Shadow AI en entreprise : faut-il interdire l’IA ou apprendre à mieux la maîtriser ?

Un commercial qui colle un compte rendu de rendez-vous dans ChatGPT pour en tirer un mail de relance. Une assistante comptable qui demande à un chatbot de reformuler une relance client. Un responsable RH qui fait résumer un tableau d’absences par un assistant IA gratuit. Aucun n’a de mauvaise intention, et pourtant, dans chacun de ces cas, des données de l’entreprise viennent de quitter son système d’information, sans que personne ne l’ait décidé ni même vu passer.

Ce phénomène a un nom : le Shadow AI, ou « IA de l’ombre ». En 2026, il est devenu l’un des sujets les plus débattus en entreprise, à la croisée de la productivité, de la cybersécurité et de la conformité. Et la question que se posent désormais les dirigeants est simple : faut-il interdire ces outils, ou apprendre à les maîtriser ?

Cet article fait le tour du sujet : ce qu’est réellement le Shadow AI, pourquoi il progresse, ce qu’il coûte, ce que disent les textes (RGPD, AI Act) et les autorités (CNIL, ANSSI), et surtout comment vous faire votre propre avis, avec des éléments concrets pour décider.

Qu’est-ce que le Shadow AI ?

Définition

Le Shadow AI (en français, aussi appelé « IA fantôme » ou « IA de l’ombre ») désigne l’utilisation, par des collaborateurs, d’outils d’intelligence artificielle non validés, non encadrés ou non connus de leur organisation. Les Éditions Tissot le décrivent comme l’usage par les salariés d’outils d’IA qui n’ont été ni validés ni encadrés par leur employeur.

Le terme vient du Shadow IT, c’est-à-dire l’usage de logiciels, d’applications cloud ou de services de stockage sans validation de la DSI (le classique tableur partagé sur un compte personnel, ou la messagerie privée utilisée pour envoyer un fichier de travail). Le Shadow AI en est le prolongement, avec un changement de nature important : un outil d’IA générative ne se contente pas de stocker une donnée, il la traite, la transforme, et selon les conditions d’utilisation du fournisseur, peut la conserver ou la réutiliser.

À quoi ressemble le Shadow AI concrètement ?

Le Shadow AI ne se résume pas à « quelqu’un qui utilise ChatGPT ». Il prend plusieurs formes :

• Les chatbots grand public utilisés avec un compte personnel (ChatGPT, Gemini, Claude, Mistral, Perplexity, DeepSeek…), souvent dans leur version gratuite.
• Les extensions de navigateur dopées à l’IA (résumé de pages, rédaction d’e-mails, traduction), installées en deux clics et qui lisent le contenu des pages affichées.
• Les fonctions IA activées dans des outils existants (visioconférence, messagerie, CRM, suites bureautiques) sans que l’entreprise en ait évalué les conditions.
• Les assistants de code et les générateurs d’images, de présentations ou de sites utilisés en dehors de tout cadre.
• Les automatisations et « agents » IA que des collaborateurs connectent eux-mêmes à leurs outils métier, avec des droits d’accès parfois très larges.

On parle aussi de BYOAI (Bring Your Own AI), sur le modèle du « BYOD » : les salariés viennent travailler avec leurs propres outils d’IA, comme ils sont venus un jour avec leur propre smartphone.

Shadow AI, IA autorisée, IA interdite : où est la frontière ?

Pour clarifier, trois situations se rencontrent en entreprise :

C’est ce dernier cas qui pose le plus de problèmes, et c’est celui qui se développe le plus vite quand l’entreprise choisit l’interdiction pure et simple.

Pourquoi les salariés recourent-ils à l’IA « en cachette » ?

Avant de parler de risques, il faut comprendre un point essentiel : le Shadow AI est rarement un acte de défiance. C’est presque toujours une réponse pragmatique à un besoin réel.

• Le gain de temps est immédiat et visible. Rédiger, résumer, reformuler, traduire, structurer : ce sont des tâches du quotidien que l’IA fait en quelques secondes. Dans l’étude WatchGuard 2026 relayée par Clubic, les salariés expliquent surtout y recourir pour gagner du temps sur des tâches comme la rédaction d’un mail ou le résumé d’un document.
• L’offre officielle est absente ou en retard. Quand l’entreprise ne propose aucun outil, les collaborateurs se servent eux-mêmes. Le Shadow AI révèle un décalage entre les besoins réels et les outils mis à disposition.
• Les règles sont floues ou inexistantes. Faute de cadre clair, chacun interprète. Une étude monCVparfait d’avril 2026, rapportée par TPE Actu, note que le Shadow AI progresse quand les règles restent floues.
• La barrière à l’entrée est nulle. Un navigateur et une adresse e-mail suffisent. Aucune installation, aucune validation, aucun budget.
• Un certain tabou persiste. Utiliser l’IA peut encore sembler « tricher » ou affaiblir sa légitimité, ce qui pousse à la discrétion.

Un paradoxe mérite d’être souligné : l’inquiétude des salariés sur la confidentialité des données est réelle, mais elle n’empêche pas l’usage. Faute d’alternative claire, ils utilisent l’outil qu’ils connaissent déjà.

Shadow AI : quelle ampleur en 2026 ?

Les chiffres varient selon les études (échantillons, pays, tailles d’entreprise et formulations des questions diffèrent), mais ils convergent sur un point : le phénomène est massif.

• 64 % des salariés interrogés utilisent des outils d’IA non validés par leur entreprise, selon le 2026 Cybersecurity Hygiene Report de WatchGuard, mené en avril 2026 dans huit pays dont la France auprès de 684 salariés de PME et ETI de 50 à 500 personnes (Clubic).
• 49 % reconnaissent utiliser des outils d’IA sans l’accord de leur employeur, et 58 % d’entre eux se tournent vers des offres gratuites, d’après une enquête BlackFog auprès de 2 000 salariés d’entreprises de plus de 500 personnes (Le Monde Informatique). Dans la même enquête, 27 % déclarent partager des informations sur leurs collègues (salaires, performances) et 23 % des données financières de l’entreprise.
• 67 % des utilisateurs accèdent à des services d’IA publics depuis des comptes non professionnels sur leurs appareils d’entreprise, et le Shadow AI est désormais la troisième action interne non malveillante la plus fréquente dans les données de prévention des fuites (DLP), selon le Data Breach Investigations Report 2026 de Verizon, tel que présenté par Kiteworks.
• 58 % des salariés européens interrogés par monCVparfait (avril 2026) disent utiliser l’IA au travail, dont 36 % au moins une fois par semaine (TPE Actu).
• En France, l’étude AI Diffusion du premier trimestre 2026 estime que près de 47,8 % des Français en âge de travailler utilisent des outils d’IA générative (Éditions Tissot).

À retenir : selon les sources, entre la moitié et les deux tiers des salariés utilisent l’IA au travail, et une part importante le fait hors de tout cadre officiel. Les entreprises, elles, restent largement en retard sur la formalisation : dans son rapport 2025, IBM relevait que seulement 37 % des organisations interrogées disposaient d’une politique pour gérer l’IA ou détecter le Shadow AI (TechRepublic).

Les risques du Shadow AI pour l’entreprise

1. La fuite de données, le risque numéro un

Chaque fois qu’un collaborateur colle un texte, un tableau ou un document dans un outil d’IA externe, ces données sortent du périmètre de l’entreprise. Selon l’offre utilisée, elles peuvent être conservées, journalisées, voire servir à améliorer le modèle. Les versions gratuites sont les plus exposées : dans l’enquête BlackFog citée plus haut, elles dominent les usages non autorisés.

Les données concernées ne sont pas anodines : documents internes, données clients, informations RH, chiffres financiers, extraits de code source, contrats. Le rapport Verizon 2026 évoque, par exemple, des documents techniques et de la recherche téléversés vers des systèmes d’IA non autorisés.

2. Un surcoût mesurable en cas d’incident

Le rapport IBM Cost of a Data Breach 2025 chiffre le phénomène : une violation de données impliquant du Shadow AI coûte en moyenne 670 000 dollars de plus (4,63 millions contre 3,96 millions), et un incident sur cinq (20 %) était imputé au Shadow AI. Dans ces cas, les données personnelles de clients étaient compromises dans 65 % des incidents, contre 53 % en moyenne (TechRepublic).

L’édition 2026, telle que relayée par Kiteworks, indique que la part des incidents liés au Shadow AI aurait plus que doublé (de 20 % à 43 % des organisations victimes d’une violation). Ce chiffre est à lire avec prudence tant que vous n’avez pas consulté le rapport d’origine, mais la tendance est claire.

Autre projection souvent citée : Gartner anticipe que plus de 40 % des organisations dans le monde subiront d’ici 2030 des incidents de sécurité ou de conformité liés à l’usage non autorisé d’outils d’IA (Kiteworks, prévisions 2026).

3. Le risque juridique : RGPD, secrets d’affaires, propriété intellectuelle

• RGPD : dès qu’un salarié saisit des données personnelles (clients, candidats, collègues) dans un outil non maîtrisé, l’entreprise, responsable de traitement, peut se retrouver en défaut : absence de base légale, de contrat de sous-traitance, de transparence, transfert hors Union européenne non encadré.
• Secrets d’affaires et confidentialité : une information confidentielle soumise à un service tiers peut perdre une partie de sa protection, et certains contrats clients interdisent explicitement ce type de partage.
• Propriété intellectuelle : qui est propriétaire d’un contenu généré ? Le contenu produit est-il original, ou reprend-il des éléments protégés ? La question reste ouverte et chaque cas mérite une analyse.
• Obligations sectorielles : santé, finance, défense, marchés publics… autant de domaines où des règles spécifiques de gestion des données s’ajoutent.

4. Le risque qualité : hallucinations et décisions mal fondées

Une IA générative peut produire une réponse très convaincante, et fausse. L’étude monCVparfait rapportée par TPE Actu indique que 58 % des salariés interrogés ont déjà rencontré des informations erronées produites par une IA. Sans validation ni traçabilité, une erreur peut se retrouver dans un devis, une réponse client, un contrat ou un reporting.

5. Le risque de sécurité informatique

Les extensions de navigateur, les connecteurs et les agents installés sans contrôle peuvent lire des contenus, demander des droits d’accès étendus à des comptes professionnels, ou être eux-mêmes des vecteurs d’attaque. Le Shadow AI contourne les mécanismes de sécurité mis en place par la DSI, puisqu’il passe en dehors d’eux. Verizon relève d’ailleurs que, en moyenne, plus de 15 % des utilisateurs d’une entreprise ont installé des extensions d’IA non autorisées.

6. Le risque organisationnel

Moins visible mais réel : chacun bricole dans son coin, sans partage de bonnes pratiques, avec des résultats inégaux et des compétences qui ne se diffusent pas. L’entreprise ne capitalise ni sur les gains, ni sur les erreurs.

Ce que disent les textes et les autorités

Le RGPD et la CNIL : l’IA n’est pas interdite, elle est encadrée

La CNIL rappelle que le RGPD s’applique pleinement aux traitements de données personnelles réalisés avec des systèmes d’IA. Dans ses premières précisions pour déployer une IA générative, elle recommande notamment de partir d’un besoin concret plutôt que de déployer un outil sans but précis, d’encadrer les usages en définissant des utilisations autorisées et interdites (par exemple ne pas fournir de données personnelles au système, ne pas lui confier de décision), de ne pas occulter les limites de ces outils, et de vérifier dans quelle mesure le prestataire peut réutiliser les données fournies.

Autrement dit : le régulateur ne demande pas de renoncer à l’IA, il demande de la gouverner.

L’ANSSI : une ligne rouge sur les données sensibles

Dans son guide de recommandations de sécurité pour un système d’IA générative, l’Agence nationale de la sécurité des systèmes d’information formule 35 recommandations. Parmi elles figure la mise à l’écart des outils d’IA générative accessibles sur Internet pour tout usage professionnel impliquant des données sensibles, ainsi que le contrôle systématique du code généré par IA.

C’est un point important pour la réflexion « interdire ou maîtriser » : l’interdiction a sa place, mais ciblée sur les données qui le justifient, pas appliquée en bloc à tous les usages.

L’AI Act : la maîtrise de l’IA (article 4) concerne toutes les entreprises

Le règlement européen sur l’IA (règlement UE 2024/1689) comporte une obligation souvent oubliée, qui vise directement le Shadow AI : la maîtrise de l’IA (AI literacy), prévue à l’article 4. Elle s’applique depuis le 2 février 2025 aux fournisseurs et aux déployeurs de systèmes d’IA, sans seuil d’effectif : une PME de cinq personnes est concernée comme un grand groupe, dès lors que son personnel utilise de l’IA dans un cadre professionnel.

Précision importante, car beaucoup de contenus en ligne ne sont plus à jour : l’Omnibus numérique (règlement UE 2026/1744, signé le 8 juillet 2026 et entré en vigueur le 27 juillet 2026) a réécrit cet article. Les entreprises ne doivent plus « garantir » un niveau suffisant de maîtrise de l’IA, mais prendre des mesures pour en favoriser le développement : on passe d’une obligation de résultat à une obligation de moyens (ActuIA). L’obligation demeure, et la meilleure preuve de sa mise en œuvre reste un parcours de sensibilisation et de formation documenté. Le contrôle relève des autorités nationales de surveillance du marché, qui voient leurs pouvoirs entrer en application à partir d’août 2026.

D’autres échéances de l’AI Act concernent aussi les entreprises : les obligations de transparence de l’article 50 (informer qu’on interagit avec une IA, signaler les contenus générés) s’appliquent depuis le 2 août 2026, tandis que les obligations sur les systèmes à haut risque de l’annexe III (dont certains usages RH) ont été repoussées au 2 décembre 2027.

À retenir : ni le RGPD ni l’AI Act n’interdisent l’IA en entreprise. Ils demandent de la transparence, de la maîtrise et de la traçabilité, ce qu’une interdiction non appliquée ne permet précisément pas d’obtenir.

Interdire l’IA : une fausse bonne idée ?

Face à un risque, la réaction instinctive est l’interdiction. Elle est compréhensible, parfois justifiée, mais rarement suffisante.

Plusieurs analyses de sécurité vont dans le même sens. Les prévisions cybersécurité 2026 de Google, rapportées par Kiteworks, jugent l’interdiction de ces outils contre-productive : elle pousse les usages dans la clandestinité sans les faire disparaître. Et l’enquête BlackFog montre que même lorsqu’une politique existe, une part importante des salariés continue d’utiliser des outils non approuvés.

Cela signifie-t-il qu’il ne faut jamais interdire ? Non. Il existe des cas où l’interdiction (ou plutôt la restriction stricte) est la bonne réponse : données classées confidentielles ou secret défense, données de santé, informations soumises à des clauses contractuelles de confidentialité, code source critique, décisions automatisées sur des personnes. La bonne démarche n’est pas « interdire ou autoriser », mais graduer selon la sensibilité des données et des usages.

Apprendre à maîtriser l’IA : la méthode en 6 étapes

Maîtriser le Shadow AI ne demande pas un projet de plusieurs mois. Voici une trame réaliste, adaptée aux PME et ETI.

Étape 1 : Faire l’état des lieux, sans chasse aux sorcières

Commencez par savoir ce qui se passe réellement. Une enquête interne anonyme, quelques entretiens avec les équipes, une analyse des flux réseau ou des extensions installées (si votre DSI dispose des outils) permettent de cartographier les usages : quels outils, pour quelles tâches, avec quelles données. Le message à faire passer est important : l’objectif est de comprendre et d’outiller, pas de sanctionner. Sans cela, personne ne vous dira la vérité.

Étape 2 : Classer les données et les usages par niveau de risque

Une grille simple à trois niveaux suffit pour démarrer :

• Vert : contenus publics ou sans donnée sensible (reformuler un texte marketing publié, brainstorming d’idées, traduction d’un document public). Usage autorisé sur les outils validés.
• Orange : contenus internes non critiques ou données personnelles limitées. Usage autorisé uniquement sur des outils validés avec garanties contractuelles et paramétrage adapté.
• Rouge : données sensibles (clients nominatifs, RH, financières non publiques, santé, secrets de fabrication, code source critique). Usage interdit sur tout outil externe non validé, voire sur tout outil IA tant qu’une solution sécurisée n’est pas en place.

Étape 3 : Mettre à disposition des outils validés

C’est le levier le plus efficace. Si l’entreprise offre une solution fiable (assistant IA professionnel avec engagement de non-réutilisation des données, hébergement maîtrisé, gestion des droits), la raison principale du Shadow AI disparaît. À évaluer pour chaque outil : conditions d’utilisation des données, localisation de l’hébergement, certifications, contrat de sous-traitance (RGPD), journalisation, possibilité de désactiver l’entraînement sur vos données.

Étape 4 : Rédiger une charte d’usage de l’IA claire et courte

Une bonne charte tient en quelques pages et répond à six questions : quels outils sont autorisés, quelles données ne doivent jamais être saisies, pour quels usages l’IA est encouragée, qui valide les contenus sensibles, comment vérifier les réponses, à qui signaler un doute ou un incident. Elle doit être co-construite avec les équipes (et présentée aux représentants du personnel lorsque c’est nécessaire), et révisée régulièrement, car les outils évoluent vite.

Étape 5 : Former, c’est la clé (et c’est aussi une exigence de l’AI Act)

La formation est le cœur de la réponse. Elle doit être adaptée aux métiers et couvrir :

• Comprendre ce qu’est une IA générative, ses forces et ses limites (hallucinations, biais).
• Savoir quelles données ne jamais saisir et pourquoi.
• Apprendre à rédiger des consignes efficaces et à vérifier les résultats.
• Connaître les règles de l’entreprise et les réflexes à adopter en cas d’erreur.

Conservez une trace des actions de sensibilisation et de formation (dates, publics, contenus) : c’est ce qui démontrera votre démarche en cas de contrôle au titre de l’article 4 de l’AI Act.

Étape 6 : Mesurer, ajuster, communiquer

Suivez quelques indicateurs simples : taux d’adoption des outils validés, nombre de signalements, retours des équipes, cas d’usage identifiés, incidents. Partagez les réussites : chaque cas d’usage utile documenté devient un exemple pour les autres équipes et réduit l’envie de contourner.

Que doit contenir une charte IA ?

Voici un squelette que vous pouvez adapter :

1. Objet et périmètre : à qui s’applique la charte, quels types d’IA (génératives, intégrées aux logiciels, agents).
2. Outils autorisés (liste tenue à jour) et procédure pour demander l’ajout d’un nouvel outil.
3. Règles sur les données : ce qui peut être saisi, ce qui ne doit jamais l’être, anonymisation et pseudonymisation.
4. Usages encouragés et usages proscrits (par exemple : pas de décision automatisée sur des personnes, pas de génération de contenu trompeur).
5. Vérification humaine : relecture obligatoire, responsabilité du salarié sur le contenu final, mention de l’usage de l’IA lorsque la transparence l’exige.
6. Confidentialité et propriété intellectuelle.
7. Signalement des incidents et absence de sanction pour un signalement de bonne foi.
8. Formation et sensibilisation.
9. Révision de la charte (fréquence, responsable).

Shadow AI et logiciels de gestion : un angle souvent oublié

Dans une PME, les données les plus précieuses ne sont pas dans des documents isolés : elles sont dans les logiciels de gestion. L’ERP contient les prix d’achat, les marges, les conditions commerciales, les coordonnées clients et fournisseurs, les factures et les écritures comptables. Le CRM contient l’historique des échanges, les opportunités, les contacts nominatifs.

Un scénario type : pour gagner du temps, un collaborateur exporte une liste de clients ou d’opportunités depuis son logiciel de gestion vers un tableur, puis la colle dans un assistant IA pour la synthétiser ou la rédiger en message. Dans l’instant, l’opération paraît inoffensive. En pratique, elle sort du périmètre du système d’information des données commerciales ou comptables, souvent nominatives, vers un service tiers.

Quelques bonnes pratiques propres à ces environnements :

• Identifier les exports sensibles (clients, prix, marges, paie, comptabilité) et en limiter l’accès selon les rôles : un collaborateur qui ne peut pas exporter une base clients ne peut pas la coller ailleurs.
• Privilégier les fonctions IA intégrées aux outils déjà contractualisés quand elles existent, plutôt que des outils externes parallèles, après vérification des conditions d’utilisation et de l’hébergement des données.
• Garder la main sur l’hébergement : un système d’information maîtrisé (hébergement, sauvegardes, droits d’accès, traçabilité) est une base indispensable avant d’y brancher de l’IA.
• Anonymiser avant d’utiliser : pour des analyses qui n’exigent pas d’identifier les personnes, retirer les noms, e-mails et références avant tout usage d’un outil d’IA.
• Impliquer l’intégrateur lorsqu’un projet d’IA touche aux données du progiciel : droits, connecteurs, flux et sécurité doivent être cadrés avec ceux qui connaissent l’architecture en place.

Interdire ou maîtriser : quelle position adopter ?

Voici la grille de lecture que l’on peut retenir de l’ensemble des éléments ci-dessus.

Quand une interdiction ciblée a du sens

• Les données concernées sont hautement sensibles (santé, secret des affaires, données classifiées, clauses contractuelles de confidentialité).
• Aucun outil validé n’existe encore pour l’usage concerné.
• Vous êtes en mesure de la faire respecter (contrôles techniques, sensibilisation).

Quand il vaut mieux encadrer et former

• Les usages portent sur des contenus peu sensibles et des gains de productivité réels.
• Vos équipes utilisent déjà l’IA (c’est très probable, vu les chiffres de 2026).
• Vous pouvez mettre à disposition un outil validé et expliquer les règles.

Dans tous les cas

• Ne pas interdire sans proposer d’alternative.
• Ne pas autoriser sans cadre ni formation.
• Documenter votre démarche (charte, formation, registre d’outils) : c’est votre meilleure protection vis-à-vis du RGPD et de l’AI Act.

La réponse à la question du titre est donc : ni l’un ni l’autre de manière absolue. Une interdiction ciblée sur les données qui le justifient, couplée à une offre d’outils validés, à une charte et à de la formation, est la voie la plus solide, parce qu’elle est la seule qui produise de la visibilité.

Checklist : êtes-vous prêt à gérer le Shadow AI ?

• Nous savons quels outils d’IA nos équipes utilisent réellement.
• Nous avons classé nos données par niveau de sensibilité.
• Au moins un outil d’IA validé est à disposition des collaborateurs.
• Une charte d’usage de l’IA existe, est connue et accessible.
• Les équipes ont été sensibilisées ou formées, et nous en gardons la trace.
• Les contrats des outils validés ont été vérifiés (réutilisation des données, hébergement, sous-traitance RGPD).
• Les exports de données sensibles depuis nos logiciels de gestion sont maîtrisés.
• Un référent (DSI, DPO, direction) est identifié pour répondre aux questions et recevoir les signalements.
• Un point de revue régulier est prévu pour adapter les règles.

FAQ : Shadow AI

Conclusion : faire du Shadow AI une opportunité

Le Shadow AI n’est pas une anomalie à éradiquer : c’est le signal que vos équipes ont déjà perçu l’intérêt de l’IA, et qu’elles attendent un cadre pour l’utiliser sereinement. L’interdiction totale donne l’illusion du contrôle, alors qu’elle supprime la visibilité. L’autorisation sans règles expose l’entreprise à des risques qu’elle ne mesure pas.

Entre les deux, il y a une voie réaliste : voir ce qui se passe, classer les données, outiller les équipes, former et documenter. C’est la démarche que recommandent la CNIL et l’ANSSI, et celle que l’AI Act attend désormais de toute organisation qui utilise l’IA.

Votre système d’information, vos données de gestion et vos outils métier sont le socle de cette démarche. Si vous souhaitez faire le point sur la maîtrise de vos données et de vos logiciels de gestion avant d’y associer de l’IA, nos équipes peuvent vous accompagner.

Vous pourriez également être intéressé par les articles suivants :

• Shadow AI en entreprise : faut-il interdire l’IA ou apprendre à mieux la maîtriser ?
• Sécurité Microsoft 365 : ce qu’il faut vraiment sécuriser en priorité
• E-reporting 2027 : les changements à venir pour les TPE et PME
• Facturation électronique 2027 : le plan d’action pour TPE et PME après l’échéance de septembre 2026
• Facturation électronique et auto-entrepreneur : ce qui change concrètement en 2026 et 2027