Sécurité de l'IA générative en entreprise
La sécurité des systèmes d'IA générative en entreprise, expliquée à ceux qui les déploient : risques, parades, tests et traçabilité.
Sécuriser une IA générative en entreprise, c'est d'abord la traiter comme n'importe quelle application : comptes, droits, réseau, mises à jour, sauvegardes. C'est ensuite ajouter des protections contre des attaques qui n'existent pas ailleurs : un texte qui détourne le modèle (injection de prompt), une base documentaire piégée (empoisonnement), une réponse qui laisse sortir des données (exfiltration). Ce site s'adresse à ceux qui mettent ces systèmes en place : DSI (direction des systèmes d'information), RSSI (responsable de la sécurité des systèmes d'information), développeurs, dirigeants techniques de PME.
Ce que disent les deux référentiels de base
L'ANSSI (Agence nationale de la sécurité des systèmes d'information) a publié le 29/04/2024 ses « Recommandations de sécurité pour un système d'IA générative » (référence ANSSI-PA-102). Le guide pose un principe simple : un système d'IA générative est d'abord une application métier standard, qui doit disposer du même socle de sécurité que les autres applications. Il ajoute trois familles d'attaques propres à l'IA :
| Famille (ANSSI) | Ce que fait l'attaquant | Page utile |
|---|---|---|
| Manipulation | Il détourne le système en production avec des requêtes malveillantes | Injection de prompt, jailbreak |
| Infection | Il contamine le système pendant l'entraînement : données altérées, porte dérobée | Empoisonnement de données |
| Exfiltration | Il dérobe des données d'entraînement, des données d'utilisateurs ou des paramètres du modèle | Fuite de données, fuite du prompt système |
Côté développement, la référence est le Top 10 de l'OWASP (fondation qui publie des référentiels de sécurité applicative) pour les applications de modèles de langage. L'édition 2026, parue en août 2026, garde l'injection de prompt en tête et fait monter au troisième rang l'« agentivité excessive », c'est-à-dire les droits et l'autonomie trop larges laissés au modèle. Le détail est sur la page OWASP Top 10 LLM 2026.
Le principe qui traverse tout le site
La lettre d'introduction du Top 10 2026 le résume ainsi : cessez d'essayer de construire un modèle impossible à tromper, construisez plutôt le système autour, pour que rien d'important ne casse le jour où il sera trompé. Concrètement :
- les droits d'accès aux documents se vérifient avant que le modèle ne lise quoi que ce soit ;
- les actions sensibles (envoyer, payer, supprimer) passent par du code et par une validation humaine, pas par une consigne écrite au modèle ;
- chaque traitement est journalisé, pour pouvoir reconstituer un incident ;
- le système est testé par des attaques avant sa mise en service, puis régulièrement.
Par où commencer
| Votre situation | Lisez |
|---|---|
| Vous lancez un projet et devez évaluer les risques | Analyse de risque d'un système d'IA |
| Vous ouvrez un assistant ou un chatbot à vos équipes ou à vos clients | Sécuriser un chatbot d'entreprise |
| Vous développez l'application | OWASP Top 10 LLM, garde-fous d'entrée et de sortie |
| Vous préparez la mise en production | Red teaming d'une IA, journalisation |
| Vos développeurs utilisent un assistant de code | Sécurité du code généré par IA |
| Des outils d'IA circulent sans validation | Détecter le shadow AI |
| Votre groupe ou vos clients raisonnent avec le cadre américain | NIST AI RMF |
Ce que ce site ne traite pas
La sécurité propre aux serveurs MCP (Model Context Protocol, le standard qui branche des outils à un modèle) est détaillée sur la page sécurité de Cercle IA Tech · MCP. Pour les agents qui agissent seuls, voyez aussi comment limiter les permissions d'un agent ; le RGPD (règlement général sur la protection des données) relève d'un autre volet. Ici, on reste sur la sécurité : ce qui peut être attaqué, comment, et ce qui limite les dégâts. Rien sur ce site n'est un avis juridique.
Notre méthode
Chaque page cite les documents lus pour l'écrire, d'abord les sources officielles : guides de l'ANSSI, recommandations de la CNIL (Commission nationale de l'informatique et des libertés), référentiels de l'OWASP et du NIST (institut américain des normes et de la technologie), documentation des éditeurs. Les dates et les numéros de recommandation sont repris tels que lus le 15/11/2026.
Cercle IA Tech est édité par IArche, qui édite aussi ALMA, la plateforme IA pour PME. Les pages de ce site décrivent des risques et des méthodes, pas un produit.
Toutes les pages
Guides
- Analyse de risque cyber d'un système d'IA : la méthode
Mener l'analyse de risque d'un projet d'IA générative avec les deux documents de l'ANSSI : scénarios d'attaque, impacts, questions à se poser.
- Code généré par IA : les règles de sécurité de l'ANSSI
Code écrit par un assistant IA : vulnérabilités, bibliothèques inventées, porte dérobée. Les recommandations R30 à R32 de l'ANSSI et leur mise en pratique.
- Détecter le shadow AI : la méthode côté sécurité
Repérer les outils d'IA utilisés sans validation : journaux réseau, postes, extensions, autorisations. Puis trier, proposer et bloquer.
- Fuite de données par une IA générative : les voies
Réponses, journaux, traces, vecteurs, images : par où les données sortent d'un assistant IA, et les mesures de base de l'OWASP 2026 et de l'ANSSI.
- Fuite du prompt système : que risque-t-on vraiment ?
Un prompt système finit toujours par fuiter. Ce qu'il ne doit pas contenir, les niveaux de gravité de l'OWASP 2026 et les parades réalistes.
- Guardrails LLM : filtrer les entrées et les sorties
Garde-fous d'un LLM : où les placer, ce qu'ils détectent, leurs limites. NeMo Guardrails, Llama Guard 4, Prompt Shields et la méthode d'Anthropic.
- Injection de prompt : définition, exemples et parades
Injection de prompt directe et indirecte : comment un texte détourne un modèle d'IA, les formes connues en 2026 et les parades OWASP et ANSSI.
- Journaliser un système d'IA générative : quoi et combien
Quoi journaliser dans un assistant IA selon l'ANSSI (R29), combien de temps garder les journaux selon la CNIL, et comment éviter une fuite.
- Red teaming d'une IA : tester avant de mettre en ligne
Attaquer son propre chatbot IA avant sa mise en ligne : recommandations ANSSI et OWASP, méthode en six étapes, outils garak, PyRIT et promptfoo.
- Sécuriser un chatbot d'entreprise : la liste de contrôle
Accès, documents, réseau, filtres, actions, journaux, tests : sécuriser un chatbot d'entreprise, interne ou public, d'après l'ANSSI et l'OWASP.
Questions
- Jailbreak d'une IA : de quoi parle-t-on ?
Le jailbreak pousse un modèle d'IA à ignorer ses règles. Les techniques connues, la différence avec l'injection de prompt et comment protéger un chatbot.
Fiches
- NIST AI RMF : le cadre américain de gestion des risques IA
Le NIST AI RMF expliqué : quatre fonctions, sept caractéristiques, le profil IA générative NIST AI 600-1, et son usage à côté de l'ANSSI.
- OWASP Top 10 LLM 2026 : les dix risques expliqués
Le Top 10 OWASP 2026 des applications LLM : la liste, ce qui change depuis 2025, la méthode de classement et ce que chaque risque demande en pratique.
Définitions
- Empoisonnement de données d'une IA : définition
L'empoisonnement altère les données ou le modèle pour fausser une IA. Où il se produit, y compris dans une base documentaire, et comment s'en protéger.