DLP : comment protéger les données sensibles sans bloquer les usages ?

Les données de l’entreprise ne restent plus sagement rangées dans un serveur interne. Elles circulent entre les postes de travail, les applications SaaS, les espaces de stockage cloud, les outils collaboratifs, les messageries et, désormais, les plateformes d’intelligence artificielle générative.

Cette évolution facilite le travail quotidien des collaborateurs, mais elle multiplie également les chemins par lesquels une donnée sensible peut quitter l’organisation.

C’est précisément le rôle de la DLP, ou Data Loss Prevention, d’identifier différentes situations sensibles et de prévenir les fuites de données.

Qu’est-ce qu’une solution DLP ?

Une solution DLP permet de détecter, surveiller et contrôler les interactions avec les données sensibles d’une organisation. Son objectif est d’éviter qu’une information confidentielle soit exposée, transférée ou utilisée en dehors du cadre autorisé.

Elle peut notamment protéger les données personnelles, les informations financières, les documents contractuels, les secrets industriels, les données de santé ou encore le code source développé par l’entreprise.

La DLP ne consiste pas uniquement à empêcher la sortie d’un document. Elle vise à comprendre quelle donnée est manipulée, par qui, depuis quel équipement, vers quelle destination et dans quel contexte.

Les fuites de données ne viennent pas toujours d’un attaquant externe

Lorsque l’on évoque une fuite de données, on imagine souvent un cybercriminel ayant compromis le système d’information. Ce scénario existe, mais les risques internes occupent également une place importante.

Selon le Data Security Report 2025 publié par Fortinet et Cybersecurity Insiders, à partir d’une enquête menée auprès de 883 professionnels de l’IT et de la cybersécurité, 77 % des organisations interrogées ont connu au moins un incident de perte de données impliquant un utilisateur interne au cours des 18 mois précédents. Dans 49 % des cas, l’incident était lié à un collaborateur négligent ou imprudent, contre 16 % attribués à une intention malveillante confirmée.

Le risque interne ne doit donc pas être assimilé uniquement à un employé malveillant. Il peut prendre la forme d’une erreur de destinataire, d’un partage trop large, d’une mauvaise manipulation ou de l’utilisation d’un service non approuvé.

Passer du blocage systématique à une réponse contextualisée

Toutes les interactions avec une donnée sensible ne présentent pas le même niveau de risque.

Le partage d’un document avec un partenaire autorisé ne doit pas être traité de la même manière que son transfert vers une adresse personnelle. De la même façon, une action inhabituelle ne suffit pas toujours à caractériser une tentative d’exfiltration.

Un outil DLP nouvelle génération peut prendre en compte plusieurs éléments : la nature de la donnée, son origine, le compte utilisé, la destination, le volume transféré, l’horaire et les habitudes de l’utilisateur.

En fonction du contexte, la solution peut simplement journaliser l’action, avertir le collaborateur, lui demander de confirmer son choix, bloquer le transfert ou déclencher une investigation.

Cette approche permet de réserver les réponses les plus contraignantes aux situations qui le nécessitent réellement.

Encadrer le Shadow AI sans interdire l’intelligence artificielle

L’utilisation d’outils d’IA générative représente désormais un cas d’usage majeur pour la DLP.

Un collaborateur peut copier dans un prompt un compte rendu client, une partie de contrat ou un tableau financier. Un développeur peut envoyer du code contenant des informations internes. Ces gestes sont souvent motivés par un besoin de productivité, mais ils peuvent exposer des informations sensibles à une plateforme qui n’a pas été validée par l’entreprise.

Un outil DLP établit un inventaire des applications SaaS et des outils d’IA utilisés dans l’organisation. Des politiques peuvent ensuite avertir les utilisateurs lorsqu’ils utilisent une application non autorisée ou empêcher le chargement et le copier-coller de données sensibles vers certains services.

L’objectif n’est pas de bannir l’IA, mais d’autoriser les bons usages, avec les bons outils et les bonnes données.

FortiDLP : réunir protection des données et gestion du risque interne

FortiDLP est une solution cloud native développée par Fortinet. Elle associe prévention des pertes de données, protection des usages SaaS et IA générative, analyse du comportement des utilisateurs et gestion du risque interne.

Son agent installé sur les postes analyse localement le contexte et le contenu lors de l’accès à une donnée. Il peut fonctionner indépendamment de la connexion au réseau de l’entreprise, afin de maintenir la protection lorsqu’un utilisateur travaille à distance ou hors ligne.

Les fonctionnalités Data Origin et Data Lineage permettent de suivre une donnée à partir de sa source et d’observer ses transformations successives. Un fichier issu d’un outil RH, d’un espace documentaire ou d’un dépôt de code peut ainsi rester identifiable après avoir été copié, renommé ou modifié.

FortiDLP utilise également l’analyse comportementale pour établir une référence propre à chaque utilisateur. Des actions inhabituelles peuvent être rapprochées et regroupées au sein d’un incident présentant un score de risque.

Découvrez FortiDLP lors de notre prochain webinar

Pour approfondir le sujet, SNS Security et Fortinet vous donnent rendez-vous le 13 octobre à 14h30 pour un webinar consacré à la prévention des pertes de données et au risque interne.

Nos experts présenteront les principaux cas d’usage de FortiDLP : visibilité sur les flux, protection des endpoints, surveillance des applications SaaS et IA, analyse comportementale et réponses adaptatives.

Un live concret de 45 minutes pour découvrir ou approfondir le sujet et poser toutes vos questions.