18/11/2026
Cybersecurity Insights
Sécuriser l’IA commence par les données
La sécurité des données a longtemps reposé sur la logique du périmètre infrastructure : protéger les serveurs, les réseaux et les bases de données. Ce modèle a atteint ses limites avec la diversification des sources de données, l’usage massif d’applications SaaS et bien entendu l’intégration de l’IA générative. La protection doit donc s’attacher à la donnée elle-même, où qu’elle se trouve.
L’IA comme révélateur des failles de gouvernance
L’IA ne crée pas les failles de gouvernance des données, mais elle les révèle, les amplifie et les rend exploitables à grande échelle. Les canaux de fuite de données se sont diversifiés : prompts involontaires contenant des données sensibles, injections via des documents ou pages web, mais aussi l’émergence des agents autonomes qui agissent comme de nouvelles identités non humaines, dotées de permissions étendues.
Un assistant IA peut aujourd’hui accéder à l’ensemble des données partagées avec son utilisateur humain, données dont l’utilisateur lui-même n’aurait pas eu conscience.
Le DSPM agit avant l’incident, le DLP quand la donnée circule
Deux outils sont les figures de proue de la sécurisation des données : le DSPM (Data Security Posture Management) et le DLP (Data Loss Prevention).
Le DSPM agit en amont, avant l’incident. Il se connecte de manière majoritairement agentless aux environnements cloud, SaaS et on-premise et dresse l’inventaire des données sensibles. Il indique qui y a accès, qu’il s’agisse de personnes, de comptes de service ou d’agents IA. Il analyse aussi l’exposition des données, signale les accès excessifs, les partages publics et les mauvaises configurations, et permet de les corriger.
Le DLP agit quand la donnée circule ou est utilisée. Il contrôle tous les points de sortie potentiels (web, SaaS, imprimantes, messageries) et intègre des mécanismes de prévention et de blocage pour se prémunir de tout transfert de données sensibles non souhaité.
La classification des données est au cœur de cet écosystème. Des approches de classification trop classiques (Regex, Exact Data Match) sans enrichissement sont sources de bruit car manquant de précision.
Aujourd’hui, certains outils intègrent l’IA pour apporter cet enrichissement (via le contexte adjacent aux données et le contexte métier de l’entreprise), afin de rendre la classification précise et de pouvoir travailler sur les vraies données sensibles.
Approche ALMOND : un programme continu pour réduire le risque
Protéger ses données ne se résume pas à acheter un outil. Il faut mettre en place un programme continu et construit avec les métiers, car ce sont eux qui permettront dans la durée de réduire le risque structurel.
Ce programme se structure autour de trois piliers :
- Avoir une visibilité claire et actionnable des données : identifier avec les métiers les données et usages sensibles & calibrer les outils pour apporter la classification et les remontées de risques adaptées,
- Sensibiliser et former : les politiques non comprises sont contournées, les notifications/blocage trop fréquents ou mal expliqués créent de la frustration et de la lassitude,
- Avancer par itération : les volumétries de données peuvent générer un nombre conséquent d’alertes. Travailler des scopes de détection précis et les étendre au fur et à mesure permet de traiter correctement les risques et ne pas se retrouver noyé.
Pour mener à bien cette approche, notre conviction est qu’il faut un dispositif dédié et managé pour pouvoir assurer :
- La mise en place et la maintenance des outils,
- La couverture de la détection et des process de traitement,
- Le traitement des alertes et la remédiation,
- La formation et la sensibilisation des utilisateurs,
- L’intégration des nouveaux usages.
Face à l’IA, l’organisation autour des outils fait la différence
Sécuriser les données face à l’IA exige de sortir du réflexe périmétrique pour adopter un cycle continu de découverte, de classification, de protection et de remédiation.
Les outils existent. Ce qui fait la différence, c’est l’organisation autour : des métiers impliqués, un déploiement progressif et une équipe dédiée et spécialisée qui exploite le dispositif au quotidien.