Uniti Solutions AI Security intègre le contrôle du Shadow AI au réseau géré

Uniti Solutions a lancé son premier service dédié de sécurité de l’IA géré, déplaçant le contrôle des activités d’IA en entreprise vers une plateforme de sécurité réseau existante. L’offre Uniti Solutions AI Security cible les prompts, les réponses, les applications, les modèles et les agents autonomes que les pare-feu conventionnels ne peuvent souvent pas évaluer.

Le service est propulsé par Cato Networks et commercialisé comme complément à l’offre Secure Access Service Edge gérée d’Uniti. Le SASE combine des fonctions réseau et de sécurité dans une architecture fournie via le cloud. Ce modèle de distribution est important, car les nouveaux contrôles sont placés sur le chemin du trafic déjà utilisé par les clients participants.

L’annonce ne se résume pas à un fournisseur de sécurité de plus ajoutant « AI » à un produit établi. Uniti mise sur le fait que les entreprises souhaitent qu’un prestataire de services exploite des contrôles d’IA sur des outils approuvés comme non approuvés. Microsoft, Google et des entreprises de sécurité spécialisées poursuivent le même objectif par l’intermédiaire de leurs propres plateformes.

C’est là que se situe la tension centrale. Un service réseau géré peut offrir aux équipes de sécurité un point d’application unique, mais la visibilité seule ne produit pas une politique d’IA exploitable. Les clients doivent toujours décider quels prompts sont acceptables, quelles données nécessitent une protection et dans quels cas un blocage automatisé fait plus de mal qu’il n’en évite.

Uniti Solutions AI Security surveille davantage que l’accès aux applications

Le service étend la sécurité réseau, du contrôle des accès à l’interprétation des échanges entre les utilisateurs et les systèmes d’IA.

Uniti a annoncé l’offre le 13 octobre 2026. Son communiqué AI Security décrit trois fonctions principales : découvrir les usages de l’IA, analyser les interactions et appliquer des garde-fous en temps réel.

La découverte couvre les applications, modèles et agents d’IA approuvés ou non approuvés parmi les utilisateurs et sites participants. Cette fonction d’inventaire répond au Shadow AI, c’est-à-dire aux systèmes d’IA employés sans l’approbation ni la gouvernance d’une organisation.

Le service examine également les prompts, les réponses et les actions. Uniti affirme que le système sous-jacent prend en compte l’intention, plutôt que de s’appuyer uniquement sur des correspondances de mots-clés. Cette distinction est importante lorsqu’un prompt contient un langage ordinaire entourant du code source confidentiel, des informations financières ou des dossiers clients.

Les garde-fous en temps réel constituent la couche d’application. Selon Uniti, les administrateurs peuvent bloquer les abus ou masquer des informations sensibles pendant qu’une interaction est en cours. Cette approche vise à préserver les accès légitimes au lieu de traiter chaque outil d’IA non approuvé comme un refus automatique.

Le service couvre trois parcours d’IA d’entreprise distincts. Les employés peuvent utiliser des assistants publics tiers, les développeurs peuvent créer des applications d’IA internes et des agents autonomes peuvent agir à travers des systèmes connectés. Chaque parcours crée des identités, des flux de données et des conséquences potentielles différents.

Un employé qui colle un dossier client dans un chatbot crée un risque direct de divulgation. Une application interne peut exposer un volume excessif de données en raison de contrôles d’accès insuffisants. Un agent soulève une autre inquiétude, car il peut effectuer des actions via des outils et des comptes connectés.

Uniti propose le service uniquement aux clients utilisant son service SASE géré propulsé par Cato. Il s’agit donc d’une extension d’une relation de fourniture existante, et non d’un produit de sécurité autonome destiné à toutes les entreprises.

Cette limite explique également la logique commerciale. Uniti fournit déjà la connectivité réseau, l’implémentation et le support opérationnel à ces clients. L’entreprise peut ajouter des contrôles du trafic d’IA sans leur demander de mettre en place un autre flux de travail indépendant pour les opérations de sécurité.

L’entreprise affirme que ses activités globales atteignent près de 95 % des sites de clients professionnels, gouvernementaux et éducatifs aux États-Unis. Ce chiffre décrit la portée de ses services, et non l’adoption de la nouvelle offre d’IA.

Uniti n’a pas communiqué le nombre de clients, les résultats de déploiement, la précision de détection ni des évaluations indépendantes du service. L’annonce établit les capacités visées, mais pas leurs performances dans un environnement de production.

Le changement immédiat reste néanmoins concret. Les clients existants du SASE géré disposent désormais d’une option pour gouverner les interactions d’IA via le même fournisseur qui exploite leur couche de sécurité réseau.

Le Shadow AI est devenu un problème de contrôle des données

Les entreprises sont sous pression, car les employés ont adopté l’IA plus rapidement que nombre d’équipes de sécurité n’ont établi de règles applicables.

Uniti cite plus de deux millions de clients professionnels d’OpenAI comme preuve que l’IA d’entreprise a dépassé le stade de l’expérimentation limitée. Le rapport sur l’IA en entreprise d’OpenAI a également fait état de plus de sept millions de sièges ChatGPT en milieu professionnel.

Ces chiffres n’indiquent pas combien d’organisations disposent d’une gouvernance insuffisante. Ils montrent toutefois que les outils d’IA opèrent désormais sur un grand nombre de comptes professionnels et de processus métier reproductibles.

La statistique la plus révélatrice provient d’une enquête de Microsoft et LinkedIn sur le monde du travail. Elle a révélé que 78 % des utilisateurs d’IA interrogés apportaient leurs propres outils d’IA au travail. L’étude originale sur l’IA au travail présentait ce comportement comme une adoption individuelle généralisée en dehors des programmes officiels des entreprises.

Le comportement consistant à apporter sa propre IA crée un problème d’application difficile. Bloquer un domaine peut arrêter un service, mais les employés peuvent se tourner vers un autre site web, une extension de navigateur, une application ou un assistant intégré.

Les outils approuvés n’éliminent pas non plus le risque. Un chatbot autorisé peut toujours recevoir un texte confidentiel qu’un utilisateur ne devrait pas partager. Un agent interne approuvé peut accéder à davantage de dossiers que ne l’exige sa tâche.

C’est pourquoi le Shadow AI diffère d’un simple problème d’inventaire logiciel. Les équipes de sécurité doivent savoir quels outils sont présents, mais elles ont aussi besoin de contexte concernant les identités, les données, les prompts et les actions qui en résultent.

Les recommandations de Microsoft définissent le Shadow AI comme l’utilisation d’outils d’IA sans la connaissance, l’approbation ou la gouvernance des équipes technologiques d’une organisation. Son plan directeur pour le Shadow AI recommande la découverte, les contrôles des applications, la prévention des pertes de données, l’audit et l’investigation.

Uniti et Cato abordent la même séquence de contrôle depuis la couche réseau gérée. La visibilité sur le trafic peut révéler des services d’IA tiers que les dossiers d’approvisionnement ou les systèmes d’identité n’ont pas détectés. L’inspection en ligne peut ensuite prendre en charge des politiques fondées sur les informations transmises.

Ce modèle exerce une pression sur plusieurs fonctions de sécurité existantes. Les équipes de gouvernance des données doivent définir les informations protégées. Les équipes réseau doivent mettre en œuvre l’application des règles sans perturber le travail légitime. Les équipes des opérations de sécurité ont besoin d’alertes utiles plutôt que d’un flux supplémentaire d’événements peu contextualisés.

Les responsables d’applications font également l’objet d’un examen accru. Si un système d’IA interne apparaît dans l’inventaire, son responsable doit expliquer quelles données il utilise et quelles actions il peut effectuer. Un agent ne peut plus rester une expérimentation informelle dès lors qu’il accède à des systèmes de production.

Le service répond donc autant à une lacune organisationnelle qu’à une lacune technique. Les employés sont fortement incités à utiliser des outils d’IA efficaces. Les équipes de sécurité ne peuvent pas gérer cette demande au moyen des seuls documents d’utilisation acceptable.

Un programme exploitable doit offrir suffisamment de visibilité pour identifier les comportements risqués et suffisamment de précision pour éviter de bloquer la recherche, la rédaction ou l’analyse ordinaires. La proposition d’Uniti est qu’une application gérée peut combler cet écart pour les clients qui acheminent déjà leur trafic via Cato.

Cato AI Security fait du SASE le point d’application

Le pari technique est que la gouvernance de l’IA fonctionne mieux lorsque les contrôles suivent les utilisateurs et le trafic à travers les applications, les sites et les appareils.

La plateforme SASE de Cato combine l’accès réseau et l’inspection de sécurité dans un service cloud-native. Uniti ajoute l’implémentation, la connectivité, la surveillance et le support opérationnel autour de cette plateforme pour ses clients gérés.

Cette structure donne au service de sécurité de l’IA d’Uniti un point d’observation étendu. Un utilisateur peut accéder à un chatbot public depuis un bureau, une connexion à distance ou une application hébergée dans le cloud. Les politiques SASE peuvent suivre ce trafic lorsqu’il traverse le service géré.

Les pare-feu traditionnels évaluent principalement les adresses, les ports, les protocoles, les applications et les indicateurs de menace connus. Ces contrôles restent importants, mais ils n’expliquent pas entièrement la signification d’un prompt ou d’une réponse.

Une demande peut être techniquement autorisée tout en créant une exposition des données. Par exemple, un employé peut demander à un assistant approuvé de résumer un document confidentiel relatif à une acquisition. La connexion est légitime, mais le contenu enfreint la politique de l’entreprise.

Uniti affirme que Cato AI Security peut inspecter l’intention des prompts et des réponses, détecter les données sensibles et agir en ligne. Il peut également inventorier des centaines d’outils d’IA et distinguer les services autorisés de ceux qui ne le sont pas.

Le masquage représente une option moins perturbatrice qu’un blocage complet. Une politique pourrait supprimer un identifiant protégé tout en permettant au reste d’un prompt de continuer. En théorie, cela préserve la productivité tout en réduisant le risque de divulgation.

Toutefois, un masquage efficace dépend de la qualité de la classification. Un système doit reconnaître les données protégées dans divers formats et comprendre le contexte environnant. Il doit également éviter de supprimer des informations ordinaires dont les utilisateurs ont besoin pour leur travail légitime.

Les agents augmentent les enjeux, car ils peuvent agir au lieu de simplement générer du texte. Un agent peut interroger une base de données, créer un ticket de support, envoyer un message ou modifier un dossier. Son profil de sécurité inclut les autorisations d’identité, l’accès aux outils, les instructions et l’exposition des données.

La stratégie de plateforme de Cato s’est élargie autour de ces risques agentiques. Plus tôt en 2026, l’entreprise a annoncé des capacités natives de sécurité de l’IA et un service de prévention des menaces agentiques. Uniti conditionne une partie de cette orientation sous la forme d’un service exploité pour ses clients.

Le partenariat est déjà établi sur le plan commercial. En août 2026, Uniti a renouvelé un accord pluriannuel avec Cato et a obtenu le statut Advanced Partner. Uniti affirme que moins de 2 % des partenaires mondiaux de Cato détiennent cette désignation.

Les entreprises présentent également Uniti comme le premier fournisseur géré nord-américain à proposer un service SASE géré propulsé par Cato. Il s’agit d’affirmations des entreprises concernant le statut du partenariat, et non de mesures indépendantes des résultats de sécurité.

La relation réduit néanmoins une source de risque d’intégration. Uniti n’assemble pas une pile de sécurité de l’IA inconnue juste avant le lancement. L’entreprise étend une plateforme que ses équipes techniques déploient et prennent déjà en charge.

Ce mécanisme crée aussi une limite. Les contrôles ne peuvent inspecter que les interactions visibles via le trafic, les identités, les terminaux ou les applications intégrés. Les flux chiffrés, les appareils non gérés, les intégrations directes d’applications et les canaux non pris en charge peuvent créer des lacunes.

Les clients devraient donc demander quels parcours le service voit. Ils devraient tester séparément les navigateurs, les applications de bureau, les appareils mobiles, les API, les modèles internes et les outils d’agent. La « visibilité sur l’IA » n’a de sens que lorsque sa couverture est définie.

Microsoft et Google se disputent la même couche de contrôle

Le principal adversaire d’Uniti n’est pas un autre prestataire managé, mais le modèle de sécurité natif des plateformes déjà présent dans les grands environnements technologiques d’entreprise.

Microsoft propose des fonctions de découverte de l’IA et de contrôle des données via Purview, Defender for Cloud Apps, Entra et Intune. Purview peut appliquer des politiques de prévention des pertes de données, auditer les interactions, classifier les informations et enquêter sur les activités à risque.

Son avantage découle de sa proximité avec les identités Microsoft, les terminaux, les données de productivité et les produits Copilot. Une organisation fortement investie dans Microsoft 365 peut préférer des contrôles qui héritent des libellés et politiques de conformité existants.

Microsoft documente également la prise en charge de certaines applications d’IA tierces. Ses recommandations de protection de l’IA regroupent les copilotes Microsoft, les applications d’IA d’entreprise enregistrées et les services d’IA générative détectés par navigateur dans des catégories de contrôle distinctes.

Google construit un portefeuille comparable autour de Security Command Center, Sensitive Data Protection, Model Armor et de ses services d’IA cloud. Model Armor analyse les prompts et les réponses afin de détecter les injections de prompts, les données sensibles, les contenus nuisibles et les liens malveillants.

L’approche de Google est attrayante lorsque les développeurs créent des applications d’IA sur Google Cloud ou ont besoin de protections au niveau du modèle via des API. Microsoft dispose d’un avantage similaire lorsque les flux de travail d’IA restent dans son environnement d’identité et de productivité.

Uniti et Cato proposent une voie différente. Leur point d’application se situe dans le service convergé de réseau et de sécurité, plutôt que dans une suite de productivité ou une plateforme de développement cloud unique.

Cela peut aider une entreprise dotée d’un environnement technologique hétérogène. Les employés peuvent utiliser Microsoft 365, Google Workspace, des assistants d’IA publics, des logiciels spécialisés et des agents développés en interne. Une politique au niveau du réseau peut fournir une couche commune à ces environnements.

Ce modèle réduit également la charge opérationnelle des clients qui ne disposent pas d’une grande équipe de sécurité interne. Un prestataire managé peut aider à configurer les politiques, surveiller les événements et accompagner les changements, au lieu de confier aux administrateurs une console supplémentaire.

Les outils natifs des plateformes peuvent toutefois disposer d’un contexte plus riche dans leurs propres environnements. Microsoft peut exploiter les libellés de confidentialité, les signaux d’identité, l’état des appareils et les autorisations sur les documents. Une couche réseau peut voir le contenu transmis sans comprendre tous les droits métier sous-jacents.

Il ne s’agit pas d’une simple comparaison de fonctionnalités. Les clients doivent déterminer quel point de contrôle possède le contexte dont ils ont besoin et quelle équipe peut l’exploiter de manière cohérente.

Certaines organisations combineront les deux approches. Les outils natifs peuvent protéger les données et les identités au sein d’une plateforme cloud, tandis que les contrôles SASE surveillent un trafic plus large. Cette architecture en couches peut améliorer la couverture, mais aussi dupliquer les alertes et les mécanismes d’application.

Les politiques contradictoires créent des problèmes concrets. Un système peut autoriser un prompt après caviardage, tandis qu’un autre bloque la session. Des outils distincts peuvent enregistrer le même événement sous des libellés différents concernant l’utilisateur, l’application ou le risque.

Le service managé d’Uniti doit donc prouver que la consolidation crée une valeur opérationnelle. Les preuves les plus solides incluraient des délais d’enquête plus courts, moins d’applications non gérées, une exposition réduite aux données sensibles et des taux de faux positifs acceptables.

L’annonce ne fournit pas ces mesures. Tant que les déploiements ne les auront pas produites, Uniti Solutions AI Security restera un modèle de prestation crédible, soutenu principalement par les capacités du produit et un partenariat établi.

L’inspection des prompts crée ses propres compromis de sécurité

La même visibilité nécessaire pour contrôler l’IA peut exposer des interactions très sensibles entre employés et entreprise à un système d’inspection supplémentaire.

L’inspection des prompts paraît simple jusqu’à ce que les organisations examinent les éléments contenus dans ces prompts. Les employés peuvent soumettre du code source, des conseils juridiques, des informations médicales, des dossiers clients, des conclusions de sécurité ou des données financières non publiées.

Un contrôle qui lit les prompts et les réponses devient une composante du parcours des données sensibles. Les clients ont besoin de réponses claires sur les lieux de traitement, la conservation, l’accès des administrateurs, le chiffrement, le routage régional et la réponse aux incidents.

Ils doivent également déterminer si le contenu inspecté entraîne un modèle. L’annonce du service ne décrit ni les modalités de conservation des données ni celles d’entraînement des modèles. Ces détails exigent un examen contractuel et technique avant le déploiement.

Les faux positifs représentent un autre défi. Un développeur peut légitimement analyser un échantillon de code contenant des termes ressemblant à des identifiants. Un employé de la finance peut utiliser un outil approuvé avec des dossiers correctement masqués. Des contrôles trop larges pourraient interrompre ces deux tâches.

Les faux négatifs sont tout aussi graves. Des informations sensibles peuvent apparaître dans des formats inhabituels ou ne devenir identifiables que lorsqu’elles sont combinées à un autre contexte. L’analyse de l’intention peut améliorer la détection, mais aucune annonce ne garantit une compréhension parfaite.

Les applications d’IA font également face à des menaces qui dépassent la divulgation accidentelle par les employés. La liste des risques de l’OWASP inclut l’injection de prompts, la divulgation d’informations sensibles, la gestion inadéquate des sorties et l’autonomie excessive.

L’injection de prompts utilise un contenu conçu pour influencer le comportement d’un modèle. Un agent peut rencontrer des instructions hostiles dans des documents, des sites web, des e-mails ou d’autres contenus récupérés. Ce risque existe même lorsque l’employé respecte la politique de l’entreprise.

L’inspection en ligne peut contribuer à la défense, mais elle ne peut pas remplacer une conception d’application sécurisée. Les développeurs ont toujours besoin d’une autorisation stricte, de permissions d’outils limitées, d’une gestion des entrées, d’une validation des sorties et d’une approbation humaine pour les actions importantes.

La différence entre l’usage de l’IA par les employés et les agents développés en interne compte également. Les contrôles de navigateur peuvent encadrer un salarié qui envoie du texte à un assistant public. Ils ne corrigent pas automatiquement un agent interne disposant de permissions excessives sur une base de données.

Les clients doivent éviter de considérer un seul inventaire comme un registre complet des actifs d’IA. Les observations réseau doivent être rapprochées des comptes cloud, des clés API, des dépôts applicatifs, des systèmes d’identité, des passerelles de modèles et des registres d’approvisionnement.

La conception des politiques devrait commencer par un ensemble restreint de protections à forte fiabilité. Les organisations peuvent d’abord bloquer les secrets, les identifiants réglementés et les applications clairement non autorisées. Elles peuvent ensuite étendre les contrôles à partir des enseignements tirés de l’activité surveillée.

Une période de surveillance sans blocage peut révéler comment les employés utilisent réellement l’IA avant le début de l’application des règles. Les équipes de sécurité peuvent identifier les flux de travail critiques pour l’entreprise, les types de données récurrents et les départements qui ont besoin d’alternatives approuvées.

Un retour clair aux utilisateurs est également essentiel. Un prompt bloqué doit expliquer quelle politique s’est appliquée sans révéler une logique de détection que des attaquants pourraient facilement contourner. Les utilisateurs ont besoin d’une prochaine action sûre, et pas seulement d’un message d’erreur.

Le service managé peut aider sur ces détails opérationnels, mais les clients restent responsables de leurs choix de politiques. Uniti ne peut pas déterminer l’équilibre acceptable entre productivité, confidentialité, conformité et sécurité pour chaque organisation.

Le compromis central est donc inévitable. Une inspection accrue peut réduire les divulgations non gérées, mais elle concentre aussi les données d’interaction sensibles et introduit un moteur de décision supplémentaire dans les flux de travail des employés.

Trois signaux montreront si le service tient ses promesses

Le prochain test ne sera pas une nouvelle annonce de fonctionnalités, mais la preuve que les clients peuvent gouverner l’IA sans la pousser davantage dans l’ombre.

Le premier signal est l’adoption mesurable parmi les clients SASE managés d’Uniti. Uniti n’a pas indiqué combien de clients activeront l’extension ni quels secteurs l’adopteront en premier.

L’adoption par des organisations réglementées renforcerait la crédibilité du service, car ces acheteurs exigent des contrôles détaillés, une traçabilité et des garanties contractuelles. Une adoption limitée suggérerait que les clients préfèrent les plateformes natives ou ne sont pas prêts pour une application des règles au niveau des prompts.

Le deuxième signal est la preuve opérationnelle. Uniti et Cato devraient à terme communiquer des données sur la couverture des déploiements, les divulgations bloquées, les modifications de politiques, les délais d’enquête et les tendances de faux positifs. Des résultats agrégés peuvent démontrer la valeur sans exposer les données de clients individuels.

Les seuls volumes de détection constitueraient une preuve faible. Un système peut générer de nombreuses alertes parce que ses politiques sont trop bruyantes. De meilleures mesures incluent une baisse des usages non approuvés, une migration accrue vers des outils autorisés et une résolution plus rapide des incidents vérifiés.

Le troisième signal est la manière dont le service traite les agents autonomes. Le trafic des agents constitue un test plus exigeant que l’usage de chatbots par les employés, car les actions peuvent affecter des systèmes externes et des données métier.

Un programme crédible de sécurité des agents doit relier l’activité réseau à l’identité de l’agent, aux permissions déléguées, aux appels d’outils et à l’accès aux données. Si les contrôles restent centrés sur les prompts dans le navigateur, le service ne couvrira qu’une partie du risque émergent.

Ces signaux clarifieront également la position d’Uniti face aux produits de sécurité natifs des plateformes. Une visibilité étendue entre plateformes soutiendrait le modèle SASE managé. Un contexte plus riche et des opérations plus simples dans les environnements Microsoft ou Google favoriseraient les contrôles natifs.

Les entreprises n’ont pas besoin d’attendre qu’un vainqueur se dégage avant d’améliorer leur gouvernance. Elles peuvent inventorier les systèmes d’IA approuvés, définir les données à protéger, restreindre les permissions des agents et tester le comportement des contrôles dans des flux de travail représentatifs.

Elles devraient également documenter où les connaissances importantes entrent dans un processus d’IA. Cela inclut le texte copié, les documents téléversés, les dépôts connectés, les dossiers récupérés et les sorties d’outils automatisés. Une base de connaissances IA maintenue peut faciliter l’examen de ces frontières informationnelles.

Uniti Solutions AI Security arrive à un moment opportun, car l’IA d’entreprise s’est étendue au-delà des applications approuvées de manière centralisée. Son modèle de prestation managé offre aux clients un point d’application pratique dans un environnement hétérogène.

Le lancement n’établit pas que chaque interaction avec l’IA peut être correctement classifiée. Il ne supprime pas non plus la nécessité d’une conception d’application sécurisée, de contrôles d’identité, d’une gouvernance des données ou d’un comportement éclairé des employés.

La question la plus importante pour les acheteurs est opérationnelle : le service peut-il réduire les usages risqués de l’IA tout en préservant les flux de travail dont les employés dépendent déjà ? Les organisations qui envisagent l’extension devraient commencer par une cartographie de couverture, une base de référence en mode surveillance et plusieurs politiques de données à forte fiabilité. Elles devraient ensuite tester le caviardage, le blocage, l’activité des agents et l’enquête sur les incidents dans des scénarios métier réels. Les preuves obtenues compteront davantage que le nombre d’outils d’IA affichés dans un tableau de bord. Si Uniti parvient à transformer ces contrôles en une exposition moindre et une responsabilité plus claire, sa position de réseau managé deviendra précieuse. Si les utilisateurs contournent simplement l’application des règles, l’IA fantôme restera cachée plutôt que contrôlée.