se propage à la vitesse d'un onglet de navigateur. De nombreux outils d'IA ne nécessitent aucune installation, aucun compte et aucun paiement. Un employé peut passer de la curiosité au traitement de données sensibles en moins de soixante secondes.

Le shadow AI ne fait pas que prolonger le problème du shadow IT. Il introduit une catégorie de risque qualitativement différente qui exige sa propre réponse en matière de gouvernance.

Les impératifs réglementaires en matière de visibilité

Même les entreprises qui acceptent un certain niveau de risque lié aux technologies non gérées constatent que la réglementation exige désormais un niveau supérieur de visibilité sur l'IA.

L'EU AI Act (Règlement européen sur l'IA), dont l'application progressive a débuté en 2024, impose des obligations tant aux fournisseurs qu'aux déployeurs de systèmes d'IA [3]. Les fournisseurs doivent classer les systèmes par niveau de risque et garantir la conformité aux articles 9 à 15 pour les systèmes à haut risque. Les déployeurs de systèmes d'IA à haut risque ont leurs propres obligations en vertu de l'article 26 — y compris l'utilisation des systèmes conformément aux instructions du fournisseur, l'attribution d'une surveillance humaine, la conservation des journaux d'activité (logs) et le signalement des incidents. Même les déployeurs de systèmes à faible risque font face à des obligations de transparence en vertu de l'article 50. Aucune de ces obligations ne peut être respectée pour des systèmes qui existent à l'insu de l'entreprise.

La norme ISO/CEI 42001, la norme internationale pour les systèmes de management de l'IA, fait d'un inventaire de l'IA une exigence fondamentale [4]. Une entreprise ne peut prétendre à la conformité avec cette norme tout en exploitant des systèmes d'IA qu'elle n'a pas identifiés, évalués ou documentés.

Aux États-Unis, le NIST AI Risk Management Framework souligne également la nécessité de cartographier (« map ») les systèmes d'IA comme condition préalable à la gestion de leurs risques [5]. Les décrets présidentiels et les directives sectorielles des régulateurs des services financiers, de la santé et des marchés publics convergent vers la même attente : les entreprises doivent savoir quelle IA elles utilisent.

La logique réglementaire est simple. La classification des risques n'a aucun sens sans détection préalable. Les obligations de conformité ne peuvent s'appliquer à des systèmes invisibles. Une entreprise qui ne peut pas produire un inventaire de son utilisation de l'IA n'est pas simplement non gouvernée : elle est ingouvernable. Des plateformes telles que Enzai existent précisément pour combler cette lacune, en fournissant les capacités de détection continue et de classification que la réglementation exige désormais.

Découvrir ce que vous ignorez

Accepter que le shadow AI nécessite une gouvernance est l'étape la plus facile. La plus difficile consiste à le localiser. Une détection efficace requiert plusieurs méthodes complémentaires, car aucune technique ne fournit à elle seule une visibilité complète.

Analyse du trafic réseau et du DNS

Les services d'IA génèrent des modèles de trafic réseau distinctifs. La surveillance des requêtes DNS et du trafic HTTP/HTTPS pour détecter les connexions vers des domaines de services d'IA connus (api.openai.com, generativelanguage.googleapis.com, api.anthropic.com, etc.) fournit une vue de référence des services auxquels les employés accèdent. Cette méthode est efficace pour l'utilisation directe de l'IA grand public, mais moins pour l'IA intégrée dans des outils SaaS approuvés, où les appels d'API peuvent être effectués côté serveur.

Analyse des journaux d'authentification et de SSO

De nombreux services d'IA prennent en charge l'authentification unique (SSO). Même lorsque les employés utilisent des comptes personnels, les journaux d'authentification des fournisseurs d'identité peuvent révéler des autorisations de consentement OAuth accordées à des services d'IA. L'examen des autorisations d'application OAuth accordées via Google Workspace ou Microsoft Entra ID permet souvent de découvrir des outils d'IA que les employés ont connectés à leurs comptes d'entreprise.

Audit des achats et des notes de frais

Certaines utilisations de shadow AI laissent une trace financière. Les employés ou les gestionnaires de budgets départementaux peuvent passer en note de frais des abonnements à des outils d'IA, acheter des forfaits premium avec des cartes de crédit professionnelles ou soumettre des factures pour des services d'IA. Un examen ciblé des rapports de dépenses et des dossiers d'achats, recherchant spécifiquement les noms de fournisseurs d'IA connus, peut identifier les utilisations payantes qui ont contourné le processus d'achat officiel.

Programmes de déclaration volontaire des employés

Les méthodes de détection technique auront toujours des angles morts. Les programmes de déclaration volontaire, dans lesquels les employés sont invités à signaler les outils d'IA qu'ils utilisent sans crainte de sanctions, comblent les lacunes que la surveillance ne peut atteindre. La conception de ces programmes est cruciale : si les employés craignent des mesures disciplinaires, le taux de déclaration sera négligeable. Présenter l'exercice comme un effort d'inventaire plutôt que comme une action répressive donne de meilleurs résultats.

Audits des extensions de navigateur

Pour les entreprises utilisant des appareils gérés ou des plateformes de gestion des terminaux (endpoints), l'audit des extensions de navigateur installées offre une visibilité sur les plug-ins basés sur l'IA. De nombreux outils de détection et de réponse aux menaces sur les terminaux (EDR) peuvent lister ces extensions. Le croisement des extensions installées avec une base de données d'outils d'IA connus permet d'identifier l'usage fantôme qui ne génère aucun trafic réseau vers des domaines manifestement associés à l'IA.

Analyse du trafic API et des flux de données

Les organisations plus matures peuvent équiper leurs passerelles API et leurs outils de prévention des pertes de données pour détecter des schémas caractéristiques de l'utilisation de services d'IA : d'importants volumes de texte envoyés à des terminaux externes, des réponses contenant des marqueurs de contenu généré, ou du trafic vers des plages d'adresses IP associées aux principaux fournisseurs d'IA. Cette approche nécessite un investissement mais permet de détecter des utilisations que des méthodes plus simples ne verraient pas.

Aucun programme de détection ne devrait reposer sur une seule méthode. Les approches les plus efficaces superposent plusieurs techniques et traitent la détection comme un processus continu plutôt que comme un audit ponctuel. Une plateforme de gouvernance de l'IA comme Enzai peut automatiser cette détection multicouche, en corrélant les signaux du réseau, de l'identité, des achats et des données des terminaux pour maintenir un inventaire vivant.

Gouverner le Shadow AI sans interdiction

La détection est nécessaire mais insuffisante. La question qui suit est de savoir quoi faire de ce que vous découvrez, et c'est là que de nombreuses entreprises commettent une erreur stratégique. Face à l'ampleur de l'utilisation d'IA non autorisée, l'instinct pousse à interdire : bloquer les domaines, révoquer les accès, prononcer des interdictions générales. Cette approche échoue pour trois raisons.

Premièrement, l'interdiction pousse l'utilisation encore plus dans la clandestinité. Les employés qui trouvent des outils d'IA véritablement utiles trouveront des solutions de contournement — appareils personnels, points d'accès mobiles, réseaux domestiques. Le résultat est moins de visibilité, pas moins d'utilisation.

Deuxièmement, les interdictions générales ont un coût concurrentiel. Les entreprises qui empêchent leurs employés d'utiliser des outils d'IA sacrifient des gains de productivité que leurs concurrents s'approprient. McKinsey a estimé en 2023 que l'IA générative pourrait contribuer à hauteur de 2 600 à 4 400 milliards de dollars par an aux bénéfices des entreprises mondiales, tous secteurs confondus [6]. Renoncer à cette valeur constitue en soi un risque.

Troisièmement, l'interdiction signale aux employés que l'entreprise perçoit l'IA comme une menace plutôt que comme une opportunité, ce qui nuit à l'instauration d'une culture propice à l'adoption responsable de l'IA à plus long terme.

L'alternative consiste en une gouvernance structurée qui canalise l'utilisation de l'IA plutôt que de la bloquer.

Amnistie et base de référence

Un point de départ efficace est une période d'amnistie limitée dans le temps, durant laquelle les employés sont invités à déclarer tous les outils d'IA qu'ils utilisent actuellement, avec la garantie explicite d'aucune conséquence disciplinaire. Cela permet d'établir une base de référence complète que la détection technique seule ne peut atteindre. L'amnistie doit s'accompagner d'une communication claire indiquant qu'après cette période, l'utilisation non déclarée sera traitée comme une violation de la politique de l'entreprise.

Politiques d'utilisation acceptable

Plutôt qu'une distinction binaire approuvé/interdit, les entreprises matures élaborent des politiques d'utilisation acceptable qui définissent les catégories d'usage de l'IA : quelles classifications de données peuvent être traitées avec des outils d'IA, quels types de résultats nécessitent un examen humain avant utilisation, et quelles obligations de transparence s'appliquent lorsque du contenu généré par IA est utilisé dans des livrables officiels.

Listes d'outils approuvés et la « voie royale »

Le concept de « voie royale » (paved road), emprunté à l'ingénierie des plateformes, est particulièrement efficace pour la gouvernance du shadow AI. Au lieu d'ériger des barrières, l'entreprise conçoit un parcours clair et bien entretenu, plus facile à suivre que les alternatives. Cela implique de fournir des outils d'IA approuvés qui répondent aux exigences de sécurité et de conformité, préconfigurés avec des paramètres de traitement des données appropriés, intégrés à l'identité de l'entreprise et soutenus par des formations et de la documentation. Lorsque l'option autorisée est véritablement de qualité, l'incitation à chercher des alternatives non approuvées diminue.

Environnements de bac à sable (Sandboxes)

Pour l'expérimentation de nouveaux outils ou fonctionnalités d'IA qui ne figurent pas encore sur la liste approuvée, les entreprises peuvent mettre à disposition des environnements de bac à sable. Les employés peuvent y tester les outils avec des données synthétiques ou non sensibles. Cela préserve le potentiel d'innovation lié à l'exploration tout en contenant le risque pour les données.

Examen et retour d'expérience continus

Les cadres de gouvernance qui restent statiques deviennent des obstacles. Établir un rythme régulier d'examen et de mise à jour de la liste d'outils approuvés, en intégrant les retours d'expérience des employés et en évaluant les nouveaux outils, garantit que le cadre de gouvernance évolue à un rythme proche de celui du développement de l'IA.

L'objectif n'est pas d'éliminer tout risque lié à l'utilisation de l'IA, mais de rendre la voie gouvernée si nettement supérieure que l'utilisation non gouvernée en devient inutile.

Bâtir un processus de détection durable

Les efforts de détection ponctuels ne produisent qu'une photographie à un instant T. Le shadow AI est un phénomène continu — de nouveaux outils sont lancés chaque semaine, les outils existants intègrent des fonctionnalités d'IA, les employés changent de rôle et adoptent de nouveaux flux de travail. Un processus de détection durable doit être continu et intégré dans les processus plus larges de l'entreprise.

Intégration avec les achats

La détection de l'IA devrait être intégrée aux flux de travail d'achats. Chaque évaluation d'un nouvel outil SaaS devrait inclure une analyse des fonctionnalités d'IA intégrées, du traitement des données par ces fonctionnalités et des politiques d'entraînement des modèles. Les équipes d'achats ont besoin de formations et de listes de contrôle pour poser les bonnes questions, car les fournisseurs ne mettent pas toujours en avant les fonctionnalités d'IA dans leurs documents commerciaux.

Intégration avec l'onboarding et les changements de poste

Les nouveaux employés apportent des habitudes liées à l'IA issues de leurs précédents employeurs. Les processus d'intégration devraient inclure une étape de déclaration d'utilisation de l'IA et une présentation du cadre de gouvernance de l'IA et des outils approuvés de l'entreprise. De même, lorsque des employés changent de rôle et accèdent à de nouvelles classifications de données, leurs autorisations d'outils d'IA devraient être réexaminées.

Gestion du changement, au-delà de la simple conformité

Une gouvernance durable du shadow AI nécessite un changement culturel, et pas seulement l'application de règles. Les employés doivent comprendre pourquoi la gouvernance de l'IA existe — non pas comme une contrainte bureaucratique, mais comme une protection pour l'entreprise, ses clients et eux-mêmes. Les programmes de formation doivent être pratiques, basés sur des scénarios réels et mis à jour régulièrement pour refléter l'évolution du paysage des outils.

Mesures et rapports

Ce qui se mesure se gère. Les entreprises devraient suivre l'évolution des taux de détection de shadow AI, le délai de mise en conformité des nouveaux outils découverts, la satisfaction des employés vis-à-vis des outils d'IA approuvés et le volume de demandes de dérogation aux politiques. Ces indicateurs constituent des alertes précoces lorsque la gouvernance prend du retard sur l'adoption ou lorsque les outils approuvés ne répondent pas aux besoins des employés.

Responsabilité de la direction

La gouvernance du shadow AI ne peut incomber uniquement à l'informatique ou à la sécurité de l'information. Elle nécessite le parrainage de la direction, idéalement d'un Chief AI Officer ou d'un rôle équivalent, ayant la responsabilité claire de maintenir l'exhaustivité de l'inventaire de l'IA et la couverture de la gouvernance. Les rapports présentés au conseil d'administration sur la posture de gouvernance de l'IA deviennent une pratique courante parmi les entreprises qui prennent ce risque au sérieux.

Un processus de détection continu, intégré, mesuré et soutenu par la direction permettra de repérer ce qu'un audit ponctuel ne verrait pas et de s'adapter aux évolutions futures du paysage de l'IA.

Implications pratiques

Le shadow AI n'est pas un problème qui se résout de lui-même. Sans intervention, il s'accentue : multiplication des outils, exposition accrue des données, risques réglementaires accrus, décisions basées sur des résultats d'IA non vérifiés. Les entreprises qui s'en sortiront le mieux seront celles qui traiteront la détection comme une capacité opérationnelle continue plutôt que comme un projet ponctuel, qui gouverneront par l'accompagnement plutôt que par l'interdiction, et qui investiront dans l'infrastructure culturelle et procédurale pour soutenir ces deux aspects.

La voie pratique à suivre est claire. Établissez une visibilité grâce à une détection multicouche. Construisez une gouvernance que les employés souhaitent suivre. Intégrez la supervision de l'IA dans les processus d'achats, d'intégration et de gestion du changement. Mesurez les progrès et responsabilisez les dirigeants.

Pour les entreprises prêtes à passer d'une réaction ad hoc à une gouvernance structurée du shadow AI, Enzai offre la plateforme idéale pour maîtriser l'utilisation non autorisée de l'IA — de la détection et de l'inventaire continus jusqu'à la gestion des politiques et aux rapports de conformité. Réservez une démonstration pour voir comment cela fonctionne en pratique.

Enzai est la plateforme leader de gouvernance de l'IA pour les entreprises, conçue spécifiquement pour aider les organisations à passer d'une politique abstraite à une supervision opérationnelle. Notre plateforme de gestion des risques liés à l'IA fournit l'infrastructure spécialisée nécessaire pour gérer la gouvernance de l'IA agentique, maintenir un inventaire de l'IA complet et garantir la conformité à l'EU AI Act. En automatisant des flux de travail complexes, Enzai permet aux entreprises de faire évoluer l'adoption de l'IA en toute confiance tout en restant alignées sur les normes mondiales telles que ISO 42001 et le NIST.

Références

[1] Salesforce, "The Promises and Pitfalls of AI at Work," Salesforce Research, 2024.

[2] OpenAI, "How your data is used to improve model performance," OpenAI Help Centre, mis à jour en 2025.

[3] Parlement européen et Conseil, Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l'intelligence artificielle (règlement sur l'IA), 2024.

[4] Organisation internationale de normalisation, ISO/IEC 42001:2023 Technologies de l'information - Intelligence artificielle - Système de management, 2023.

[5] National Institute of Standards and Technology, "AI Risk Management Framework (AI RMF 1.0)," NIST AI 100-1, Janvier 2023.

[6] McKinsey Global Institute, "The economic potential of generative AI: The next productivity frontier," McKinsey & Company, Juin 2023.