Shadow AI : le risque invisible qui guette les PME françaises

L'explosion du shadow IA expose les PME à des fuites de données. Les MSP ont un rôle à jouer auprès de leurs clients dans la mise en oeuvre d'une gouvernance efficace et des contrôles adaptés.

Au sein des PME françaises, comme partout ailleurs à travers le monde, la révolution IA est en route : les collaborateurs utilisent ChatGPT pour rédiger des offres commerciales, Claude pour analyser des données clients, Gemini pour préparer des présentations internes… Tout cela, naturellement, sans en parler à leur DSI. Donc, sans autorisation formelle ni la moindre politique de gouvernance des données.

Ce phénomène a un nom : le Shadow AI. Et contrairement au Shadow IT des années 2010, ses implications sont d'une tout autre ampleur. Car l'IA ne se contente pas d'héberger des données : elle les absorbe, les traite, les apprend, les utilise et peut ainsi divulguer des informations potentiellement confidentielles.

Un angle mort massif, documenté et pourtant sous-estimé

Les chiffres sont sans appel. Aux USA, selon IBM, 80 % des employés de bureau américains utilisent l'IA dans le cadre de leur travail, mais seulement 22 % d'entre eux s'appuient exclusivement sur les outils fournis par leurs employeurs. Selon une étude Microsoft France / YouGov de janvier 2026, réalisée auprès de 657 cadres et dirigeants, 61 % des utilisateurs d'IA en entreprise passent par leurs comptes personnels au moins une fois par semaine — hors de tout cadre IT. Ce ne sont pas des stagiaires : ce sont des décideurs, des commerciaux, des juristes, des comptables.

À l'échelle mondiale, 38 % des salariés reconnaissent avoir partagé des informations professionnelles sensibles avec des outils d'IA sans l'autorisation de leur employeur (CybSafe / NCA, 2024). Contrats, données RH, prévisions financières, bases clients sont autant de données divulguées sans que personne dans l'organisation n'en soit informé.

La France présente une particularité notable. Selon l'étude mondiale AI Agents at Work 2026 d'Okta, elle affiche le taux de Shadow AI le plus faible à l'échelle planétaire, là où 52 % des employés dans le monde reconnaissent utiliser des outils IA non approuvés. Faut-il s'en réjouir ? Pas nécessairement. Ce résultat reflète davantage une adoption globalement plus prudente de l'IA en entreprise qu'une gouvernance réellement plus mature. Car selon l'Observatoire de l'IA responsable d'Impact AI (2025), seuls 9 % des salariés français peuvent se référer à une charte éthique ou à un interlocuteur dédié concernant l'IA au sein de leur entreprise. La discrétion n'est pas de la conformité.

Les trois angles morts de la gouvernance IA

L’essor du ‘Shadow AI’ engendre à la fois des problèmes de gouvernance et de sécurité pour lesquels 3 angles morts principaux semblent émerger : 

•  La gestion des comptes personnels. Lorsqu'un employé accède à un outil d'IA via un compte personnel — et non via un compte d'entreprise fédéré — aucun contrôle d'accès conditionnel ne s'applique, aucune politique DLP ne peut intercepter les échanges, et les données partagées peuvent alimenter les modèles d'entraînement du fournisseur. C'est une exfiltration de données qui ne déclenche aucune alerte.
•  La gestion des identités. En effet, les solutions de gouvernance IA efficaces reposent sur une intégration avec l'IAM (Identity and Access Management) existant : elles permettent de savoir qui utilise quoi, de forcer l'authentification SSO sur les outils approuvés, et de bloquer les accès non conformes au niveau du proxy ou de l'endpoint. Sans cette couche, toute politique d'usage reste déclarative.
•  La prolifération incontrôlée des outils. Les organisations les plus matures en matière d'IA utilisent déjà plus de 300 outils GenAI selon Gartner (2026). Pour une PME, la réalité est plus modeste — mais tout aussi opaque : des dizaines d'extensions de navigateur, d'API connectées à des outils métier, d'agents IA intégrés dans des SaaS tiers, dont personne n'a cartographié les flux de données.

Gouvernance IA : passer de la déclaration d’intention à la visibilité réelle

L'interdiction pure et simple a montré ses limites très rapidement. Amazon, JP Morgan et plusieurs grandes banques européennes ont tenté de bloquer l'accès à ChatGPT et autres outils grand public — avant de constater que leurs collaborateurs continuaient à y accéder via leurs appareils personnels ou des connexions hors réseau d'entreprise. Le problème fondamental est que les services d'IA générative utilisent les données saisies pour poursuivre leur apprentissage, avec un risque réel de divulgation à des tiers — une réalité que l'interdiction seule ne résout pas.

En France, la situation demeure, pour l’instant, encore contrastée. Selon l'étude Salesforce 2025, 58 % des salariés français utilisant l'IA générative au travail le font sans cadre défini par leur employeur, et près de la moitié recourt à des outils que leur entreprise a explicitement interdits. Dans le même temps, seuls 9 % des salariés français peuvent se référer à une charte éthique ou à un interlocuteur dédié concernant l'IA au sein de leur entreprise (Impact AI, 2025). Faute de cadre, c'est une zone grise qui grossit en silence.

La réponse opérationnelle ne peut pas reposer sur l'interdiction, ni sur la seule sensibilisation. Elle exige une architecture de contrôle : découverte continue des outils GenAI actifs dans l'environnement, inspection des prompts pour intercepter les données sensibles avant transmission, et application des politiques au niveau de l'identité — pas seulement du réseau. C'est à cette condition que la gouvernance IA cesse d'être déclarative pour devenir réelle.

Ce que cela implique concrètement pour les MSP

Le Shadow AI n'est pas un problème de sensibilisation — c'est un problème d'architecture. Pour y répondre, les prestataires de services informatiques doivent raisonner en termes de flux de données, pas seulement de politique d'usage. Pour cela, trois briques sont indispensables à la construction de leur réponse :

•  La première brique est la découverte applicative : elle doit permettre d’identifier en continu quels outils GenAI sont actifs dans l'environnement client — extensions de navigateur, API tierces intégrées dans des SaaS, agents IA embarqués dans des outils métier. Sans inventaire, toute politique reste aveugle.
•  La deuxième concerne l'inspection des prompts : ils doivent pouvoir analyser le contenu des échanges avec les modèles publics afin de détecter la transmission de données sensibles — données personnelles (PII), données financières, propriété intellectuelle — avant qu'elles ne quittent le périmètre de l'entreprise. Il s’agit là de la couche DLP appliquée aux interactions IA.
•  Enfin, le contrôle des accès au niveau de l'identité constitue la troisième brique : forcer l'authentification via SSO sur les outils approuvés, bloquer les accès aux modèles publics via des comptes personnels au niveau du proxy ou de l'endpoint, et appliquer des politiques d'accès conditionnel selon le profil utilisateur.

Pour les PME françaises, le prestataire de services informatiques est souvent le seul acteur en mesure de mettre en place cette gouvernance de façon opérationnelle et proportionnée. Les MSP qui intègrent la surveillance du Shadow AI dans leur offre ne font pas de la cybersécurité supplémentaire : ils apportent une réponse concrète – et immédiate- à une préoccupation grandissante que leurs clients commencent à percevoir – souvent trop tard - de surveillance des workflows des entreprises.

Ceux qui auront en amont structuré leur réponse en 2026 seront donc naturellement mieux positionnés que ceux qui attendent le premier incident client pour réagir.