Gouvernance IA du RSSI, quand la cybersécurité rencontre le risque lié à l'IA

Pour les RSSI (Responsable de la Sécurité des Systèmes d'Information) en 2026, l'IA crée un double défi : les systèmes d'IA constituent à la fois une nouvelle surface d'attaque à défendre et une nouvelle catégorie d'actifs à gouverner. Le rapport Global Cybersecurity Outlook 2025 du Forum économique mondial (WEF) indique que 72 % des organisations estiment que le risque cyber a augmenté. L'enquête 2025 de Darktrace a révélé que 78 % des RSSI signalent un impact significatif des menaces liées à l'IA, et 93 % s'attendent à des attaques quotidiennes propulsées par l'IA d'ici un an. L'IA est ainsi passée d'une préoccupation technologique à un enjeu de sécurité et de gouvernance porté au niveau du conseil d'administration.

Les quatre catégories de menaces liées à l'IA que les RSSI doivent traiter

Injection de prompt et attaques adverses. Le rapport d'avril 2026 de la Cloud Security Alliance a confirmé l'exécution de code à distance via l'injection de prompt dans des systèmes d'IA en production. Les vecteurs d'attaque incluent l'injection de prompt directe, l'injection de prompt indirecte via des sources de données, le détournement de navigateurs agentiques en zéro clic (zero-click agentic browser hijacking), et la manipulation de l'usage des outils. Le Top 10 OWASP pour les applications LLM constitue la référence de base, bien que seulement 29 % des organisations le suivent (Moody's, 2025).

Fuite de données via l'IA. Des employés saisissant des données confidentielles dans des outils d'IA grand public, l'IA traitant des données personnelles au-delà du périmètre autorisé, l'extraction de données d'entraînement à partir des modèles. L'enquête 2026 de Saviynt, menée auprès de plus de 200 RSSI, a révélé que « l'IA dispose d'accès que personne n'a accordés », des agents IA opérant avec des permissions qui n'ont jamais été formellement autorisées via les processus IAM.

Empoisonnement de modèle et chaîne d'approvisionnement. Données d'entraînement compromises, fine-tuning malveillant, attaques de la chaîne d'approvisionnement via les dépôts de modèles d'IA. La divulgation de la vulnérabilité OpenClaw (novembre 2025) a identifié plus de 21 000 instances exposées, 12 % du contenu des dépôts contenant des logiciels malveillants.

Menaces propulsées par l'IA. Phishing généré par IA (40 % des tentatives de phishing sont désormais générées par IA, selon Cobalt), vulnérabilités de code assistées par IA (87 % des pull requests générées par IA contiennent des failles de sécurité, selon DryRun), deepfakes utilisés pour l'ingénierie sociale, et découverte automatisée de vulnérabilités.

Les attentes spécifiques de l'APRA (Australian Prudential Regulation Authority) pertinentes pour les RSSI

La lettre sectorielle de l'APRA du 30 avril 2026 a désigné la gestion des identités et des accès pour les acteurs non humains (agents IA) comme une lacune spécifique. Ce sujet relève directement du périmètre du RSSI : les agents IA nécessitent des contrôles IAM, une authentification, une autorisation et une journalisation d'audit équivalents à ceux des utilisateurs humains. La norme CPS 234 (sécurité de l'information) s'applique aux systèmes d'IA traitant des actifs informationnels. Des tests adverses, injection de prompt, jailbreak, exfiltration de données, sont attendus pour les systèmes d'IA significatifs.

Alignement des référentiels pour les RSSI

La pile de référentiels opérationnels pour la gouvernance IA du RSSI : le NIST AI RMF (gestion des risques spécifique à l'IA) + le NIST Cybersecurity Framework 2.0 (gestion du risque cyber) + le NIST IR 8596 (avant-projet préliminaire de décembre 2025 faisant le pont entre les deux). La norme ISO/IEC 42001 pour le système de management de l'IA + la norme ISO 27001 pour la sécurité de l'information. Le Top 10 OWASP LLM pour la sécurité des applications. Les exigences de cybersécurité de l'AI Act européen (règlement sur l'intelligence artificielle) pour l'IA relevant de son champ d'application. La norme CPS 234 pour la sécurité de l'information des services financiers australiens.

Ce que les RSSI doivent mettre en place

Contrôles de sécurité spécifiques à l'IA. Tests d'injection de prompt, filtrage des sorties, validation des entrées pour les systèmes d'IA. Limitation de débit (rate limiting) et détection d'anomalies pour les accès aux API d'IA. Règles de prévention des pertes de données (DLP) couvrant les saisies dans les outils d'IA. Segmentation réseau pour l'infrastructure d'entraînement et d'inférence de l'IA.

IAM pour les acteurs non humains. Les agents IA, les workflows automatisés et les processus pilotés par l'IA nécessitent une gestion des identités : identités uniques, accès selon le principe du moindre privilège, authentification, journalisation d'audit et revue des accès. C'est la lacune spécifiquement désignée par l'APRA.

Évaluation de sécurité des fournisseurs d'IA. L'évaluation standard des risques liés aux tiers, étendue avec des questions spécifiques à l'IA : tests de sécurité du modèle, sécurité des données d'entraînement, robustesse face aux attaques adverses, réponse aux incidents pour les défaillances propres à l'IA.

Réponse aux incidents pour l'IA. Les incidents liés à l'IA (anomalies de comportement du modèle, attaques adverses, fuites de données via l'IA, incidents liés à du contenu généré par IA) nécessitent des procédures de réponse définies, des chemins d'escalade et des obligations de signalement.

Sensibilisation à la sécurité pour l'IA. Formation du personnel aux risques spécifiques à l'IA : ce qu'il ne faut pas saisir dans les outils d'IA, comment reconnaître le phishing généré par IA, comment signaler les préoccupations de sécurité liées à l'IA.

Lectures connexes

Pour aller plus loin : Guide de l'ASD ACSC sur l'IA agentique