L'avenir de la sécurité des données de l'IA : tendances, outils et technologies à suivre

La plupart des listes sur « l'avenir de la sécurité de l'IA » traitent l'IA comme une charge de travail parmi d'autres, une base de données de plus, une application SaaS de plus à protéger par une politique de sécurité. Cette vision occulte ce qui rend l'IA fondamentalement différente.

L'IA ne se contente pas de lire vos données. Elle prend des décisions et agit en votre nom. Parfois, il s'agit d'un modèle. De plus en plus souvent, c'est un agent. Dans tous les cas, elle manipule des données sensibles plus rapidement, à plus grande échelle et avec moins de contrôle que n'importe quel employé de votre organisation.

Les tendances décrites ci-dessous ne sont pas des prédictions. Elles reflètent les pratiques actuelles des entreprises qui ont dépassé le stade du débat sur l'opportunité d'autoriser ChatGPT. Voici les pistes à explorer et les investissements à privilégier au cours des 12 à 18 prochains mois.

1. Les agents d'IA deviennent la principale surface d'attaque.

En 2024, le débat sur la sécurité de l'IA portait sur le transfert de données clients par les employés vers ChatGPT. En 2025, il s'est orienté vers les applications GenAI, sous licence ou développées en interne. En 2026, ce sera au tour des agents : des systèmes autonomes qui récupèrent des données, utilisent des outils, interrogent des API et agissent dans votre environnement.

Le risque n'est pas une version amplifiée du risque lié aux chatbots. Il est simplement différent. Un chatbot attend une instruction. Un agent, quant à lui, consulte le CRM, interroge le lac de données, écrit dans un système de gestion des tickets et envoie un e-mail au client, le tout dans une chaîne unique. Cinq appels d'outils s'enchaînent, sans intervention humaine. Les solutions DLP et DSPM traditionnelles ont été conçues pour l'ouverture de fichiers par les utilisateurs. Presque aucun élément de cette architecture n'a été pensé pour permettre à un agent d'extraire des informations contextuelles sensibles et d'agir en conséquence.

Points à surveiller : comment les fournisseurs assurent la visibilité et la traçabilité tout au long du parcours client. Récupération des données, appels d’outils, transferts entre agents et actions effectuées sur les données. Si la réponse se limite aux invites et aux réponses, on les accuse de survoler la fenêtre de chat et de prétendre qu’il s’agit de sécurité.

2. L'identité non humaine devient le problème d'identité le plus important que vous ayez.

Chaque agent d'IA est une entité non humaine. Il possède des identifiants, des autorisations, un périmètre d'accès effectif et une zone d'impact. La Cloud Security Alliance estime que le ratio d'agents non humains par rapport aux humains est de 10 à 50 dans la plupart des entreprises, et ce ratio augmente à mesure que le nombre d'agents se développe.

La plupart des outils IAM et ITDR n'ont pas été conçus pour cela. Ils ne peuvent pas répondre aux questions qui comptent vraiment :

Compte tenu de ses outils et de ses connexions, à quelles données cet agent peut-il accéder ? Quelles données sensibles manipule-t-il actuellement, et cela est-il cohérent avec sa finalité ? En cas de compromission ou de dysfonctionnement grave, quelles seraient les conséquences réelles ?

Les entreprises qui déploient efficacement des agents à grande échelle associent chaque identité (humaine, machine ou agent) directement aux données sensibles auxquelles elle a accès, et pas seulement aux systèmes auxquels elle peut se connecter.

3. L'IA-SPM et le DSPM convergent

Gestion de la posture de sécurité de l'IA Apparu en 2024, ce référentiel permettait d'inventorier les ressources d'IA : modèles, jeux de données d'entraînement, bases de données vectorielles, agents, serveurs MCP et outils d'IA utilisés discrètement par les employés. Fin 2026, il deviendra incontournable, à l'instar de la norme CSPM pour le cloud il y a cinq ans.

Le risque lié à l'IA est un risque pour les données. Il englobe les données sur lesquelles le modèle a été entraîné, celles que l'agent récupère et le contexte qui s'affiche dans les invites. C'est pourquoi l'IA-SPM (Integrated Security Management) se confond avec la DSPM (Defense Security Management Program). Les fournisseurs qui dominent ce segment disposent déjà d'une cartographie précise de l'emplacement des données sensibles. Intégrer l'inventaire IA à un graphe de données existant est une opération simple. En revanche, créer un graphe de données de A à Z est un projet pluriannuel.

Si votre fournisseur de solutions IA-SPM est incapable de vous indiquer, pour un agent donné, quelles données sensibles se trouvent précisément dans son rayon d'action, il vous vend une liste d'actifs, et non une stratégie de sécurité.

4. La sécurité de l'IA passe de la posture à l'exécution.

L'analyse des invites et des réponses à la recherche de données sensibles, d'injections de messages et de sorties non sécurisées est devenue une pratique courante. C'était une nouveauté en 2024 ; c'est devenu une simple formalité.

Les exigences augmentent. Les entreprises demandent une protection en temps réel qui comprenne l'intégralité du cycle de vie de l'agent, et pas seulement la fenêtre de chat. Cela implique d'inspecter les appels d'outils, les données récupérées et les transferts entre agents. Cela implique également des décisions de sécurité qui tiennent compte de l'identité de l'agent, de la tâche qui lui a été confiée et des données qu'il s'apprête à consulter.

Les douze prochains mois permettront de distinguer les fournisseurs de solutions d'analyse de prompts de ceux qui maîtrisent réellement l'exécution des agents. Le test est simple : le fournisseur peut-il imposer une politique entre le modèle et les données, ou seulement aux entrées et sorties du modèle ?

5. La gouvernance par agents se dote d'un véritable plan de contrôle

Toutes les entreprises avec lesquelles nous échangeons peinent à gérer leur parc d'agents. Le problème réside dans l'ampleur du projet, d'autant plus que des employés non techniques développent leurs propres agents. Sans parc d'agents, aucune visibilité. Sans visibilité, impossible d'évaluer les risques.

Un véritable système de contrôle d'agents en 2026 doit pouvoir répondre à quatre questions à la demande :

• De quels agents ai-je besoin ?
• Qu'est-ce que chacun est autorisé à faire ?
• Que fait concrètement chacun d'eux ?
• Qu'est-ce qui le prouve ?

Découvrir, gouverner, protéger, prouver. Tout ce qui ne boucle pas la boucle finit par être mis de côté. Les éléments perturbateurs sont désactivés, et les éléments incomplets ne résistent pas à un audit.

6. La traçabilité des modèles et des données devient une exigence au niveau du conseil d'administration

Les organismes de réglementation du monde entier convergent vers une exigence simple : si un modèle a influencé une décision concernant une personne, il faut expliquer quelles données ont servi à son entraînement, quelles données ont été utilisées pour l’inférence et quelles garde-fous ont été mises en place. Il ne s’agit plus d’un problème de recherche, mais d’un problème d’audit.

Attendez-vous à ce que les outils de nomenclature IA (AI-BOM) et de traçabilité des modèles soient intégrés aux équipes de sécurité et de gouvernance, de risque et de conformité (GRC), et non plus seulement à celles travaillant sur l'apprentissage automatique. La véritable question n'est pas de savoir si vous disposez d'une nomenclature IA, mais plutôt si vous pouvez la relier à vos données et générer une piste d'audit. Une nomenclature IA qui ne connaît pas vos données est un simple artefact de conformité, et non un outil de sécurité.

7. Le point de terminaison redevient un point de contrôle de sécurité IA.

Les agents de codage comme Claude Code et Cursor, ainsi que la nouvelle génération d'agents de bureau, ont discrètement redonné aux terminaux toute leur importance en matière de sécurité IA. Ces agents lisent le code local, naviguent sur le web, appellent des API avec des identifiants de développeur et écrivent des fichiers. Le tout depuis un ordinateur portable que votre solution DLP détecte à peine.

Les extensions de navigateur et la télémétrie légère des terminaux font leur grand retour dans les discussions sur la sécurité de l'IA. Elles comblent les lacunes des solutions DLP traditionnelles et permettent également de détecter les agents qui s'exécutent de plus en plus souvent sur le poste utilisateur, et non dans le cloud.

Quelles sont les conséquences pour les responsables de la sécurité ?

Le schéma est le même partout. La sécurité de l'IA se cristallise autour de la sécurité des données et de la sécurité des identités, avec une couche d'exécution intermédiaire. Les fournisseurs qui domineront le marché au cours des deux prochaines années contrôleront la couche de données, l'étendront aux agents et aux identités non humaines, et appliqueront les politiques de sécurité en temps réel.

Chez Cyera, nous œuvrons précisément à cette convergence. Nous assurons la posture, la gouvernance et les contrôles d'exécution liés aux données sensibles accessibles à chaque agent, modèle ou identité. La prochaine étape concerne l'interface agent elle-même : la découverte de chaque agent dans le cloud, le SaaS et les terminaux ; la gestion de leurs actions ; leur protection en cours d'exécution ; et la vérification de l'efficacité des contrôles.

Si vous élaborez une stratégie de sécurité pour l'IA pour les 18 prochains mois, le test est simple. Choisissez un agent quelconque dans votre environnement. Pouvez-vous répondre, en moins de cinq minutes, à quelles données il a accès, à quelles données il a accédé au cours des dernières 24 heures et si cela est conforme à son objectif ? Dans le cas contraire, c'est par là que le travail commence.