Quelles démarches pour un déploiement conforme d’une IA en entreprise ?

Pour déployer une IA en entreprise de façon conforme, commencez par recenser les usages réels, y compris ceux que personne n'a déclarés (le « shadow IA »). Les mesures à prévoir dépendent du niveau d'usage : conversationnel, connecteurs ou agent autonome. Cet article détaille les sept étapes à suivre, du recensement des usages à leur supervision, au regard du RGPD, de l'AI Act, de NIS2 et de DORA.

image via magnific.com

Dans de nombreuses entreprises, l'intelligence artificielle s'est installée par la pratique quotidienne des équipes, en dehors de toute décision du comité de direction. Un conseiller clientèle fait rédiger ses réponses, un juriste soumet une clause à relecture, un analyste génère ses requêtes : l'usage progresse service par service, avant que quiconque ait décidé s'il est permis.

Les pratiques ont basculé ces derniers mois : les outils se connectent désormais aux messageries, aux espaces de fichiers partagés et aux CRM. Les plus avancés peuvent même exécuter des commandes, naviguer sur le web et enchaîner des tâches programmées, sans qu'un humain valide chaque étape.

Au-delà de son retour sur investissement, déployer une IA est une décision de gouvernance : elle engage simultanément la sécurité du système d'information, la conformité réglementaire et la responsabilité de l'organisation.

Shadow IA et données exposées : quel est le périmètre du risque ?

L'écart peut être considérable entre les projets d'IA inscrits à la feuille de route et les usages effectivement en cours. Le shadow IA échappe par nature à la gouvernance et aux actions de mise en conformité. Un cadrage qui ne porterait que sur les projets déclarés analyserait donc une fraction du risque, et souvent la moins exposée, puisque les usages officiels ont au moins été analysés par un comité. C'est pourquoi le recensement des cas d'usage est indispensable, et gagne à se faire par entretien avec les métiers.

Une fois qu’un projet IA est identifié, le premier réflexe peut consister à raisonner en termes de protection des données personnelles. Les données personnelles sont présentes dans une grande majorité des cas, dès que l'on quitte les usages purement techniques : identité et historique d'échanges dans un service client, curriculum vitae et comptes rendus d'entretien aux ressources humaines, comptes utilisateurs et journaux d'accès nominatifs à la DSI. Certaines relèvent même des catégories particulières de l'article 9 du RGPD, un dossier de ressources humaines contenant fréquemment des informations de santé ou révélant une appartenance syndicale.

Si ce réflexe RGPD est nécessaire, il ne couvre cependant qu'une fraction de ce qu'un collaborateur expose lorsqu'il glisse un document dans un assistant génératif. Ce qui transite également par ces outils, ce sont les grilles tarifaires négociées, les marges, les plans de fabrication industriels, le code source… Autrement dit les actifs primordiaux. S'y ajoute par ailleurs une catégorie que les organisations peuvent négliger au premier abord, celle des actifs des tiers. Soumettre leurs informations confidentielles à un outil externe engage une responsabilité contractuelle qui dépasse l’enjeu de la protection des données.

Quels enjeux de conformité une IA soulève-t-elle ? RGPD, AI Act, NIS2, DORA…

Un même outil mobilise simultanément plusieurs enjeux, que les textes applicables permettent ensuite d'objectiver. Cantonner la revue au seul RGPD serait une erreur d'appréciation, particulièrement dans les secteurs régulés où plusieurs réglementations se superposent.

  • La protection des données personnelles est l'enjeu le plus immédiat dès qu'un usage touche des informations relatives à des personnes. Le Règlement Général sur la Protection des Données (RGPD) en fixe le cadre, avec ses exigences de base légale, de minimisation, d'analyse d'impact et d'encadrement des transferts. L'IA nécessite une vigilance particulière notamment sur l'article 22 qui vise à protéger les personnes contre les décisions prises sur le seul fondement d'un traitement automatisé.

  • Garantir la confiance dans les systèmes d’IA constitue un enjeu distinct, que le Règlement sur l’Intelligence Artificielle (RIA ou AI Act) aborde par une classification préalable du système. Selon que le système relève du risque inacceptable, élevé, limité ou minimal, les obligations de transparence, de documentation technique, de supervision humaine et de gestion des risques varient.

  • La résilience opérationnelle devient un enjeu propre dès lors qu'un processus métier dépend d'un outil que l'entreprise ne maîtrise pas. Pour les entités financières, le Règlement DORA introduit une lecture incontournable : la dépendance à un agent IA constitue un service numérique fourni par un tiers. Cela suppose d'inscrire le fournisseur au registre des prestataires, de tester un mode dégradé et d'intégrer l'outil aux tests de résilience opérationnelle.

  • La sécurité du système d'information est un enjeu engagé dès que l'IA accède à des ressources internes ou exécute des actions. La directive NIS2 déplace pour sa part la question sur le terrain de la démonstration. Il ne suffit pas que le dispositif soit robuste, il faut pouvoir l'établir : audit du code soumis à un agent, contrôle des connecteurs autorisés, supervision des actions déclenchées, intégration au processus de gestion des incidents.

Reste des questions que la réglementation ne tranche pas et que les contrats devront régler : le statut juridique des sorties de l'IA, leur titularité, les garanties données au client. La vigilance est maximale sur le code généré, où se croisent les licences open source et le risque de reproduction de contenus protégés. Quant à la responsabilité en cas d'hallucination notamment, elle se détermine dans le contrat, faute de quoi elle se découvrira dans le litige.

Conversation, connecteurs ou agent autonome : quelles mesures de conformité selon l'usage de l'IA ?

Une erreur consisterait à traiter tous les usages sur le même plan, en appliquant à un résumé de réunion la défiance que mériterait un agent connecté au système d'information. Il faut donc cartographier, cas d'usage par cas d'usage, deux variables indépendantes : le niveau de capacité technique mobilisé et la nature des données manipulées.

Niveau 1 : l'usage conversationnel

L'usage conversationnel décrit l’usage par lequel le collaborateur dialogue avec l'outil et y insère ponctuellement des documents. Sans données personnelles, le risque reste modéré et se traite pour l'essentiel par des mesures d'organisation : charte d'usage, sensibilisation, contrôle de la qualité des sorties et prévention des fuites de données.

L'introduction de données personnelles impose deux vérifications : la base légale du traitement initial autorise-t-elle cette nouvelle finalité, et l'outil retenu permet-il encore aux personnes d'exercer leurs droits ? L'évaluation du besoin d'une analyse d'impact (AIPD) au sens du RGPD doit également être systématique.

Niveau 2 : les connecteurs et les extensions

Les connecteurs et les extensions permettent à l'IA d’accéder directement à des outils tiers.  Le périmètre exposé correspond désormais aux habilitations du collaborateur, au-delà des documents qu'il choisit d'introduire. Or, dans bien des organisations, il s’agit d’un périmètre mal connu, parfois vaste, et non audité depuis des années. La maîtrise passe ici par des mesures techniques : cartographie des connecteurs et des données qu'ils atteignent, liste blanche validée par le RSSI et le DPO, connexion et déconnexion manuelles plutôt que persistantes, lecture seule par défaut. Dès que des données personnelles circulent, l’AIPD devient la règle, une analyse des transferts s'impose en cas de flux hors Union européenne et la sous-traitance en cascade doit être documentée au titre de l'article 28.

Niveau 3 : l'agent autonome

L'agent autonome exécute des commandes, manipule des fichiers, navigue sur le web et déclenche des tâches programmées. Il faut dès lors envisager des mesures plus drastiques : environnement d'exécution isolé, cloisonnement strict des accès, journalisation centralisée vers l'outil de supervision de sécurité. Sur les données relevant de l'article 9, la position prudente consiste à écarter ce niveau d'usage aussi longtemps qu'une localisation des données dans l'Union européenne n'est pas garantie. A ce titre, dans un bulletin d'actualité publié le 13 avril 2026, le CERT-FR constate que les produits d'automatisation par IA agentique installés sur les postes de travail ne sont pas stabilisés du point de vue de la sécurité. Il recommande explicitement de proscrire leur déploiement en production tant qu'ils ne sont pas éprouvés, en les cantonnant à des bacs à sable dépourvus de données sensibles. Une telle position n'interdit pas d'avancer, mais elle déplace la charge de la preuve : déployer un agent en production devient un choix à assumer et à documenter.

Déployer une IA conforme en entreprise : les 7 étapes

1. Recenser les cas d'usage réels

Le recensement doit porter sur les usages réels (en acceptant d'emblée que la plupart n'aient jamais été déclarés) autant que sur les usages envisagés, service par service. Le point de départ n'est pas tant l'outil que les besoins, identifiés en dialoguant avec les équipes et révélés par les usages déjà en place. Pour chacun, quatre éléments doivent a minima être arrêtés : la finalité, les données traitées, le niveau d'usage (conversationnel, connecteurs ou agent autonome) et la criticité métier.

2. Poser la gouvernance de l’IA

Un comité IA réunissant les fonctions clés, dont DSI, RSSI, DPO, direction juridique et représentants métiers constitue l'organe, qui doit disposer d'un véritable mandat d'arbitrage. Sa première production utile est une politique d'autorisation : qui peut activer quelle capacité, sur quelles données, sous quelle validation. Si le déploiement modifie l'organisation du travail (gains de productivité, automatisation de tâches, nouvelles formes de contrôle de l'activité), l'information et la consultation du comité social et économique relèvent d'une obligation du Code du travail et doivent intervenir en amont, non une fois les outils installés.

3. Conduire l'analyse de risques

Elle se mène usage par usage, selon le niveau d'usage attribué à chacun lors du recensement (conversationnel, connecteurs ou agent autonome – voir plus haut). Elle est nécessairement multidimensionnelle. Deux volets s’avèrent notamment essentiels : la cartographie de la chaîne d'approvisionnement en IA, du fournisseur à ses propres sous-traitants, puis l'identification des risques résiduels propres à cette technologie (injection de prompts indirecte, hallucinations, fuite de données par un connecteur mal cadré…). L’AIPD, dédiée à la protection des données personnelles, peut être menée conjointement ou directement intégrée à l’analyse de risques.

4. Verrouiller le dispositif documentaire et contractuel

Côté fournisseur, la revue porte sur le contrat de sous-traitance, les clauses contractuelles types, la liste des sous-traitants ultérieurs, la réversibilité, les engagements de notification et les certifications détenues (SOC 2, ISO 27001, ISO 42001). A cela s’ajoute la collecte et la conservation de la documentation des modèles utilisés (versions, paramètres, sources d'entraînement publiées, certifications…). L’AI Act l'impose pour les systèmes à haut risque et, en cas de contentieux, elle constitue souvent la seule preuve de ce que l'entreprise savait au moment du déploiement.

Côté interne, la charte informatique doit être étendue aux outils d'IA et complétée par une charte dédiée qui tranche explicitement les usages autorisés et proscrits, le rôle de la supervision humaine et la propriété des sorties. Reste l'information des personnes concernées, qui suppose a minima une mise à jour de la politique de protection des données et, le cas échéant, des conditions générales.

5. Sécuriser la relation avec les clients et les partenaires

Les contrats commerciaux sont un maillon à ne pas omettre dans les projets IA. Ils doivent pourtant traiter l'information du client sur le recours à l'IA, la confidentialité, la titularité de la propriété intellectuelle des livrables, l'allocation des responsabilités en cas d'erreur imputable à l'outil et les conditions de réutilisation des données.

6. Former les équipes

Les formations doivent couvrir la formulation des demandes, les limites intrinsèques des outils, les modalités concrètes de la supervision humaine et la détection des biais comme des hallucinations.

7. Superviser et faire vivre le dispositif

La supervision humaine n'a de valeur que si elle s'exerce sur le fond : relecture effective des sorties, détection des dérives, remise en question périodique de la qualité produite. Elle s'accompagne d'une journalisation centralisée, d'une revue régulière de l'analyse de risque et d'une veille technologique et réglementaire, dans un domaine où les positions des autorités évoluent au rythme des produits.

Documenter chaque décision pour prouver sa conformité

Ces sept étapes supposent une documentation formelle et traçable. L’exigence est d’abord réglementaire. L'accountability prévue par le RGPD, comme les obligations de démonstration issues de l’AI Act et de NIS2, imposent de pouvoir établir la conformité du dispositif, preuves à l'appui. L’exigence est aussi opérationnelle : la formalisation conditionne la révision des analyses et la continuité de la gouvernance lors des changements d'équipe ou d'outil. La documentation porte sur les livrables comme sur les arbitrages : motifs d'une autorisation ou d'un refus, garanties retenues en cas de risque accepté, identité du validateur, date de la décision.

Par où commencer ? Lancer trois chantiers, puis prioriser les projets

Devant l'ampleur de cette liste d’actions, deux réflexes opposés produisent les mêmes non-conformités : tout geler en attendant d'être prêt, ou tout ouvrir en espérant que les problèmes se régleront en chemin.

Trois chantiers peuvent pourtant être ouverts rapidement. Le comité de gouvernance fournit d'emblée une instance d'arbitrage à laquelle rapporter les questions au fil de leur apparition. Une charte IA, même provisoire et volontairement courte, constitue un levier disponible à court terme pour reprendre la main sur les usages déjà installés : quelques règles nettes sur les données interdites, les outils autorisés et l'obligation de relecture. Enfin, un recensement des cas d'usage doit être mis en œuvre au plus tôt car il conditionne tout le reste de la démarche.

La mise en conformité s'engage ensuite sur les projets ainsi identifiés, traités par ordre de priorité, et tout en documentant leurs avancements. La priorisation peut croiser la criticité, c'est-à-dire l'ampleur du risque en cas de défaillance, et l'urgence, qui dépend du volume d'usage constaté et de l'imminence d'un déploiement.


Où en êtes-vous de vos usages d'IA ?

La Robe Numérique accompagne les organisations privées et publiques dans la mise en conformité de leurs usages d'intelligence artificielle. Nos experts vous aident à cartographier vos cas d'usage, réaliser des analyses d'impact et de transferts, mettre en place un comité IA et une politique d'autorisation, rédiger votre charte IA et passer en revue vos contrats, côté fournisseurs comme côté clients. Contactez notre équipe pour un premier échange sur votre situation.


Sources et références

ANSSI, Développer la confiance dans l'IA à travers une approche par les risques cyber, février 2025.

CERT-FR, Bulletin d'actualité CERTFR-2026-ACT-016, Vulnérabilités et risques des produits d'automatisation par IA agentique sur les postes de travail, 13 avril 2026.

ANSSI - Recommandations de sécurité pour un système d’IA générative, 29 avril 2024.

Cadre réglementaire - RGPD (Règlement (UE) 2016/679) ; AI Act (Règlement (UE) 2024/1689) ; DORA (Règlement (UE) 2022/2554) ; Directive NIS2 (Directive (UE) 2022/2555) ; Code du travail (consultation du CSE).

Suivant
Suivant

NIS2, DORA, ISO 27001 : la responsabilité des dirigeants en cybersécurité va bien au-delà des équipes IT