Shadow AI, reprendre la main sur les usages cachés
Interdire ne marche pas, ignorer non plus. Une troisième voie existe, et elle commence par un sondage.

90 % des salariés utilisent déjà une IA au travail, 40 % des entreprises leur en ont fourni une. Cette différence dessine une carte de leurs vrais besoins. Ce qu'il faut en faire, par Almera.
90 % des salariés interrogés par le MIT utilisent déjà des outils d'IA personnels dans un cadre professionnel, quand 40 % seulement des entreprises ont souscrit un abonnement officiel [1]. L'écart porte un nom, le shadow AI. Il constitue le premier révélateur des vrais usages, et l'un des principaux angles morts de la conformité en 2026.
1. Ce que shadow AI recouvre
Le terme désigne l'usage d'outils d'IA non répertoriés, non autorisés ou non contrôlés par l'entreprise. Il prend trois formes principales. Les abonnements personnels utilisés pour le travail, ChatGPT Plus payé par la carte bancaire privée, Claude Pro, Gemini, Perplexity. Les versions gratuites de ces mêmes outils, plus difficiles à tracer. Les extensions de navigateur et applications mobiles installées sans validation informatique.
La scène est banale. Un commercial prépare un rendez-vous. Il copie dans ChatGPT le compte rendu confidentiel du dernier point de gouvernance de son grand compte, obtient une belle synthèse, retourne à son mail. Aucune malveillance, aucune conscience du problème. Les données viennent de partir vers un serveur hors de l'entreprise, potentiellement réutilisées pour l'entraînement selon les conditions de service en vigueur.
2. Ce que la donnée MIT dit exactement
L'étude NANDA du MIT publiée en juillet 2025 documente que les usages non officiels dépassent largement les usages officiels dans la plupart des organisations [1]. Ce constat a deux lectures. La première, alarmiste, y voit un chaos ingouvernable. La seconde, plus utile, y voit une information gratuite. Les salariés ont déjà testé pour l'entreprise ce qui marche et ce qui ne marche pas. Les vrais cas d'usage sont là, sous les yeux de la direction, dans les licences personnelles qu'elle refuse encore de voir.
3. Les trois risques réels
3.1 La fuite de données confidentielles
Les outils grand public ne sont pas conçus pour traiter des données sensibles. Un contrat en cours de négociation, une stratégie industrielle, des données RH nominatives copiés dans un chat public voyagent vers l'infrastructure de l'éditeur, parfois en dehors de l'UE. En cas d'incident révélé, la question CNIL ou celle du contentieux commercial devient délicate. Les licences entreprise, elles, garantissent contractuellement une non-réutilisation à des fins d'entraînement et un hebergement conforme.
3.2 La conformité AI Act et RGPD
L'article 4 du règlement (UE) 2024/1689 impose depuis février 2025 une obligation de maîtrise de l'IA du personnel. Une entreprise qui laisse ses salariés utiliser des outils non encadrés sans aucune formation ni charte est en défaut de moyens [2], sujet traité dans notre article sur l'article 4 de l'AI Act. Le RGPD s'applique par ailleurs à toute donnée personnelle envoyée dans un outil grand public. L'absence de base légale, d'information des personnes concernées et de contrat de sous-traitance est un problème classique de conformité.
3.3 Le risque décisionnel
Un salarié qui prend une décision fondée sur une réponse d'IA hallucinée engage l'entreprise sans le savoir. Sans encadrement des cas d'usage, ni consigne de vérification, le risque est diffus mais réel. Les cas les plus coûteux touchent le juridique, la finance et le support client.
4. Ce qui marche, et ce qui ne marche pas
4.1 Interdire, sans alternative
La stratégie de l'interdiction pure produit l'effet inverse du but recherché. Les salariés continuent à utiliser leurs outils personnels, mais s'en cachent, ce qui rend le sujet plus opaque encore. Le MIT observe le même phénomène dans presque toutes les organisations étudiées [1].
4.2 Cadrer et proposer
La stratégie qui fonctionne repose sur trois briques complémentaires. Un catalogue d'outils autorisés, avec des licences d'entreprise pour ChatGPT, Copilot ou Claude, activées rapidement pour les demandes justifiées. Une charte d'usage courte, qui définit ce qui peut ou ne peut pas être envoyé dans un modèle d'IA. Une formation minimale par population, sur les usages, les limites et les points de vigilance.
Cette combinaison résout la majorité des risques sans casser la dynamique d'adoption. Les salariés obtiennent ce qu'ils cherchaient, l'entreprise reprend la main sur les données et la formation. Le réglage fin ensuite passe par des outils de détection au niveau réseau, mais l'essentiel se joue avant.
Le test du sondage anonyme. Trois questions envoyées à vos équipes suffisent pour cartographier votre shadow AI. Utilisez-vous une IA pour votre travail. Si oui, laquelle. La payez-vous personnellement ou est-elle fournie par l'entreprise. Le taux de réponses « personnellement » révèle l'ampleur du sujet et légitime le plan d'action.
5. La méthode Almera
Nous cadrons ces sujets en trois étapes en lien avec le diagnostic IA. Cartographie des usages réels par sondage anonyme et entretiens, publication rapide d'une charte et d'un catalogue d'outils autorisés, formation de sensibilisation adressée à l'ensemble des salariés exposés. L'effet est mesurable en quelques semaines, réduction des usages non traçables, redirection vers les licences entreprise, remontée des vrais besoins métier qui alimentent la roadmap.
Ce qu'il faut retenir
Le shadow AI révèle des besoins réels. Le traiter tient en quatre temps.
- Cartographier les usages réels par sondage anonyme, sans jugement.
- Publier une charte d'usage courte et un catalogue d'outils autorisés avec licences d'entreprise.
- Former les équipes sur les usages autorisés, les données sensibles et les cas de vigilance.
- Ancrer le suivi dans la gouvernance IA, avec revue trimestrielle et registre des incidents.
Almera, cabinet de transformation IA, accompagne ces déploiements pour des grands groupes et des ETI. Réservez un diagnostic gratuit de 30 minutes pour cadrer votre plan.
Les usages qu'on interdit sans regarder sont ceux qu'on subit sans en tirer parti.
Sources
- MIT, projet NANDA, « The GenAI Divide: State of AI in Business 2025 », juillet 2025.
- Règlement (UE) 2024/1689, JOUE du 12 juillet 2024, article 4.
Se former sur ce sujet
- Mistral pour les entreprisesEn 1 jour, déployez Mistral, une IA française et souveraine, dans vos processus internes : cas d'usage, environnement sécurisé et stratégie conforme au RGPD.7h
- Deepseek, Qwen, Gemini : qui fait quoi ?En 1 jour, comparez Deepseek, Qwen, Gemini, Claude, Mistral et ChatGPT pour choisir la bonne IA de texte selon vos usages et votre contexte métier.7h
Dans la même rubrique
- IA souveraine, que valent les alternatives européennesMistral, open source déployé en interne, hybridation. Le cadre de décision qui répond aux vraies questions.
- De l'expérimentation à l'industrialisation de l'IALe saut du niveau 3 au niveau 4 est le plus difficile. Quatre chantiers structurent la bascule.
- Développer ou acheter son IA, l'arbitrage selon le MITTrois critères, quatre cas, une matrice qui tue des semaines de débat en trente minutes.