Article de blog
Comment détecter le shadow AI dans votre organisation : guide technique
69 % des organisations soupçonnent ou ont la preuve que leurs collaborateurs utilisent des IA génératives publiques interdites (Gartner, 2025). La plupart n'ont aucune visibilité sur cet usage. Ce guide technique détaille les méthodes de détection du shadow AI — analyse du trafic réseau, supervision des postes, détection d'extensions navigateur, logs de proxy, filtrage DNS — et leurs limites respectives.
Pourquoi la détection du shadow AI est différente
Les outils de sécurité traditionnels ont été conçus pour détecter des menaces sur des canaux connus : email, stockage cloud, transferts de fichiers. Le shadow AI utilise un canal différent : le navigateur web. Les employés saisissent des données sensibles directement dans des formulaires web sur des plateformes IA, sans téléchargement, sans attachement, sans transfert de fichiers identifiable. Le flux de données est entrant (prompt) et sortant (réponse), et il est chiffré en TLS 1.3.
Cette diffénce fondamentale explique pourquoi les DLP réseau, les CASB et les proxies ne suffisent pas. Ils voient le volume de trafic vers des domaines IA, mais pas le contenu des échanges. Ils peuvent bloquer un domaine, mais pas distinguer un prompt contenant un IBAN d'un prompt anodin. La détection efficace du shadow AI nécessite une approche au niveau du navigateur — là où la donnée est saisie, avant qu'elle ne soit chiffrée.
Les 5 couches de détection
1. Analyse du trafic réseau
L'analyse du trafic réseau identifie les connexions vers des domaines IA connus (chat.openai.com, claude.ai, gemini.google.com, copilot.microsoft.com) ainsi que vers des centaines d'outils spécialisés moins connus. Les indicateurs clés incluent le volume de données sortant (upload de prompts longs = forte probabilité de données sensibles), la fréquence d'accès, les horaires d'utilisation et les patterns anormaux.
Limitation : l'analyse réseau ne voit que le volume et la destination, pas le contenu. Le trafic étant chiffré en TLS 1.3, l'inspection profonde des paquets (DPI) est inefficace sans déchiffrement, ce qui soulève des problèmes de confidentialité légaux dans plusieurs juridictions européennes.
Efficacité : faible pour la détection de contenu, bonne pour la découverte d'outils
2. Logs proxy et CASB
Les proxies web et les Cloud Access Security Brokers (CASB) interceptent le trafic HTTP/S et peuvent identifier les domaines IA visités. Ils offrent une visibilité sur qui accède à quels outils, à quelle fréquence, et quel volume de données est transféré. Un CASB peut bloquer l'accès à des domaines spécifiques ouappliquer des politiques de catégorie (bloquer tous les outils de « génération de contenu »).
Limitation : les CASB ne voient que le domaine, pas le contenu du prompt. De plus, de nombreux employés contournent les proxies via des réseaux VPN personnels, des passerelles mobiles ou des navigateurs non gérés. L'expérience est claire : les CASB bloquent des domaines entiers, ce qui bloque aussi les usages légitimes (aide à la rédaction de emails, recherche de code) et pousse les employés vers des contournements.
Efficacité : moyenne pour la découverte, faible pour le contenu, contournable
3. Filtrage DNS
Le filtrage DNS fonctionne au niveau de la résolution de noms de domaine. En bloquant ou en journalisant les requêtes DNS vers des domaines IA connus, vous obtenez une visibilité basique sur l'utilisation. L'avantage est la simplicité de déploiement : il suffit de configurer les serveurs DNS de l'organisation.
Limitation : le DNS ne distingue pas les sous-domaines (chat.openai.com vs platform.openai.com), ne voit pas le contenu, et est facilement contournable via des résolveurs DNS alternatifs (1.1.1.1, 8.8.8.8) ou DoH (DNS over HTTPS). C'est une première étape nécessaire mais insuffisante.
Efficacité : faible, facilement contournable, bon comme premier indicateur
4. Monitoring des endpoints
Les agents installés sur les postes de travail (EDR/XDR) peuvent détecter l'exécution d'applications locales IA (interfaces desktop, outils de génération de code comme Cursor ou GitHub Copilot en mode desktop) et monitorer le presse-papiers pour détecter les copier-coller de données sensibles. Certains EDR avancés proposent des modules spécifiques de classification de contenu.
Limitation : le monitoring des endpoints est intrusif, coûteux en ressources, et ne couvre pas les appareils personnels (BYOD). Il soulève des questions de confidentialité des employés, en particulier dans les juridictions européennes où le droit à la vie privée au travail est protégé. Il ne voit pas non plus les outils IA utilisés via le navigateur web, qui représentent le canal principal du shadow AI.
Efficacité : bonne pour les apps locales, aveugle pour le navigateur
5. Détection au niveau du navigateur (approche Noxys)
La détection au niveau du navigateur opère là où le shadow AI se produit : dans le navigateur web. Une extension déployée via politique d'entreprise (MDM, GPO, Chrome Enterprise) intercepte les interactions avec les plateformes IA avant le chiffrement TLS. Elle peut lire le contenu des prompts en temps réel, identifier les données sensibles (PII, IBAN, secrets, données de santé) et appliquer des politiques : bloquer, encadrer (coaching) ou journaliser.
Cette approche présente trois avantages décisifs. D'abord, la visibilité complète : pas seulement le domaine visité, mais le contenu exact de chaque échange. Ensuite, la granularité : blocage ou coaching au niveau du prompt, pas du domaine entier. Enfin, la déploiabilité : moins de 10 minutes via les politiques existantes, sans proxy, sans modification réseau, sans agent lourd sur le poste de travail.
Efficacité : élevée, couvre le principal canal du shadow AI
Détection des extensions de navigateur IA
Les extensions de navigateur IA représentent un vecteur de shadow AI particulièrement insidieux. Une extension de rédaction IA peut avoir accès au contenu de chaque page web visitée — y compris les intranets, les CRM, les outils RH. En mars 2025, des chercheurs en sécurité ont identifié plus de 40 extensions de navigateur IA malveillantes ou à risque dans le Chrome Web Store, cumulant plus de 2 millions d'installations.
La détection des extensions nécessite un inventaire au niveau du navigateur. Les politiques Chrome Enterprise et les GPO Windows permettent de lister les extensions installées et de bloquer celles non approuvées. Noxys intègre cette détection dans sa solution de monitoring navigateur, identifiant automatiquement les extensions IA et leur niveau de risque.
Classifier automatiquement les données sensibles
Détecter qu'un employé visite chat.openai.com est la première étape. Détecter qu'il y saisit un IBAN, un numéro de sécurité sociale ou un secret commercial est la véritable valeur ajoutée. La classification automatique des données sensibles utilise des modèles NLP entraînés sur des patterns de PII (Personal Identifiable Information) pour identifier en temps réel la nature des données saisies dans un prompt.
Les catégories critiques à détecter incluent : les données personnelles (nom, adresse, IBAN, numéro de sécurité sociale), les données de santé (dossiers médicaux, informations génétiques), les données financières (revenues, scores de crédit, rapports comptables internes), les secrets commerciaux (code source, formules, stratégies produit), et les identifiants (mots de passe, clés API, tokens d'accès).
La détection doit opérer en moins de 10 millisecondes pour ne pas dégrader l'expérience utilisateur. Au-delà, les employés désactivent l'extension ou contournent la solution. Noxys atteint ce seuil de latence grâce à des modèles NLP légers optimisés pour l'exécution côté client, sans envoi de données vers des serveurs externes.
Architecture de détection Noxys
L'architecture de détection Noxys combine trois couches complémentaires pour une couverture complète du shadow AI :
Couche 1 : Extension navigateur
Déployée via MDM/GPO/Chrome Enterprise en moins de 10 minutes. Intercepte les prompts en temps réel avant le chiffrement TLS. Classifie les données sensibles (PII, secrets, données de santé) en moins de 10 ms. Applique les politiques de blocage, coaching ou journalisation au niveau du prompt.
Couche 2 : Inventaire des outils IA
Catalogue tous les outils IA utilisés dans l'organisation — web, extensions, applications desktop, intégrations API. Pour chaque outil, Noxys évalue la localisation des serveurs, la politique d'utilisation des données, la conformité RGPD, et le support SSO entreprise. L'inventaire est mis à jour en continu.
Couche 3 : Piste d'audit
Journal immuable de toutes les interactions avec des outils IA. Chaque prompt, chaque réponse, chaque politique appliquée (blocage, coaching, journalisation) est enregistré avec horodatage, identifiant utilisateur, type de donnée détectée et outil utilisé. Exportable pour les auditeurs et les régulateurs.
Comparatif des méthodes de détection
| Méthode | Visibilité contenu | Contournable | Déploiement | Vie privée |
|---|---|---|---|---|
| R\u00e9seau / DPI | Faible | VPN/Tor | Semaines | Convoquée |
| CASB / Proxy | Moyen | VPN perso | Semaines | Convoquée |
| DNS Filtering | Nulle | DoH | Heures | \u2713 |
| EDR / Endpoint | Moyen | BYOD | Jours | Intrusif |
| Noxys (Navigateur) | Élevée | Minime | 10 min | \u2713 |
Métriques de détection à suivre
Une fois la détection en place, suivez ces indicateurs clés pour mesurer l'efficacité et piloter les politiques :
Taux de découverte
Pourcentage d'outils IA réellement utilisés qui sont détectés. Objectif : 95 % dans les 30 premiers jours. Un taux inférieur à 80 % indique des angles morts (outils non répertoriés, contournements).
Taux de données sensibles détectées
Pourcentage de prompts contenant des données sensibles qui sont correctement identifiés. Objectif : 99 % pour les PII critiques (IBAN, numéros de sécurité sociale), 95 % pour les données sensibles génériques. Un taux inférieur indique que le modèle de classification doit être recalibré.
Temps de latence
Temps de traitement entre la saisie du prompt et l'affichage de l'alerte ou du coaching. Objectif : moins de 10 ms. Au-delà, les utilisateurs désactivent l'extension.
Taux de faux positifs
Pourcentage d'alertes qui ne contiennent pas de donnàes sensibles réelles. Objectif : moins de 5 %. Un taux élevé désensibilise les employés et réduit l'efficacité du coaching.
Détectez le shadow AI dans votre organisation
Noxys vous donne une visibilité complète en moins de 10 minutes. Commencez sur le palier découverte gratuit. Sans carte bancaire.
FAQ
La détection au niveau du navigateur est-elle conforme au RGPD ?
Oui, à condition de respecter les principes du RGPD : finalité légitime (sécurité des données), minimisation des données (ne collecter que ce qui est nécessaire), transparence (informer les employés), et droits des personnes concernées. Noxys traite les données côté client dans la mesure du possible et ne transfère vers ses serveurs que les métadonnées nécessaires (outil utilisé, type de donnée détectée, politique appliquée), jamais le contenu des prompts.
Peut-on éviter que les employés désactivent l'extension ?
Les politiques Chrome Enterprise et les GPO Windows permettent de forcer l'installation et d'interdire la désinstallation des extensions. Si un employé tente de désinstaller l'extension via un moyen non autorisé, l'événement est journalisé et une alerte est envoyée à l'équipe sécurité. La désinstallation non autorisée est traitée comme un événement de sécurité.
Quelle est la différence entre blocage et coaching ?
Le blocage empêche l'action : le prompt contenant des données sensibles n'est pas envoyé. Le coaching affiche un message educatif avant l'action, permettant à l'employé de comprendre le risque et de décider s'il continue. Le coaching est généralement plus efficace car il éduque sans frustrer, et les employés qui comprennent les risques sont 3 fois plus susceptibles de modifier leur comportement durablement.