Shadow AI : reprendre la main sur les outils d'IA des salariés

Qu'est-ce que le shadow AI et jusqu'où va-t-il dans votre entreprise ?

Le shadow AI désigne l'utilisation d'outils d'IA par les salariés sans validation ni supervision de l'entreprise ou de la DSI [32]. C'est la déclinaison IA du shadow IT [32]. Une source le décrit comme une utilisation « non régulée ni approuvée » de l'IA par les employés [3], une autre qualifie l'IA générative de « première application shadow du monde du travail » [5].

À quoi cela ressemble concrètement :

• un compte ChatGPT personnel ouvert avec une adresse Gmail [28] ;
• des comptes personnels d'IA générative et des extensions non validés par la DSI [25] ;
• des outils d'IA utilisés sur des appareils personnels pour travailler [7].

Le phénomène progresse parce qu'il répond à un besoin : gagner en efficacité [33].

Ce que les chiffres permettent d'affirmer

Une seule mesure de nature académique figure dans notre dossier. Selon une étude publiée sur Cairn, seuls 20 % des répondants utilisent uniquement les outils proposés par leur organisation [2]. L'extrait disponible ne précise ni l'échantillon ni la date : retenez l'ordre de grandeur, pas une statistique généralisable.

Deux autres chiffres circulent, mais ils proviennent de blogs dont nous n'avons pas pu vérifier la méthodologie :

• 68 % des salariés français utiliseraient l'IA sans en informer leur hiérarchie [22] ;
• 8 entreprises sur 10 perdraient le contrôle de leur IA [21].

Ces deux chiffres ne mesurent pas la même chose que l'étude académique. Ils ne se comparent pas et ne remplacent pas un état des lieux interne : seule une cartographie de vos usages dira où vous en êtes.

Quels risques l'IA non autorisée fait-elle courir à l'entreprise ?

Le shadow AI expose l'entreprise à trois familles de risques : juridiques (RGPD, AI Act), techniques (failles de sécurité, données hors de votre périmètre) et opérationnels (hallucinations). La plupart des sources disponibles sont des contenus d'éditeurs ou de cabinets de conseil. Elles identifient ces risques sans les chiffrer de façon vérifiable.

• RGPD, failles de sécurité, hallucinations. Ce sont les trois risques que met en avant un contenu de la société Koul consacré au shadow AI [22].
• Conformité à l'AI Act. Un contenu d'Adequacy présente le shadow AI comme une source de risques de sécurité et de conformité au regard de l'AI Act [36]. Les extraits disponibles ne détaillent ni les obligations concernées ni les sanctions.
• Exposition des données. Le shadow AI échappe aux politiques de sécurité des données [40]. Un ouvrage sur l'intelligence hybride note que, sans architecture adaptée, les usages d'IA peuvent exposer l'entreprise à des risques [4]. L'éditeur Olfeo parle de « risques majeurs » pour les entreprises concernées [17].
• Angle mort de la gouvernance. Un praticien de l'IA d'entreprise souveraine et résiliente décrit le shadow AI comme un angle mort qu'il retrouve tout au long de sa démarche [6].

Un surcoût de 15 % à manier avec précaution

En Europe, le coût moyen d'un incident IA dépasserait de 15 % celui d'une violation de données classique (Microsoft, 2024) [40]. Ce chiffre est rapporté par SoSafe, un acteur commercial de la sensibilisation à la sécurité. L'étude d'origine ne figure pas dans notre dossier et nous n'avons pas pu la vérifier. Il faut donc le lire comme un ordre de grandeur non confirmé, pas comme une donnée de référence pour un budget ou un argumentaire interne.

Pourquoi interdire les outils d'IA ne suffit-il pas ?

Interdire les outils d'IA ne suffit pas : l'interdiction déplace les usages sans les supprimer. Selon un article de Solutions Numériques & Cybersécurité, les interdictions ont simplement déplacé les usages hors du périmètre visible de la DSI, ce qui rend le shadow AI encore plus difficile à contrôler [35]. Un salarié bloqué sur son poste professionnel peut passer à un appareil personnel, et la DSI perd alors toute visibilité. Une source universitaire relève d'ailleurs que des salariés utilisent déjà des outils d'IA sur leurs appareils personnels pour travailler [7].

Encadrer plutôt qu'interdire. Plusieurs sources vont dans ce sens, avec des formulations proches :

• l'enjeu n'est pas d'interdire l'IA, mais de l'encadrer et de la rendre gouvernable [38] ;
• il faut reprendre le contrôle sans tomber dans le piège de l'interdiction stérile [21] ;
• il faut le faire sans brider l'innovation [22][23].

Ces contenus émanent surtout de cabinets et d'éditeurs, qui ont un intérêt à vendre des solutions d'encadrement. Leur convergence avec l'analyse de [35] reste cependant nette.

Le blocage ciblé garde sa place, à condition d'être accompagné. Un cas décrit par un cabinet de conseil illustre l'équilibre : interdire les outils publics pour un poste via les règles du firewall, tout en formant la collaboratrice au module IA intégré au logiciel de gestion documentaire interne [31]. Le blocage ne fonctionne que s'il s'accompagne d'une alternative validée et d'une formation. Des contrôles techniques (traçabilité, alerte en cas d'exfiltration, marquage des documents sensibles) complètent le dispositif [23].

Un enjeu de conduite du changement. Une analyse publiée sur Cairn rappelle que la généralisation des outils d'IA générative implique « un véritable changement » pour l'entreprise, dont le shadow AI, usage non régulé ni approuvé, est l'un des symptômes [3]. Le traiter uniquement comme une infraction revient à ignorer ce changement.

C'est la logique d'Oupi : un seul cadre sécurisé pour tous les usages d'IA de l'équipe, à la place d'abonnements personnels dispersés.

Comment repérer et cartographier les usages d'IA réellement en place ?

Pour repérer le shadow AI, il faut d'abord établir qui utilise quels outils d'IA, puis recouper ce constat avec trois traces techniques. La démarche consiste à cartographier les usages existants en identifiant quels collaborateurs utilisent quels outils [12], puis à partager le résultat avec les équipes, la cartographie allant de pair avec la sensibilisation [11].

Trois points de contrôle sont recommandés pour la partie technique [26] :

• Les accès aux comptes tiers : à quels services externes les identifiants ou comptes de l'entreprise donnent-ils accès ?
• Les exports de données vers des services externes : quelles données quittent le système d'information, et vers quelle destination ?
• Les plugins et extensions installés sur les postes de travail : quels modules sont présents sur les navigateurs et les postes ?

Ces contrôles ciblent les usages que l'on ne voit pas dans le catalogue officiel d'applications. Un compte d'IA générative personnel ouvert avec une adresse Gmail en est l'exemple typique [28]. Les interdictions sans visibilité n'arrangent rien : elles ont simplement déplacé les usages hors du périmètre visible de la DSI [35].

Si ces vérifications manuelles ne suffisent pas, des plateformes de détection identifient les usages réels, y compris ceux qui échappent aux circuits traditionnels, et aident à mesurer l'exposition de l'organisation [20]. Côté réseau, un éditeur de cybersécurité met en avant une approche SSE (Secure Service Edge) pour sécuriser les usages d'IA [17].

Précaution de lecture : la plupart de ces recommandations viennent d'acteurs commerciaux, éditeurs, prestataires ou cabinets de conseil [11][12][17][20][26]. Aucune de ces sources ne démontre l'efficacité comparée des méthodes ou des outils. Elles fournissent une grille de démarche à confronter à votre propre environnement, sans valoir benchmark indépendant.

Quel outil IA validé proposer pour remplacer les abonnements personnels ?

La réponse la plus efficace est une offre interne validée par la DSI, qui donne aux salariés une alternative sécurisée à leurs abonnements personnels. Les sources consultées vont dans ce sens : elles recommandent de proposer des IA internes sécurisées et validées par la DSI, associées à des règles claires sur la donnée (usage, stockage, partage) [29]. Ces recommandations viennent de médias spécialisés et de cabinets de conseil, pas d'une autorité réglementaire.

Le point de départ est bien identifié : le shadow AI passe le plus souvent par des comptes personnels, sans validation ni cadre de l'entreprise [15]. Un compte ChatGPT ouvert avec une adresse Gmail en est l'exemple type [28].

Les critères d'un outil validé

Un outil de remplacement doit couvrir deux exigences :

• Un paramétrage par règles précises : certaines plateformes d'IA générative permettent de configurer les usages selon des règles définies [23] ;
• Des garanties sur les données : certaines plateformes assurent que les données ne seront ni stockées ni utilisées pour entraîner les modèles [23].

Ces points se vérifient sur chaque solution envisagée, contractuellement et techniquement.

Le positionnement d'Oupi

Oupi propose un seul cadre sécurisé pour tous les usages d'IA de l'équipe, au lieu d'une dispersion d'abonnements personnels. Pour une DSI, l'intérêt est de ramener des usages éclatés entre plusieurs comptes individuels vers un point d'entrée unique, qu'elle peut valider et encadrer.

Cette offre ne règle pas tout : elle doit s'accompagner des règles d'usage et des contrôles techniques décrits dans la section suivante. Mais sans alternative crédible, l'interdiction seule a surtout déplacé les usages hors du périmètre visible de la DSI [35].

Quelles règles, formations et contrôles techniques mettre en place ?

Quatre leviers verrouillent la démarche : des règles sur la donnée, un cadre co-construit avec les équipes, une formation opérationnelle et des contrôles techniques. Hormis l'étude gouvernementale [1], ces recommandations viennent de sources non primaires (éditeurs, cabinets de conseil, médias spécialisés). Ce sont des pratiques recommandées, pas des standards éprouvés.

Des règles claires sur la donnée. Il s'agit de définir ce qui peut être utilisé, stocké et partagé avec un outil d'IA [29]. Pour que le cadre soit adopté, l'étude gouvernementale suggère d'organiser des ateliers qui co-définissent la qualité du travail avec l'IA et anticipent ses transformations, puis de construire un cadre de confiance fondé sur la clarté [1].

Une formation opérationnelle. La sensibilisation ne se limite pas à un rappel de la charte. Un éditeur recommande de former les équipes à détecter les risques, à adopter une hygiène de prompt, à vérifier les résultats proposés et à ne pas copier-coller sans discernement [27]. Un autre ajoute la sécurité numérique et la conformité RGPD [29].

Des contrôles techniques. Un média spécialisé cite plusieurs dispositifs : outils de gouvernance automatisée, marquage des documents sensibles, traçabilité et alertes en cas d'exfiltration d'informations [23]. Il mentionne aussi des plateformes d'IA générative paramétrables selon des règles précises, ou garantissant que les données ne sont ni stockées ni utilisées pour entraîner les modèles [23]. Côté DSI, un éditeur de sécurité préconise une approche SSE pour sécuriser les usages d'IA [17]. Ces contrôles supposent de savoir qui utilise quoi, d'où l'intérêt de la cartographie préalable [11].

Ces trois leviers s'appuient plus facilement sur un cadre unique que sur des abonnements personnels dispersés : c'est la logique d'Oupi, qui réunit tous les usages d'IA de l'équipe dans un seul cadre sécurisé.