Comment détecter le Shadow AI : 3 points d'entrée qui passent inaperçus
Pendant des années, les entreprises ont principalement considéré le Shadow IT comme une question de politiques de sécurité et de contrôle.
Les collaborateurs ont toujours trouvé des moyens d'utiliser des technologies en dehors de l'environnement informatique approuvé par leur entreprise : applications non autorisées sur les terminaux, extensions de navigateur ou encore des services cloud personnels. Ces usages laissaient des traces : une installation, un appareil connecté au réseau ou un élément que pouvait détecter une analyse ou un agent de sécurité. Un analyste devait ensuite examiner les résultats, évaluer les risques et déterminer les mesures à prendre.
Mais l'essor du SaaS et, désormais, de l'intelligence artificielle a profondément modifié l'ampleur du problème.
En quelques secondes, les collaborateurs peuvent adopter de nouvelles applications, souvent sans installer de logiciel, ouvrir un ticket ou solliciter le service informatique. Ils peuvent connecter leurs identifiants professionnels, autoriser l'accès aux données de l'entreprise, transférer des informations sensibles et commencer à utiliser de puissants outils d'IA avant même que les équipes de sécurité aient connaissance de leur existence.
Selon le WatchGuard Cybersecurity Hygiene Report 2026, 64 % des collaborateurs déclarent utiliser des outils d'IA non autorisés dans le cadre de leurs activités professionnelles.
Les MSP savent que le Shadow AI est déjà présent dans les environnements de leurs clients. En revanche, ils ne disposent pas toujours des capacités nécessaires pour identifier les applications utilisées par les collaborateurs, détecter celles présentant des risques et intervenir avant qu'un accès non autorisé ou une exposition de données ne se transforme en incident de sécurité.
La plupart des applications d'IA et des SaaS non autorisées sont introduites par l'un des trois points d'entrée suivants. Chacun laisse des traces à un endroit différent et nécessite une approche de détection spécifique.
Point d'entrée n° 1 : les collaborateurs autorisent l'accès aux données de l'entreprise
Le point d'entrée le plus courant commence par un simple clic.
Un collaborateur sélectionne « Se connecter avec Microsoft » ou « Continuer avec Google » pour connecter un assistant IA, un outil de productivité ou une application SaaS aux ressources de l'entreprise.
En quelques secondes, cette application peut accéder aux e-mails, aux calendriers, aux fichiers, aux contacts ou à d'autres données professionnelles. Ces autorisations restent souvent actives bien après la disparition du besoin initial.
Les cybercriminels exploitent également ce mécanisme au moyen du consent phishing, ou hameçonnage par consentement. Plutôt que de voler des mots de passe, ils incitent les utilisateurs à accorder directement des autorisations d'accès.
Les entreprises ne peuvent pas maîtriser les accès aux applications dont elles ignorent l'existence. La première étape consiste donc à identifier les applications déjà connectées aux données de l'entreprise.
Point d'entrée n° 2 : les collaborateurs utilisent des comptes personnels
Tous les outils d'IA ne se connectent pas via la plateforme de gestion des identités de l'entreprise.
De nombreux collaborateurs ouvrent simplement leur navigateur, accèdent à un service d'IA et s'y connectent avec leur compte personnel.
Cette activité n'apparaît ni dans Microsoft 365 ni dans Google Workspace, puisque le collaborateur n'utilise pas son identité professionnelle. Les entreprises n'ont donc souvent aucune visibilité sur les informations que leurs collaborateurs téléchargent sur ces services, partagent ou y traitent.
Sans visibilité sur ces activités, elles ne peuvent ni évaluer précisément les risques ni faire appliquer leurs politiques de gouvernance.
Point d'entrée n° 3 : les seules traces se trouvent dans l'activité réseau
Ce troisième point d'entrée ne laisse pratiquement aucune trace évidente.
Un collaborateur accède directement à un service d'IA ou SaaS depuis un appareil géré par l'entreprise. Cette activité ne génère aucune autorisation applicative dans l'environnement de l'entreprise et ne passe pas par un fournisseur d'identité professionnel.
Dans de nombreux cas, les seules traces figurent dans les journaux réseau ou dans ceux du pare-feu.
Ces connexions s'intègrent au trafic Web habituel. Sans informations contextuelles supplémentaires, elles sont difficiles à identifier.
Résultat : des usages potentiellement risqués de l'IA passent souvent inaperçus parmi des milliers de connexions réseau ordinaires.
Pourquoi une visibilité sur ces trois points d'entrée est-elle essentielle ?
Chaque point d'entrée laisse des traces à un endroit différent :
- Les plateformes de gestion des identités révèlent les autorisations OAuth et les accès accordés aux applications tierces.
- L'activité des utilisateurs met en évidence les services d'IA utilisés en dehors des identités professionnelles.
- Le trafic réseau permet d'identifier les services qui ne laissent aucune trace ailleurs.
Pour détecter les activités liées au Shadow AI et y répondre de manière appropriée, les équipes de sécurité doivent disposer d'une visibilité sur ces trois points d'entrée.
Combler les lacunes de visibilité sur le Shadow AI
Pour combler les lacunes de visibilité sur le Shadow AI, il est indispensable d'aller au-delà d'un contrôle de sécurité ou d'une source de télémétrie unique.
L'analyse des identités et des autorisations applicatives permet d'identifier les services auxquels un accès aux données de l'entreprise a été accordé. Toutefois, elle ne permet pas de détecter les outils d'IA utilisés via des comptes personnels ni les services qui ne sollicitent jamais ces autorisations.
L'activité des terminaux et du réseau peut révéler d'autres usages applicatifs, mais elle ne permet pas nécessairement de déterminer les droits d'accès accordés à une application au sein d'un environnement SaaS.
Une gouvernance efficace du Shadow AI repose sur la corrélation de ces différents signaux afin de répondre à trois questions fondamentales :
- Quelles applications les collaborateurs utilisent-ils ?
- À quelles données et ressources de l'entreprise ces applications peuvent-elles accéder ?
- Quelles activités présentent un niveau de risque nécessitant une intervention ?
Disposer d'un inventaire toujours plus complet des outils d'IA présente, à lui seul, un intérêt limité.
Une visibilité continue sur les identités, les applications, les terminaux et l'activité réseau permet aux équipes de sécurité de distinguer les usages légitimes de l'IA de ceux qui exposent inutilement l'entreprise à des risques, et d'adapter leur réponse en conséquence.
Détecter le Shadow AI avec WatchGuard
WatchGuard aide les MSP à identifier, détecter et traiter les risques liés au Shadow AI en s'appuyant sur plusieurs sources de visibilité.
Grâce à CloudDR, FireCloud et Firebox, les équipes de sécurité peuvent identifier les applications utilisées, déterminer les données auxquelles elles ont accès et évaluer les risques associés.
- CloudDR, la solution de détection et de réponse dans le cloud de WatchGuard, identifie les applications connectées via des autorisations OAuth dans Microsoft 365, Google Workspace et d'autres plateformes SaaS prises en charge. Elle met en évidence les consentements accordés afin de détecter les accès suspects, notamment les tentatives d'hameçonnage par consentement (consent phishing), et permet de révoquer les autorisations avant qu'une exposition de données ne se transforme en incident. CloudDR contribue également à identifier les services auxquels les collaborateurs s'inscrivent à l'aide de leur adresse e-mail professionnelle, même lorsque ces services ne sont pas associés à une identité d'entreprise.
- FireCloud Total Access permet aux MSP d'étendre leur visibilité en collectant les données de télémétrie réseau des terminaux gérés. Les entreprises peuvent ainsi identifier les services cloud et les applications d'IA utilisés, que les collaborateurs s'authentifient via Microsoft 365, Google Workspace ou une autre application SaaS.
- Firebox apporte une source de visibilité supplémentaire grâce à la télémétrie du pare-feu. Sans inspecter le contenu des communications, Firebox identifie les connexions vers des destinations d'IA connues et fait remonter ces activités pour permettre leur analyse.
Ensemble, ces solutions offrent aux MSP une vision plus complète du Shadow AI au sein des environnements de leurs clients. Les entreprises peuvent identifier les applications connectées, comprendre les données auxquelles elles ont accès, évaluer les risques et prendre les mesures nécessaires.
Ces fonctionnalités contribuent également à répondre aux exigences de plusieurs référentiels réglementaires et de conformité, notamment HIPAA, PCI DSS, ISO 27001, RGPD et SOC 2.
Les résultats des analyses de sécurité deviennent ainsi des éléments de preuve exploitables lors des audits. Les inventaires applicatifs intègrent désormais les risques liés au Shadow AI, ce qui permet aux MSP d'inclure des services de reporting de conformité dans leurs offres ou de les proposer en complément.
Le coût d'un manque de visibilité
Les conséquences du Shadow AI vont bien au-delà des simples lacunes de visibilité.
Lorsque les entreprises ignorent quelles applications d'IA leurs collaborateurs utilisent ou à quelles données ces applications peuvent accéder, les répercussions financières peuvent être considérables.
Selon le rapport IBM Cost of a Data Breach Report 2026, les incidents impliquant le Shadow AI coûtent en moyenne 5,39 millions de dollars aux entreprises, contre 4,99 millions de dollars de moyenne mondiale pour une violation de données.
Bon nombre de ces incidents trouvent leur origine dans des comportements quotidiens des collaborateurs : autoriser une application à accéder aux données de l'entreprise, utiliser un compte personnel d'IA sur un appareil professionnel ou accéder à un service non approuvé depuis un navigateur.
Sans visibilité sur ces activités, les risques peuvent passer inaperçus jusqu'à ce qu'un incident survienne.
Les MSP et les équipes informatiques internes n'ont pas besoin de freiner l'adoption de l'intelligence artificielle. Ils doivent avant tout comprendre quelles applications les collaborateurs utilisent, comment elles ont été introduites dans leur environnement et à quelles données elles peuvent accéder.
Les entreprises qui disposent de cette visibilité sont mieux armées pour maîtriser les risques, répondre aux exigences de conformité et réagir rapidement en cas de problème.
On ne peut pas maîtriser ce que l'on ne voit pas.