top of page

Rapport Netskope sur l’IA dans l’industrie : le chiffre de 83 % mesure des violations de politiques

il y a 1 heure
13 min de lecture
Illustrative photograph. Photo: Sora Shimazaki / Pexels.

Netskope a publié son rapport sur l’IA dans l’industrie le 10 novembre, constatant que les violations de politiques de données en amont représentaient 83 % des violations observées liées à l’IA. Cette conclusion concerne les informations entrant dans les systèmes d’IA, et non un décompte vérifié d’incidents de sécurité ou de compromissions réussies. Le rapport Netskope sur l’IA dans l’industrie soulève une question plus précise et plus utile : l’approbation d’une application d’IA permet-elle réellement de contrôler les informations que les employés lui transmettent ?

Cette distinction modifie la réponse de la direction. Une alerte de politique exige d’enquêter sur les données, les autorisations et l’application des règles. Une compromission confirmée exige des preuves de divulgation ou d’accès non autorisé. Traiter ces catégories comme interchangeables peut fausser tant l’évaluation de la menace que l’efficacité apparente des défenses existantes.

La tension centrale oppose les applications approuvées aux flux de données approuvés. Les recommandations de sécurité de Microsoft offrent un point de référence utile : protéger un flux de travail d’IA nécessite des contrôles sur les informations et les actions, au-delà du choix d’une application de confiance. Pour les acheteurs du secteur manufacturier, la question est de savoir si un assistant approuvé fonctionne dans des limites adaptées à la tâche.

Ce que mesure réellement le rapport Netskope sur l’IA dans l’industrie

Le constat de 83 % décrit la composition des violations observées, et non le pourcentage de fabricants victimes de compromissions liées à l’IA.

Les conclusions sur l’IA dans l’industrie sous-jacentes proviennent de données télémétriques anonymisées de la plateforme Netskope couvrant un sous-ensemble de clients industriels. La période d’observation s’est étendue du 1er juin 2025 au 31 août 2026. La méthodologie publique ne communique pas de nombre exact de clients.

Il s’agit donc d’un jeu de données observationnel fourni par un éditeur, et non d’un recensement sectoriel ou d’une enquête auprès des employés. Sa valeur réside dans la mise en évidence d’activités visibles via les contrôles déployés. Il ne permet pas d’établir la prévalence de chaque risque lié à l’IA chez tous les fabricants.

Une violation en amont concerne des données entrant dans un flux de travail d’IA. Une violation en aval concerne des informations quittant ce flux via des contenus générés ou une utilisation ultérieure. Aucune de ces étiquettes ne permet, à elle seule, d’établir qu’une personne a effectivement dérobé des informations.

Prenons l’exemple illustratif d’un employé qui tente de téléverser un document confidentiel d’un fournisseur. Un contrôle de sécurité détecte le document et bloque le transfert. L’alerte qui en résulte prouve qu’une personne a tenté une action interdite, tout en indiquant que le contrôle est intervenu.

Comparez cela à un téléversement qui est effectué puis déclenche ultérieurement une alerte. Les enquêteurs doivent déterminer ce qui a franchi la frontière, quel compte l’a reçu et ce que la destination a conservé. Des étiquettes de politique similaires peuvent masquer des résultats sensiblement différents.

Cette distinction est importante lorsque les dirigeants se demandent si la hausse des alertes signifie une dégradation de la sécurité. Davantage d’alertes peuvent refléter une activité plus risquée, une surveillance élargie, des règles plus strictes ou une détection améliorée. Un total d’alertes ne peut pas résoudre ces possibilités sans preuves opérationnelles à l’appui.

La même prudence s’applique à un chiffre en baisse. Moins d’alertes peuvent indiquer des comportements plus sûrs. Elles peuvent aussi résulter d’une inspection affaiblie, de règles désactivées ou d’un déplacement vers des canaux que la surveillance ne couvre pas.

Pour un responsable de la sécurité dans l’industrie manufacturière, le suivi utile est donc opérationnel. Quels transferts ont été empêchés, lesquels ont été autorisés et lesquels restent non résolus ? Ces catégories révèlent davantage sur la protection qu’un pourcentage spectaculaire.

La date de publication du rapport diffère également de sa fenêtre de mesure. En novembre, les lecteurs consultent une analyse d’activités se terminant en août. Ce calendrier compte lorsqu’on compare les conclusions avec le déploiement actuel d’une entreprise ou avec des contrôles introduits récemment.

L’interprétation appropriée est celle d’un signal d’exposition. Le jeu de données attire l’attention sur le point d’entrée où les informations métier rencontrent le traitement par IA. Il ne fournit pas de raccourci pour estimer les pertes confirmées, les usines compromises ou la probabilité d’une perturbation de la production.

L’IA approuvée laisse aux équipes de sécurité une décision sur les données

L’approbation d’une application détermine qui fournit l’outil ; elle ne détermine pas quels documents métier doivent être inclus dans chaque tâche.

Netskope indique que l’utilisation d’IA gérée par l’organisation est passée de 35 % à 70 %, tandis que l’utilisation de comptes personnels est passée de 75 % à 55 %. Ces chiffres décrivent des modes d’utilisation qui se chevauchent plutôt que des groupes mutuellement exclusifs. Ils suggèrent une migration vers une supervision organisationnelle, sans établir que l’utilisation personnelle a disparu.

Pour la gouvernance de l’IA dans l’industrie manufacturière, cela crée un problème concret de responsabilité. Les achats peuvent approuver un fournisseur. Les équipes technologiques peuvent déployer une application. Il faut toujours qu’une personne ait l’autorité de décider quels documents, identifiants et processus métier le déploiement doit inclure.

Un assistant d’approvisionnement illustratif montre cet écart. Résumer une brochure publique d’un fournisseur implique une décision informationnelle différente de celle consistant à résumer l’historique de négociations confidentielles. Les deux demandes peuvent survenir dans la même interface approuvée.

Une liste d’autorisation d’applications générale traite ces demandes de manière similaire, à moins qu’un autre contrôle ne distingue leur contenu. Un déploiement défendable nécessite des règles reliant la destination, le compte, la catégorie d’information et la finalité. L’approbation doit résister à la réalité du travail.

Cela met simultanément sous pression plusieurs groupes. Les équipes de sécurité ont besoin de limites applicables. Les responsables métier ont besoin de flux de travail utilisables. Les équipes juridiques et de protection de la vie privée ont besoin de conditions de traitement correspondant aux informations que les employés soumettent réellement.

Le défi immédiat relève de la coordination, plutôt que du choix du groupe qui devrait posséder chaque décision. Le propriétaire d’un document comprend sa sensibilité métier. Un administrateur d’application comprend la configuration. Le personnel de sécurité comprend la détection et la réponse. Des décisions efficaces exigent que ces perspectives se rencontrent.

Un compte approuvé a également besoin d’une limite d’identité claire. Les employés doivent comprendre s’ils opèrent dans un espace de travail organisationnel ou une session personnelle. Un logo de produit reconnaissable ne répond pas à cette question.

La question opérationnelle va au-delà des téléversements délibérés. Un flux de travail peut recueillir des informations via un document joint, un référentiel connecté ou des éléments assemblés automatiquement pour une demande. Chaque voie mérite une décision explicite concernant l’accès et la destination.

C’est pourquoi une formation qui dit « utilisez l’IA approuvée » peut laisser les employés dans l’incertitude. L’instruction identifie une application, mais ne résout pas le jugement à porter sur les informations. Les travailleurs ont toujours besoin de directives concrètes liées à leurs responsabilités.

Par exemple, une entreprise pourrait distinguer la documentation publique approuvée de la correspondance restreinte avec les clients. Les catégories exactes dépendent de l’entreprise. Le principe directeur est que les employés ne devraient pas avoir à interpréter une politique de sécurité abstraite à chaque tâche courante.

Le rapport Netskope sur l’IA dans l’industrie exerce donc une pression sur la définition du succès d’un déploiement. L’attribution de comptes constitue une étape d’adoption. Démontrer que ces comptes ne traitent que des informations appropriées constitue une étape de sécurité distincte.

Pour les acheteurs d’entreprise, l’implication commerciale découle directement de ce constat. Une proposition de déploiement devrait expliquer qui est responsable des décisions relatives aux données, comment fonctionnent les exceptions et quels éléments probants les administrateurs peuvent examiner. Une liste de fonctionnalités ne peut répondre à ces questions.

La frontière passe par les documents, les autorisations et les résultats

Le point de contrôle le plus déterminant est la frontière informationnelle au sein du flux de travail, quel que soit l’endroit où elle se situe.

Les conclusions de Netskope sur la sécurité des données d’IA invitent à modifier les critères d’évaluation. Au lieu de demander seulement si un assistant est approuvé, les acheteurs devraient examiner le parcours complet d’une tâche représentative. Ce parcours commence avant que le modèle génère une réponse.

Un analyste qualité fictif pourrait demander à un assistant de résumer une réclamation d’un fournisseur. Le dossier source pourrait contenir des noms de clients, des détails contractuels, des commentaires internes et des spécifications techniques. Seule une partie de ces informations pourrait être nécessaire au résumé.

La décision de sécurité concerne la nécessité autant que la sensibilité. Si la tâche nécessite une description du défaut, elle n’exige pas automatiquement l’ensemble de l’historique de correspondance avec le client. Réduire le contexte inutile peut réduire l’exposition sans empêcher le travail sous-jacent.

Les recommandations d’OWASP sur la divulgation d’informations sensibles identifient les informations métier confidentielles et les identifiants parmi les risques pertinents. Elles mettent l’accent sur les restrictions d’accès et avertissent que les restrictions fondées sur des prompts peuvent être contournées.

Ces recommandations fournissent un test utile pour évaluer les affirmations commerciales. Un fournisseur affirmant que son assistant suit les instructions décrit le comportement du modèle. Un système empêchant l’accès à un document non autorisé applique une frontière distincte.

Ces mécanismes devraient se compléter. Les instructions peuvent orienter une réponse, tandis que les contrôles d’accès déterminent quels éléments deviennent disponibles. Il ne faut pas supposer qu’une fonction remplace l’autre.

Microsoft propose une comparaison à travers sa présentation de l’injection indirecte de prompt. Cette attaque place des instructions malveillantes dans le contenu qu’un assistant traite, tel qu’un document ou une page web.

Microsoft décrit des défenses en couches, notamment la séparation du contenu non fiable et des instructions, ainsi que la détection d’entrées suspectes. Son approche illustre un argument de sécurité plus large : un assistant performant a toujours besoin d’être protégé contre les éléments qu’il lit.

Cela n’établit pas que Microsoft, Netskope ou un autre fournisseur a résolu tous les problèmes pertinents. Cela montre différentes couches de contrôle traitant différents modes de défaillance. L’inspection des données et la détection d’instructions malveillantes répondent à des questions liées, avec des exigences de preuve distinctes.

La distinction devient concrète lorsqu’un assistant lit un document externe d’un fournisseur. L’organisation doit décider si le document contient des informations que l’assistant peut traiter. Elle doit aussi empêcher le texte intégré de devenir une autorité lui permettant d’exécuter des actions sans rapport.

La sortie crée une autre frontière. Un résumé peut contenir des informations appropriées pour une enquête interne, mais inappropriées pour une réponse à un fournisseur externe. Le fait que l’assistant ait légitimement lu un document n’autorise pas toute divulgation ultérieure.

La gouvernance de l’IA dans l’industrie manufacturière nécessite donc une vision des autorisations au niveau de la tâche. Lire, résumer, partager et agir représentent des décisions différentes. Un déploiement devient plus facile à évaluer lorsque l’organisation peut expliquer chaque décision indépendamment.

Pour les travailleurs du savoir, la même distinction s’applique à une base de connaissances IA. Rendre l’information consultable et décider qui peut l’utiliser sont des questions de conception liées. Une meilleure recherche n’élimine pas la nécessité de définir un public.

Les connexions d’agents rendent la frontière plus difficile à voir

Un assistant capable de récupérer des informations et d’invoquer des outils nécessite des contrôles au-delà de la fenêtre de conversation.

Netskope fait état d’une croissance de 490 % des entités non humaines se connectant à des serveurs MCP distants, ainsi que d’une croissance de 600 % des événements associés. Il s’agit de mesures d’usage, et non de chiffres de croissance des attaques. Elles n’établissent pas que les connexions supplémentaires étaient malveillantes.

Model Context Protocol, ou MCP, est une norme permettant de connecter des applications d’IA à des outils et à des sources de données. Son importance ici concerne le chemin entre une demande et les systèmes utilisés pour y répondre.

Dans une simple interaction de chat, un employé sélectionne du contenu et le soumet. Dans un flux de travail connecté, un assistant peut récupérer un contexte supplémentaire via des outils configurés. La demande visible de l’employé peut ne décrire qu’une partie du flux d’informations final.

Prenons l’exemple d’un assistant de maintenance chargé d’expliquer une panne récurrente d’un équipement. Il peut récupérer des manuels approuvés et des dossiers d’intervention antérieurs. Un déploiement davantage connecté pourrait également accéder aux dossiers d’achat ou à des services de support externes.

La valeur métier dépend de ces connexions. Le problème des autorisations aussi. Un assistant ne devrait pas recevoir un accès étendu au seul motif qu’une demande future pourrait bénéficier d’un contexte supplémentaire.

Les pratiques de sécurité MCP du protocole traitent des risques de mise en œuvre, notamment les défaillances d’autorisation, le détournement de session et la gestion non sécurisée des jetons d’accès. Les jetons sont des identifiants permettant à un logiciel d’accéder à des services protégés.

Ces préoccupations de mise en œuvre diffèrent de l’exactitude d’une réponse générée. Une réponse peut être techniquement correcte tout en reposant sur des autorisations excessives. Un assistant utile peut néanmoins exposer une organisation via une connexion mal contrôlée.

Pour les acheteurs, cela modifie la signification d’une démonstration d’intégration. Montrer qu’un assistant peut récupérer un dossier prouve la connectivité. Cela n’établit pas que cet accès reste approprié pour différents utilisateurs, tâches et catégories de documents.

Une démonstration plus informative montrerait qu’une demande légitime réussit et qu’une demande non autorisée échoue. Elle identifierait également le compte utilisé, les autorisations appliquées et les éléments de preuve conservés pour examen.

La responsabilité du service compte tout autant. Un connecteur sans responsable désigné peut rester actif alors que son objectif métier initial a changé. L’organisation doit pouvoir comprendre pourquoi cet accès existe et qui peut le retirer.

La révocation est particulièrement importante lorsqu’une relation fournisseur prend fin ou qu’un employé change de responsabilités. Un modèle d’autorisation devrait permettre de supprimer un accès sans dépendre du fait que l’assistant se souvienne d’une instruction écrite.

L’enjeu plus large de la gouvernance de l’IA dans l’industrie manufacturière est la visibilité sur le travail délégué. Lorsqu’un logiciel agit au nom d’une personne, la responsabilité ne peut pas s’arrêter à l’invite initiale de cette personne. Elle doit s’étendre aux systèmes qui exécutent la demande.

Les chiffres de croissance justifient de prêter attention à cette catégorie, tout en laissant incertaine son ampleur absolue. Ils justifient de poser de meilleures questions sur les flux de travail connectés. Ils ne justifient pas d’affirmer une hausse équivalente des attaques réussies.

Ce que l’ensemble de données ne peut pas établir

Un signal de risque utile devient trompeur lorsque les lecteurs transforment des alertes observées en affirmations de préjudices confirmés.

Le rapport de Netskope sur l’IA dans l’industrie manufacturière constitue une preuve d’activité dans son environnement observé. Il n’établit pas de lien causal entre chaque événement de politique et une perte de sécurité ultérieure. Cet écart doit rester visible dans toute interprétation.

L’absence de nombre de clients communiqué limite les jugements sur la représentativité. Les lecteurs ne peuvent pas reconstituer, à partir des seuls chiffres mis en avant, la distribution de l’échantillon selon la taille des organisations, leur géographie ou leur maturité en sécurité.

Un ensemble de données fondé sur une plateforme reflète également la visibilité de cette plateforme. Les activités en dehors des voies surveillées peuvent être traitées différemment ou rester invisibles. Il s’agit d’une limite de l’approche de mesure, plutôt que d’une preuve qu’une catégorie non observée est nécessairement plus importante.

Les politiques introduisent une autre source de variation. Une entreprise appliquant des règles strictes peut générer des alertes pour des transferts qu’une autre entreprise autorise. Comparer leurs totaux sans comparer leurs règles risque de confondre les choix d’application avec l’exposition sous-jacente.

La gravité des alertes importe également. Un transfert interdit impliquant un dossier client restreint exige une enquête différente d’une correspondance de classification à faible niveau de confiance. Le pourcentage d’une catégorie ne peut remplacer l’examen de ces cas.

La prévention réussie complique également l’interprétation. Si un système bloque un téléversement inapproprié, l’événement qui en résulte peut indiquer à la fois un comportement risqué et une protection efficace. Qualifier chaque événement de violation efface cette distinction.

L’erreur inverse consisterait à écarter toutes les alertes comme inoffensives parce que certaines ont été bloquées. Des tentatives répétées peuvent révéler une politique peu claire, un flux de travail mal conçu ou une pression persistante pour utiliser une destination inadaptée. La prévention n’élimine pas le problème métier sous-jacent.

Netskope vend également des produits de sécurité pertinents face aux risques qu’il décrit. Ce contexte commercial n’invalide pas ses observations. Il signifie toutefois que les acheteurs devraient distinguer les preuves concernant un problème des affirmations concernant un remède particulier.

Des orientations indépendantes aident à préserver cette distinction. Le profil d’IA générative du NIST intègre les considérations de risque dans la conception, le développement, l’utilisation et l’évaluation des systèmes d’IA. Ce cadre dépasse tout achat de produit individuel.

La réponse appropriée consiste à tester les contrôles par rapport aux propres tâches et informations d’une entreprise. Une évaluation pertinente devrait inclure les activités autorisées, les activités interdites, les contenus ambigus et les exceptions opérationnelles. Sinon, une démonstration soignée peut masquer des limites non résolues.

Aucune conclusion sur les arrêts de production ne découle automatiquement du pourcentage en amont. Établir des conséquences opérationnelles exigerait des preuves reliant un événement particulier aux systèmes affectés et à l’impact métier. La statistique centrale du rapport ne fournit pas cette chaîne.

L’interprétation la plus solide reste ciblée : les données entrant dans les flux de travail d’IA méritent un examen attentif. L’interprétation plus faible transforme un ensemble de données d’observations de politiques en décompte d’incidents à l’échelle de l’industrie. Les acheteurs tirent davantage profit du maintien de l’affirmation plus étroite.

Ce que les acheteurs devraient surveiller jusqu’au début de 2027

Les prochaines preuves utiles montreront si les organisations peuvent étendre l’usage de l’IA tout en rendant l’accès aux données plus responsable.

Le premier signal est un meilleur reporting sur les résultats de l’application des règles. Les acheteurs devraient rechercher des distinctions entre les transferts bloqués, les transferts autorisés, les cas examinés et les divulgations confirmées. Ces catégories relient l’activité de surveillance aux décisions et aux conséquences.

Des preuves de transferts empêchés accompagnées d’une résolution documentée renforceraient l’argument en faveur de contrôles efficaces. Un tableau de bord d’alertes plus vaste sans information sur les résultats laisserait cette question sans réponse. L’évolution utile est une comptabilisation plus claire, plutôt qu’une direction privilégiée pour le chiffre brut.

Les organisations peuvent exiger une clarté similaire dans leurs rapports internes. Un résumé destiné à la direction devrait identifier ce que le système de surveillance a observé et ce que les enquêteurs ont ensuite établi. Réunir ces étapes dans un seul chiffre d’incident rend l’organisation plus difficile à évaluer.

Le deuxième signal est de savoir si les déploiements gérés réduisent les mouvements inappropriés entre types de comptes. Les acheteurs devraient rechercher des preuves que les flux de travail approuvés répondent aux besoins des employés tout en préservant les limites requises.

Cela ne signifie pas que chaque interaction avec un compte personnel constitue une violation. La question importante est de savoir si des informations commerciales restreintes atteignent une destination inappropriée. Le contexte du compte importe, car la même application peut prendre en charge différents dispositifs contractuels et administratifs.

Un déploiement offrant une voie utilisable et autorisée renforcerait l’argument selon lequel la gouvernance peut soutenir l’adoption. Des contournements persistants affaibliraient les affirmations selon lesquelles l’attribution de comptes d’entreprise a résolu le problème.

Le troisième signal est une responsabilité accrue pour les agents et outils connectés. Les acheteurs devraient rechercher des responsables désignés, des autorisations limitées, une activité contrôlable et une révocation concrète. Les annonces de produits deviennent plus significatives lorsque ces capacités apparaissent dans des déploiements opérationnels.

Un inventaire de connecteurs seul fournirait une réponse incomplète. L’organisation doit également savoir quelles tâches justifient l’accès et si les autorisations restent appropriées. La preuve que l’accès évolue avec les responsabilités renforcerait l’argument de gouvernance.

À l’inverse, de larges autorisations permanentes laisseraient le problème central intact. Un assistant pourrait devenir plus utile tandis que l’organisation perdrait en clarté sur sa portée. L’adoption et le contrôle devraient donc apparaître comme des mesures distinctes dans les revues de déploiement.

Pour les développeurs, ces signaux font de l’autorisation et des journaux d’événements une composante de la qualité du produit. Pour les dirigeants, ils font de la conception des flux de travail une composante de la supervision de la sécurité. Pour les employés, ils devraient se traduire par des décisions plus claires sur l’usage quotidien de l’information.

Les observations de Netskope sur la sécurité des données d’IA sont les plus utiles lorsqu’elles conduisent à ces résultats vérifiables. Elles le sont moins en tant que titre qui regroupe tentatives, alertes, prévention et préjudices confirmés dans une seule catégorie alarmante.

Avant d’étendre l’accès d’un assistant, présentez une tâche métier représentative lors de la revue de déploiement. Identifiez les informations dont il a besoin, la destination qu’il utilise et l’action qu’il doit effectuer. Demandez au responsable du système de démontrer le chemin autorisé et d’expliquer où une demande inappropriée est arrêtée. Examinez ensuite les enregistrements qui étayent cette explication. Le rapport de Netskope sur l’IA dans l’industrie manufacturière donne aux acheteurs une raison d’exiger ces preuves, plutôt que de considérer l’approbation d’une application comme la fin de la gouvernance. La décision pertinente est de savoir si une organisation peut expliquer et contrôler le mouvement de ses propres informations. Utilisez cette norme lors de l’examen du prochain déploiement d’IA.

 
 

Commencez pour Gratuit

Un premier assistant IA local avec gestion des connaissances personnelles

Pour une meilleure expérience IA,

remio ne supporte que Windows 10+ (x64) et M-Chip Macs actuellement.

Votre partenaire IA au travail
Faites-en plus avec remio

Planifiez. Créez. Livrez.
Tout au même endroit.

bottom of page