IA agentique : un risque sécuritaire majeur pour les entreprises ?

Accès aux données, modification de code, actions sur des systèmes critiques : en gagnant en autonomie, l’IA change aussi d’échelle de risque. Lors d’un Angle d’Attaque avec Riskintel Media, Antoine Carnet et Brice Pinsart, de Rubrik, analysent les failles de contrôle qui accompagnent le déploiement des agents et la course engagée entre leur capacité d’action et les mécanismes de sécurité censés les encadrer.

Il aura fallu quelques mois pour que l’enthousiasme autour de l’intelligence artificielle agentique laisse place à une toute autre question : jusqu’où peut-on laisser une machine agir seule ?
‍

L’IA ne se contente plus de répondre à une question ou de générer un texte à la demande. Les agents peuvent désormais naviguer sur le web, écrire et modifier du code, accéder à des fichiers, utiliser des logiciels, interagir avec des services en ligne et enchaîner plusieurs actions sans validation humaine à chaque étape. Ce changement de nature fait émerger un risque nouveau : lorsqu’un système dispose du pouvoir d’agir, une erreur ne reste plus nécessairement confinée à une réponse incorrecte. Elle peut devenir une modification de code, une suppression de données ou une action sur un système.

À lire aussi : Cybersécurité : pourquoi l’identité devient la cible n°1 avec l’IA

L’incident survenu chez Meta en donne une illustration concrète. En février 2026, Summer Yue, chercheuse en sécurité de l’IA chez Meta, avait demandé à un agent OpenClaw de l’aider à trier sa boîte mail. L’agent s’est mis à supprimer des courriels en masse et a ignoré plusieurs demandes d’arrêt envoyées depuis son téléphone. Yue a finalement dû intervenir directement sur la machine qui exécutait l’agent. 
‍

C’est précisément ce changement d’échelle qui inquiète les spécialistes. Antoine Carnet, Sr. Director, Strategic Accounts chez Rubrik, ne remet pas en cause le principe même de cette évolution. “Je dirais que l’innovation va dans le bon sens”, estime-t-il. Mais il observe “un déséquilibre entre la vitesse et la rapidité d’adoption de l’agentique avec le contrôle, la gouvernance mais aussi la résilience”. Pour lui, l’enjeu consiste désormais à “aligner cette vitesse et cette rapidité d’adoption avec le risque”. Autrement dit, il faut aussi déterminer si les entreprises sont capables de contrôler ce qu’elles permettent de faire à l’IA.
‍

Quand l’agent entre dans le système d’information

Cette difficulté tient d’abord à la place que prennent progressivement les agents dans les entreprises. Un modèle qui produit une recommandation depuis une interface isolée n’a pas le même niveau de risque qu’un agent connecté à une messagerie, à une base de données ou à un environnement de production. Plus l’agent dispose de connexions, plus son périmètre d’action s’élargit. Et plus les entreprises multiplient ces connexions, plus elles doivent être capables de savoir précisément quels systèmes sont accessibles, avec quelles permissions et pour quelles tâches.

Brice Pinsart, Director, Sales Engineering chez Rubrik, observe déjà ce décalage. “En fait, ce qu'on observe c’est qu’il y a une association entre l’explosion des usages de l’IA et le fait que ça fragilise les défenses de sécurité dites traditionnelles”, explique-t-il. Cette inquiétude apparaît également dans les travaux récents de Rubrik. Une étude menée avec Economist Enterprise auprès de plus de 800 décideurs dans neuf pays montre que 90% des organisations interrogées déclarent déployer des agents plus rapidement que leurs équipes de sécurité ne peuvent les évaluer ou les gouverner. 

À lire aussi : Ransomware : pourquoi restaurer trop vite est une erreur fatale

Le problème rappelle celui rencontré par les entreprises lors de l’adoption du cloud, du télétravail ou du BYOD. Les usages peuvent se développer beaucoup plus vite que les politiques de sécurité censées les encadrer. Avec les agents, cependant, le phénomène prend une dimension supplémentaire : l’IA peut désormais prendre des décisions et exécuter directement des actions dans ces environnements. La difficulté est donc aussi organisationnelle. Une entreprise peut théoriquement disposer de règles de sécurité strictes tout en ignorant qu’un nouvel agent a été connecté à plusieurs applications ou qu’une équipe métier lui a accordé des permissions importantes. 
‍

De la signature à l’intention
‍

Face à ces nouveaux comportements, les outils traditionnels de cybersécurité pourraient eux aussi devoir évoluer. Pendant longtemps, une partie de la détection reposait sur la reconnaissance de signatures et de comportements déjà identifiés. C’est le principe du pattern matching : repérer une séquence connue, un fichier suspect ou un comportement correspondant à une menace répertoriée. Le pattern matching ne disparaît pas pour autant. Mais il pourrait ne plus suffire dans un environnement où les agents utilisent des outils légitimes pour accomplir des actions potentiellement problématiques. Un agent peut disposer d’un compte valide, accéder à une application autorisée et pourtant utiliser ces permissions d’une manière qui n’était pas prévue. 

À lire aussi : Protection des données : comment sécuriser le nouvel « or noir »

“Historiquement, on faisait beaucoup de pattern matching ou de pattern matching amélioré”, rappelle Brice Pinsart. “Avec l’IA, je pense qu’il faut s’intéresser à l’intention.” 

Un agent chargé de classer des documents qui tente soudainement d’accéder à une base de données financière ne présente pas nécessairement une signature technique évidente d’attaque. Son comportement peut pourtant être suffisamment anormal pour déclencher une alerte. Dans un environnement agentique, la frontière entre une donnée et une instruction peut également devenir plus difficile à établir. Un agent qui lit un document, un ticket informatique ou une page web peut rencontrer des instructions malveillantes dissimulées dans ces contenus et être incité à les suivre. La sécurité doit donc prendre en compte davantage que le simple contenu d’une requête. Elle doit intégrer le contexte, les permissions accordées à l’agent, son objectif initial et les conséquences potentielles de son action.
‍

Le véritable risque est dans le décalage
‍

Le danger n’est pas nécessairement celui d’une machine qui développerait soudainement sa propre volonté et déciderait de s’en prendre à son utilisateur. Le risque est beaucoup plus concret : des organisations donnent progressivement à des systèmes encore imparfaits la capacité d’agir sur des environnements réels, alors que leurs mécanismes de contrôle évoluent moins vite. C’est le décalage identifié par Antoine Carnet entre la vitesse d’adoption de l’agentique et celle de la gouvernance, du contrôle et de la résilience.

À lire aussi : SASE et IA en entreprise : pourquoi voir le trafic est la condition pour le contrôler

Les incidents récents en donnent une première illustration. Les recherches menées avec Mythos montrent ensuite que l’IA peut accélérer considérablement la découverte de vulnérabilités. Le passage du pattern matching à une analyse plus poussée du contexte pose enfin une autre difficulté : comprendre non seulement ce qu’un agent fait, mais pourquoi il le fait. 

Chaque problème est différent. Ensemble, ils dessinent pourtant la même évolution : l’IA augmente la vitesse et l’échelle des actions possibles, tandis que la sécurité doit apprendre à suivre ce nouveau rythme. C’est là que l’IA agentique peut devenir un risque sécuritaire majeur. Non pas parce qu’elle serait intrinsèquement dangereuse ou déjà hors de contrôle, mais parce qu’elle introduit dans les systèmes d’information une capacité d’action qui peut dépasser la vitesse à laquelle les entreprises sont capables de la surveiller, de la comprendre et de corriger ses conséquences. L’enjeu des prochaines années sera donc moins de rendre les agents parfaitement infaillibles que de construire autour d’eux des systèmes capables de limiter leurs erreurs, de détecter rapidement leurs dérives et, surtout, de reprendre la main. Avec un chatbot, une mauvaise réponse reste généralement une mauvaise réponse. Avec un agent connecté au système d’information, elle peut devenir une action. Et lorsque cette action intervient à grande vitesse, sur des données, des applications ou des infrastructures critiques, l’erreur change de dimension.