Le risque sécurité IA ne vient pas uniquement des grandes plateformes ou des modèles “frontière”. Selon une recherche publiée par Akamai, une menace souvent sous-estimée apparaît quand une minorité d’utilisateurs s’approprie l’IA de façon intensive et, parfois, en dehors des garde-fous prévus. Autrement dit : le danger peut se cacher dans un petit groupe… avec un impact disproportionné.
Concrètement, l’analyse menée dans le State of the Internet: Enterprise AI Usage Risk Report 2026 met en évidence un écart net entre les utilisateurs les plus actifs et le reste des équipes. Cette différence de comportement transforme l’IA en surface d’attaque supplémentaire, difficile à cartographier pour les équipes sécurité.
Le cœur du problème : un petit groupe utilise beaucoup l’IA
Les équipes de sécurité d’entreprise ont longtemps focalisé leurs efforts sur la “gouvernance” des usages : qui utilise ChatGPT, Claude ou Copilot, et à quelles fins. Mais l’étude Akamai montre que le risque sécurité IA change d’échelle lorsque l’on regarde la fréquence d’interaction.
Les 5% d’utilisateurs les plus “power” interagissent avec les modèles 12 fois plus souvent que les 50% les moins actifs. En pratique, alors que la durée moyenne d’échange correspond à environ cinq requêtes, ce groupe enchaîne plutôt 18 prompts ou davantage.
Ce n’est pas seulement une question d’utilisation “plus fréquente”. C’est un signal : l’IA devient un collaborateur intégré aux tâches essentielles, avec des entrées potentiellement sensibles et des sorties qui peuvent influencer des décisions, des développements ou des opérations internes.
Shadow AI : quand l’IA déborde des contrôles
Le rapport insiste sur un phénomène déjà connu en mobilité et en SaaS : les utilisateurs “apportent leurs outils”. Ici, le modèle prend la forme du shadow AI — des services, souscriptions ou outils qui ne passent pas par les canaux approuvés par l’entreprise.
Résultat : davantage d’opportunités de fuites de données, et l’apparition d’agents d’IA autonomes qui agissent dans l’environnement de l’entreprise, mais en dehors des politiques établies. Le tout s’ajoute à des systèmes déjà exposés à des angles morts.
Contrôle d’entreprise vs fuite via identités personnelles
Un point clé du rapport concerne la manière dont les conversations IA sont associées à des identités. Akamai indique que 47,11% des échanges IA dans les entreprises passent par des identités personnelles plutôt que des comptes gérés par l’entreprise.
Cette réalité crée une séparation nette : d’un côté, des plateformes configurées avec des mécanismes de gouvernance capables de conserver les frontières d’identité. De l’autre, des connexions personnelles qui augmentent les trous de visibilité pour l’IT, la sécurité et la conformité.
Exemples de domination selon le type de connexion
Le rapport compare plusieurs solutions et observe des tendances marquées :
- Gemini Enterprise (98,15%) et Microsoft Copilot M365 (90,55%) conservent la grande majorité des interactions dans des systèmes d’identité d’entreprise.
- DeepSeek (99,8%), Microsoft Copilot Standard (63,92%), ChatGPT (61,36%) et Claude (61,09%) sont largement dominés par des connexions via des identités personnelles.
Le rapport souligne aussi un cas plus subtil : certains employés utilisent des adresses e-mail d’entreprise pour activer des abonnements “freemium” liés à des comptes personnels. Dans ce scénario, même si l’accès “semble” interne, les données sensibles injectées dans les prompts peuvent être réutilisées pour l’entraînement public du modèle, selon les règles du fournisseur.
Le risque sécurité IA augmente donc non seulement quand l’outil est non approuvé, mais aussi quand la connexion brouille la provenance réelle des échanges.
Longue traîne : les outils de niche échappent au radar
Même dans les organisations qui gèrent correctement les comptes des plateformes majeures, la visibilité peut s’effondrer face à l’écosystème d’outils “de niche”. Le rapport décrit comment les employés adoptent des dizaines d’applications IA, des SaaS activés par l’IA, ou des souscriptions personnelles sans supervision IT.
Ainsi, le problème n’est plus uniquement “quel modèle est utilisé”, mais “quel ensemble d’outils, d’agents et d’intégrations interagissent avec les données internes”. C’est typiquement la zone où la sécurité perd la trace, surtout lorsque ces outils sont ajoutés au fil de l’eau.
Extensions navigateur et IDE : un angle mort en expansion
Parmi les points les plus préoccupants figure l’usage des extensions et des modules pour navigateurs ou environnements de développement (IDE). Akamai constate que 17,7% des employés dans des entreprises de taille moyenne utilisent au moins une extension IA, contre 9,53% dans les organisations plus grandes.
En outre, près de 75% des employés demandent des permissions élevées, parfois qualifiées de “hautes” ou “critiques”. Or, plus l’extension a de droits, plus le risque sécurité IA devient systémique : ces outils peuvent accéder au contexte de session, interagir avec des pages actives et, potentiellement, toucher des données sensibles.
Vulnérabilités connues dans les extensions
Le rapport ajoute un élément technique : 16,31% des extensions liées à l’IA contiennent des vulnérabilités identifiées via des CVE connues, contre 10,80% pour les extensions de navigateur prises globalement. Autrement dit, le segment “IA” n’échappe pas aux risques logiciels classiques : il peut au contraire en concentrer davantage.
Dans cette perspective, les extensions deviennent des passages non gérés vers les sessions utilisateurs et les données de l’entreprise — un contexte favorable à l’exploitation.
Pourquoi les attaquants peuvent contourner la sécurité
Une surface d’attaque IA plus large implique aussi des manières de pirater qui ne ressemblent pas aux attaques traditionnelles. Le rapport liste plusieurs techniques liées à l’écosystème des assistants et agents.
Vibe Hacking
Des attaquants peuvent modifier discrètement des fichiers d’instructions locaux (par exemple un fichier de configuration utilisé par un assistant de codage). L’objectif : influencer la génération de code pour provoquer des vulnérabilités ou déclencher des actions non autorisées.
CursorJacking
Des extensions malveillantes peuvent être “armées” pour récupérer silencieusement des secrets : clés d’API, jetons de session, ou code source propriétaire, depuis des bases locales.
CometJacking
Enfin, des tentatives d’injection de prompt peuvent être intégrées à des pages web malveillantes. L’agent d’IA peut alors être amené à exfiltrer des fichiers locaux. Le déplacement de la cible — de l’utilisateur vers le collaborateur IA — rend la détection plus complexe.
Checklist CISO : réduire le risque sécurité IA au niveau concret
Face à ces constats, le rapport formule des actions orientées “terrain” pour les équipes dirigeantes sécurité. L’idée centrale : il ne s’agit plus d’empêcher l’IA d’être utilisée, mais d’obtenir une visibilité et une gouvernance suffisantes pour maintenir les garde-fous.
1) Mettre en place une visibilité continue
Identifiez les applications IA, les extensions navigateur/IDE et les agents présents sur le réseau. Visez aussi une inspection en temps réel des prompts, des téléchargements et des réponses, afin de réduire l’incertitude sur ce qui est réellement échangé.
2) Réduire le shadow AI
Renforcez l’accès via des mécanismes d’identité entreprise, par exemple le Single Sign-On (SSO), et limitez les connexions personnelles non autorisées. Auditez particulièrement les adresses e-mail d’entreprise associées à des abonnements “freemium”.
3) Déployer une DLP contextuelle au niveau des prompts
Une approche par inspection des prompts aide à repérer des fuites de données non structurées — comme des extraits de code ou des textes internes — que des outils de détection plus “classiques” peuvent manquer.
4) Auditer extensions et permissions
Constituez un inventaire strict des extensions navigateur et IDE, imposez des limites de permissions et vérifiez les add-ons face à des vulnérabilités CVE connues.
5) Traiter les agents comme des identités privilégiées
Les agents d’IA autonomes, ainsi que certains navigateurs et contextes automatisés, doivent être considérés comme des identités numériques dotées de privilèges. Appliquez le principe du moindre privilège, réduisez le périmètre d’action et surveillez en continu.
Conclusion : agir sur l’usage intensif avant que le risque ne se propage
Le risque sécurité IA se concentre souvent là où l’on regarde le moins : dans les habitudes d’une minorité d’utilisateurs très actifs, dans les identités personnelles qui contournent la gouvernance, et dans des outils annexes comme les extensions et les agents. Avec des conversations plus longues et plus fréquentes, l’IA s’ancre davantage dans les processus métier — et donc dans l’exposition.
La priorité pour la sécurité n’est pas de combattre l’IA, mais de cartographier ce qui est réellement utilisé, de renforcer la visibilité et d’encadrer les accès. En agissant sur ces points, vous réduisez la probabilité que la surface IA devienne le chemin le plus simple pour une attaque.
Source: https://thehackernews.com/2026/08/the-outsized-shadow-why-5-of-ai-users.html
