Shadow AI : 80% de vos collaborateurs en utilisent. Vous en avez validé 23%.

Ce qu’est réellement le shadow AI

Le shadow AI, c’est l’usage, dans votre organisation, d’outils d’IA que vos équipes sécurité et IT n’ont jamais validés, jamais configurés, et qu’elles ne voient pas. C’est la même forme que le shadow IT, ces outils SaaS que les collaborateurs adoptent seuls, avec deux différences qui l’aiguisent : ces outils ingèrent vos données pour fonctionner, et les plus récents ne se contentent plus de lire, ils agissent.

Vu de l’intérieur, ça ne ressemble pas à une infraction. Ça ressemble à un commercial qui colle le contrat d’un client dans un chatbot gratuit pour le résumer. À un ingénieur support qui branche un assistant IA sur la base de connaissances pour traiter les tickets plus vite. À un analyste financier qui téléverse un export trimestriel pour qu’un modèle y repère des anomalies. Chaque décision, isolément, est raisonnable. Leur somme est une surface vaste et non gérée, où les données de l’entreprise s’écoulent vers des systèmes avec lesquels vous n’avez ni contrat ni journal.

L’écart entre les deux premiers chiffres, c’est tout le problème. L’essentiel de l’IA présente dans votre organisation tourne en dehors de la gouvernance que vous croyez avoir. Et à peine un tiers des entreprises disposent d’une politique qui la ferait ne serait-ce qu’apparaître, encore moins la contrôlerait.

Pourquoi il se répand plus vite que le shadow IT

Le shadow IT a mis des années à s’accumuler, parce que chaque outil supposait encore une inscription, un espace de travail, un minimum de configuration. Le shadow AI saute presque tout cela. Pas d’installation, pas d’espace à provisionner, souvent pas de compte au-delà d’un identifiant personnel. Un collaborateur ouvre un onglet, colle son travail, et obtient de la valeur en quelques secondes.

Trois dynamiques le font avancer plus vite que n’importe quelle vague d’adoption SaaS avant lui :

• L’écart de productivité est réel et immédiat. La panoplie validée est presque toujours en retard sur ce qu’un collaborateur peut atteindre seul. Quand l’option officielle est plus lente ou absente, les gens la contournent. Le shadow AI prospère précisément là où la gouvernance manque et où les outils officiels traînent derrière ce qui est librement disponible.
• Les comptes personnels contournent tous les contrôles. Une part importante de l’usage de l’IA générative passe par des comptes personnels non gérés, donc jamais par votre SSO, votre DLP ou vos journaux d’audit. L’activité est invisible par construction, pas par accident.
• Les outils se recrutent entre eux. Une personne trouve un flux de travail qui marche, le partage avec son équipe, et l’adoption s’emballe. Quand quelqu’un en sécurité en entend parler, il y a déjà de vraies données métier à l’intérieur et un flux dont les équipes dépendent.

On ne se sort pas de cela par une note de service. La friction d’un processus de validation dépasse toujours celle d’ouvrir un onglet, et tant que ce sera vrai, le comportement continuera.

Les vrais risques

Le shadow AI est généralement présenté comme un problème de fuite de données, et c’en est un. Mais le coût se manifeste sur trois surfaces distinctes, et l’impact financier est désormais mesurable.

Quand le shadow AI obtient le droit d’écrire

Jusqu’ici, cela décrit le shadow AI comme une boîte de dialogue : les données entrent, une réponse sort, le dommage est une exposition. C’était la version 2024. La version actuelle est pire, parce que les outils ne se contentent plus de lire.

Les agents IA se connectent à vos systèmes et y posent des actes. Via des connecteurs et le Model Context Protocol (MCP), un agent peut lire un CRM, publier dans Slack, ouvrir des pull requests, déplacer de l’argent ou mettre à jour des fiches, tout seul, en boucle. Quand un collaborateur branche l’un de ces agents sans revue, vous n’avez pas un outil clandestin qui a vu passer des données. Vous avez un acteur clandestin doté d’un accès en écriture permanent à des systèmes de production, sans propriétaire, sans permissions cadrées et sans piste d’audit.

C’est la partie que la plupart des articles sur le « shadow AI » manquent. Le traitement médiatique en fait une histoire de confidentialité, alors que la version agentique est une histoire de contrôle d’accès. Les enquêtes montrent déjà qu’une majorité d’organisations accordent aux systèmes d’IA plus d’accès qu’à l’humain occupant le poste équivalent. Un agent qui survit au projet pour lequel il a été construit est l’équivalent IA d’un collaborateur parti qui a gardé ses clés, à ceci près qu’il tourne en continu et que personne ne se souvient de son existence.

Ce que révèle une analyse de shadow AI

On ne gouverne pas ce qu’on ne voit pas : le premier geste est donc la découverte. Les signaux existent déjà dans des systèmes que vous maîtrisez. Les autorisations OAuth dans Google Workspace et Microsoft 365, les événements de connexion et les registres d’applications connectées révèlent tous quels services d’IA vos équipes ont branchés. La plupart des équipes sont surprises par leur première analyse, non parce que les outils sont exotiques, mais à cause du volume et de ce que ces outils peuvent atteindre.

Ce sont les deux lignes agentiques qui doivent vous arrêter. Un connecteur CRM en écriture et un agent de code capable de pousser sur GitHub ne sont pas des risques d’exposition, ce sont des risques d’action. Six personnes ont branché une IA sur votre système client et lui ont donné le pouvoir de modifier des fiches : jusqu’à l’analyse, c’était vrai et invisible à la fois.

Encadrer, pas interdire

Le réflexe après une analyse de shadow AI est d’interdire : bloquer les domaines, supprimer les autorisations OAuth, envoyer la note. Ça ne marche pas, pour la même raison que ça n’a jamais marché avec le shadow IT. Les gens contournent l’interdiction, et vous perdez la visibilité que vous veniez de gagner, parce que l’usage migre vers des appareils et des comptes personnels que vous ne voyez plus du tout.

Les données le confirment par l’autre bout : les organisations qui ont proposé à leurs équipes une alternative d’IA encadrée ont réduit l’usage non autorisé d’environ 89%. Les gens ne tiennent pas à l’outil clandestin. Ils tiennent à la capacité. Offrez-leur un chemin officiel vers cette capacité et l’essentiel de l’usage clandestin s’évapore de lui-même.

Une approche praticable trie les outils par risque et par intention, plutôt que de dégainer une interdiction générale :

L’objectif n’est pas le zéro shadow AI, hors d’atteinte sans tuer aussi la productivité pour laquelle il a été adopté. L’objectif, c’est une IA connue : une photo continue et à jour des outils et agents d’IA qui existent, de qui les utilise, des données et systèmes qu’ils peuvent atteindre, et la capacité de cadrer ou de couper n’importe lequel d’entre eux. Pour les chatbots, cela veut dire une offre officielle avec de vrais contrôles sur les données. Pour les agents, cela veut dire une couche d’accès qui confronte chaque appel à une politique, rattache chaque agent à un propriétaire nommé, journalise ce qu’il fait et offre un coupe-circuit, pour qu’une IA agissant sur vos systèmes soit gouvernée exactement comme un humain doté de la même portée.