Shadow AI : gouverner l’intelligence artificielle invisible

L’essentiel

• Le shadow AI, ou IA fantôme, désigne l’usage d’outils, de modèles ou de services d’IA sans que les personnes responsables des données, du risque et de la conformité en aient connaissance ou en gardent le contrôle.
• Le phénomène est massif. Selon Gartner, 68 % des salariés utilisent des outils d’IA non autorisés, contre 41 % en 2023, et l’essentiel de cet usage ne passe jamais par une demande de validation.
• La lecture habituelle, celle d’un problème de fuite de données, reste incomplète. Le shadow AI est d’abord une défaillance de gouvernance : c’est l’IA qui n’a jamais été inscrite à votre inventaire.
• Au titre du règlement IA, les obligations pèsent sur l’organisation quel que soit le mode d’adoption de l’outil. Un inventaire d’IA incomplet constitue donc en lui-même un écart de conformité.
• La réponse n’est pas l’interdiction. C’est la découverte, un registre d’IA central, une responsabilité claire et une classification des risques : le travail qui transforme une IA subie en IA gouvernée.

Qu’est-ce que le shadow AI ?

Le shadow AI est l’utilisation d’outils, de modèles ou de services d’intelligence artificielle par des collaborateurs ou des équipes, sans validation ni supervision des responsables des données, du risque et de la conformité. Concrètement, c’est la responsable marketing qui rédige ses campagnes dans un compte personnel de chatbot, l’analyste qui colle un fichier client dans un modèle gratuit pour le résumer, ou le développeur qui accepte du code proposé par un assistant que la sécurité n’a jamais examiné. Un mot sur le terme, car deux sens circulent. En français, « IA fantôme » traduit bien l’idée d’une IA présente mais invisible. Dans un contexte de gouvernance et de conformité, le shadow AI désigne un usage non sanctionné et non gouverné de l’IA au sein de l’organisation, héritier direct du shadow IT. Le trait déterminant, c’est l’invisibilité. L’outil fonctionne, le collaborateur gagne en productivité, et personne parmi les responsables de la supervision ne sait que le système existe. Cet écart entre l’IA sur laquelle l’organisation fonctionne réellement et l’IA dont elle peut rendre compte constitue tout le problème. Notre analyse du déficit de gouvernance lié au shadow AI le pose de la même manière : on ne gouverne pas ce que l’on n’a pas vu.

Shadow AI et shadow IT

Le shadow IT a appris à toute une génération d’équipes sécurité que les usages devancent toujours les procédures de validation. Le shadow AI partage cette racine, mais ajoute deux propriétés qui aiguisent le risque. D’abord, la donnée ne se contente pas de séjourner dans une application non approuvée : elle quitte le périmètre et devient une entrée qu’un modèle tiers peut conserver ou réutiliser pour son entraînement. Ensuite, la sortie est non déterministe, si bien qu’une même requête peut produire des réponses différentes, et qu’un texte convaincant peut se révéler faux. Un outil de partage mal configuré laisse fuir ce qu’on y dépose. Un modèle non gouverné peut laisser fuir ce qu’on lui confie, puis orienter une décision au passage.

Pourquoi le shadow AI progresse si vite

Trois forces alimentent l’adoption. L’IA générative est arrivée d’abord comme un produit grand public : les salariés l’ont rencontrée chez eux avant que la gouvernance ne la rencontre au travail. Le gain de productivité est immédiat et personnel, ce qui rend ces outils difficiles à déloger. Et l’accès se fait sans friction : un onglet de navigateur et une adresse e-mail suffisent, sans étape d’achat pour ralentir qui que ce soit. Les chiffres décrivent un comportement quasi général, et non une marge. Gartner relève 68 % de salariés utilisateurs d’outils d’IA non autorisés, contre 41 % en 2023. Les travaux compilés dans le rapport State of Shadow AI d’UpGuard vont plus loin, avec 81 % des salariés et 88 % des responsables sécurité qui reconnaissent un usage non approuvé. La croissance globale du shadow AI est estimée à environ 156 % entre 2023 et 2025, les assistants conversationnels généralistes concentrant la grande majorité de l’activité non sanctionnée. Le point à retenir, c’est que le phénomène ne se limite pas à quelques profils juniors qui expérimentent en marge. Les dirigeants et les profils techniques seniors comptent parmi les usagers les plus intensifs, précisément ceux qui manipulent les informations les plus sensibles. L’interdiction tend à déplacer ce comportement hors de vue plutôt qu’à l’arrêter.

Exemples courants de shadow AI

Le shadow AI se saisit mieux par métier, car il apparaît partout où une tâche répétitive croise un modèle disponible. <table header-row= »true »> <tr> <td>Fonction</td> <td>Usage typique de shadow AI</td> <td>Ce qui est exposé</td> </tr> <tr> <td>Marketing</td> <td>Rédaction et génération d’images dans des comptes personnels</td> <td>Données de marque, campagnes non publiées</td> </tr> <tr> <td>Ingénierie</td> <td>Assistants de code non validés</td> <td>Code source, secrets, risque de licence</td> </tr> <tr> <td>Données et analyse</td> <td>Collage de jeux de données dans un chatbot</td> <td>Données clients et financières</td> </tr> <tr> <td>RH et recrutement</td> <td>Tri de candidatures avec un outil grand public</td> <td>Données personnelles, risque de discrimination</td> </tr> <tr> <td>Finance et juridique</td> <td>Résumé de contrats dans un modèle gratuit</td> <td>Éléments confidentiels et couverts par le secret</td> </tr> </table> Deux détails font de ces exemples davantage que des anecdotes. Le cas RH peut faire basculer une organisation dans la catégorie à haut risque du règlement IA, puisque l’IA de recrutement et d’évaluation des candidats y est classée à haut risque. Et le cas de l’analyse de données est celui où l’information sensible franchit le plus souvent la frontière vers un modèle tiers, raison pour laquelle près de 38 % des salariés admettent partager des informations professionnelles sensibles avec des outils d’IA sans autorisation, d’après les recherches en sécurité synthétisées par Orca Security.

Les vrais risques : au-delà de la fuite de données

L’exposition des données et de la propriété intellectuelle est le risque que tout le monde cite en premier, et son coût est désormais mesurable. Le rapport Cost of a Data Breach 2025 d’IBM établit que les violations impliquant du shadow AI coûtent environ 670 000 dollars de plus que les autres, et que 20 % des organisations touchées avaient subi un incident lié au shadow AI. Le même rapport indique que 97 % des organisations victimes d’une violation liée à l’IA ne disposaient pas de contrôles d’accès adaptés, et que 63 % n’avaient aucune politique de gouvernance de l’IA. Mais la fuite de données n’est que la défaillance la plus visible. Quatre autres risques comptent tout autant :

• Sécurité et surface d’attaque. Les modèles non sanctionnés et leurs intégrations échappent à la supervision, et leur trafic ressemble à une activité web ordinaire, si bien que les outils classiques les manquent.
• Exposition réglementaire. Si un outil traite des données personnelles ou alimente une décision à haut risque, l’organisation en porte l’obligation, qu’elle ait eu ou non connaissance de l’outil.
• Qualité des décisions. Une réponse assurée mais fausse qui oriente un recrutement, un crédit ou un jugement clinique relève de la gouvernance, pas de la simple coquille.
• Risque agentique. À mesure que les outils gagnent la capacité d’agir, et non plus seulement de répondre, un agent non gouverné disposant d’un accès aux systèmes peut engager des actions que personne n’a autorisées.

Ce que la lecture sécurité oublie

La plupart des analyses du shadow AI s’arrêtent au fichier qui fuit. Cette lecture est exacte mais superficielle, car elle traite le sujet comme un périmètre à défendre plutôt que comme une population à gouverner. L’exposition la plus profonde est celle d’une responsabilité sans titulaire : pas de propriétaire, pas de classification du risque, aucune trace de l’existence du système, et donc aucun moyen de répondre à un régulateur, à un auditeur ou à un conseil qui pose une question simple. Quels systèmes d’IA faisons-nous tourner, qui en répond, et que peuvent-ils faire ? Un outil de sécurité peut bloquer une connexion. Il ne peut pas répondre à cela.

Le shadow AI relève du règlement IA, pas seulement de la sécurité

C’est ici que le prisme de la gouvernance change la donne. Le règlement IA ne prévoit aucune exemption pour l’IA que des collaborateurs ont adoptée sans validation. Ses obligations pèsent sur l’organisation en tant que déployeur ou fournisseur, quel que soit le mode d’entrée du système dans le parc. Une organisation incapable de produire un inventaire complet et classé par risque de l’IA qu’elle utilise ne peut pas démontrer sa conformité, et le shadow AI est précisément la population absente de cet inventaire. Plusieurs obligations mordent directement. L’article 4 impose aux fournisseurs et aux déployeurs de garantir un niveau suffisant de maîtrise de l’IA au sein de leurs équipes, et il s’applique depuis le 2 février 2025. Lorsque l’IA sert un usage à haut risque, comme le recrutement ou l’évaluation de solvabilité, le déployeur hérite d’obligations de supervision humaine, de gouvernance des données d’entrée et de conservation des journaux. Le calendrier d’application se rapproche : les obligations relatives aux modèles d’IA à usage général s’appliquent depuis le 2 août 2025, et l’essentiel du régime à haut risque à partir du 2 août 2026. Les sanctions sont calibrées pour peser, jusqu’à 7 % du chiffre d’affaires annuel mondial pour les pratiques interdites et jusqu’à 3 % pour la plupart des autres manquements. Le même principe se trouve au cœur des grands référentiels. Le cadre de gestion des risques liés à l’IA du NIST fait de la tenue d’un inventaire des systèmes d’IA et de l’attribution claire des responsabilités un socle de ses fonctions GOVERN et MAP. La norme ISO/IEC 42001, relative au système de management de l’IA, attend d’une organisation qu’elle tienne un registre de ses systèmes d’IA et qu’elle définisse les rôles associés. En France, l’articulation avec la CNIL sur les données personnelles et avec l’ANSSI sur la sécurité rend cet inventaire d’autant plus concret. D’un référentiel à l’autre, le premier geste est le même : savoir ce que l’on a.

De la détection à la gouvernance : combler l’écart du shadow AI

Les éditeurs de sécurité répondent au shadow AI par la détection et le blocage. C’est un contrôle nécessaire, mais un point de départ, pas une destination. La gouvernance répond par un cycle de vie : découvrir, inventorier, désigner un responsable, classer le risque, gouverner le système tout au long de sa vie, puis l’attester périodiquement. La différence est celle qui sépare le fait de couper une connexion de la capacité à assumer chaque décision d’IA prise par votre organisation. L’objet qui rend cela possible est un registre d’IA : un système de référence unique qui recense chaque système d’IA, son responsable, sa finalité, son niveau de risque et ses preuves. Notre registre d’IA est conçu pour cette transition précise, en transformant une empreinte d’IA dispersée et invisible en un parc gouverné. Une fois inscrit au registre, un système cesse d’être du shadow AI. Il devient un actif doté d’un responsable et d’un ensemble de contrôles, seul état à partir duquel la conformité, la supervision et un reporting honnête au conseil deviennent possibles.

Pourquoi l’interdiction échoue

Une interdiction générale paraît ferme et tient rarement. Les collaborateurs qui ont trouvé une vraie valeur à un outil ne s’arrêtent pas : ils basculent vers des appareils et des comptes personnels, où votre visibilité est plus faible encore. La prohibition transforme un problème gouvernable en un problème invisible. Les organisations qui progressent associent la facilitation à la gouvernance : des outils approuvés réellement bons, une voie claire et rapide pour faire évaluer un nouvel outil, et un registre qui reflète l’usage réel. Facilitation plus gouvernance l’emporte sur l’interdiction, parce que cette approche compose avec le comportement au lieu de le combattre.

Mettre le shadow AI sous gouvernance, en pratique

Un programme opérationnel tient en cinq gestes, dans l’ordre.

1. Découvrir. Croiser une enquête d’usage anonyme et une découverte technique issue des journaux réseau et SaaS. L’objectif est une première image honnête, pas un exercice disciplinaire.
2. Enregistrer. Consigner chaque système trouvé dans un registre d’IA central, pour que l’inventaire devienne un enregistrement vivant plutôt qu’un tableur périmé le jour même de son achèvement.
3. Attribuer la responsabilité et classer le risque. Donner à chaque système un responsable nommé et un niveau de risque, en s’appuyant sur les catégories du règlement IA lorsqu’elles s’appliquent. C’est la responsabilité qui rend le reste applicable.
4. Faciliter et former. Proposer des alternatives approuvées que les équipes ont réellement envie d’utiliser, et satisfaire l’obligation de maîtrise de l’IA de l’article 4 par une formation qui explique la raison d’être du registre.
5. Attester en continu. Reconfirmer périodiquement la responsabilité, le niveau de risque et les contrôles, et rendre compte de l’état du parc au conseil. C’est l’attestation continue qui maintient l’inventaire fidèle à la réalité.

Aucun de ces gestes n’est exotique. Ce qui les rend efficaces, c’est de les mener dans un système conçu pour la gouvernance plutôt que dans un document figé, afin que le registre reste à jour à mesure que le parc d’IA évolue.

Questions fréquentes

Qu’est-ce que le shadow AI ? Le shadow AI, ou IA fantôme, est l’usage d’outils, de modèles ou de services d’IA au sein d’une organisation sans validation ni supervision des responsables des données, du risque et de la conformité. C’est l’équivalent, pour l’IA, du shadow IT, avec ce risque supplémentaire que la donnée quitte le périmètre vers un modèle tiers et que les sorties peuvent orienter des décisions. Quel est un exemple de shadow AI ? Un exemple fréquent est l’analyste qui colle un tableau de données clients dans un chatbot gratuit pour le résumer, via un compte personnel que la sécurité et la conformité n’ont jamais approuvé. On trouve aussi les équipes marketing qui génèrent des contenus dans des comptes d’IA personnels, ou les développeurs qui acceptent du code d’assistants non validés. Pourquoi le shadow AI pose-t-il problème ? Parce qu’il crée une exposition que personne ne gère : des données sensibles peuvent sortir de l’organisation, des décisions peuvent reposer sur des sorties non vérifiées, et l’IA n’apparaît sur aucun inventaire. Au titre du règlement IA, les obligations s’appliquent quel que soit le mode d’adoption de l’outil, si bien qu’une IA non recensée constitue un écart de conformité direct, et pas seulement un problème de sécurité. Comment fonctionne le shadow AI ? Il se propage par un accès sans friction. Un collaborateur s’inscrit à un outil d’IA grand public avec un navigateur et une adresse e-mail, l’utilise pour travailler plus vite, et ne le fait passer ni par l’achat ni par la sécurité. Comme le trafic ressemble à une activité web ordinaire et que le gain est réel, l’usage persiste et se multiplie discrètement. Comment détecter le shadow AI ? La détection combine deux méthodes : une enquête anonyme qui demande aux équipes ce qu’elles utilisent réellement, et une découverte technique à partir des journaux réseau, proxy et SaaS qui fait remonter le trafic et les applications d’IA. Le résultat des deux doit alimenter un registre d’IA central, pour que la détection débouche sur de la gouvernance et non sur un audit ponctuel. Peut-on arrêter le shadow AI en interdisant les outils d’IA ? Rarement. Les interdictions tendent à pousser l’usage vers des appareils et des comptes personnels, où la visibilité est encore moindre. L’approche la plus durable associe gouvernance et facilitation : des outils approuvés que les équipes veulent utiliser, une voie d’évaluation rapide pour les nouveaux, et un registre qui garde l’inventaire honnête.

Conclusion

Le shadow AI n’est pas, au fond, une histoire de collaborateurs indisciplinés ou de fichiers qui fuient. C’est l’histoire de la distance entre l’IA sur laquelle une organisation fonctionne et l’IA dont elle peut rendre compte. Les contrôles de sécurité réduisent cette distance ; seule la gouvernance la referme. Les organisations qui passeront un audit, satisferont au règlement IA et donneront une réponse nette à leur conseil sont celles qui inscrivent le shadow AI à un registre, attribuent à chaque système un responsable et un niveau de risque, et maintiennent cet enregistrement fidèle dans le temps. Si vous cherchez un point de départ unique, commencez par l’inventaire : portez l’IA que vous ne voyez pas sur un registre d’IA, et elle cesse d’être une ombre.