La crise des agents fantômes chez Veeam révèle une faille dans la gouvernance de l’IA

Veeam indique que 70 % des organisations EMEA interrogées autorisent des workflows d’IA automatisés à interagir avec des données d’entreprise sensibles sans supervision complète. La crise des agents fantômes chez Veeam n’est pas simplement un nouvel avertissement sur l’utilisation de chatbots non autorisés par les employés. Elle concerne des systèmes autonomes capables de récupérer des informations, de choisir des actions et de déplacer des données tout en restant partiellement invisibles aux équipes IT.

La conclusion associée est tout aussi importante. Soixante-sept pour cent des répondants ont déclaré que des employés créaient des workflows d’IA autonomes que l’IT ne pouvait pas suivre entièrement. Ces systèmes peuvent relier des modèles, des données d’entreprise, des outils logiciels et des services externes dans des processus qui se poursuivent après le prompt initial.

Le conflit oppose désormais l’adoption rapide et décentralisée de l’IA aux contrôles centralisés que les entreprises utilisent pour gérer les identités, les applications et les données. Le shadow IT traditionnel créait des comptes logiciels non gérés. Les agents fantômes ajoutent à ce problème familier une autorité déléguée, des workflows persistants et des décisions générées par des machines.

L’étude de Veeam est parue le 9 septembre 2026, peu après l’entrée en application de dispositions majeures de l’EU AI Act. Ce calendrier transforme une lacune opérationnelle de sécurité en une question de responsabilité au niveau des conseils d’administration. Les organisations doivent comprendre non seulement quels modèles les employés utilisent, mais aussi ce à quoi leurs agents peuvent accéder et ce qu’ils peuvent modifier.

Le rapport n’établit pas que 70 % des entreprises EMEA ont subi une violation liée à l’IA. Il mesure des lacunes de supervision déclarées par un groupe défini de décideurs. La conclusion la plus défendable demeure néanmoins grave : de nombreuses grandes organisations ne peuvent pas reconstituer avec certitude la manière dont des workflows d’IA autonomes interagissent avec des informations sensibles.

Ce que l’étude EMEA de Veeam a réellement révélé

La conclusion centrale est une défaillance d’observabilité, et non la preuve d’une violation de sécurité à l’échelle régionale.

Veeam a chargé Censuswide d’interroger 1 000 décideurs d’entreprise dans les domaines de l’IT, des données et de la sécurité. Les répondants travaillaient dans des organisations comptant au moins 500 employés au Royaume-Uni, en Allemagne, en France, ainsi que sur plusieurs marchés du Moyen-Orient et d’Afrique. Censuswide a recueilli les données du 21 au 27 avril 2026.

Selon l’enquête EMEA, 70 % des organisations participantes disposaient de workflows d’IA automatisés manipulant des données sensibles sans supervision complète. Par ailleurs, 67 % ont signalé des workflows autonomes créés par des employés que l’IT ne pouvait pas suivre intégralement.

Un agent fantôme est un workflow d’IA autonome déployé ou configuré en dehors du processus de gouvernance approuvé par une organisation. Il peut associer un modèle à des outils, des identifiants, une mémoire ou des sources de données afin d’exécuter une tâche. Cette définition distingue un agent d’un employé rédigeant en privé du texte dans un chatbot grand public.

Cette distinction importe car l’autonomie modifie l’impact potentiel. Un chatbot renvoie généralement du contenu qu’une personne peut examiner. Un agent peut interroger une base de données clients, résumer des dossiers, mettre à jour un ticket, envoyer un message ou déclencher un autre service.

Veeam a constaté des différences géographiques notables au sein de son échantillon. En Allemagne, 81 % des répondants ont signalé que des workflows automatisés interagissaient avec des données sensibles sans supervision. Soixante-dix-neuf pour cent ont indiqué que des salariés créaient des workflows fantômes que l’IT ne pouvait pas suivre.

Le Royaume-Uni a également affiché un niveau d’exposition élevé. Soixante-quinze pour cent des répondants britanniques ont déclaré que leurs organisations ne disposaient pas d’une supervision adéquate lorsque des agents d’IA interagissaient avec des données sensibles. Ces chiffres nationaux indiquent que le problème de gouvernance signalé ne se limite pas à un seul environnement réglementaire ou opérationnel.

Les organisations poursuivaient déjà des alternatives aux services mondiaux d’IA sans restriction. Quarante et un pour cent ont déclaré développer des modèles locaux ou souverains spécifiquement pour répondre au shadow AI. Quarante-neuf pour cent ont décrit une approche hybride, utilisant des systèmes locaux ou souverains pour les tâches sensibles et des modèles mondiaux pour les tâches générales.

Le Moyen-Orient et l’Afrique ont présenté un schéma différent. Quarante et un pour cent des répondants de cette région ont déclaré dépendre entièrement de fournisseurs mondiaux d’IA pour tous les cas d’usage. Veeam a interprété cette différence comme la preuve que la pression réglementaire européenne influence l’architecture des entreprises.

Cette interprétation est plausible, mais l’enquête ne peut pas démontrer que la réglementation a causé cette divergence régionale. La composition sectorielle, la disponibilité des infrastructures, les pratiques d’approvisionnement et les profils des répondants peuvent également influencer les choix de déploiement. L’étude fournit un instantané utile, et non une comparaison contrôlée.

La crise des agents fantômes chez Veeam commence donc par une lacune de visibilité mesurable. Les entreprises déploient des agents plus rapidement que leurs inventaires de sécurité, leurs revues d’accès et leurs contrôles de données ne peuvent les suivre. La question non résolue est de savoir quelle part d’activité nuisible a déjà traversé cette lacune.

Pourquoi les agents fantômes créent un problème de sécurité différent

Un agent non géré associe un raisonnement incertain à un accès à des systèmes susceptibles d’entraîner des conséquences durables.

Les logiciels fantômes posent des défis aux équipes de sécurité depuis des décennies. Les employés adoptent une application non approuvée parce que l’option validée est indisponible, lente ou mal adaptée à leur travail. Les équipes de sécurité découvrent alors des transferts de données non examinés, des politiques de conservation faibles ou des comptes en dehors de la gestion centralisée des identités.

Un agent fantôme peut hériter de chacun de ces risques. Il peut également décider quelles informations récupérer, quel outil appeler et quelle action entreprendre. Cette capacité élargit l’écart entre l’intention initiale d’un utilisateur et le comportement final du système.

Prenons le cas d’un employé commercial qui crée un agent afin de préparer des briefings de comptes. Le workflow peut collecter des dossiers CRM, des fils d’e-mails, des transcriptions de réunions et des informations publiques sur des entreprises. Il peut ensuite produire un résumé et le diffuser avant un appel client.

Le bénéfice de productivité est évident. Le problème de gouvernance apparaît lorsque personne n’a documenté les sources de données, les identifiants, le comportement de conservation ou la destination des résultats du workflow. Une modification de configuration pourrait exposer des informations clients sans générer d’alerte évidente.

Le même schéma s’applique au développement logiciel. Un employé peut relier un agent au code source, aux outils de suivi des problèmes, aux outils de déploiement et à la documentation interne. Un document compromis ou un ticket manipulé pourrait orienter cet agent vers une commande non souhaitée.

NIST décrit ce risque comme le détournement d’agent, une forme d’injection indirecte de prompt. Un attaquant place des instructions malveillantes dans des données qu’un agent traite ultérieurement. L’agent peut confondre ce contenu non fiable avec une instruction et entreprendre une action non autorisée.

Les recherches de NIST sur le détournement soulignent une faiblesse architecturale fondamentale. De nombreux agents actuels placent les instructions fiables des développeurs et les données de tâches non fiables dans un même contexte de modèle. Il devient donc difficile d’établir une séparation fiable.

Le risque lié aux agents ne se limite pas aux entrées hostiles. Un modèle peut mal comprendre un objectif, sélectionner un outil inadapté ou poursuivre son exécution après qu’une hypothèse est devenue fausse. Des autorisations excessives transforment ces défaillances ordinaires de fiabilité en incidents de sécurité.

Cela explique pourquoi bloquer une liste de chatbots publics ne résout pas le problème. Les employés peuvent assembler des workflows à l’aide de plateformes d’automatisation approuvées, de services cloud, d’API de modèles ou d’assistants intégrés. Chaque composant peut être autorisé tandis que le comportement combiné demeure non examiné.

L’expression « shadow agents explained » peut sembler être une nouvelle étiquette pour le shadow AI. La différence opérationnelle réside dans l’autorité. Les équipes de sécurité doivent gouverner ce que le système peut faire, et non seulement les informations qu’un employé soumet.

Les contrôles d’identité deviennent donc centraux. Chaque agent doit disposer d’une identité traçable, d’autorisations strictement limitées, de propriétaires désignés et d’identifiants à durée limitée. Les jetons utilisateur partagés rendent plus difficile la distinction entre actions humaines et actions autonomes.

La journalisation doit également couvrir l’ensemble de la chaîne de décision. Un journal d’application classique peut enregistrer un appel d’API sans conserver l’entrée du modèle, le choix de l’outil, le contexte récupéré et la décision de politique qui le sous-tendent. Les enquêteurs voient alors le résultat sans pouvoir reconstituer la cause.

Un système de contrôle utilisable doit relier ces événements sans collecter inutilement du contenu sensible. Cet équilibre est difficile, en particulier lorsque les agents couvrent des services détenus par différents fournisseurs. Pourtant, des dossiers incomplets empêchent les équipes de sécurité de vérifier si les politiques ont fonctionné.

La crise des agents fantômes chez Veeam est en réalité un arbitrage en matière de contrôle

Le conflit principal oppose l’expérimentation décentralisée à la responsabilité centralisée, et aucune des deux parties ne peut simplement éliminer l’autre.

Les employés créent des workflows non approuvés parce que les agents peuvent supprimer une coordination fastidieuse du travail quotidien. Un analyste marketing peut collecter les résultats d’une campagne et préparer automatiquement un briefing. Une équipe opérationnelle peut acheminer des demandes, mettre à jour des dossiers et avertir les parties prenantes sans attendre un logiciel sur mesure.

Les processus d’approbation centraux fonctionnent rarement à la même vitesse. L’examen de sécurité, l’évaluation de la confidentialité, les achats et le travail d’architecture peuvent prendre plus de temps que la création d’un petit agent. Ce décalage encourage les travailleurs à considérer la gouvernance comme un obstacle qu’ils doivent contourner.

Cependant, les équipes centrales portent la responsabilité des résultats qu’elles n’ont pas autorisés. Elles doivent répondre aux questions portant sur l’accès aux données, la conservation, l’exactitude, la réponse aux incidents et les obligations réglementaires. La personne ayant créé un workflow utile peut ignorer que l’agent s’appuie sur un identifiant doté de privilèges étendus.

C’est pourquoi l’argument de Veeam sur la gouvernance de l’IA se concentre sur les données plutôt que sur les interfaces individuelles des agents. Tim Pfaelzer, directeur général et vice-président senior EMEA de Veeam, a déclaré que contrôler individuellement des milliers d’agents ne passe pas à l’échelle. Il a soutenu que les organisations devraient sécuriser et comprendre les données dont dépendent ces agents.

Cet argument est fondé. La classification des données, les politiques d’accès, le chiffrement, les contrôles de sauvegarde et les procédures de récupération peuvent s’appliquer à plusieurs modèles et cadres d’agents. Des contrôles solides au niveau des données réduisent la dépendance à un comportement parfait de chaque application.

Cependant, la gouvernance des données seule ne peut pas contrôler l’ensemble du chemin d’exécution. Un agent peut avoir un accès légitime à un document, mais utiliser son contenu pour une action non autorisée. Il peut combiner plusieurs dossiers inoffensifs en renseignements sensibles ou envoyer un résumé approuvé à la mauvaise destination.

L’architecture la plus robuste combine des contrôles de données avec des restrictions spécifiques aux agents. Les organisations doivent limiter les outils disponibles, valider les actions à fort impact, isoler les entrées non fiables et exiger une approbation humaine à des étapes définies. Elles ont également besoin d’un inventaire indiquant qui est responsable de chaque workflow.

Le guide d’OWASP sur les menaces agentiques regroupe les mesures d’atténuation autour de risques tels que la compromission de privilèges, l’usurpation d’identité, les communications inter-agents non sécurisées et les usages autonomes abusifs. Ce cadre renforce un point essentiel : la sécurité des agents recoupe plusieurs domaines de contrôle établis.

L’arbitrage affecte également les stratégies d’IA locale et souveraine. Conserver un modèle ou le traitement de ses données dans un environnement contrôlé peut contribuer au respect des exigences de résidence des données et réduire l’exposition aux services publics. Cela ne rend pas automatiquement le workflow qui en résulte sûr.

Un agent local peut toujours détenir des autorisations excessives. Il peut toujours traiter des documents empoisonnés, révéler des informations à un collègue non autorisé ou exécuter une action incorrecte. La souveraineté répond à la question de l’endroit où le traitement s’effectue, tandis que la gouvernance traite de qui peut faire quoi et dans quelles conditions.

Les architectures hybrides introduisent un autre défi. Une organisation peut réserver un modèle local aux informations sensibles et utiliser des fournisseurs mondiaux pour les tâches générales. La décision de classification doit intervenir avant que les données ne franchissent cette frontière.

Un agent prenant cette décision de manière autonome pourrait mal classifier un prompt ou un document récupéré. Un salarié pourrait également coller un contexte sensible dans le parcours global par commodité. Une gouvernance hybride efficace exige des règles de routage applicables, et non de simples recommandations écrites.

Les entreprises font donc face à un choix en matière de friction. Des contrôles qui interrompent chaque action décourageront l’adoption approuvée et renverront l’expérimentation dans l’ombre. Des contrôles qui n’interrompent jamais l’exécution offrent peu de protection contre les erreurs à fort impact.

L’approbation fondée sur les risques offre un compromis plus praticable. Une recherche en lecture seule sur des contenus peu sensibles peut fonctionner avec une surveillance légère. Un workflow qui modifie des dossiers financiers ou envoie des données réglementées devrait être soumis à une authentification renforcée et à une confirmation humaine.

Cette approche n’élimine pas le compromis lié au contrôle. Elle le rend explicite et mesurable. L’objectif n’est pas une autonomie nulle, mais une autonomie limitée par la sensibilité des données, l’impact des actions et un responsable désigné.

La responsabilité des conseils d’administration arrive avant la clarté technique

Les dirigeants sont invités à assumer la responsabilité du comportement des agents alors que de nombreuses organisations ne disposent toujours pas d’un inventaire fiable.

Veeam a indiqué que 58 % des entreprises interrogées se considéraient soumises à de nouvelles lois sur la responsabilité des entreprises. Douze pour cent ont déclaré que les responsabilités individuelles étaient partagées et peu claires. Cette combinaison peut créer à la fois une supervision redondante et des risques sans responsable.

Quarante pour cent des répondants ont exprimé des inquiétudes concernant leur responsabilité personnelle ou d’autres conséquences. Trente-neuf pour cent ont signalé une surveillance accrue de la part du conseil d’administration, tandis que 37 % ont décrit une augmentation du stress ou de l’anxiété personnelle. Trente-deux pour cent ont déclaré que la pression liée à la responsabilité avait créé des tensions ou des conflits entre dirigeants.

Les résultats comprenaient également un signal moins négatif. Quarante-cinq pour cent ont déclaré qu’une responsabilité accrue améliorait l’alignement et la concentration des dirigeants. La pression réglementaire peut donc imposer des décisions de gouvernance que les organisations avaient auparavant reportées.

Le calendrier est important en Europe. L’AI Act de l’UE est entré en vigueur en août 2024, et des dispositions importantes sont devenues applicables le 2 août 2026. La Commission européenne et les autorités nationales ont également commencé à exercer leurs pouvoirs d’application pertinents à partir de cette date.

Certaines règles concernant les systèmes à haut risque suivront plus tard selon le calendrier révisé. Toutefois, les exigences existantes en matière de transparence, de pratiques interdites et d’IA à usage général façonnent déjà la planification des entreprises. Le calendrier de l’AI Act fournit aux entreprises des dates concrètes autour desquelles organiser leurs programmes de conformité.

Veeam a constaté un large soutien à la réglementation, parallèlement à une forte incertitude. Quatre-vingt-trois pour cent des répondants s’attendaient à ce que l’AI Act de l’UE ait un effet positif. Dans le même temps, 62 % estimaient que les ambiguïtés pourraient créer un risque de conformité, et 63 % craignaient des conséquences opérationnelles ou juridiques involontaires.

Les préoccupations liées à l’ambiguïté atteignaient 74,4 % parmi les répondants britanniques et 73,6 % en Allemagne. Le Royaume-Uni est hors de l’Union européenne, mais les entreprises britanniques rencontrent toujours l’Act par l’intermédiaire de leurs activités européennes, de leurs clients, de leurs fournisseurs et de la distribution de leurs produits.

Les conseils d’administration devraient éviter de regrouper chaque workflow autonome dans une même catégorie juridique. L’AI Act s’appuie sur un cadre fondé sur les risques, et les obligations dépendent du système, du rôle, de la finalité et du contexte de déploiement. Un assistant interne à faible risque ne porte pas automatiquement les mêmes obligations qu’un système réglementé à haut risque.

Le problème pratique est que la classification exige une découverte préalable. Une entreprise ne peut pas évaluer un workflow dont elle ignore l’existence. Elle ne peut pas non plus produire une documentation crédible lorsque la responsabilité, la lignée du modèle, l’accès aux données et les autorisations des outils sont dispersés entre les services.

C’est là que la gouvernance de l’IA selon Veeam devient une question de responsabilité. Le conseil d’administration n’a pas besoin d’approuver chaque prompt, mais il a besoin de preuves que la direction peut identifier les workflows critiques. Il doit également avoir l’assurance que les agents à fort impact disposent de contrôles proportionnés à leur autorité.

La responsabilité devrait commencer par des décisions, et non par des slogans. Les dirigeants doivent définir quel cadre dirigeant est responsable du risque lié aux agents, quelle équipe maintient l’inventaire et quelles actions exigent une approbation indépendante. Ils doivent également décider à partir de quand un workflow devient suffisamment important pour faire l’objet d’un rapport au conseil.

Les indicateurs devraient révéler la qualité des contrôles plutôt que de récompenser l’adoption brute. Compter les agents déployés dit peu de choses sur la sécurité. Parmi les mesures plus utiles figurent les workflows non identifiés découverts, les autorisations excessives supprimées, les exceptions de politique accordées et les incidents reconstitués à partir de journaux complets.

Une responsabilité clairement définie peut aussi réduire les comportements défensifs. Si plusieurs dirigeants pensent s’exposer à des conséquences personnelles, mais que personne ne contrôle l’ensemble du processus, les équipes peuvent bloquer sans discernement des systèmes utiles. Un modèle de décision défini permet aux dirigeants d’accepter des risques documentés lorsque le cas d’usage le justifie.

Ce que l’enquête ne prouve pas

Les conclusions de Veeam mettent en évidence un problème de gouvernance crédible, mais l’étude ne mesure pas directement les compromissions, les pertes ou l’efficacité des contrôles.

L’enquête a été commandée par une entreprise qui vend des produits de résilience des données, de sécurité et de gouvernance. Censuswide a mené le sondage de manière indépendante, selon Veeam. Le parrainage n’invalide pas les résultats, mais les lecteurs devraient distinguer les réponses mesurées de l’interprétation du commanditaire.

L’échantillon couvrait 1 000 décideurs au sein de grandes entreprises. Il ne représentait pas toutes les organisations en Europe, au Moyen-Orient et en Afrique. Les petites entreprises, les organismes publics et les sociétés sans programmes d’IA matures peuvent signaler des conditions différentes.

La supervision autodéclarée est également subjective. Deux répondants pourraient interpréter différemment l’expression « supervision complète ». Une organisation pourrait considérer qu’une journalisation incomplète des prompts constitue une supervision insuffisante, tandis qu’une autre réserverait cette description aux outils et identifiants inconnus.

Les termes « workflow d’IA », « workflow autonome » et « agent fantôme » peuvent couvrir des systèmes très différents. Un processus de synthèse planifié et un agent autorisé à modifier une infrastructure de production ne créent pas des risques équivalents. Les pourcentages agrégés ne montrent pas combien de workflows possèdent des autorisations aux conséquences importantes.

L’étude ne révèle pas non plus un nombre vérifié de fuites de données causées par des agents fantômes. Le fait que 70 % signalent une interaction avec des données sensibles ne signifie pas que 70 % ont subi une exposition à un attaquant. Une interaction sans supervision complète est une condition de risque, pas le résultat d’un incident.

Cette distinction devrait orienter l’interprétation du titre. « Crise » est la caractérisation par Veeam de la lacune de visibilité. Les conclusions disponibles justifient une inquiétude concernant la maturité de la gouvernance, mais elles n’établissent ni la fréquence ni l’impact financier des défaillances qui en résultent.

Des travaux techniques indépendants soutiennent néanmoins le mécanisme de risque sous-jacent. L’examen de NIST de 2026 a constaté un large accord parmi les répondants selon lequel les agents introduisent des préoccupations de sécurité distinctes. Il a également conclu que les pratiques établies de cybersécurité restent pertinentes, mais nécessitent une adaptation.

L’examen de la sécurité des agents a relevé des appels à des recommandations de mise en œuvre, au partage d’informations et à des normes. Ces travaux indépendants ne valident pas les pourcentages de Veeam. Ils montrent que le défi du contrôle dépasse le positionnement commercial d’un seul fournisseur.

Une deuxième incertitude concerne le remède proposé. Sécuriser les données peut limiter les accès non autorisés et améliorer la récupération, mais le comportement d’un agent dépend également de la conception du modèle, du code d’orchestration, des outils, de la mémoire et de l’identité. Aucune couche de contrôle unique ne couvre l’ensemble du système.

Les organisations devraient donc résister à la tentation d’acheter un produit de gouvernance et de considérer le problème d’inventaire comme résolu. Les outils de découverte peuvent manquer des workflows exécutés via des comptes personnels ou des services d’automatisation peu surveillés. Les politiques peuvent également dériver à mesure que les employés modifient les prompts, les connexions et les calendriers.

Les tests techniques doivent examiner des tâches réelles. Un score générique de sécurité ne peut pas révéler si un agent de comptabilité fournisseurs traite correctement une facture manipulée. Les évaluations devraient refléter les autorisations réelles, les sources de données, les modes de défaillance et les tentatives d’attaque répétées.

L’approbation humaine n’est pas non plus une solution universelle. Les examinateurs peuvent s’habituer à des prompts fréquents et approuver des actions sans les inspecter. Une approbation de qualité exige un contexte concis, une conséquence compréhensible et un moyen pratique de rejeter ou de modifier l’action.

La contribution la plus forte de l’enquête est donc diagnostique. Elle donne aux conseils d’administration et aux équipes de sécurité une raison de vérifier si leurs contrôles supposés correspondent aux workflows observables. Son interprétation la plus faible consisterait à traiter chaque lacune signalée comme une violation confirmée ou chaque modèle souverain comme un remède complet.

Trois signaux qui montreront si la gouvernance rattrape son retard

Le prochain test consistera à déterminer si les entreprises peuvent transformer leurs préoccupations en inventaires, en limites applicables et en preuves capables de résister à l’examen d’un incident.

Le premier signal est la qualité des inventaires d’agents en entreprise. Un inventaire crédible devrait relier chaque workflow de production à un responsable, une finalité métier, un modèle, une source de données, un ensemble d’outils, une identité et un statut d’approbation. Un tableur contenant des noms d’applications ne capturera pas l’évolution du comportement des agents.

Les organisations devraient indiquer combien d’agents auparavant inconnus elles découvrent et à quelle vitesse les responsables les traitent. Une hausse temporaire des workflows fantômes découverts peut indiquer une meilleure visibilité, et non une dégradation de la sécurité. La mesure la plus solide consiste à savoir si les workflows non résolus à fort impact diminuent au fil du temps.

Ce signal renforcerait le diagnostic de Veeam si les entreprises trouvent de manière répétée des agents ayant accès à des données sensibles en dehors des inventaires existants. Il affaiblirait le cadrage de crise si les programmes de découverte révélaient surtout des expérimentations à faible impact déjà protégées par des contrôles de données efficaces.

Le deuxième signal est l’émergence de normes applicables en matière d’identité et d’autorisation. Les agents ont besoin d’identités distinctes des employés qui les créent. Les autorisations devraient refléter des tâches précises, expirer lorsque cela est approprié et produire des enregistrements adaptés aux enquêtes.

NIST a lancé une initiative sur les normes pour les agents afin de soutenir une adoption sûre et interopérable. Les progrès en matière de modèles communs d’identité, d’autorisation, d’évaluation et de communication réduiraient la dépendance aux contrôles sur mesure pour chaque plateforme.

Le soutien des fournisseurs déterminera si ces normes changent les opérations. Les entreprises devraient surveiller si les principaux fournisseurs de cloud, d’identité, d’automatisation et de modèles exposent des contrôles compatibles. Un langage de politique sans soutien au déploiement laissera les équipes gérer des journaux et des autorisations fragmentés.

Ce signal renforcerait l’argument de l’article si les fournisseurs convergent vers des identités propres aux agents et une autorisation granulaire des outils. Il l’affaiblirait si les identités ordinaires de charge de travail se révèlent suffisantes dans des déploiements réels sans créer d’angles morts significatifs.

Le troisième signal concerne les éléments de preuve liés aux incidents. Les équipes de sécurité doivent publier ou partager des cas anonymisés montrant comment des flux de travail autonomes ont échoué, quels contrôles les ont arrêtés et quels enregistrements ont permis le rétablissement. Sans données sur les résultats, il restera difficile d’étalonner les préoccupations exprimées dans les enquêtes.

Les éléments de preuve liés aux incidents doivent distinguer les divulgations accidentelles, les injections de prompts malveillantes, l’usage excessif de permissions et les décisions autonomes erronées. Chaque mode de défaillance exige une réponse différente. Les regrouper sous l’étiquette « risque lié à l’IA » masque les investissements qui réduisent réellement les dommages.

Les régulateurs peuvent renforcer cette base de preuves en clarifiant les attentes en matière de signalement et en publiant les tendances observées dans l’application des règles. Les entreprises devraient également examiner si leurs investigations liées à l’IA peuvent reconstituer les entrées d’un agent, le contexte récupéré, les appels d’outils, les validations et les résultats.

Un système bien gouverné devrait permettre cette reconstitution sans conserver indéfiniment chaque prompt sensible. Les équipes ont besoin de périodes de conservation définies, de registres d’audit protégés et de restrictions d’accès aux journaux eux-mêmes. Lorsqu’elle est mise en œuvre sans précaution, l’observabilité peut devenir un autre risque pour la vie privée.

Ce signal renforcerait la thèse de Veeam sur la crise des agents fantômes si les investigations échouaient régulièrement parce que les organisations ne disposent ni de responsabilités clairement attribuées ni de traces d’exécution. Il affaiblirait cette thèse si la télémétrie de sécurité existante permettait systématiquement un confinement rapide et une attribution fiable.

Pour les acheteurs en entreprise, l’action immédiate est simple. Demandez à chaque service quels agents il exploite, à quelles données ils accèdent et quelles actions ils peuvent effectuer. Comparez ensuite ces réponses avec la télémétrie des identités, du réseau, du cloud et de l’automatisation.

Les développeurs devraient considérer les permissions des agents comme un élément de la conception produit. Commencez par un accès en lecture seule, séparez les contenus non fiables des instructions et exigez une confirmation avant toute action conséquente. Conservez suffisamment de contexte pour expliquer les échecs sans transformer les journaux en archive de données incontrôlée.

Les travailleurs du savoir devraient partir du principe que la commodité ne vaut pas autorisation. Avant de connecter un flux de travail aux e-mails, aux fichiers, aux systèmes clients ou aux comptes rendus de réunion, vérifiez le parcours approuvé par l’organisation. Une automatisation personnelle utile peut créer une exposition institutionnelle si ses identifiants ou ses résultats échappent à tout contrôle.

Les trois prochains mois devraient indiquer si le marché répond par des contrôles mesurables ou par une nouvelle couche de documents de politique. Surveillez les inventaires, les normes d’identité et les éléments de preuve liés aux incidents, dans cet ordre. Ces signaux montreront si Veeam a identifié un déficit d’adoption temporaire ou une caractéristique durable du déploiement d’agents en entreprise.