L’enquête a16z auprès des CISO place l’IA en tête pour 2027, avec une adoption des SOC de 18 %

a16z a publié une enquête menée auprès de 100 responsables de la sécurité des systèmes d’information, ou CISO, montrant que l’IA domine leurs priorités pour 2027 malgré une adoption opérationnelle limitée. Dans l’enquête a16z auprès des CISO, 87 % anticipent une hausse des dépenses de sécurité. Pourtant, seuls 18 % déclarent utiliser en production des outils d’IA destinés aux centres opérationnels de sécurité, qui aident les équipes à enquêter sur les menaces et à y répondre.

Publiés le 28 octobre, ces résultats couvrent des responsables de la sécurité travaillant dans des entreprises de plus de 1 000 salariés. Les sept principales initiatives pour 2027 impliquent toutes l’IA. L’automatisation des SOC recueille le plus grand nombre de votes en première position. La sécurité des agents IA internes, l’automatisation des SOC et la sécurité offensive enregistrent les plus fortes progressions de priorité. La sécurité offensive consiste à tester des systèmes au moyen de tentatives autorisées afin de révéler des faiblesses exploitables.

La tension centrale oppose l’urgence d’investir à la préparation au déploiement. Les entreprises veulent une défense automatisée alors que leurs propres déploiements d’IA créent une exposition supplémentaire. Microsoft propose déjà des agents de sécurité au sein de ses produits existants, offrant aux acheteurs une option de plateforme concrète. La question à laquelle font face les responsables de la sécurité est de savoir quelles responsabilités ces systèmes peuvent assumer de manière fiable, et quel niveau de supervision elles exigent encore.

L’enquête a16z auprès des CISO place la préparation au déploiement derrière l’urgence d’investir

Les priorités de sécurité pour 2027 relient la hausse des budgets aux menaces alimentées par l’IA et à l’élargissement de la surface d’attaque des déploiements d’IA en entreprise. Une surface d’attaque comprend les systèmes, connexions et autorisations qu’un attaquant peut potentiellement exploiter. Les résultats placent l’automatisation défensive et la protection de l’IA interne dans la même réflexion budgétaire.

L’enquête établit l’existence d’une demande pour la sécurité de l’IA, sans pour autant trancher l’efficacité des produits individuels.

Cette distinction est importante, car une prévision budgétaire mesure une intention. L’adoption en production mesure si une organisation a mis une capacité en usage opérationnel. Aucun de ces chiffres, pris isolément, ne permet d’établir si cette capacité réduit les incidents, améliore les enquêtes ou fait gagner du temps aux analystes après supervision.

Les chiffres de 87 % et de 18 % répondent aussi à des questions différentes. Le premier concerne les dépenses globales de sécurité attendues. Le second porte sur l’adoption actuelle au sein d’une catégorie de produits spécifique. Les soustraire produirait une mesure trompeuse de la demande non satisfaite.

Leur portée réside dans ce contraste. Les responsables de la sécurité anticipent des dépenses supplémentaires tandis que l’utilisation opérationnelle d’une catégorie majeure de sécurité par IA reste limitée. Cette combinaison décrit une fenêtre d’achat dont la forme finale demeure incertaine.

Pour les fournisseurs, l’opportunité comprend le travail d’évaluation et d’implémentation en plus des ventes de logiciels. Les acheteurs doivent déterminer si un produit convient à leur environnement avant de lui confier des responsabilités importantes. Une démonstration convaincante ne peut répondre à toutes les questions concernant un déploiement opérationnel.

Pour les acheteurs, l’augmentation des dépenses crée un problème de responsabilité. Un responsable de la sécurité doit expliquer ce que change l’investissement supplémentaire. Le fait de traiter davantage d’alertes semble utile, mais ne dit pas si l’organisation identifie plus tôt les menaces importantes.

La même préoccupation s’applique à la protection de l’IA interne. Découvrir des agents jusque-là inconnus offre de la visibilité. Le bénéfice pour l’entreprise dépend de la capacité des équipes de sécurité à relier cette visibilité à des décisions significatives concernant l’accès, la responsabilité et l’activité acceptable.

Pour les lecteurs cherchant une explication des priorités de sécurité d’a16z, l’interprétation la plus solide est une évolution du travail que les budgets de sécurité doivent soutenir. Les résultats n’établissent pas une séquence de déploiement universelle. Les différentes organisations rencontreront des contraintes différentes à mesure qu’elles passeront de l’intérêt à la responsabilité opérationnelle.

Cette distinction limite également les affirmations plus larges sur le marché. Ces répondants dirigent la sécurité de grands employeurs. Leurs priorités ne devraient pas décrire automatiquement les petites organisations, qui font face à des modes d’organisation des effectifs et à des charges d’implémentation différents.

L’enquête offre un instantané de la pression d’achat en entreprise. Son implication la plus utile est que les fournisseurs seront confrontés à des questions sur la préparation opérationnelle, en plus des questions sur les capacités des modèles.

Les entreprises achètent des défenses tout en élargissant ce qu’elles doivent défendre

L’IA crée un problème budgétaire à deux volets liés. Les équipes de sécurité veulent des logiciels qui prennent en charge davantage de travail défensif. D’autres départements veulent des systèmes d’IA qui accèdent aux documents, exploitent des applications et accomplissent des tâches métier.

L’organisation qui adopte l’IA pour gagner en productivité devient aussi responsable de l’autorité qui rend ces déploiements utiles.

Un agent IA est un logiciel qui utilise un modèle et des outils connectés pour accomplir des tâches. Donner à un agent des outils utiles implique de décider ce qu’il peut lire, modifier ou envoyer. Ces décisions transforment un déploiement d’IA en enjeu de gestion des accès.

Prenons un déploiement illustratif impliquant un assistant de recherche interne. La lecture de documents approuvés présente une exposition différente de la modification de fichiers partagés ou de l’envoi d’informations hors de l’entreprise. Le modèle sous-jacent peut rester inchangé tandis que les conséquences métier du système s’élargissent.

Cette différence exerce une pression sur les responsables de la sécurité, les propriétaires d’applications et les équipes achats. Un examen de produit centré sur la qualité des réponses passera à côté des questions d’accès délégué. Un examen de sécurité limité au déploiement initial peut manquer les changements ultérieurs.

Les chercheurs du NIST Bill Fisher et Ryan Galluzzo identifient des préoccupations liées dans leur discussion des risques liés à l’identité des agents. Ils mettent en garde contre le partage d’identifiants, les autorisations excessives et les identifiants d’accès à longue durée de vie. Leur analyse avertit également qu’un trop grand nombre de demandes d’approbation humaine peut provoquer une fatigue du consentement.

L’implication est plus limitée que d’affirmer que les pratiques de sécurité existantes sont obsolètes. Les déploiements d’agents exposent des faiblesses connues en matière d’identité et d’autorisation, c’est-à-dire le processus qui détermine ce qu’un acteur identifié peut faire. Les contrôles existants restent pertinents, même si leur mise en œuvre doit tenir compte de l’activité automatisée.

Cela crée une tension pratique pour les promoteurs de l’IA en entreprise. Restreindre l’accès peut réduire l’utilité. Étendre l’accès peut accroître les conséquences d’erreurs ou de compromissions. Les dépenses de sécurité doivent traiter cette relation en parallèle de la précision du modèle lui-même.

La pression atteint les travailleurs du savoir, car les flux d’information ordinaires impliquent de plus en plus une IA connectée. La recherche de documents, la synthèse de correspondances et la préparation de contenus partagés peuvent franchir différentes frontières d’autorisation. Un assistant apparemment simple peut participer à plusieurs systèmes.

La distinction entre les connaissances personnelles et d’équipe offre un point de départ utile à cette discussion. Les décisions en entreprise doivent aussi prendre en compte ce que les logiciels connectés peuvent faire avec les informations récupérées. L’accès aux connaissances et l’autorité d’agir méritent un examen distinct.

C’est ici que l’impact de l’IA sur la sécurité selon a16z devient concret. L’entreprise veut des gains de productivité grâce à un accès plus large, tandis que la sécurité reste responsable de l’exposition qui en résulte. Les dépenses supplémentaires doivent soutenir les deux objectifs dans le même environnement opérationnel.

Cette relation explique pourquoi la protection des agents internes figure aux côtés de l’automatisation défensive. Les deux concernent des logiciels agissant avec une autorité organisationnelle, même lorsque ces logiciels servent des départements différents.

L’automatisation des SOC progresse grâce à des tâches précises, et non à une autorité sans limites

L’automatisation des SOC attire l’attention parce que les enquêtes de sécurité comportent un travail répétitif. Les analystes collectent des éléments de preuve, comparent des signaux, évaluent les activités suspectes et décident si une action supplémentaire est nécessaire. Ces étapes offrent des occasions identifiables d’assistance.

La valeur opérationnelle dépend de l’exécution fiable d’une tâche délimitée et de la transmission des décisions non résolues à la bonne personne.

Microsoft fournit un exemple concret avec son agent de triage du phishing. Le phishing repose sur des messages trompeurs conçus pour inciter les destinataires à révéler des informations ou à entreprendre des actions nuisibles. Microsoft indique que son agent classe les e-mails signalés par les utilisateurs, explique ses conclusions et prend en charge les retours des analystes.

Le flux de travail documenté distingue les classifications. L’agent peut résoudre les signalements qu’il considère comme de fausses alertes. Les messages classés comme de véritables menaces restent ouverts pour enquête par un analyste. Cette répartition illustre la manière dont un fournisseur peut automatiser une partie d’une enquête sans revendiquer une responsabilité complète de la réponse aux incidents.

Cet exemple n’établit pas une supériorité comparative. La documentation de Microsoft décrit son produit et son comportement prévu. Des tests indépendants resteraient nécessaires pour évaluer les performances dans une organisation donnée.

Il montre toutefois pourquoi l’adoption implique davantage que de choisir un modèle précis. L’agent a besoin d’un accès approprié, d’éléments de preuve pertinents et d’une place définie dans le flux de travail existant. Les analystes ont également besoin de suffisamment d’informations pour évaluer ses conclusions.

Pour un acheteur, la comparaison qui en résulte porte sur le travail accompli. Une plateforme déjà en place peut offrir une intégration avec les systèmes déjà utilisés. Un spécialiste peut chercher un avantage en traitant mieux une tâche particulière. Aucune des deux approches ne l’emporte uniquement en raison de sa catégorie de produit.

La comparaison évolue aussi selon la responsabilité confiée. Résumer des éléments de preuve impose une contrainte à un système. Résoudre une alerte en impose une autre. Entreprendre une action qui interrompt le travail d’un employé introduit une conséquence supplémentaire nécessitant une considération explicite.

Cela aide à expliquer pourquoi le chiffre d’adoption de 18 % ne peut servir de verdict simple sur les produits d’IA pour SOC. Un déploiement limité peut refléter des questions non résolues d’intégration, d’évaluation ou de gouvernance. Le chiffre de l’enquête ne peut à lui seul déterminer quelle explication s’applique.

L’utilisation en production ne garantit pas non plus une autonomie étendue. Un outil déployé peut accomplir une tâche restreinte dans le cadre de limites établies. Acheteurs et fournisseurs doivent décrire ce périmètre avant de comparer les affirmations sur l’adoption.

La distinction opérationnelle devient particulièrement importante lorsque les fournisseurs vantent les gains de temps pour les analystes. Une évaluation utile inclut l’effort nécessaire pour examiner les résultats, enquêter sur les erreurs et maintenir les intégrations. Les simples décomptes d’activité laissent ces coûts incertains.

L’impact plus large de l’IA sur la sécurité selon a16z dépendra en partie de la capacité des produits à rendre ces limites compréhensibles. Une responsabilité claire aide un acheteur à évaluer les bénéfices et à identifier les défaillances. Une responsabilité ambiguë rend les deux décisions plus difficiles.

L’automatisation des SOC offre donc une voie concrète vers les dépenses de sécurité de l’IA en entreprise. Son adoption dépendra d’un travail que les équipes de sécurité peuvent reconnaître, mesurer et superviser dans le cadre de leurs obligations existantes.

Une découverte plus rapide accentue la pression sur le travail qui suit

L’essor de la sécurité offensive soulève une seconde question de capacité. Découvrir des faiblesses n’a de valeur que lorsqu’une organisation peut décider quelles conclusions comptent et y remédier. La découverte automatisée peut déplacer l’effort vers l’aval.

Un flux plus important de résultats ne renforce la valeur défensive que lorsque les équipes peuvent transformer les résultats pertinents en changements finalisés.

Il s’agit d’une implication analytique de tests plus rapides, et non d’un résultat mesuré par cette enquête. Ce point compte car le travail de sécurité traverse les frontières organisationnelles. Un résultat peut nécessiter une investigation, la prise en charge par l’ingénierie, des tests et une décision de mise en production avant que l’exposition ne change.

Prenons le cas illustratif d’une application interne vulnérable. Un système de test identifie un chemin exploitable et produit une explication détaillée. Le responsable de l’application doit encore comprendre le service affecté et déterminer si une modification proposée perturbera les activités de l’entreprise.

La qualité de cette transmission influence le résultat. Un constat techniquement correct peut rester non résolu lorsque les responsabilités ne sont pas claires. Un rapport clair peut tout de même subir des retards lorsque le système concerné présente des contraintes opérationnelles.

Cela exerce une pression sur les responsables d’ingénierie autant que sur les acheteurs de solutions de sécurité. Leurs équipes héritent du travail créé par les nouvelles capacités de détection. Évaluer un produit de sécurité sans considérer cette charge de travail peut masquer son effet sur l’organisation.

La même distinction s’applique aux correctifs automatisés. Générer une modification de code proposée crée une solution potentielle. Établir que cette modification préserve le comportement requis et élimine l’exposition exige des éléments supplémentaires.

Les attaques facilitées par l’IA replacent l’urgence dans son contexte. En novembre 2025, Anthropic a décrit une campagne d’espionnage orchestrée par l’IA impliquant l’utilisation abusive de Claude Code. L’entreprise a indiqué que les attaquants avaient utilisé le système contre environ 30 cibles et réussi dans un petit nombre de cas.

Ce récit reste l’enquête et l’évaluation d’un fournisseur. Il étaye les inquiétudes concernant l’assistance automatisée dans l’ensemble des flux de travail d’attaque. Il n’établit pas que chaque attaquant peut opérer de manière autonome ni que le jugement humain est devenu sans importance.

L’implication pour les achats est plus précise. Les acheteurs subissent une pression pour raccourcir l’intervalle entre l’identification d’une exposition pertinente et l’achèvement d’une réponse. Les produits qui n’accélèrent que la première étape laissent une partie de cette pression sans réponse.

Cela fournit une base utile pour comparer les offres de sécurité offensive. Un produit peut identifier davantage de faiblesses potentielles. Un autre peut rendre ses résultats plus faciles à reproduire, à attribuer et à résoudre. La comparaison appropriée dépend du véritable goulot d’étranglement de l’acheteur.

Pour les organisations déjà confrontées à des résultats non résolus, la découverte supplémentaire seule peut compliquer la priorisation. Pour les organisations dont la couverture de test est limitée, une découverte élargie peut combler une lacune réelle. La même capacité peut donc produire des résultats opérationnels différents.

Le changement de priorité mis en évidence par l’enquête rend cette distinction plus urgente. L’intérêt pour les achats fera entrer davantage de produits dans les processus d’évaluation. La question de savoir si ces produits améliorent la sécurité dépend du flux de travail complet dans lequel ils s’insèrent.

Les résultats mesurent l’intention des acheteurs, et non des résultats de sécurité prouvés

L’enquête a16z CISO fournit un compte rendu utile du sentiment des entreprises. Ses limites méritent attention, car ses résultats s’inscrivent dans un argument d’investissement plus large concernant les entreprises émergentes de sécurité.

Les attentes des acheteurs étayent une thèse de marché, mais elles ne peuvent établir l’efficacité des produits ni prédire quels fournisseurs capteront les dépenses.

L’article publié traite d’entreprises dans lesquelles a16z a investi. Cette perspective commerciale n’invalide pas les réponses. Elle donne aux lecteurs une raison de distinguer les résultats rapportés des conclusions des auteurs concernant les opportunités pour les startups.

Cette distinction est particulièrement importante lors de l’interprétation d’une priorité accrue. Une catégorie peut remonter dans l’agenda d’un acheteur parce que le problème est devenu plus urgent. Cela n’établit pas que les produits disponibles résolvent le problème de manière satisfaisante.

Les prévisions de dépenses laissent également plusieurs résultats ouverts. Des budgets supplémentaires peuvent financer le travail de déploiement, des outils spécialisés, des fournisseurs existants ou d’autres besoins de sécurité. Le pourcentage mis en avant ne permet pas de déterminer comment les dépenses se répartiront finalement entre ces choix.

La méthodologie introduit une incertitude supplémentaire. L’article compare les priorités prévues pour 2027 aux souvenirs qu’ont les répondants de leurs priorités en 2026. Des classements rappelés diffèrent d’une comparaison fondée sur des réponses enregistrées indépendamment et recueillies à chaque période.

Le texte publié laisse également sans réponse des questions importantes sur l’échantillonnage et la représentation géographique. Les lecteurs devraient éviter de considérer les résultats comme un portrait statistiquement représentatif de toutes les grandes entreprises. Le groupe de répondants indiqué fournit une limite utile à l’interprétation.

L’adoption en production exige une prudence similaire. Le mot « production » peut couvrir des déploiements aux périmètres et aux conséquences différents. Un outil qui assiste les investigations diffère sur le plan opérationnel d’un agent autorisé à effectuer des changements conséquents.

Sans définitions cohérentes, les comparaisons entre les futures enquêtes peuvent devenir trompeuses. Une hausse apparente peut refléter une couverture de tâches plus large, davantage d’organisations déployant des outils de façon restreinte, ou des changements dans la manière dont les répondants classent les outils existants.

Le chiffre de 18 % identifie donc une adoption limitée déclarée au sein de cet échantillon. Il n’établit ni un taux d’échec, ni un score de préparation, ni une mesure directe de la confiance. Ces affirmations exigeraient des preuves différentes.

Les travaux indépendants sur les normes constituent un contrepoids utile aux récits centrés sur les produits. L’analyse de NIST sur l’identité met l’accent sur des contrôles établis et une discipline de mise en œuvre. Cette perspective remet en cause toute suggestion selon laquelle l’achat d’un produit étiqueté IA résout le problème sous-jacent de gouvernance.

Pour les lecteurs qui cherchent une explication des priorités de sécurité d’a16z, cette distinction est déterminante. L’enquête décrit ce que les acheteurs considèrent comme important. Évaluer si un achat améliore la sécurité exige des preuves provenant des environnements dans lesquels il opère.

La conclusion la plus solide reste ciblée : l’IA occupe désormais une place centrale dans la planification de ces répondants. Le marché qui en résultera dépendra toujours de la mise en œuvre, de résultats mesurables et de la responsabilité en cas d’erreurs.

Trois signaux montreront si les dépenses deviennent une capacité opérationnelle

Le prochain trimestre devrait fournir des éléments sur la manière dont les acheteurs et les fournisseurs traduisent l’urgence en déploiements. Les évolutions les plus instructives décriront la responsabilité opérationnelle plutôt que de répéter de larges affirmations sur la demande en IA.

Les signaux importants sont un périmètre de déploiement plus clair, des résultats mesurables sur les flux de travail et des contrôles applicables de l’autorité des agents.

Premièrement, surveillez les communications de clients qui définissent l’utilisation en production. Les annonces utiles identifieront le travail effectué par un agent, les systèmes auxquels il accède et les décisions exigeant une intervention humaine. Ce niveau de détail facilite l’interprétation des affirmations d’adoption.

Un déploiement couvrant une tâche d’investigation répétable étayerait l’argument en faveur d’une expansion progressive. La preuve d’une responsabilité plus étendue exigerait un compte rendu d’autant plus clair de la supervision et des conséquences.

À l’inverse, des annonces qui omettent le périmètre de déploiement laisseraient l’incertitude actuelle largement intacte. Le seul nombre de clients ne peut expliquer si les outils ont dépassé une assistance limitée. Cette distinction importe lorsque les fournisseurs décrivent une empreinte opérationnelle croissante.

Deuxièmement, surveillez les évaluations qui mesurent l’ensemble du flux de travail. Les éléments pertinents incluent l’effort de revue des analystes, la qualité de l’escalade et la capacité du système à aider les équipes à finaliser les réponses nécessaires. Les résultats d’évaluation devraient expliquer la tâche et l’environnement mesurés.

Pour la sécurité offensive, cela signifie relier les résultats à leur résolution. Pour les outils SOC, cela signifie examiner ce qui se passe après une classification automatisée. Le résultat approprié dépend de la responsabilité attribuée au produit.

Des preuves publiées d’une baisse de la charge de travail totale renforceraient l’argument selon lequel l’IA étend la capacité défensive. Des preuves d’une revue ou d’un travail de reprise substantiels indiqueraient que la mise en œuvre reste une contrainte majeure.

Ces évaluations nécessitent également une comparaison significative. Un résultat mesuré par rapport à une référence floue apprend peu aux acheteurs. Décrire le processus précédent aide les lecteurs à comprendre si l’amélioration revendiquée répond à un problème opérationnel.

Troisièmement, surveillez le passage des principes d’identité des agents à des exemples fonctionnels. Le 29 septembre, le National Cybersecurity Center of Excellence de NIST a identifié le développement logiciel comme son premier cas d’utilisation pour la mise en œuvre. Son projet d’autorisation des agents démontrera l’identification, l’authentification et l’autorisation dans ce contexte.

L’authentification vérifie une identité, tandis que l’autorisation détermine les actions qu’elle est autorisée à effectuer. Des exemples fonctionnels peuvent aider les organisations à évaluer la manière dont ces contrôles opèrent dans des outils de développement connectés. L’annonce établit une orientation de projet, plutôt qu’une norme universelle achevée.

Des orientations pratiques renforceraient l’idée que les entreprises peuvent étendre l’utilisation des agents avec des responsabilités plus claires. Une incertitude persistante concernant la mise en œuvre aiderait à expliquer pourquoi les examens de sécurité restent exigeants. Dans les deux cas, le résultat éclairerait la question de la préparation au déploiement soulevée par l’enquête.

À mesure que la planification de 2027 avance, lisez l’enquête a16z CISO parallèlement aux preuves issues de déploiements réels. Demandez quel travail a quitté la file d’attente des analystes, quelles décisions sont restées entre les mains des personnes et si l’organisation a réduit son exposition. Pour les agents internes, recherchez une responsabilité claire et des limites d’accès applicables. Pour les agents de sécurité, recherchez des résultats incluant supervision et correction. Ces détails aideront à distinguer un déploiement utile d’une évaluation ambitieuse. Ils montreront également si des dépenses plus élevées achètent une capacité défensive supplémentaire ou financent principalement l’effort nécessaire pour l’établir. La prochaine mise à jour significative sera un compte rendu plus clair de ce que ces systèmes font de manière fiable au sein des entreprises. Recherchez ce compte rendu avant de tirer des conclusions du prochain titre sur l’adoption.