Sécurité de l’IA : pourquoi les prompts sont si sensibles ?

L’IA générative n’est plus un sujet réservé aux équipes techniques. Elle est entrée dans le quotidien des entreprises : rédaction, synthèse documentaire, support, développement, analyse de données, juridique, RH… Les cas d’usage avancent vite, parfois plus vite que les règles internes censées les encadrer.

Selon McKinsey, dans son State of AI 2025, 88 % des organisations utilisent régulièrement l’IA dans au moins une fonction métier. En clair : l’IA est déjà là. La vraie question n’est donc plus “faut-il l’autoriser ?”, mais “comment garder la maîtrise ?”.

Un prompt peut sembler anodin. Pourtant, il peut contenir une donnée client, un extrait de contrat, un document interne, une information RH, un secret technique ou un morceau de code sensible. Une fois transmis à un outil non maîtrisé, il devient difficile de savoir où va l’information, comment elle est traitée et qui peut y avoir accès.

Le Shadow AI, premier angle mort des entreprises

Le Shadow AI désigne l’utilisation d’outils d’intelligence artificielle sans validation ni supervision de l’IT ou des équipes sécurité. C’est souvent le premier risque à traiter, car il s’installe discrètement. Un collaborateur teste un outil pour gagner du temps. Une équipe l’adopte. Puis l’usage devient régulier, sans cartographie, sans règle claire et sans contrôle sur les données échangées.

Le problème n’est pas forcément l’intention. Dans la plupart des cas, les utilisateurs cherchent simplement à être plus efficaces. Mais sans visibilité, l’entreprise ne sait plus quels outils sont utilisés, par qui, pour quels besoins et avec quelles données.

Pour reprendre le contrôle, il faut d’abord retrouver une vision claire des usages IA déjà présents dans l’environnement :

1. les outils IA utilisés par les collaborateurs ;
2. les services, postes ou profils les plus concernés ;
3. les volumes d’usage et les comportements inhabituels ;
4. les données potentiellement sensibles échangées avec ces outils.

Cette première étape permet de sortir de l’intuition et d’une estimation des usages pour prioriser les actions de sécurité.

Usages employés : encadrer sans bloquer

Les collaborateurs sont souvent les premiers à utiliser l’IA générative. Marketing, RH, finance, juridique, commerce ou support : tous y trouvent un intérêt immédiat.

Le risque vient moins de l’outil lui-même que de ce qui est partagé : fichier client, tableau financier, information RH, document contractuel ou contenu confidentiel. La bonne approche consiste donc à appliquer des règles selon les métiers, les profils et les types de données.

Assistants de code, applications internes, agents IA : les nouveaux canaux à surveiller

Les assistants de code comme GitHub Copilot ou Cursor accélèrent l’écriture et la correction du code, mais peuvent aussi recevoir des informations critiques : clés API, tokens, secrets, extraits propriétaires ou détails d’architecture. L’enjeu n’est donc pas de freiner les développeurs, mais de leur permettre d’utiliser ces outils sans exposer l’entreprise.

Les applications IA internes posent un autre défi. Chatbots documentaires, assistants métiers, outils de support ou moteurs d’analyse peuvent être exposés à des attaques de type prompt injection.

Cette technique consiste à manipuler le modèle avec des instructions malveillantes pour lui faire contourner ses règles, révéler des informations ou produire une réponse non conforme. D’autres risques existent également, comme le jailbreak (qui vise à contourner les restrictions de sécurité du modèle), les fuites de données ou encore les usages abusifs qui entraînent une consommation excessive de ressources IA.

Avec les agents IA, le sujet change encore de dimension. Un agent ne se contente plus de répondre à une question : il peut interroger des outils, accéder à des fichiers, déclencher des workflows ou réaliser des actions dans des systèmes connectés. Plus l’IA devient autonome, plus elle doit être surveillée comme une véritable identité technique, avec des permissions, des logs et des règles d’usage clairement définies.

En résumé, l’IA ne se contente plus de répondre à des questions. Elle agit. Elle accède, elle déclenche, elle exécute, parfois sans que personne ne s’en aperçoive.

Sécuriser l’IA sans casser l’innovation

La sécurité de l’IA ne doit pas devenir un frein. Une politique trop rigide pousse souvent les utilisateurs à contourner les règles, ce qui renforce précisément le Shadow AI. L’objectif est donc de construire un cadre clair, réaliste et adapté aux métiers.

Une stratégie efficace doit notamment permettre de :

1. protéger les données sensibles avant leur envoi dans un outil IA ;
2. appliquer des règles d’usage par métier, profil ou département ;
3. surveiller les prompts, les réponses et les comportements à risque ;
4. conserver des logs exploitables pour l’audit, la conformité et l’amélioration continue.

L’idée n’est pas de transformer chaque prompt en formulaire administratif, mais plutôt de poser des garde-fous intelligents et réalistes.

L’accompagnement by SNS Security

Chez SNS Security, nous accompagnons les entreprises sur leurs enjeux cyber depuis plus de 20 ans. Après le réseau, le SOC, le Cloud, l’IA devient naturellement un nouveau sujet à sécuriser.

Pour accompagner ces nouveaux besoins, nous travaillons notamment avec Fortinet, Netskope et SentinelOne, afin d’apporter davantage de visibilité, de contrôle et de protection sur les usages et les environnements IA.