Shadow AI : si vos équipes utilisent déjà l'IA, où vont vos données ?

Scénario hypothétique. Imaginez une analyste des risques dans une compagnie d'assurance, un jeudi à dix-huit heures. Elle doit remettre demain un résumé de quarante pages d'une police et de ses annexes. L'outil approuvé par l'entreprise n'existe pas, ou met trois semaines à être autorisé. Elle ouvre dans son navigateur un compte personnel d'un assistant d'IA, colle le document entier et obtient en quelques minutes un résumé utile. Il n'y a pas de mauvaise intention : il y a une échéance, un outil qui résout la tâche et aucune alternative approuvée sous la main.

Dans une organisation qui n'a pas inventorié cet usage, il peut n'exister aucune réponse documentée sur l'endroit où le texte est resté, les conditions qui s'appliquent, les personnes qui pourraient y accéder ou la durée de sa conservation.

Voilà le shadow AI : l'usage d'outils d'intelligence artificielle que l'organisation n'a pas approuvés, pas inventoriés et ne surveille pas. C'est la version actuelle du vieux shadow IT, avec une différence qui compte pour un comité : ce qui est partagé n' est pas un tableur dans un cloud personnel, mais du contexte, des données de clients et du jugement métier, écrits en langage naturel.

Cet article s'adresse à celui ou celle qui répond de la direction générale, des finances, des opérations, du commercial ou de la technologie d'une banque, d'une fintech, d'un assureur, d'une chaîne de distribution ou d'une entreprise réglementée. Il couvre cinq points : ce que disent les études sérieuses, pourquoi une interdiction à elle seule peut rester insuffisante, où se situe l'exposition au Mexique, quels cadres existent déjà pour gouverner et comment évaluer une alternative approuvée.

Ce que disent les études, et d'où elles viennent

Presque tout ce qui se publie sur le shadow AI provient d'enquêtes de fournisseurs et de cabinets d'analyse, et non de statistiques officielles. Cela ne les invalide pas, mais oblige à les lire pour ce qu'elles sont : des échantillons de ceux qui les ont commandées, avec une méthode déclarée et des biais possibles. Voici celles que nous avons pu examiner dans la source d'origine.

Usage. Le Work Trend Index 2024 de Microsoft et LinkedIn, auprès de 31 000 travailleurs du savoir dans 31 pays (enquête réalisée entre février et mars 2024 par un cabinet indépendant pour le compte de Microsoft), rapporte que 78 % de ceux qui utilisent l'IA au travail apportent leurs propres outils, et que la proportion monte à 80 % dans les petites et moyennes entreprises [1]. C'est une étude de fournisseur sur les travailleurs du savoir en général, non sur le Mexique ni sur les secteurs réglementés.

Données exposées. Le 2024 Data Privacy Benchmark Study de Cisco, enquête anonyme menée à l'été 2023 auprès de 2 600 professionnels de la confidentialité et de la sécurité dans 12 pays, a rapporté que 48 % des personnes interrogées affirmaient avoir saisi des informations non publiques de leur entreprise dans des outils d'IA générative et 45 % des noms ou des informations sur des employés [2]. Ce sont des déclarations des répondants, non une mesure de trafic ni une estimation pour le Mexique.

Coût. L'étude Cost of a Data Breach 2025 d'IBM a été réalisée par le Ponemon Institute, parrainée et analysée par IBM ; elle recueille les brèches vécues par 600 organisations entre mars 2024 et février 2025. Une organisation sur cinq a déclaré une brèche qu'elle attribuait au shadow AI ; seules 37 % disposent de politiques pour la gérer ou la détecter ; et celles qui ont déclaré un usage élevé du shadow AI ont observé, en moyenne, 670 000 USD de coût supplémentaire par brèche par rapport à celles à usage faible ou nul. Dans les incidents de shadow AI, des données personnelles ont été compromises dans 65 % des cas et la propriété intellectuelle dans 40 % [3]. Ce sont des associations déclarées dans l'échantillon, non une estimation causale ni un coût applicable au Mexique. IBM précise que c'est la première année où cette série examine la sécurité et la gouvernance de l'IA, de sorte qu'il n'existe pas encore de tendance sur plusieurs années.

Trois précautions en les citant devant un comité. Première : elles viennent de fournisseurs. Deuxième : elles mesurent des populations différentes (utilisateurs, professionnels de la confidentialité, organisations victimes d'une brèche) et ne peuvent ni s'additionner ni se comparer entre elles. Troisième : pour les indicateurs cités ici, les résultats sont publiés sous forme d'agrégats mondiaux ; Microsoft et Cisco ont inclus des participants du Mexique, mais ces chiffres ne permettent pas d'en déduire une prévalence nationale ni sectorielle. Elles servent à dire « cela arrive et a un coût mesuré à l'échelle mondiale », non à dire « cela nous coûte tant ».

D'autres chiffres plus spectaculaires circulent, comme un pourcentage d'employés qui utilisent l'IA « sans approbation » attribué à des analystes, ou la proportion de ce qui est collé dans les assistants publics qui serait confidentiel. Nous ne les utilisons pas : nous n'avons pas pu les situer dans une source primaire à la méthode publiée.

Pourquoi une interdiction à elle seule peut rester insuffisante

La réaction habituelle d'un comité est de bloquer : fermer les domaines des assistants d'IA et émettre une circulaire. Cisco rapporte que 27 % des organisations ont interdit, au moins temporairement, l'IA générative, tandis que 63 % ont limité les données pouvant être saisies et 61 % les outils pouvant être utilisés [2]. Les limites sur les données et les outils ont été déclarées plus souvent que l'interdiction totale. Comme les réponses peuvent se recouper, l'étude ne permet pas d'affirmer qu'il s'agit d'options exclusives l'une de l'autre ni qu'il existe une séquence entre elles.

La raison pratique est simple. Si la tâche urgente se poursuit et qu'aucune alternative autorisée ne résout le cas, certaines personnes peuvent chercher des voies hors du contrôle de l'entreprise : leur téléphone, leur compte personnel, leur réseau domestique. Un blocage peut repousser une partie de l'usage vers des espaces moins visibles, et ce qui ne se voit pas est difficile à gouverner et à expliquer à un auditeur. C'est une inférence opérationnelle de notre part, non une conclusion mesurée par les études citées : les enquêtes montrent que l'usage est répandu même là où il existe des règles, et elles ne mesurent pas ce qui se passe après un blocage.

La question utile n'est donc pas « comment l'arrêter ? », mais « que leur donnons-nous en échange qui soit meilleur ? ».

Pourquoi cela compte au Mexique, même sans norme sur l'« IA »

La LFPDPPP est un point de départ pertinent pour les organisations privées. C'est la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (loi fédérale sur la protection des données personnelles détenues par les particuliers), dont le décret d'expédition a été publié au Diario Oficial de la Federación (DOF, le journal officiel mexicain) le 20 mars 2025 [4]. Parmi ses obligations figurent l'avis de confidentialité, le consentement lorsqu'il y a lieu, le traitement des données sensibles et certains transferts : elle encadre, en somme, le traitement informé et maîtrisé des données personnelles. Pour une institution financière, un assureur ou une entreprise réglementée, cette analyse ne remplace pas l'examen de la réglementation sectorielle, des obligations contractuelles et des critères internes applicables à son cas.

En juillet 2026, la Secretaría Anticorrupción y Buen Gobierno (ministère de la Lutte contre la corruption et du Bon gouvernement), qui supervise aujourd'hui la loi sur la protection des données personnelles détenues par des particuliers, a infligé une amende de 42 849 095 pesos à la Federación Mexicana de Futbol pour son système d'identification des supporters. Selon le communiqué de l'autorité, elle lui a reproché de ne pas avoir informé correctement les supporters que leurs données biométriques étaient des données personnelles sensibles et d'avoir obtenu un consentement irrégulier pour les traiter. Le communiqué ne mentionne ni fuite ni accès non autorisé, et indique que la Fédération peut contester la décision [5]. Ce n'est pas un cas d'IA et nous ne le présentons pas comme tel.

La leçon pour un comité est autre. L'autorité a sanctionné des défaillances dans l'information et dans l'obtention du consentement pour traiter des données personnelles. Si des collaborateurs de votre entreprise collent des données de clients dans un outil que vous n'avez pas inventorié, la question « où cette donnée est-elle allée, sur quelle base et qui l'a autorisée ? » peut rester sans réponse documentée. C'est cela, et pas seulement une fuite, l'exposition. Un avis juridique spécifique sur votre cas relève de votre conseil juridique.

Gouverner avant d'interdire : deux cadres qui existent déjà

Nul besoin d'inventer une méthode. Il existe deux références que l'on peut utiliser comme liste de vérification pour le comité.

NIST AI Risk Management Framework 1.0, publié le 26 janvier 2023 par l'institut de normalisation des États-Unis. Son usage est volontaire et il s'organise en quatre fonctions : gouverner, cartographier, mesurer et gérer [6]. Le NIST indique aujourd'hui que la version 1.0 est en cours de révision. Il a publié en juillet 2024 un profil spécifique pour l'IA générative [7]. Pour un dirigeant, l'utile est que « gouverner » traverse les autres fonctions : cela définit la responsabilité et la politique pendant que l'organisation identifie ses systèmes d'IA, leurs usages et leurs risques. L'inventaire ne remplace pas la gouvernance ; il l'alimente.

ISO/IEC 42001:2023, la norme internationale des systèmes de management de l'IA : un cadre pour établir, mettre en œuvre, maintenir et améliorer un système de management de l'IA au sein d'une organisation [8]. Elle peut aider à ordonner les politiques, les responsabilités et l'amélioration continue ; elle ne remplace pas les obligations légales ni contractuelles de chaque organisation.

Aucun des deux ne résout le problème à votre place. Mais tous deux s'accordent sur un point que le comité peut exploiter dès cette semaine : il est difficile de gouverner ce qui n'a pas été inventorié.

L'alternative approuvée : que ce qui est correct soit aussi le plus facile

Gouverner, ce n'est pas seulement une politique. C'est donner aux personnes un outil qui résout la même tâche avec contrôle. Une alternative approuvée devrait s'évaluer selon cinq critères métier et de contrôle :

1. Elle n'interroge que des sources autorisées pour le cas d'usage, de sorte qu'elle répond avec des informations propres, sans dépendre d'un collaborateur qui copie-colle des documents.
2. Elle applique les permissions définies par l'entreprise. Une personne n'obtient pas par l'IA ce qu'elle ne peut pas consulter dans le système d'origine.
3. Elle conserve les preuves d'usage que la politique de conservation permet et exige : ce qui a été demandé, quelles données ont été utilisées et ce qui a été répondu, pour pouvoir l'expliquer.
4. Elle traite les données sensibles conformément à la classification, à la politique et aux obligations applicables, par exemple ce qui est masqué ou bloqué avant d'atteindre un modèle.
5. Elle documente où les données sont traitées, quels tiers interviennent et quelles conditions contractuelles régissent ces flux. Pour certaines données et certains processus, le cloud d'un fournisseur sous contrat adéquat peut suffire. Pour d'autres, une entreprise réglementée peut préférer que le modèle tourne sur sa propre infrastructure.

Ce dernier critère est celui qui change le plus la conversation avec le conseil d'administration et avec le service de conformité. Une infrastructure propre peut réduire certains flux vers des tiers, mais elle ne résout pas à elle seule les permissions, les copies, les sauvegardes, le support, les journaux, la conservation ni les obligations contractuelles. La décision doit s'appuyer sur une cartographie documentée des flux et des responsabilités.

Scénario (illustratif, sans client). Un assureur détecte que son service sinistres utilise des assistants publics pour résumer des dictámenes et des courriels d'experts. Au lieu de les interdire, il évalue un outil interne qui consulterait les dossiers de sinistres avec les permissions de l'utilisateur, résumerait et rédigerait des brouillons, et conserverait la trace de chaque consultation. L'hypothèse à valider serait qu'une alternative autorisée, utile pour la même tâche et accompagnée de règles claires, réduit l'incitation à copier des dossiers dans des comptes personnels. Le comité devrait mesurer l'adoption, les exceptions et les preuves disponibles avant de conclure que le risque a diminué.

Cinq questions pour votre prochain comité

1. Savons-nous aujourd'hui combien d'outils d'IA sont utilisés dans l'entreprise et qui les utilise ? Si la réponse est une estimation et non un inventaire, c'est le premier constat.
2. Quels types de données ont l'interdiction de sortir vers un assistant externe ? Données personnelles de clients, données sensibles, informations financières non publiques, code et contrats. Est-ce écrit et les personnes le savent-elles ?
3. Quelle alternative approuvée leur avons-nous donnée ? Si la réponse est « une circulaire », le comité n'a pas encore la preuve d'une alternative autorisée, utilisable et adoptée.
4. Existe-t-il une responsabilité exécutive et une structure de décision claires pour les usages de l'IA ? Une politique sans responsable nommé n'a personne pour la faire respecter.
5. Si une autorité, un client ou un auditeur nous demande où est allée une donnée que quelqu'un a collée dans un outil, pouvons-nous répondre avec des preuves ? Quel outil, quelles données, sur quelle base et avec quelle traçabilité.

Si deux réponses ou plus sont « je ne sais pas », il y a un motif suffisant pour convenir d'un responsable, d'un périmètre initial et d'une revue conjointe entre métiers, technologie, sécurité, confidentialité et juridique.

Par où commencer cette semaine

Avant de décider d'un projet, il faut convenir d'un périmètre initial, d'une responsabilité exécutive et d'un inventaire proportionné au risque.

Demandez à la Sécurité, à la Confidentialité, au Juridique et aux services les plus exposés (sinistres, crédit, recouvrement, service client, finances) de définir un relevé bref, confidentiel et non punitif : outils utilisés, finalité, catégories de données et système d'origine. L'objectif est que l'usage apparaisse au grand jour, dans une logique de cartographie et non de sanction. Avec ce relevé, faites un classement préliminaire en trois groupes : celui qui peut continuer avec un compte d'entreprise et un contrat, celui qui nécessite un outil interne avec contrôle et celui qui ne doit pas avoir lieu. Ce classement doit être validé au regard des obligations applicables avant d'autoriser, de restreindre ou de repenser un usage. C'est aussi un intrant pour « cartographier » dans le cadre du NIST et pour un inventaire tel que le demanderait un système de management.

Si l'exercice révèle que ce qui se fait le plus est de résumer, rédiger et consulter des documents propres, vous savez déjà où se trouve la valeur d'évaluer une alternative approuvée.

Ce que fait Hábil

Si votre organisation identifie le besoin d'une alternative autorisée pour un processus concret, Hábil AI et Nova sont des options que vous pouvez évaluer avec Hábil. Hábil AI connecte l'IA aux systèmes qu'une entreprise possède déjà, avec un contrôle sur qui peut voir quoi et une trace de ce qui est consulté ; lorsque les données ne doivent pas quitter l'organisation, Nova est l'IA qui tourne sur une infrastructure propre. Le choix dépend du processus, des sources autorisées, de la sensibilité des données, des permissions, des obligations applicables et des preuves que votre organisation doit conserver. Pour le contrôle des accès, la page Maîtriser les accès.

La première conversation de diagnostic est sans frais : elle sert à examiner le cas, ses dépendances et l'étape suivante qui convient. Écrivez-nous sur WhatsApp.