Shadow AI : définition et comment le gouverner

Le Shadow AI désigne l'utilisation d'outils d'intelligence artificielle par les employés sans validation ni visibilité de la DSI. Contrairement au shadow IT classique, il ajoute un risque spécifique : les données saisies dans un prompt sortent du périmètre de l'entreprise et peuvent être conservées par le fournisseur, ce qui en fait un sujet de conformité RGPD autant que de sécurité.

Points clés

• Le Shadow AI n'est pas une variante mineure du shadow IT : la donnée qui sort dans un prompt est souvent plus sensible qu'un simple fichier partagé.
• L'interdiction pure échoue presque toujours ; elle pousse l'usage plus profondément dans l'ombre plutôt que de le faire disparaître.
• Le Shadow AI se détecte principalement par le réseau, la dépense et l'absence de demandes d'accès formelles.
• Le règlement (UE) 2024/1689 et la directive NIS2 s'appliquent déjà à l'exposition créée par le Shadow AI, qu'elle soit visible ou non.
• La CNIL a documenté les risques spécifiques des systèmes d'IA autonomes pour les données personnelles dans une note publiée en juillet 2026.
• Gouverner le Shadow AI suppose de proposer une alternative aussi rapide d'accès que les outils grand public, pas seulement de bloquer.

Sommaire

• Le Shadow AI, c'est quoi ?
• Quelle est la différence entre Shadow AI et Shadow IT ?
• 8 signes que le Shadow AI existe déjà dans votre organisation
• Quels sont les risques concrets du Shadow AI pour l'entreprise ?
• Pourquoi le Shadow AI se développe-t-il malgré les politiques internes ?
• Comment détecter le Shadow AI dans une entreprise ?
• Comment gouverner le Shadow AI plutôt que l'interdire ?
• Questions fréquentes

Le Shadow AI, c'est quoi ?

Le Shadow AI, c'est l'ensemble des outils d'intelligence artificielle que des employés utilisent dans leur travail sans que la DSI en ait connaissance ni les ait validés. Cela va du chatbot grand public utilisé pour résumer un document confidentiel à l'extension de navigateur installée sans demande d'autorisation, en passant par un compte personnel souscrit sur une carte bancaire professionnelle.

Le terme s'inspire directement du « shadow IT », l'usage historique de logiciels non approuvés par l'IT. Mais le Shadow AI s'en distingue par la nature de ce qui circule : un tableur non autorisé reste, au pire, un problème de duplication de données. Un prompt envoyé à un modèle d'IA peut contenir un contrat, une donnée de santé ou un secret commercial, saisi volontairement par un employé qui ne voit pas cet acte comme un risque.

Quelle est la différence entre Shadow AI et Shadow IT ?

La différence tient à ce qui sort de l'entreprise et à ce qu'il en advient. Le shadow IT classique pose un problème de gouvernance des outils : licences non suivies, données dupliquées, absence de support. Le Shadow AI ajoute une dimension que le shadow IT n'a jamais eue à ce degré : le contenu même du travail, collé dans un prompt, quitte le périmètre de contrôle de l'entreprise et peut être retenu par le fournisseur du modèle.

Un fichier partagé sur un service cloud non autorisé reste, en théorie, récupérable et supprimable. Une donnée saisie dans un prompt a potentiellement déjà servi à une réponse, a pu être journalisée par le fournisseur, et échappe à toute action corrective simple une fois envoyée. C'est cette irréversibilité qui distingue fondamentalement les deux phénomènes.

8 signes que le Shadow AI existe déjà dans votre organisation

Le Shadow AI est rarement annoncé : il se repère à des signaux indirects, pas à une déclaration. Voici huit signes qui, réunis, indiquent presque toujours un usage non gouverné déjà installé.

1. Des dépenses IA sur notes de frais jamais validées par l'IT

Un abonnement à un outil d'IA payé par carte bancaire personnelle et remboursé en note de frais est l'un des signaux les plus fiables : l'employé a jugé l'outil assez utile pour en payer l'accès lui-même.

2. Des extensions de navigateur IA installées sans demande

Des extensions de résumé, de rédaction ou de transcription apparaissent sur les postes de travail sans qu'aucune demande d'installation n'ait été formulée auprès de l'IT.

3. Des documents internes collés dans des chatbots grand public

Des employés collent des extraits de documents, de code ou de données dans des interfaces de chat grand public pour gagner du temps, sans se poser la question de la destination de ces données.

4. Une hausse du trafic réseau vers des domaines IA non répertoriés

Une analyse du trafic sortant révèle des connexions régulières vers des domaines d'API ou d'interfaces IA qui ne figurent sur aucune liste d'outils approuvés.

5. Des livrables étrangement similaires entre collaborateurs différents

Un style de rédaction, une structure de réponse ou un ton identique entre plusieurs personnes qui travaillent séparément trahit souvent le même outil d'IA utilisé en coulisses.

6. Des mentions informelles d'un outil que personne n'a validé

Un outil IA revient dans les conversations d'équipe ou les réunions sans jamais avoir fait l'objet d'une validation ni d'une communication officielle de l'IT.

7. Une absence totale de demandes d'accès alors que l'usage semble réel

Si aucune demande d'accès à un outil IA n'a jamais été formulée alors que la productivité de certaines tâches s'est visiblement accélérée, l'explication la plus probable est un usage non déclaré.

8. Des comptes personnels utilisés pour des tâches professionnelles sensibles

Des comptes IA grand public, enregistrés avec une adresse email personnelle, servent à traiter des données ou des documents qui appartiennent clairement au périmètre professionnel.

Quels sont les risques concrets du Shadow AI pour l'entreprise ?

Le risque principal du Shadow AI n'est pas que l'IA soit utilisée, mais qu'elle le soit sans aucune des garanties qui rendraient cet usage acceptable : pas de contrôle sur les données, pas de suivi des coûts, pas de preuve de conformité en cas de contrôle.

Dimension	Shadow AI	IA gouvernée
Visibilité pour l'IT	Aucune	Complète, par utilisateur et par modèle
Contrôle des données envoyées	Aucun, données hors périmètre	Masquage ou traitement sous juridiction choisie
Suivi des coûts	Invisible, dispersé sur des notes de frais	Mesuré et attribué par utilisateur
Preuve de conformité RGPD et AI Act	Non vérifiable	Documentée et auditable
Cohérence des résultats produits	Variable d'une personne à l'autre	Cadrée par des outils et des modèles communs

Au-delà du tableau, trois conséquences concrètes reviennent le plus souvent : une fuite de données qu'aucun incident de sécurité classique ne détecte, une exposition RGPD que l'entreprise découvre généralement après coup, et une facture d'abonnements dispersés que personne n'a arbitrée collectivement.

Pourquoi le Shadow AI se développe-t-il malgré les politiques internes ?

Le Shadow AI se développe non pas parce que les employés ignorent les règles, mais parce qu'un écart de vitesse existe entre le temps qu'il faut pour découvrir un outil utile et le temps qu'il faut pour le faire approuver officiellement. Un employé teste un outil en quelques minutes ; une validation IT en bonne et due forme prend souvent des semaines.

Cet écart recoupe directement les cinq problèmes qui poussent une entreprise vers une adoption non maîtrisée de l'IA : des coûts et licences qui ne sont suivis par personne, des outils fragmentés entre équipes métier et IT qui ne parlent pas le même langage, une qualité de résultat qui varie sans que rien ne l'explique, une politique IA qui existe sur le papier sans mécanisme pour la faire respecter, et des modèles puissants utilisés sans que la question de la souveraineté des données n'ait jamais été posée. Une politique interdisant l'IA sans offrir d'alternative aussi rapide ne résout aucun de ces cinq points : elle les rend simplement invisibles.

Comment détecter le Shadow AI dans une entreprise ?

Détecter le Shadow AI suppose de croiser plusieurs sources de signal plutôt que d'attendre qu'un incident le révèle : le réseau, la dépense et les outils eux-mêmes racontent chacun une partie de l'histoire.

L'analyse du trafic réseau sortant reste la méthode la plus fiable, car elle capture l'usage réel plutôt que l'usage déclaré : un accès réseau structuré par liste d'autorisation, plutôt que par blocage a posteriori, révèle immédiatement toute tentative de connexion vers un domaine IA non répertorié, au lieu de la découvrir après coup. Une revue régulière des notes de frais et des demandes de remboursement d'abonnements logiciels complète ce signal, tout comme un audit périodique des extensions de navigateur installées sur le parc de postes de travail. L'ANSSI recommande d'ailleurs une visibilité réseau structurée par défaut plutôt que reconstruite après un incident, une approche détaillée sur cyber.gouv.fr.

Comment gouverner le Shadow AI plutôt que l'interdire ?

Gouverner le Shadow AI signifie remplacer l'usage non maîtrisé par un usage tout aussi rapide mais visible, plutôt que de tenter d'effacer le besoin qui l'a fait naître. L'interdiction seule échoue presque systématiquement, car elle ne traite jamais la cause : le besoin réel de productivité reste, et l'usage se déplace simplement hors de vue.

1. Reconnaître que l'interdiction pure échoue presque toujours

Une politique qui se limite à interdire pousse l'usage plus profondément dans l'ombre, sur des appareils personnels et hors de toute visibilité, plutôt que de le faire disparaître.

2. Cartographier les outils IA réellement utilisés avant d'agir

Avant de construire une alternative, il faut savoir précisément quels outils sont déjà utilisés et pour quelles tâches, à partir des signaux réseau, financiers et déclaratifs déjà disponibles.

3. Mettre à disposition une alternative gouvernée aussi rapide d'accès

Une alternative approuvée qui prend des semaines à obtenir perd systématiquement face à un outil accessible en quelques clics ; l'accès gouverné doit être au moins aussi rapide que l'accès non gouverné.

4. Faire passer tous les accès par une passerelle unique

Une passerelle LLM unique, avec une clé virtuelle par utilisateur, remplace la dispersion de comptes individuels par un point de contrôle unique où chaque usage est visible et attribuable.

5. Autoriser par défaut les destinations à faible risque, bloquer le reste

Un accès réseau structuré en liste d'autorisation, avec approbation automatique pour les destinations à faible risque, évite la lenteur qui pousse les employés à contourner le système.

6. Mesurer et communiquer les progrès plutôt que sanctionner rétroactivement

Montrer la baisse du trafic non répertorié et la hausse de l'usage gouverné convainc plus durablement qu'une sanction ponctuelle, qui traite un symptôme sans changer le comportement de fond.

Le règlement (UE) 2024/1689 et la directive NIS2 renforcent l'urgence de cette approche plutôt que de la rendre optionnelle. Le texte de l'AI Act, disponible sur EUR-Lex, s'applique à un usage de l'IA qu'il soit déclaré ou non : l'absence de visibilité de l'entreprise sur ses propres usages ne constitue pas une exemption. La directive NIS2 (UE) 2022/2555 impose, à son article 21, des mesures de gestion des risques cybersécurité aux entités essentielles et importantes, un cadre directement pertinent pour tout trafic sortant non maîtrisé vers des services IA tiers. La CNIL, de son côté, a publié avec le Conseil de l'IA et du Numérique une note exploratoire sur l'IA agentique et les données personnelles, qui souligne combien la dispersion des usages complique l'identification des responsabilités, un constat qui s'applique tout autant au Shadow AI non agentique. Le RGPD reste par ailleurs pleinement applicable dès qu'une donnée personnelle transite par un outil non validé, comme le rappelle son texte officiel sur EUR-Lex.

Un agent IA déployé sans gouvernance constitue d'ailleurs une forme particulièrement active de Shadow AI : contrairement à un simple chatbot consulté ponctuellement, un agent autonome peut agir en continu sur plusieurs systèmes, ce qui démultiplie la surface d'exposition si son périmètre n'a jamais été défini. C'est pourquoi la gouvernance des données et la gouvernance du Shadow AI relèvent, en pratique, du même cadre : rôles, règles d'accès, attribution et audit.

Questions fréquentes

Le Shadow AI, c'est quoi ?

Le Shadow AI, c'est l'usage d'outils d'intelligence artificielle par des employés sans validation ni visibilité de la DSI, du chatbot grand public à l'extension de navigateur installée sans autorisation. Il se distingue du shadow IT classique par la nature de ce qui circule : le contenu même du travail, saisi dans un prompt.

Quelle est la différence entre Shadow AI et Shadow IT ?

Le shadow IT pose un problème de suivi des outils et des licences ; le Shadow AI ajoute un risque de fond, celui du contenu du travail qui sort du périmètre de l'entreprise via un prompt et peut être retenu par le fournisseur du modèle. Cette irréversibilité rend le Shadow AI plus difficile à corriger a posteriori.

Le Shadow AI est-il illégal ?

L'usage d'un outil d'IA non approuvé n'est pas illégal en soi, mais il expose l'entreprise à des risques réels de non-conformité, en particulier si des données personnelles transitent par un outil sans base légale identifiée ni contrat de sous-traitance conforme au RGPD.

Comment savoir si des employés utilisent des outils IA non autorisés ?

En croisant plusieurs signaux : l'analyse du trafic réseau sortant vers des domaines IA non répertoriés, la revue des notes de frais et abonnements logiciels, et l'audit des extensions installées sur les postes de travail. Le réseau reste généralement le signal le plus fiable, car il capture l'usage réel.

Faut-il interdire les outils IA grand public en entreprise ?

L'interdiction pure échoue presque toujours, car elle ne traite pas le besoin de productivité qui a motivé l'usage initial : elle le pousse simplement hors de vue. Une alternative gouvernée, aussi rapide d'accès, résout le problème plus durablement qu'une politique restrictive sans mécanisme d'application.

Quels risques le Shadow AI fait-il courir au regard du RGPD ?

Une donnée personnelle saisie dans un outil IA non validé constitue un traitement sans base légale identifiée ni garantie contractuelle sur le fournisseur, potentiellement sans accord de sous-traitance conforme à l'article 28 du RGPD. Ce risque reste invisible jusqu'à ce qu'un contrôle ou un incident le révèle.

Le Shadow AI concerne-t-il uniquement les grandes entreprises ?

Non, le phénomène touche des organisations de toute taille dès lors que des employés ont accès à un navigateur et une carte bancaire professionnelle. Les structures plus petites, souvent moins outillées pour la détection réseau, peuvent même y être plus exposées faute de visibilité centralisée.

Prochaine étape

Le Shadow AI ne se résout pas en interdisant l'IA, mais en la rendant visible et gouvernée avant qu'un incident ne la révèle. Pour comprendre comment structurer ce cadre au-delà du seul Shadow AI, notre guide gouvernance des données : un cadre pratique détaille les rôles, règles et outils d'attribution à mettre en place. Pour évaluer votre exposition actuelle, réservez une démonstration DevKira ou explorez les capacités de gouvernance réseau qui rendent cette visibilité possible dès le premier jour.