En ce moment même, des collaborateurs de toute votre organisation utilisent des outils d'IA dont vous ignorez l'existence. Ils collent des données clients dans ChatGPT, génèrent du code avec des comptes Copilot personnels et font passer des documents sensibles dans des générateurs d'images, le tout sans validation de la DSI, sans revue de sécurité et sans supervision de la conformité. C'est le shadow AI (ou IA fantôme), et il ne s'agit pas d'une menace théorique à venir. Cela se produit aujourd'hui, à grande échelle, dans des organisations de toutes tailles. Les recherches récentes dressent un constat sans appel : plus de 80 % des salariés utilisent des outils d'IA non approuvés dans le cadre de leur travail, dont près de 90 % des professionnels de la sécurité, qui devraient pourtant être les mieux avertis. Près de la moitié des collaborateurs qui utilisent des plateformes d'IA générative le font via des comptes personnels qui contournent l'ensemble des contrôles de l'entreprise. Pour les organisations soumises au Règlement européen sur l'IA, dont l'application se déploie par phases, avec des obligations relatives aux systèmes à haut risque à partir de 2026, le shadow AI constitue une bombe à retardement en matière de conformité. Vous ne pouvez pas classifier ce que vous ne trouvez pas. Vous ne pouvez pas documenter ce dont vous ignorez l'existence. Et vous ne pouvez pas démontrer votre conformité aux régulateurs lorsque des pans entiers de votre usage de l'IA opèrent dans l'ombre.
Qu'est-ce que le shadow AI ?
Le shadow AI désigne l'utilisation non autorisée d'outils, d'applications et de modèles d'intelligence artificielle au sein d'une organisation, sans approbation officielle, sans gouvernance et sans supervision de sécurité. Il apparaît lorsque des collaborateurs adoptent des technologies d'IA de leur propre initiative, souvent avec de bonnes intentions en matière de productivité, sans en informer les équipes informatiques, sécurité ou conformité.
Le phénomène fait écho à la vague antérieure du shadow IT, lorsque les salariés déployaient des services cloud et des applications non autorisés. Mais le shadow AI introduit des risques qui vont bien au-delà de ceux de son prédécesseur. Lorsqu'un collaborateur utilise un outil de gestion de projet non autorisé, le risque est essentiellement opérationnel. Lorsqu'il colle du code propriétaire, des données clients ou des informations commerciales confidentielles dans un système d'IA externe, le risque s'étend à la sécurité des données, à la propriété intellectuelle, à la conformité réglementaire et à des préjudices potentiellement irréversibles.
Exemples courants de shadow AI
Le shadow AI prend de nombreuses formes dans l'entreprise moderne. Dans les applications de productivité générales, les collaborateurs utilisent couramment ChatGPT, Claude ou Gemini pour rédiger des e-mails, résumer des documents, générer des rapports et répondre à des questions. Lorsqu'elles passent par des comptes personnels ou des onglets de navigateur non autorisés, ces interactions échappent à toute visibilité de l'entreprise.
Les outils de développement constituent un autre vecteur : des ingénieurs logiciels intègrent de grands modèles de langage dans des applications ou des processus sans revue de sécurité, en incorporant directement dans le code de production des API ou des appels de modèles non validés. Un développeur qui utilise un abonnement personnel à GitHub Copilot pour générer du code peut, sans le vouloir, créer des flux de données non surveillés et des vulnérabilités de conformité.
Les équipes marketing et créatives adoptent des générateurs d'images par IA, des plateformes d'optimisation de contenu et des outils de rédaction automatisée sans se demander quelles données d'entraînement ou informations clients ces services pourraient ingérer. Les services d'analyse déploient des outils basés sur l'IA pour traiter des données métier sensibles, en les connectant souvent à des bases de données de production à l'insu de la DSI.
Le plus insidieux est sans doute l'IA embarquée : de nombreuses applications SaaS intègrent désormais des fonctionnalités d'IA qui s'activent automatiquement ou par un simple changement de paramètres. Une organisation peut ainsi faire tourner 50 applications dotées d'IA, voire davantage, sans s'en rendre compte. En moyenne, une entreprise de taille intermédiaire utilise quelque 150 outils SaaS, et environ 35 % d'entre eux intègrent désormais une technologie d'IA.
Pourquoi les collaborateurs adoptent le shadow AI
Comprendre pourquoi le shadow AI prolifère est indispensable pour y répondre efficacement. Les collaborateurs n'utilisent généralement pas d'outils non autorisés par malveillance ou par négligence. Ils le font parce qu'aucune alternative approuvée n'existe : lorsque les organisations ne fournissent pas d'outils d'IA validés, les collaborateurs trouvent leurs propres solutions. Les gains de productivité sont trop attractifs pour être ignorés.
Les processus d'approbation sont souvent trop lents : le temps que la DSI évalue et approuve un outil d'IA, l'occasion est passée. Les collaborateurs qui doivent tenir des délais immédiats ne peuvent pas attendre des mois que les cycles d'achat aboutissent. Même lorsque les organisations proposent des plateformes d'IA approuvées, celles-ci peuvent manquer de fonctionnalités dont les collaborateurs ont besoin ou imposer des restrictions perçues comme arbitraires.
De nombreux collaborateurs ne réalisent tout simplement pas qu'utiliser un compte d'IA personnel pour des tâches professionnelles constitue une violation de la politique interne, ni même que de telles politiques existent. Les recherches montrent que plus d'un tiers des salariés ne respectent les politiques d'IA de leur entreprise que la plupart du temps, et qu'une proportion significative ignore même que leur entreprise dispose d'une politique en matière d'IA.
Pourquoi le shadow AI est un problème de conformité au regard du Règlement européen sur l'IA
Le Règlement européen sur l'IA crée des obligations spécifiques pour les organisations qui déploient des systèmes d'IA, et ces obligations s'appliquent que le déploiement soit autorisé ou non. L'ignorance des usages de shadow AI n'offre aucune défense face au contrôle réglementaire.
Au titre du Règlement européen sur l'IA, les déployeurs, c'est-à-dire les organisations qui utilisent des systèmes d'IA dans un cadre professionnel, assument des responsabilités directes en matière de conformité. Celles-ci comprennent la constitution d'un inventaire de tous les systèmes d'IA utilisés, leur classification selon les catégories de risque, ainsi que la documentation de leurs finalités et de leurs paramètres opérationnels. Les systèmes d'IA à haut risque exigent un contrôle humain continu, et les utilisateurs doivent, dans de nombreux contextes, être informés lorsqu'ils interagissent avec un système d'IA.
Le shadow AI sape fondamentalement chaque aspect de ce cadre réglementaire. Sans classification des risques, il n'y a pas de contrôles de conformité. Si vous ignorez qu'un système d'IA existe, vous ne pouvez pas évaluer s'il relève des catégories à haut risque. Sans documentation, les audits échouent : les régulateurs attendent des organisations qu'elles produisent des preuves de leurs efforts de conformité. Sans supervision, les préjudices passent inaperçus : des systèmes de shadow AI peuvent produire des décisions biaisées ou traiter des données personnelles de manière illicite. Sans journaux, il n'existe aucune preuve à présenter aux régulateurs lorsqu'un incident survient.
- Pas de classification des risques : pas de contrôles de conformité
- Pas de documentation : des audits en échec
- Pas de supervision : des préjudices non détectés
- Pas de journaux : aucune preuve pour les régulateurs
Enregistrement dans la base de données du Règlement européen sur l'IA et articulation avec le RGPD
Le Règlement européen sur l'IA établit une base de données publique pour les systèmes d'IA à haut risque. Les fournisseurs doivent y enregistrer leurs systèmes avant leur mise sur le marché, et les déployeurs qui sont des autorités publiques doivent y enregistrer leur utilisation de ces systèmes. Le shadow AI contourne totalement cette infrastructure d'enregistrement : les systèmes non autorisés n'apparaissent jamais dans la base de données, ce qui crée un univers parallèle de déploiements d'IA non tracés que les régulateurs ne peuvent voir tant qu'un incident ne les met pas au jour.
Le problème de conformité dépasse le Règlement sur l'IA lui-même. Le shadow AI implique fréquemment le traitement de données personnelles d'une manière qui contrevient au RGPD. Lorsque des collaborateurs collent des données clients dans des systèmes d'IA externes, l'organisation peut n'avoir aucune base légale pour ce traitement. Les personnes concernées n'ont jamais consenti à ce que leurs informations soient transmises à des fournisseurs d'IA tiers. Les outils de shadow AI sont généralement dépourvus des garanties techniques et organisationnelles exigées par le RGPD, et de nombreux services d'IA traitent les données en dehors de l'UE, ce qui peut déclencher des restrictions relatives aux transferts internationaux.
Les enjeux financiers
Le Règlement européen sur l'IA prévoit des sanctions substantielles en cas de non-conformité. Les pratiques d'IA interdites sont passibles d'amendes pouvant atteindre 35 millions d'euros ou 7 % du chiffre d'affaires annuel mondial, le montant le plus élevé étant retenu. Les manquements relatifs aux systèmes à haut risque sont passibles d'amendes pouvant atteindre 15 millions d'euros ou 3 % du chiffre d'affaires annuel mondial, ce qui s'applique directement aux situations où le shadow AI constitue un déploiement à haut risque non déclaré. La fourniture d'informations inexactes, incomplètes ou trompeuses aux organismes notifiés ou aux autorités nationales compétentes en réponse à une demande est passible d'amendes pouvant atteindre 7,5 millions d'euros ou 1 % du chiffre d'affaires annuel mondial.
Ces sanctions peuvent s'appliquer même lorsque l'organisation ignorait sincèrement l'existence du système d'IA en cause. La découverte ne constitue pas un moyen de défense.
Au-delà des amendes réglementaires, le shadow AI crée une exposition financière importante par d'autres canaux. Les violations de données liées à l'IA coûtent aux organisations plus de 650 000 dollars par incident en moyenne. Le shadow AI amplifie ce risque en créant des flux de données que les équipes de sécurité ne peuvent ni surveiller ni protéger. L'atteinte à la réputation résultant de décisions discriminatoires, de fuites de données ou de mesures coercitives des régulateurs peut largement dépasser les sanctions financières directes.
Détecter le shadow AI dans votre organisation
La lutte contre le shadow AI commence par la visibilité. Les organisations ne peuvent pas gouverner ce qu'elles ne voient pas, et une découverte exhaustive des usages de l'IA exige de combiner plusieurs approches.
L'analyse du trafic réseau permet d'identifier les connexions vers les points de terminaison de services d'IA connus. Les équipes de sécurité peuvent configurer des pare-feu, des serveurs proxy ou des cloud access security brokers (CASB) pour détecter et journaliser les accès aux plateformes d'IA. Les CASB modernes savent analyser les schémas de trafic chiffré pour identifier un usage de l'IA, même sans inspecter le contenu des paquets.
L'analyse financière des notes de frais et des transactions par carte d'entreprise révèle souvent des abonnements à des outils d'IA que la DSI n'a jamais approuvés. Lorsque des collaborateurs font passer en notes de frais des abonnements mensuels à des services d'IA, ils laissent une trace écrite que les équipes conformité peuvent suivre.
Les journaux SSO et d'authentification révèlent quelles applications tierces les collaborateurs utilisent avec leurs identifiants d'entreprise. Les journaux d'autorisation OAuth montrent quels services les collaborateurs ont connectés à leurs comptes professionnels. Les extensions de navigateur et les agents installés sur les postes peuvent surveiller directement l'usage des applications web sur les équipements de l'entreprise.
Le dialogue direct avec les collaborateurs révèle souvent des usages de shadow AI que la surveillance technique ne détecte pas. Les enquêtes qui présentent la découverte de l'IA comme une démarche visant à comprendre les besoins et à fournir de meilleurs outils, plutôt que comme une mesure répressive, obtiennent généralement des réponses plus sincères. La mise en place de programmes d'amnistie permettant aux collaborateurs de déclarer l'usage d'outils non autorisés sans être sanctionnés peut accélérer la découverte tout en renforçant la confiance.
Constituer un inventaire de l'IA
La découverte génère des données sur l'usage de l'IA, mais les organisations ont besoin d'une gestion structurée de l'inventaire pour transformer ces données en capacité de conformité. Un inventaire complet de l'IA recense les informations clés de chaque système.
- Identification du système : nom de l'outil ou du service d'IA, son fournisseur et les informations de version
- Description du cas d'usage : comment l'organisation utilise le système et quelles décisions il influence
- Données en entrée : types de données traitées par le système, y compris les catégories de données personnelles
- Périmètre décisionnel : si le système fournit des informations, formule des recommandations ou exécute des actions automatisées
- Classification du risque : correspondance du système avec les catégories de risque du Règlement européen sur l'IA
- Propriété et responsabilité : qui répond du fonctionnement et de la conformité du système
- Cartographie des intégrations : comment le système se connecte aux autres applications et sources de données de l'entreprise
Classification des risques du Règlement européen sur l'IA pour l'inventaire
Le Règlement européen sur l'IA établit quatre niveaux de risque qui déterminent les exigences de conformité. Le risque inacceptable couvre les systèmes d'IA purement et simplement interdits, notamment la notation sociale, la manipulation subliminale et certains usages d'identification biométrique. Le haut risque couvre les systèmes d'IA qui exigent des mesures de conformité étendues, notamment ceux utilisés pour les décisions d'emploi, l'évaluation dans l'éducation, l'accès aux services essentiels, les activités répressives et la gestion des migrations.
Le risque limité couvre les systèmes d'IA soumis principalement à des exigences de transparence, notamment les chatbots et certains systèmes de décision automatisée. Le risque minimal couvre les systèmes d'IA sans exigence réglementaire spécifique au-delà des obligations générales.
Les entrées de l'inventaire doivent inclure la classification du risque afin de permettre une gouvernance priorisée. Le shadow AI relevant des catégories à haut risque exige une attention immédiate, tandis que les systèmes à risque minimal peuvent ne nécessiter qu'une documentation et une supervision de base.
Du shadow AI à l'IA gouvernée
La découverte et l'inventaire créent de la visibilité, mais les organisations doivent traduire cette visibilité en gouvernance effective. Cela suppose de prendre des décisions conscientes pour chaque système d'IA : l'homologuer avec des contrôles appropriés, migrer les utilisateurs vers des alternatives approuvées, ou le bloquer entièrement.
Pour chaque système de shadow AI découvert, les organisations doivent évaluer les écarts de conformité (quelles exigences réglementaires l'usage actuel viole-t-il ?), les vulnérabilités de sécurité (quels risques le système fait-il peser sur la protection des données ?), la dépendance métier (à quel point le système est-il ancré dans des processus critiques ?) et les options de remédiation (le système est-il capable de satisfaire aux exigences de conformité ?).
Certains systèmes de shadow AI peuvent être placés sous gouvernance avec des contrôles appropriés : application des politiques, contrôles techniques, documentation, mise en place d'une supervision et enregistrement. L'homologation transforme le shadow AI en IA gouvernée, en l'intégrant au cadre de conformité de l'organisation tout en préservant les gains de productivité.
Lorsque des systèmes de shadow AI ne peuvent pas être gouvernés efficacement en raison de préoccupations de sécurité, de limites réglementaires ou des capacités du fournisseur, les organisations doivent migrer les utilisateurs vers des alternatives approuvées. Cela exige une évaluation de la parité fonctionnelle, une conduite du changement, une migration des données et, à terme, une mise en application par le blocage des accès.
Bâtir un cadre de gouvernance durable
La gestion du shadow AI sur le long terme exige des capacités institutionnelles qui perdurent au-delà des efforts de remédiation ponctuels. Les organisations ont besoin d'un comité de gouvernance de l'IA assurant une supervision transversale couvrant l'informatique, la sécurité, le juridique, la conformité et la direction métier.
Des politiques claires doivent documenter l'usage acceptable de l'IA, les processus d'approbation et les exigences de traitement des données. La formation des collaborateurs doit couvrir les risques de l'IA, les pratiques d'usage responsable et la manière de demander l'approbation de nouveaux outils. Un catalogue d'outils approuvés doit proposer un ensemble sélectionné de plateformes d'IA vérifiées répondant aux exigences de l'organisation, afin d'offrir aux collaborateurs des options légitimes.
Des mécanismes de signalement doivent créer des canaux sûrs permettant aux collaborateurs de déclarer des usages de shadow AI sans crainte de sanction. Des audits réguliers doivent vérifier l'efficacité de la gouvernance et repérer les écarts émergents. Le shadow AI n'est pas un problème que les organisations peuvent résoudre une fois pour toutes : à mesure que la technologie de l'IA évolue et que de nouveaux outils prolifèrent, la pression qui alimente l'adoption dans l'ombre persiste.
Foire aux questions
Utiliser ChatGPT au travail relève-t-il du shadow AI ?
Si votre organisation n'a pas autorisé l'usage de ChatGPT à des fins professionnelles, alors oui, l'utiliser au travail constitue du shadow AI. Cela vaut que vous utilisiez un compte personnel gratuit, un abonnement personnel payant ou même un compte d'équipe qui n'a pas été acquis via les canaux officiels. La distinction essentielle tient à l'autorisation et à la supervision : si vos équipes informatiques, sécurité ou conformité ignorent cet usage, ne peuvent pas le surveiller et ne l'ont pas approuvé, le système opère dans l'ombre. Même des usages individuellement anodins créent des écarts de conformité une fois agrégés à l'échelle de l'organisation.
Quelles sont les sanctions pour une IA non détectée au titre du Règlement européen sur l'IA ?
Si le shadow AI relève des catégories à haut risque et opère sans les mesures de conformité requises, les organisations s'exposent à des sanctions pouvant atteindre 15 millions d'euros ou 3 % du chiffre d'affaires annuel mondial, le montant le plus élevé étant retenu. Si le shadow AI constitue une pratique interdite, les sanctions atteignent 35 millions d'euros ou 7 % du chiffre d'affaires. Point essentiel, la découverte ne constitue pas un moyen de défense : les organisations ne peuvent pas échapper à leur responsabilité en invoquant leur ignorance des systèmes d'IA opérant dans leur périmètre.
Comment savoir si notre usage de l'IA est à haut risque au titre du Règlement européen sur l'IA ?
Le Règlement européen sur l'IA définit les systèmes d'IA à haut risque par deux voies : les systèmes d'IA qui sont des composants de sécurité de produits couverts par une législation européenne spécifique de sécurité des produits, et les systèmes d'IA relevant de cas d'usage précis, notamment l'identification biométrique, la gestion des infrastructures critiques, l'éducation et la formation professionnelle, l'emploi et la gestion des travailleurs, l'accès aux services essentiels, les activités répressives, la migration et le contrôle aux frontières, ainsi que l'administration de la justice. Si vos systèmes de shadow AI touchent à ces domaines, ils exigent probablement des mesures de conformité propres au haut risque.
Pouvons-nous simplement interdire toute IA pour éviter ces problèmes de conformité ?
Les interdictions générales de l'IA sont le plus souvent contre-productives. Les recherches montrent de manière constante que les collaborateurs continuent d'utiliser des outils d'IA même lorsqu'ils sont explicitement interdits : près de la moitié déclarent qu'ils continueraient à utiliser une IA non autorisée malgré une interdiction. Interdire l'IA n'élimine pas le shadow AI ; cela pousse l'usage encore plus dans la clandestinité, ce qui complique la découverte et aggrave les écarts de conformité. L'approche la plus efficace combine des politiques claires, des catalogues d'outils approuvés qui répondent aux besoins légitimes, la formation des collaborateurs et une mise en application ciblée contre les systèmes réellement problématiques.
Quelle est la différence entre shadow AI et shadow IT ?
Le shadow IT désigne l'usage non autorisé de toute technologie sans l'approbation de la DSI. Le shadow AI en est un sous-ensemble spécifique, centré sur les outils d'intelligence artificielle. La distinction compte parce que le shadow AI comporte des risques propres : les données saisies dans les systèmes d'IA peuvent servir à entraîner de futurs modèles, les résultats de l'IA peuvent être imprévisibles et inexplicables, les réglementations spécifiques à l'IA comme le Règlement européen sur l'IA créent des obligations de conformité distinctes, et lorsque l'IA influence des décisions métier, les enjeux s'étendent à d'éventuelles discriminations et atteintes aux droits fondamentaux. La gestion du shadow AI exige des capacités de gouvernance spécifiques à l'IA, au-delà de la gestion classique des actifs informatiques.
Points clés à retenir
Le shadow AI n'est pas un problème que les organisations peuvent résoudre une fois pour toutes. À mesure que la technologie de l'IA évolue et que de nouveaux outils prolifèrent, la pression qui alimente l'adoption dans l'ombre persiste. Le déploiement par phases du Règlement européen sur l'IA rend ce travail urgent. Les organisations qui attendent l'entrée en application des obligations relatives au haut risque se retrouveront à tenter de comprendre leur paysage d'IA dans l'urgence, alors même que les régulateurs entament une supervision active. Celles qui commencent dès maintenant peuvent constituer des inventaires complets, instaurer une gouvernance efficace et démontrer leur préparation à la conformité avant que le contrôle ne s'intensifie. La découverte et l'inventaire sont les premières étapes indispensables : sans savoir quels systèmes d'IA existent au sein de l'organisation, aucune autre activité de gouvernance n'est possible.