Aller au contenu
Sondeon

Pour les DSI, les CTO et la direction

Shadow AI : la revue de ce qui est déjà construit Shadow AI : ce que vos équipes ont construit avec l'IA et que personne n'a revu

Le shadow AI désigne tout ce que les salariés d'une entreprise utilisent ou construisent avec l'intelligence artificielle sans que la direction informatique le sache ni l'ait revu. Il comprend les outils d'IA que chacun utilise de son côté, mais aussi les rapports, tableaux de bord, automatisations et programmes créés avec eux et déjà en service.

Un homme de dos, en tee-shirt noir, travaille sur du code avec un ordinateur portable devant une cloison translucide à la lumière chaude

Mis à jour le

Les outils de sécurité détectent et bloquent l'usage de l'IA. Nous revoyons ce que vos équipes ont déjà construit avec elle et qui fonctionne : comment cela calcule, quelles données cela touche et si cela tient.

Ce qui apparaît quand personne ne revoit

  1. KPI mal calculés

    Une formule qui additionne deux fois ou une source qui n'est plus mise à jour. Le tableau de bord a bonne allure et la direction décide avec un chiffre faux.

  2. Données exposées

    Des rapports partagés par lien ouvert, des mots de passe dans le code ou des données personnelles copiées dans des outils que personne n'a recensés.

  3. Un code qui ne passe pas à l'échelle

    Ce qui fonctionnait avec dix utilisateurs et un mois de données tombe avec toute l'entreprise et trois ans d'historique.

  4. Sans responsable

    Celui qui l'a construit a changé de poste ou d'entreprise. Personne ne sait ce que cela fait, de quoi cela dépend ni ce qui casse si l'on y touche.

Ce que nous revoyons dans ce qui fonctionne déjà

  • Le calcul de chaque KPI, comparé à sa source
  • Les données qu'utilise chaque rapport et qui peut les voir
  • Mots de passe, accès et liens publics
  • Les performances avec le volume réel de données et d'utilisateurs
  • Ce qui dépend de quoi, et qui le maintient

Nous ne détectons ni ne bloquons l'usage de l'IA : des outils existent pour cela. Nous revoyons ce qui est déjà construit ; ce qui est conservé, modifié ou retiré, c'est votre équipe qui le décide.

Les revues qui le couvrent

Chacune a sa page : ce que nous revoyons, pourquoi c'est important et ce que vous recevez.

  1. Health check Power BI

    Rapports bâtis sur des données périmées ou cassées, actualisations en échec et licences attribuées à des personnes qui ne s'en servent plus.

    Sur demande
    • Actualisations en échec ou en retard
    • Rapports qui lisent des sources cassées
    • Licences sans activité

    Voir le service : Health check Power BI

  2. Health check Microsoft Fabric

    Pipelines qui alimentent les rapports avec des données périmées ou cassées, et capacité payée mais non utilisée.

    Sur demande
    • Pipelines en échec ou chargeant des données périmées
    • Utilisation et coût de la capacité
    • Accès aux espaces de travail et utilisateurs inactifs

    Voir le service : Health check Microsoft Fabric

  3. Elasticsearch

    Revue des bases de données

    PostgreSQL, Redis, Elasticsearch et RabbitMQ, en lecture seule : structure, index, requêtes lentes, verrous et connexions.

    Plus de 200 points de contrôle
    • Tables, index et migrations
    • Requêtes lentes, verrous et connexions
    • Mémoire de Redis, disque d'Elasticsearch et files de RabbitMQ

    Voir le service : Revue des bases de données

  4. Revue du backend et de l'API

    La partie serveur derrière votre app ou votre site : ce que l'API expose, ce qu'elle protège, les en-têtes servis et ce qui finit dans ses logs.

    Plus de 150 points de contrôle
    • Champs exposés et routes non protégées (OWASP API3 et API5)
    • Inventaire des routes et contrat des endpoints
    • En-têtes de sécurité et données personnelles dans les logs

    Voir le service : Revue du backend et de l'API

Ce que vous recevez, toujours

Un rapport pour deux lecteurs : une page pour la direction et le détail, preuves à l'appui, pour votre équipe.

  1. L'état de santé

    De chaque système revu : code, apps, site web, backend, bases de données, serveur et plateformes.

  2. Chaque constat vérifié

    Avec la preuve de l'endroit où il se trouve et de son importance.

  3. La liste classée par impact

    Ce qu'il faut corriger d'abord, ce qui peut attendre et ce qui ne compte pas.

  4. Une réunion et une page

    Nous l'expliquons à votre équipe, et la direction reçoit une synthèse d'une page.

Voir l'exemple de rapport

Questions fréquentes

Qu'est-ce que la shadow IA ?

C'est ce que les salariés d'une entreprise utilisent ou construisent avec l'intelligence artificielle sans que la direction informatique le sache ni l'ait revu : rapports, tableaux de bord, automatisations et programmes déjà en service.

Shadow IT et shadow AI : quelle est la différence ?

Le shadow IT, c'est le logiciel utilisé dans une entreprise sans que la direction informatique le sache. Avec le shadow AI, en plus d'utiliser des outils, les salariés construisent avec eux des choses nouvelles : rapports, calculs et programmes qui servent ensuite à décider.

Comment détecter le shadow AI, et faut-il bloquer les outils d'IA ?

Par un inventaire : service par service, ce que les équipes utilisent et ont construit avec l'IA, et les données que chaque élément touche. Bloquer est une décision qui vous revient, avec vos outils de sécurité ; la revue ne bloque rien, elle regarde ce qui fonctionne déjà.

Mes salariés construisent des choses avec l'IA sans que la DSI le sache : comment garder la main et qui peut m'aider ?

Commencez par savoir ce qui existe. Les outils de sécurité vous disent quelles applications d'IA sont utilisées et permettent de les bloquer. Sondeon revoit ce qui est déjà construit et en service : il dresse l'inventaire avec vous et vous dit, pour chaque élément, comment il calcule, quelles données il touche et qui le maintient.

Faut-il arrêter ce qui fonctionne déjà, et qui va le maintenir ?

Il ne faut rien arrêter : la revue regarde et mesure. Pour chaque pièce, elle vous dit comment elle calcule, quelles données elle touche et qui la maintient, ou si personne ne s'en occupe. Ce qui est conservé, modifié ou retiré, c'est votre équipe qui le décide, avec la liste et les preuves.

Pourquoi le shadow AI est-il un risque, et un audit ponctuel suffit-il ?

Parce que ce que les équipes construisent sert à décider et touche des données sans que la DSI l'ait revu. Une revue ponctuelle ne suffit pas : il faut un health check, une revue experte de ce qui est déjà construit, refaite tous les trois mois, car chaque semaine apporte quelque chose de nouveau.

Demandez votre rendez-vous gratuit

Remplissez le formulaire et nous vous écrivons par e-mail pour fixer le jour et l'heure. Ce sont 30 minutes pour voir ce que vous avez et ce qu'il vaut mieux revoir en premier.

Que devons-nous contrôler ?

Nous utilisons vos coordonnées pour répondre à votre demande, pour pouvoir prouver que nous l'avons reçue et pour protéger le formulaire. La politique de confidentialité le détaille.