L’IA accélère les cyberattaques, mais les défenses de base restent essentielles

Google News a relayé un avertissement de GovTech mettant en évidence une contradiction claire : l’IA accélère les cyberattaques, alors que les défenses les plus efficaces restent bien connues et difficiles à maintenir.

Le rapport du 24 juin a couvert les discussions du sommet annuel 2026 de l’ISAC à Orlando, en Floride. Les professionnels de la sécurité des États et des collectivités locales ont appris que les attaquants se déplacent désormais plus vite, analysent davantage de cibles et élaborent des messages plus convaincants grâce à des outils d’IA accessibles. La réponse n’était pas une nouvelle plateforme de défense autonome. Il s’agissait d’un meilleur inventaire, de contrôles d’identité renforcés, de l’authentification multifacteur et de processus opérationnels rigoureux.

Cet écart est important. L’IA offre aux attaquants des moyens moins coûteux de découvrir des faiblesses et d’industrialiser l’ingénierie sociale. Les défenseurs des administrations dépendent toujours des registres d’actifs, des revues d’accès, des décisions de correctifs et du respect des procédures par les employés. La technologie évolue rapidement, mais le travail défensif le plus difficile demeure organisationnel.

Le titre diffusé dans Google News pourrait laisser penser à une nouvelle histoire générale sur la transformation de la cybersécurité par l’IA. L’argument sous-jacent est plus précis. L’IA réduit le délai entre la découverte d’une faiblesse et son exploitation, tandis que de nombreuses administrations publiques peinent encore à identifier chaque appareil, application, compte et dépendance qu’elles exploitent.

L’affrontement central n’oppose donc pas des attaquants IA à des défenseurs IA. Il oppose l’exploitation à la vitesse des machines à l’hygiène cyber à la vitesse des humains. Ce déséquilibre place les gouvernements des États, locaux, tribaux et territoriaux sous une pression immédiate.

Ce que le rapport de GovTech a réellement changé

La nouveauté n’est pas que l’hygiène cyber reste importante. Le changement est que l’IA rend chaque retard dans les tâches défensives de base plus coûteux.

La couverture de GovTech a repris un message récurrent du sommet annuel de l’ISAC. Les équipes de sécurité du secteur public se demandaient ce qu’elles devaient faire alors que les criminels disposent d’outils d’attaque plus rapides et plus accessibles. Les intervenants sont régulièrement revenus aux contrôles fondamentaux.

Randy Rose, vice-président des opérations et du renseignement de sécurité au Center for Internet Security, a souligné l’importance de bien maîtriser les fondamentaux. Il a également rejeté l’idée que « fondamental » signifie facile. Les contrôles de base exigent une exécution à plusieurs niveaux, couvrant la technologie, les personnes, les achats et la gestion.

Cette distinction est essentielle. Installer un produit de sécurité constitue un projet limité. Maintenir des registres d’actifs exacts à travers les services cloud, les appareils distants, les systèmes de prestataires et les applications héritées relève d’une discipline opérationnelle continue.

La discussion du sommet a identifié l’inventaire comme point de départ. L’inventaire matériel révèle quels appareils se connectent à un environnement. L’inventaire logiciel indique de quelles applications, versions, bibliothèques et services ces appareils dépendent.

Sans cette visibilité, une équipe de sécurité ne peut pas répondre de manière fiable à la première question suivant la divulgation d’une vulnérabilité : sommes-nous exposés ?

Les CIS Controls placent l’inventaire des actifs de l’entreprise et l’inventaire logiciel au début de leurs mesures de protection prioritaires. Cet ordre reflète une dépendance, et non une préférence administrative. La gestion des correctifs, la supervision, le contrôle des accès et la réponse aux incidents deviennent tous moins efficaces lorsque l’inventaire sous-jacent est incomplet.

L’IA intensifie cette dépendance. Un attaquant peut utiliser des systèmes automatisés pour analyser l’infrastructure publique, corréler les services exposés, résumer la documentation technique et préparer des messages d’hameçonnage plausibles. L’organisation doit toujours déterminer quelles conclusions correspondent aux systèmes qu’elle possède.

Cela crée une course asymétrique. Les attaquants n’ont besoin que d’une seule faiblesse accessible. Les défenseurs ont besoin d’une visibilité fiable sur l’ensemble de l’environnement.

L’IA abaisse également le seuil de compétence requis pour certaines étapes d’une attaque. GovTech a rapporté que les participants au sommet ont évoqué des attaquants moins expérimentés utilisant des systèmes d’IA publics pour cibler des proies faciles. Ces attaquants n’ont pas besoin d’inventer un nouvel exploit lorsqu’une administration expose un ancien service ou laisse actif un compte inactif.

Le changement immédiat est donc une pression opérationnelle. Un enregistrement d’inventaire obsolète, la suppression tardive d’un compte ou une application non prise en charge donnent désormais davantage de marge de manœuvre à la reconnaissance automatisée.

Les utilisateurs de Google News peuvent découvrir cet événement comme un nouveau titre sur la sécurité de l’IA. Le signal durable est plus restreint et plus conséquent. Les administrations publiques doivent appliquer des contrôles connus à un rythme correspondant à la découverte automatisée.

Pourquoi Google News se remplit d’avertissements sur l’hygiène cyber à l’ère de l’IA

L’IA augmente la vitesse et le volume du travail de sécurité sans supprimer le besoin de jugement humain.

Le rapport de GovTech n’est pas apparu isolément. Les organismes gouvernementaux de cybersécurité avertissent également que la recherche de vulnérabilités assistée par IA produira davantage de découvertes et des tentatives d’exploitation plus rapides.

Le National Cyber Security Centre du Royaume-Uni anticipe une « patch wave », c’est-à-dire une vague de mises à jour logicielles destinée à traiter une dette technique accumulée. Ses conseils sur la patch wave indiquent que des utilisateurs compétents peuvent appliquer l’IA afin d’exploiter cette dette dans l’ensemble de l’écosystème technologique, avec davantage de rapidité et à plus grande échelle.

La dette technique comprend des composants obsolètes, des produits non pris en charge, des intégrations fragiles et des améliorations de sécurité différées. Ces faiblesses peuvent persister parce que leur remplacement risque d’interrompre des services ou exige des financements que les administrations ne contrôlent pas.

L’IA ne crée pas toute cette dette. Elle rend simplement cette dette plus facile à rechercher.

Cette différence explique pourquoi davantage d’articles sur la cybersécurité et l’IA apparaissent dans Google News. Le changement pertinent n’est pas la sortie d’un modèle unique. Les organisations de sécurité s’attendent désormais à ce que les systèmes automatisés trouvent davantage de faiblesses dans les logiciels commerciaux, les projets open source, les environnements cloud et les infrastructures héritées.

Davantage de découvertes devraient améliorer la sécurité lorsque les fournisseurs reçoivent des signalements et publient des correctifs. Elles créent aussi une période de transition dangereuse. Une vulnérabilité divulguée devient en même temps une information exploitable pour les défenseurs et les attaquants.

Corriger immédiatement chaque problème est rarement possible. Les administrations doivent tester les mises à jour, préserver la disponibilité des services, coordonner avec les fournisseurs et tenir compte des systèmes qui ne peuvent pas tolérer d’interruption. Les technologies opérationnelles présentent un cas particulièrement difficile, car les processus physiques peuvent dépendre d’appareils vieillissants et de protocoles spécialisés.

Le NCSC recommande de prioriser les systèmes exposés à Internet, puis les systèmes de sécurité critiques. Il encourage aussi les mises à jour automatiques et le hot patching sécurisé lorsque ces options sont adaptées. Le hot patching applique un correctif de sécurité sans l’interruption de service habituelle.

Toutefois, la rapidité seule ne peut déterminer chaque décision. Une mise à jour non testée peut perturber les communications d’urgence, les systèmes d’aides, les plateformes de transport ou les services cliniques. Les équipes de sécurité doivent évaluer le risque d’exploitation face au risque opérationnel.

C’est là que l’IA peut aider sans prendre la décision. Les modèles peuvent résumer les avis de sécurité, faire correspondre les noms de produits, regrouper les résultats en double et aider les analystes à comparer les preuves d’exposition. Ils peuvent aussi générer des correspondances bruyantes ou négliger le contexte local.

Les équipes gouvernementales ont besoin de preuves qu’un composant vulnérable est réellement présent, accessible et important. Un score de gravité générique ne peut pas fournir ce contexte à lui seul.

La pression pèse fortement sur les petites juridictions. Elles exploitent souvent des services essentiels avec un personnel de sécurité limité, des registres d’achats fragmentés et une infrastructure héritée. Un attaquant utilisant l’IA peut analyser ces environnements en continu, tandis que l’organisation qui se défend peut dépendre d’examens périodiques.

La collaboration via des organisations de partage d’informations peut réduire ce désavantage. Des indicateurs partagés, des conseils de remédiation éprouvés et des communications coordonnées avec les fournisseurs empêchent chaque équipe locale de répéter la même analyse.

Cependant, le renseignement partagé ne peut pas réparer un appareil inconnu ni désactiver un compte non documenté. L’action défensive finale se produit toujours au sein de chaque organisation.

Les attaques à la vitesse des machines face à l’administration à la vitesse des humains

L’IA accélère la préparation des attaques, mais les décisions de sécurité des administrations restent contraintes par les effectifs, les obligations de service et des registres de propriété incomplets.

Un attaquant traditionnel pouvait passer des heures à étudier une cible, adapter un message d’hameçonnage ou examiner des informations techniques publiques. L’IA peut accélérer certaines parties de ce travail. Elle peut traduire du contenu, imiter le langage d’une organisation, générer des variantes et aider à relier des indices dispersés.

Cela ne rend pas chaque attaque assistée par IA sophistiquée. Cela rend la répétition moins coûteuse.

Un criminel peut tester davantage de messages, cibler davantage d’employés et réviser des approches qui ont échoué avec moins d’efforts manuels. Un audio deepfake peut accroître la pression dans une tentative d’usurpation d’identité. Les messages générés peuvent éviter les fautes de grammaire évidentes qui aidaient autrefois les destinataires à identifier une fraude.

Les administrations publiques constituent des cibles attrayantes, car elles détiennent des données personnelles et assurent des services que les communautés ne peuvent pas facilement abandonner. Elles publient également des informations organisationnelles au nom de la transparence, notamment des annuaires du personnel, des comptes rendus de réunions, des contrats et des achats technologiques.

Cette ouverture favorise la responsabilité démocratique. Elle peut également fournir aux attaquants des éléments pour élaborer des prétextes convaincants.

Les contrôles d’identité deviennent essentiels dans ces conditions. L’authentification multifacteur, ou MFA, exige une preuve supplémentaire au-delà d’un mot de passe. Elle réduit la valeur des identifiants volés, bien que des implémentations faibles puissent encore être contournées par l’ingénierie sociale ou le vol de session.

Les administrations doivent également examiner les environnements d’annuaire, les privilèges administratifs, les comptes de service et les identités inactives. Un système d’authentification techniquement robuste ne peut pas protéger un compte qui ne devrait plus exister.

L’inventaire et l’identité sont étroitement liés. Les équipes doivent savoir qui est responsable d’une application, quels comptes peuvent l’administrer, quelles données elle peut atteindre et comment l’accès est supprimé. L’absence d’informations de propriété retarde chaque réponse.

Les agents IA ajoutent une autre couche d’identité. Un agent combine un modèle avec des outils, l’accès aux données et la capacité d’exécuter des actions. Il peut interroger des systèmes internes, appeler des services externes, mettre à jour des enregistrements ou exécuter des flux de travail approuvés.

Le guide sur les agents IA du Center for Internet Security recense des risques tels que les actions non autorisées, les fuites de données et les modifications involontaires de systèmes. Ces risques dépassent le modèle, car l’agent interagit avec des API, des identifiants, des logiciels d’orchestration et des données d’entreprise.

Une organisation qui déploie des agents doit les inventorier comme d’autres actifs actifs. Elle doit documenter leurs responsables, leurs outils, leurs autorisations, leurs sources de données et leurs limites opérationnelles. Elle a aussi besoin de journaux montrant ce qu’un agent a tenté de faire et ce qui s’est réellement produit.

Le principe du moindre privilège devient plus complexe lorsqu’un agent gère plusieurs tâches. Lui accorder un accès étendu simplifie l’intégration, mais accroît les dommages possibles dus à la manipulation des prompts, aux identifiants volés ou à un raisonnement défaillant.

L’alternative plus sûre repose sur des autorisations plus limitées, des identifiants de courte durée et des étapes d’approbation pour les actions sensibles. Ces contrôles peuvent ralentir l’automatisation, ce qui crée le compromis central de l’article. Les organisations recherchent la rapidité de l’IA, mais un déploiement sûr exige des contraintes délibérées.

Le même compromis s’applique à l’IA défensive. Un système qui met automatiquement des appareils en quarantaine ou modifie des règles de pare-feu peut réagir rapidement. Une action erronée peut aussi interrompre des services publics.

Un examen humain reste nécessaire pour les décisions à fort impact. La difficulté consiste à déterminer où il doit intervenir. Exiger une approbation pour chaque action mineure élimine une grande partie de la valeur de l’automatisation, tandis que supprimer la supervision crée un risque opérationnel inacceptable.

Les agences ont besoin d’une autorité graduée. Les tâches à faible risque peuvent s’exécuter automatiquement dans des limites éprouvées. Les actions à risque plus élevé devraient exiger des preuves, un examen et un chemin d’exécution réversible.

Cette conception dépend de processus solides. L’IA ne remplace pas l’hygiène cyber. Elle oblige l’hygiène cyber à couvrir à la fois les identités humaines et machines.

Au-delà des correctifs, la visibilité devient le véritable contrôle

Les correctifs restent essentiels, mais une agence ne peut pas corriger des systèmes qu’elle ne peut ni voir, ni classifier, ni modifier en toute sécurité.

La gestion des correctifs attire souvent l’attention parce qu’elle produit une action claire : installer une mise à jour. Le problème défensif plus profond commence plus tôt.

Une équipe doit savoir qu’elle exploite le produit concerné. Elle doit identifier la version déployée, déterminer si la fonction vulnérable est accessible, localiser le propriétaire du système et comprendre les conséquences d’une modification.

Des registres incomplets transforment une correction technique en enquête.

Le problème est particulièrement grave dans les technologies opérationnelles, ou OT, qui contrôlent des équipements et processus physiques. Les environnements OT peuvent inclure des appareils hérités, des logiciels spécialisés, des sites distants et des systèmes soumis à des exigences strictes de disponibilité.

Un projet NIST de 2026 sur la gestion des actifs OT décrit l’inventaire comme fondamental pour une architecture défendable et des décisions fondées sur les risques. Le NIST souligne que les organisations ne peuvent pas protéger les environnements qu’elles ne peuvent pas voir.

Ce principe s’applique au-delà de l’OT. Des abonnements cloud peuvent apparaître en dehors des processus d’achat centralisés. Des services peuvent adopter des logiciels de manière indépendante. Des prestataires peuvent introduire des plateformes gérées, et des employés peuvent connecter des applications non approuvées aux données de l’organisation.

L’adoption de l’IA générative ajoute davantage d’infrastructures fantômes. Un membre du personnel peut téléverser des informations vers un modèle public, autoriser un assistant IA ou connecter un agent à un dépôt de documents sans examen formel.

Les équipes de sécurité ont besoin de processus de découverte permettant d’identifier ces connexions. Elles ont aussi besoin d’une réponse qui ne pousse pas davantage les utilisateurs dans la clandestinité.

Une interdiction générale peut être difficile à appliquer lorsque les services d’IA publics restent facilement accessibles. Un programme pragmatique offre aux employés des options approuvées, des règles claires sur les données et un processus pour demander de nouveaux cas d’usage.

La visibilité doit inclure les mouvements de données. Savoir qu’une application d’IA existe ne suffit pas. Les équipes doivent comprendre quels dossiers elle peut récupérer, quelles requêtes elle reçoit, si les résultats sont conservés et quels services externes traitent les informations.

Le même principe s’applique aux systèmes défensifs. Un outil de triage IA peut ingérer des journaux, des rapports de vulnérabilités, des événements d’identité et des renseignements sur les menaces. Si ses sources de données sont incomplètes, son classement peut sembler précis tout en ne reflétant qu’une partie de l’environnement.

C’est pourquoi les scores de risque générés par l’IA ne devraient pas devenir une vérité automatique. Ils constituent des éléments d’aide à la décision. Les analystes doivent avoir accès aux preuves sous-jacentes et pouvoir contester la recommandation.

Un flux de travail efficace relie plusieurs registres : inventaire des actifs, versions logicielles, propriété des systèmes, privilèges d’identité, exposition externe, criticité des services et vulnérabilités connues. L’IA peut aider à rapprocher ces registres, mais la gouvernance détermine quelle source fait autorité.

La documentation compte également lors du roulement du personnel. Les collectivités locales peuvent dépendre d’un petit nombre d’employés qui comprennent les systèmes hérités. Lorsque ces connaissances restent dans des boîtes de réception personnelles ou des notes informelles, la réponse aux incidents ralentit.

Une base de connaissances consultable peut préserver les procédures opérationnelles, les décisions d’architecture, les instructions des fournisseurs et l’historique des remédiations. Les contrôles d’accès doivent correspondre à la sensibilité de ces documents.

L’objectif n’est pas de documenter pour documenter. Les équipes ont besoin de réponses à jour durant une fenêtre de réponse courte.

La gestion des correctifs s’inscrit donc dans une boucle de contrôle plus large. Découvrir les actifs, attribuer les responsabilités, évaluer l’exposition, prioriser l’action, tester le changement, le déployer, vérifier son achèvement et consigner les exceptions.

L’IA peut accélérer plusieurs étapes. Elle ne peut pas compenser une boucle dépourvue d’entrées fiables ou de responsables redevables.

Ce que le discours sur la sécurité de l’IA ne prouve toujours pas

Les attaques accélérées par l’IA sont crédibles, mais les organisations ne devraient pas confondre chaque affirmation sur les modèles ou démonstration produit avec une capacité opérationnelle mesurée.

Le marketing de la sécurité devance souvent les preuves. Les fournisseurs peuvent démontrer qu’un modèle détecte des vulnérabilités dans des environnements contrôlés, mais les réseaux réels comportent des données incomplètes, des configurations inhabituelles, des restrictions d’accès et des contraintes opérationnelles.

Un résultat de laboratoire ne prédit pas automatiquement le succès d’une attaque contre des infrastructures publiques.

La même prudence s’applique aux affirmations sur la défense autonome. Un modèle peut classifier précisément des alertes dans un ensemble de données sélectionné. Les systèmes de production doivent gérer l’évolution du comportement des attaquants, les faux positifs, le contexte indisponible et les entrées adverses.

Les faux positifs entraînent des coûts réels. Les analystes consacrent du temps à enquêter sur des événements inoffensifs, tandis qu’un confinement automatisé peut interrompre une activité légitime. Un bruit excessif peut aussi affaiblir la confiance dans le système.

Les faux négatifs sont tout aussi dangereux, car un résumé assuré peut dissimuler des preuves manquées. Les équipes de sécurité devraient évaluer les deux types d’erreurs dans des conditions qui ressemblent à leurs propres environnements.

La supervision humaine n’est pas une réponse complète. Les analystes peuvent s’en remettre trop facilement à une sortie de modèle soignée, en particulier lors d’incidents à fort volume. Les équipes ont besoin de procédures qui exigent la vérification des preuves pour les recommandations lourdes de conséquences.

Les systèmes d’IA créent également de nouvelles surfaces d’attaque. L’injection de prompt cherche à manipuler un modèle au moyen d’instructions conçues et intégrées dans du contenu. Un agent qui lit des e-mails, des documents ou des pages web peut rencontrer du texte hostile conçu pour rediriger son comportement.

L’accès aux outils transforme cette manipulation en risque opérationnel. Un chatbot qui ne fait que rédiger du texte a un rayon d’impact limité. Un agent doté d’identifiants, d’un accès aux fichiers et de droits d’exécution peut exposer ou modifier de vrais systèmes.

Les défenseurs doivent donc traiter les entrées des agents comme des données non fiables. Ils devraient séparer les instructions du contenu récupéré, restreindre les outils, valider les sorties et journaliser les actions. Les opérations sensibles nécessitent une autorisation indépendante.

Les chaînes d’approvisionnement des modèles exigent également de l’attention. Les agences peuvent dépendre d’API hébergées, de composants open source, de systèmes de récupération, de plugins et de connecteurs tiers. Chaque couche introduit des mises à jour, des identifiants, des autorisations et des questions contractuelles.

C’est là que l’argument en faveur des contrôles de base se renforce. La gestion des actifs doit inclure les services d’IA. L’inventaire logiciel doit inclure les bibliothèques de support et les composants d’orchestration. La gestion des comptes doit inclure les identités de service et les identifiants machines.

Les plans de réponse aux incidents doivent également traiter les défaillances de l’IA. Les équipes doivent savoir comment désactiver un agent, révoquer ses identifiants, préserver les journaux et déterminer quelles actions il a effectuées.

La conclusion sceptique n’est pas que l’IA n’a aucune valeur en matière de sécurité. Les modèles peuvent aider les défenseurs à résumer des alertes, analyser du code, identifier des schémas et prioriser les enquêtes. L’incertitude concerne la fiabilité, l’autorité et la mesure.

Le Verizon DBIR reste utile parce qu’il ancre les priorités de sécurité dans des incidents et violations observés. Les organisations devraient comparer les affirmations des produits d’IA aux preuves issues de leurs propres incidents, exercices et indicateurs opérationnels.

Un déploiement crédible devrait améliorer des résultats mesurables. Ces résultats comprennent des fenêtres d’exposition plus courtes, des enquêtes plus rapides, une meilleure couverture d’inventaire, moins de privilèges excessifs et une reprise plus fiable.

Les équipes devraient éviter les indicateurs de vanité tels que le nombre d’alertes ou de résumés générés par l’IA. Produire davantage ne signifie pas nécessairement réduire le risque.

La couverture de Google News peut amplifier des exemples spectaculaires de piratage ou de défense autonomes. Les responsables de la sécurité doivent néanmoins poser une question plus discrète : le système a-t-il amélioré un contrôle testé sans créer d’accès non géré ?

Trois signaux qui montreront si l’hygiène cyber rattrape son retard

La prochaine phase sera déterminée par une exécution mesurable, et non par le nombre d’agences annonçant des stratégies d’IA.

Le premier signal est la latence de correction des systèmes exposés à l’extérieur. La latence de correction mesure le délai entre la disponibilité d’une correction pertinente et son déploiement vérifié sur les actifs affectés.

Un délai en baisse étayerait l’argument selon lequel le triage assisté par l’IA et la priorisation des risques aident les défenseurs à suivre la vitesse des attaquants. Un délai en hausse montrerait que la découverte génère plus de travail que les agences ne peuvent en absorber.

La mesure doit inclure les exceptions. Un tableau de bord qui exclut les systèmes hérités ou non gérés peut signaler des progrès tout en préservant l’exposition la plus grave. Les dirigeants devraient demander quelle part de l’environnement est couverte et quels actifs restent en dehors du cycle normal de correction.

Le deuxième signal est la couverture des identités et de l’inventaire pour les agents IA. Les agences devraient pouvoir recenser les agents déployés, attribuer des responsables, documenter les outils, identifier les accès aux données et révoquer rapidement les identifiants.

Une couverture en amélioration montrerait que les organisations étendent les contrôles établis à une nouvelle catégorie d’acteurs machines. La poursuite d’une adoption fantôme affaiblirait les affirmations selon lesquelles la gouvernance de l’IA est devenue opérationnelle.

Le test devrait être concret. Lors d’un exercice, l’équipe de sécurité peut-elle localiser chaque agent connecté à un dépôt sensible ? Peut-elle identifier les identifiants utilisés par chaque agent et les désactiver sans chercher dans plusieurs services ?

Le troisième signal est constitué des preuves tirées d’exercices du secteur public et d’incidents réels. Les outils de défense par IA devraient démontrer qu’ils réduisent le temps d’enquête ou l’exposition sans provoquer de perturbations inacceptables.

Les évaluations indépendantes compteront davantage que les benchmarks des fournisseurs. Les rapports utiles devraient décrire l’environnement, les limites de la tâche, les taux d’erreur, l’implication humaine et les conséquences des erreurs.

Ces signaux devraient apparaître dans les décisions d’achat. Les agences peuvent exiger que les fournisseurs prennent en charge une journalisation détaillée, un accès selon le principe du moindre privilège, des enregistrements exportables, une révocation rapide des identifiants et des tests indépendants.

Les contrats devraient également traiter les changements de modèles et de services. Un fournisseur hébergé peut mettre à jour un modèle sans modifier le nom du produit visible par le client. Les agences ont besoin d’être informées lorsque ces changements affectent le comportement de sécurité, le traitement des données ou l’utilisation des outils.

La collaboration du secteur public reste importante, car les petites juridictions ne peuvent pas évaluer chaque système de manière indépendante. Des résultats de tests et des exigences d’achat partagés peuvent relever le niveau minimum dans de nombreuses agences.

Toutefois, les orientations communes doivent laisser place au contexte local. Un système d’archives de comté et un réseau de contrôle des transports ne partagent pas le même risque opérationnel. Le niveau d’automatisation approprié différera.

Le rapport GovTech apporte une correction utile au discours plus bruyant sur la sécurité de l’IA. Les défenseurs n’ont pas besoin d’abandonner les contrôles familiers pour tout recommencer. Ils doivent appliquer ces contrôles face à des menaces plus rapides, à des parcs logiciels en expansion et à une population croissante d’identités machines.

C’est une mission exigeante. Le travail d’inventaire n’a pas la visibilité d’un nouveau lancement d’IA. Les revues d’accès ne produisent pas de démonstrations spectaculaires. La vérification des correctifs fait rarement les gros titres de Google News.

Pourtant, ces processus déterminent si les outils avancés renforcent une organisation ou ajoutent une couche supplémentaire non gérée.

Les responsables de la sécurité devraient commencer par trois questions. Quels actifs exposés à Internet restent en dehors d’un inventaire vérifié ? Quelles identités humaines ou machines conservent des accès dont elles n’ont plus besoin ? À quelle vitesse l’organisation peut-elle agir lorsqu’une vulnérabilité à haut risque apparaît ?

Les réponses en diront davantage qu’un document de stratégie IA. Elles montrent si l’hygiène cyber fonctionne à la vitesse exigée par le nouvel environnement de menaces.