Commerce : la sécurité des données devient le vrai test de l’IA générative

L’intelligence artificielle générative n’est plus un sujet expérimental pour les enseignes, les sites de vente en ligne et les groupes de distribution. Elle sert à rédiger des fiches produit, résumer des documents, assister les équipes marketing, écrire du code ou encore automatiser certaines interactions avec les clients. Cette diffusion rapide modifie toutefois profondément la circulation des informations au sein des entreprises. Une consigne envoyée à un assistant peut contenir, parfois sans que son auteur en mesure toutes les conséquences, des données commerciales, techniques ou personnelles.

Le sujet n’est donc pas seulement de savoir si l’IA générative apporte de la productivité. Pour le commerce, qui manipule à grande échelle des catalogues, des prix, des données clients et des outils numériques interconnectés, la question devient celle du contrôle. Les chiffres disponibles montrent une double tendance : l’usage explose, tandis que les entreprises tentent de reprendre la main sur les applications, les comptes et les données qui y transitent.

Une adoption devenue presque généralisée dans le commerce

95 % des entreprises du commerce ont désormais intégré des applications d’IA générative, contre 73 % lors de l’année précédente. Une telle progression traduit la pression concurrentielle qui pèse sur le secteur. Produire plus vite des contenus pour des milliers de références, répondre à des clients sur plusieurs canaux ou aider les développeurs à maintenir les plateformes de vente sont autant de cas d’usage immédiatement identifiables.

Cette adoption ne signifie pas que toutes les organisations ont déployé les mêmes outils à la même échelle. Dans certains cas, il s’agit d’usages ponctuels par des employés. Dans d’autres, l’IA est déjà reliée à des logiciels métiers, à des environnements de développement ou à des flux automatisés. Cette différence est décisive sur le plan de la sécurité : un assistant utilisé pour reformuler un texte ne présente pas le même niveau d’exposition qu’un système connecté aux données de l’entreprise.

Pourquoi les assistants génératifs créent-ils un risque de fuite de données ?

Un modèle génératif produit une réponse à partir des instructions, documents ou informations que l’utilisateur lui fournit. Or, dans une entreprise, ces éléments peuvent inclure un extrait de code, un contrat fournisseur, une demande client, une description de produit non publiée ou une analyse commerciale. Si le salarié se sert d’un service non validé par son employeur, l’organisation peut manquer de visibilité sur ce qui est envoyé, sur les réglages de conservation des données et sur les éventuels accès accordés à des tiers.

Les informations détectées lors des violations de politiques de données illustrent la nature du problème. Le code source est impliqué dans 47 % des cas, devant les données réglementées ou confidentielles, à 39 %. Ces catégories peuvent se recouper et ne décrivent pas nécessairement des incidents distincts. Elles montrent néanmoins que les usages à risque ne se limitent pas à des textes anodins.

Le code source représente un enjeu particulier. Il peut exposer la logique d’un site marchand, des clés d’accès insérées par erreur, des chemins internes ou des failles techniques. Les données réglementées recouvrent notamment les informations que l’entreprise doit protéger en raison de leur caractère confidentiel. Dans le commerce, l’enjeu peut concerner les données clients, les données liées aux employés, les conditions commerciales ou les documents relatifs à la chaîne d’approvisionnement.

Le risque augmente quand l’IA est utilisée sans réflexion sur le contexte. Copier un fichier entier dans une fenêtre de discussion afin d’obtenir un résumé, demander à un assistant de corriger un programme en y laissant des identifiants techniques, ou téléverser un tableau de suivi client sont des gestes simples. Ils peuvent toutefois faire sortir l’information du périmètre prévu par l’entreprise.

ChatGPT domine, mais les outils intégrés gagnent du terrain

Parmi les applications d’IA générative utilisées par les entreprises du commerce, ChatGPT arrive en tête avec 81 %. Google Gemini, à 60 %, et Microsoft Copilot, à 56 %, suivent de près. Cette diversité reflète des stratégies différentes : certains employés adoptent des assistants généralistes disponibles sur le Web, tandis que les directions informatiques privilégient de plus en plus des solutions intégrées à des environnements déjà utilisés pour la bureautique, le cloud ou le développement logiciel.

La légère baisse de popularité de ChatGPT observée parallèlement à la montée de Microsoft 365 Copilot suggère un déplacement progressif vers des outils inclus dans les suites de travail existantes. Pour une entreprise, cette intégration peut faciliter la gestion des identités, des autorisations et des règles de protection. Elle ne dispense pas pour autant de définir ce que les salariés peuvent demander à l’outil, ni les documents qu’ils sont autorisés à lui confier.

Du « shadow AI » à des usages davantage gouvernés

L’un des changements les plus significatifs concerne l’origine des comptes employés. L’usage de comptes personnels pour les applications d’IA générative est passé de 74 % à 36 %. En parallèle, la part des organisations utilisant des outils approuvés par l’entreprise a plus que doublé pour atteindre 52 %.

Ce basculement répond au phénomène souvent désigné par l’expression « shadow AI », c’est-à-dire l’usage d’outils d’intelligence artificielle en dehors du cadre défini par la direction informatique ou les équipes de sécurité. Il ne traduit pas nécessairement une volonté de contourner les règles. Les employés cherchent fréquemment la solution la plus rapide pour rédiger, traduire, synthétiser ou programmer. Mais une organisation qui ne connaît pas les outils employés ne peut pas correctement appliquer ses règles de confidentialité ni mesurer les transferts de données.

La réponse ne consiste pas forcément à interdire toute IA générative. Une interdiction totale risque de déplacer les usages hors de la vue de l’entreprise, sans faire disparaître le besoin. L’enjeu est plutôt de proposer des alternatives approuvées, simples d’accès et adaptées aux tâches réelles des équipes. C’est aussi un sujet de formation : un salarié doit pouvoir distinguer une donnée publique, une information interne et une donnée qui ne doit jamais être saisie dans un service externe.

Les plateformes d’entreprise offrent plus de contrôle, pas une immunité

Face aux outils grand public, les enseignes se tournent vers des plateformes d’IA d’entreprise fournies par les grands acteurs du cloud. Ces environnements peuvent permettre l’hébergement privé de modèles, la création d’applications sur mesure et un contrôle plus fin des accès. OpenAI via Azure et Amazon Bedrock occupent chacun la première place, avec 16 % des entreprises.

Ces solutions apportent une réponse à plusieurs besoins : centraliser les identités des utilisateurs, tracer les accès, limiter les données auxquelles une application peut se connecter et éviter que chacun utilise son propre compte personnel. Elles permettent aussi de concevoir des assistants spécialisés, par exemple pour rechercher dans une documentation interne ou accompagner les équipes de support.

Mais la sécurité dépend aussi de la manière dont ces services sont configurés. 63 % des organisations connectent directement leur infrastructure aux API d’OpenAI, ce qui ancre l’IA dans les systèmes d’arrière-plan et les flux de travail automatisés. Une API est une interface qui permet à deux logiciels d’échanger des informations. Cette connexion peut être utile pour automatiser une tâche, mais elle crée un chemin supplémentaire à protéger.

Les responsables doivent notamment vérifier quels systèmes peuvent appeler l’API, quelles données sont envoyées, qui possède les clés d’accès et quelles actions un assistant est autorisé à déclencher. Plus l’outil est connecté à des fonctions sensibles, comme un système de commande, un catalogue ou un environnement de développement, plus les autorisations doivent être limitées et surveillées.

Applications personnelles et logiciels malveillants : un risque qui dépasse l’IA

L’IA générative s’insère dans un environnement numérique déjà complexe. Les applications personnelles utilisées sur les appareils professionnels, les sites de partage de fichiers et les réseaux sociaux font eux aussi circuler des informations. Facebook et LinkedIn sont employés respectivement par 96 % et 94 % des entreprises étudiées. Dans ce contexte, le chargement de données réglementées vers des applications non approuvées représente 76 % des violations observées.

Certaines applications sont désormais explicitement interdites par des détaillants en raison de risques jugés trop élevés. ZeroGPT figure fréquemment sur ces listes noires, notamment en raison de préoccupations sur la conservation des contenus utilisateurs et la redirection de données vers des sites tiers. Pour une entreprise, la difficulté est de distinguer l’outil réellement nécessaire d’un service peu transparent, adopté de manière opportuniste.

Les vecteurs de logiciels malveillants restent aussi un sujet majeur. Microsoft OneDrive est associé à des attaques touchant 11 % des détaillants chaque mois, tandis que GitHub est impliqué dans 9,7 % des cas. Ces chiffres ne signifient pas que ces plateformes seraient dangereuses par nature. Elles sont très utilisées et peuvent être détournées par des attaquants pour héberger ou diffuser des contenus malveillants en s’appuyant sur des noms connus. La vigilance doit donc porter sur les fichiers, les liens et les droits accordés, y compris lorsqu’ils proviennent d’un service familier.

Ce qu’il faut surveiller dans les prochains déploiements

L’adoption de l’IA générative dans le commerce va continuer à se jouer sur la confiance. Les entreprises ont besoin de gains de productivité, mais elles doivent aussi protéger ce qui constitue leur avantage concurrentiel : leurs données clients, leurs processus, leurs logiciels et leurs relations commerciales.

Trois priorités se dégagent. La première est la visibilité : savoir quelles applications sont utilisées, par quels comptes et avec quelles catégories de données. La deuxième est le contrôle : bloquer ou restreindre les services trop risqués, appliquer des règles de protection lors du chargement de documents et encadrer les connexions aux API. La troisième est l’accompagnement : former les équipes et leur fournir des outils validés, afin que la sécurité ne soit pas vécue comme un obstacle impossible à contourner.

La maturité ne se mesure donc pas au nombre d’assistants déployés. Elle se mesure à la capacité de l’entreprise à bénéficier de l’IA tout en gardant la maîtrise de ses informations. Dans un secteur où la rapidité est essentielle, cette gouvernance devient une condition pratique de l’adoption à grande échelle.