Il est temps de prendre en compte les actions autonomes préjudiciables

Réalisé auprès de 30 grandes organisations publiques et privées, le Cyber Benchmark IA 2026 dresse un constat contrasté. Les capacités de gouvernance et de protection progressent, mais la détection, la réponse aux incidents et la reprise restent encore peu matures.

Globalement, les organisations structurent leur gouvernance, intègrent les risques liés à l’IA dans leurs processus existants et déploient des dispositifs de protection.

« L’étape suivante consiste à rendre ces fondations opérationnelles, continue Gérôme Billois, Partner, Wavestone. Les organisations sont aujourd’hui mieux armées pour gouverner l’IA que pour en assurer la sécurité une fois déployée en production. »

Maintenir la maîtrise, la confiance et la continuité des activités

Cela implique de définir clairement les responsabilités liées aux systèmes d’IA, évaluer leurs risques, mettre en place des contrôles de sécurité, les intégrer à la supervision de sécurité, les tester tout au long de leur cycle de vie et préparer les équipes à répondre aux incidents et à rétablir les opérations. L’essor de l’IA agentique et la maîtrise croissante des modèles par les organisations rendent ces capacités d’autant plus essentielles.

Le prochain indicateur de maturité en matière de sécurité de l’IA sera la capacité des organisations à maintenir la maîtrise, la confiance et la continuité des activités lorsqu’un incident survient.

Une résilience de confiance

A suivre l’entreprise de conseil de Leudelange, trois priorités guideront la prochaine étape de maturité. La première : construire une résilience de confiance. Garantir leur disponibilité ne suffit pas. La disponibilité reste une exigence essentielle, notamment lorsque les organisations dépendent d’un nombre limité de fournisseurs.

« La stratégie de résilience doit donc combiner des mesures de continuité avec la restauration des actifs, des contrôles d’intégrité et une reprise des opérations en toute sécurité. Lorsque cela est pertinent, le basculement entre différents modèles ou fournisseurs peut contribuer à réduire les dépendances et à renforcer la résilience. »

Deuxième priorité, prendre en main la sécurité des modèles. Les modèles ajustés (fine-tuned), à poids ouverts (open-weight) et auto-hébergés offrent davantage de flexibilité, mais transfèrent également une plus grande part des responsabilités en matière de sécurité aux organisations, précise Wavestone.

« Les équipes de sécurité doivent évaluer les modèles avant leur adoption, valider les versions ajustées et suivre les évolutions ainsi que les dépendances tout au long de leur cycle de vie. Ces responsabilités doivent être prises en compte dès le départ dans les décisions d’adoption, plutôt que traitées uniquement après le déploiement. »

Le risque théorique n’existe plus !

Enfin, troisième étape, maîtriser les actions autonomes. À mesure que les agents d’IA accèdent aux systèmes de l’entreprise, les organisations doivent s’assurer que leurs actions restent encadrées, traçables et réversibles.

« Des incidents récents ont montré que les actions autonomes malveillantes ne relèvent plus d’un risque théorique, faisant de la mise en place de contrôles efficaces une priorité immédiate, rappelle Gérôme Billois. Cela implique de limiter les droits d’accès, surveiller les activités anormales et conserver la capacité à révoquer immédiatement l’accès aux systèmes critiques. »

D’un point de vue opérationnel, les évaluations des risques et les procédures de réponse doivent explicitement prendre en compte les actions autonomes préjudiciables, qu’elles résultent d’une compromission, d’un usage détourné ou d’un comportement inattendu.