Shadow AI : repérer les usages IA non documentés dans ta stack solo
Tu peux très bien travailler seul et avoir quand même une stack IA qui t’échappe. Un compte gratuit ouvert “pour tester”, une extension Chrome gardée après un projet, un agent branché sur ton Drive ou ton CRM, puis plus rien. Tu continues à t’en servir, mais tu ne sais plus vraiment ce qu’il voit, ce qu’il garde, ni qui pourrait y accéder demain.
C’est ça, le Shadow AI. Pas un grand complot, pas une faute spectaculaire. Juste des usages qui s’additionnent, puis disparaissent de ton champ de vision. Le problème n’est pas d’utiliser trop d’IA. Le problème, c’est d’utiliser de l’IA non documentée, non revue et parfois encore connectée à tes outils les plus sensibles.
Quand on parle de Shadow AI dans une grande entreprise, on parle souvent de gouvernance, de DSI, de contrôle interne. Pour un solopreneur, la réalité est plus simple et plus inconfortable : personne ne fera l’inventaire à ta place. Si tu ne sais pas ce qui est branché sur ton activité, c’est toi qui portes le risque.
Le vrai sujet n’est pas d’ajouter un agent de plus.
Si tu veux construire un système d’agents utile, il te faut surtout une structure claire, de bons arbitrages et des retours terrain. C’est exactement ce qu’on partage dans Kavyro.
Tu arrives avec ton sujet, tu repars avec plus de clarté.
Ce que recouvre vraiment le Shadow AI quand tu travailles seul
Le Shadow AI, ce n’est pas seulement le fait de coller un texte sensible dans ChatGPT. C’est tout ce qui fonctionne dans ton dos, ou presque. Un essai d’outil IA dont tu as oublié le nom, un assistant relié à ta boîte mail, une automatisation lancée un soir de fatigue, une clé API qui tourne encore alors que le besoin a disparu.
Le piège, c’est que ces usages semblent utiles au moment où tu les mets en place. Ils te font gagner du temps, parfois beaucoup. Puis ils s’installent. Tu ne les regardes plus. Et un jour tu te rends compte que ta stack contient plus de permissions que ton activité n’en mérite.
Si tu veux déjà creuser le sujet côté agents connectés, l’article sur la défense contre la prompt injection d’un agent connecté va dans le même sens : un outil utile devient vite un point faible s’il voit trop large et s’il n’a pas de garde-fous clairs.
Les points d’entrée qui passent le plus souvent sous le radar
Le premier point d’entrée, ce sont les extensions navigateur. Une extension de résumé, un correcteur, un assistant d’écriture, un plugin de réunion. Pris séparément, ça paraît anodin. Ensemble, ça peut devenir un accès très large à ce que tu consultes, à ce que tu tapes et parfois à ce que tu synchronises dans ton navigateur.
Le deuxième point d’entrée, ce sont les comptes gratuits. Tu testes dix outils dans l’année, puis tu oublies lesquels ont des historiques de conversation, des fichiers uploadés, des espaces de travail partagés ou des connexions OAuth encore actives. Le jour où l’outil change ses règles, le problème n’est pas théorique. Il est déjà là.
Le troisième point d’entrée, plus sérieux, ce sont les agents et automatisations qui ont accès à tes systèmes métiers. Là, on ne parle plus d’un simple assistant de rédaction. On parle d’un service qui peut lire, écrire, modifier, classer, envoyer ou supprimer. Si tu ne sais pas précisément ce qu’il peut faire, tu n’as pas un outil. Tu as une zone grise.
Les risques qui comptent vraiment
Le premier risque, c’est la donnée. Chaque outil IA à qui tu as donné accès à un document, à un dossier ou à une boîte mail peut devenir un point de fuite. Tu ne sais pas toujours où les données transitent, combien de temps elles restent stockées, ni ce qui est conservé dans l’historique.
Pour les données personnelles, la question n’est pas décorative. La CNIL rappelle que l’usage de l’IA doit rester compatible avec les règles de protection des données, surtout quand il y a traitement, conservation ou partage d’informations sensibles. Si tu manipules des contacts clients, des devis ou des échanges privés, l’article sur le RGPD et les données personnelles avec des agents IA t’aide à poser le cadre.
Le deuxième risque, c’est le coût invisible. Un abonnement oublié, une plateforme devenue payante, une clé API encore active sur un projet mort. Pris à l’unité, ça ne casse rien. Additionnés sur douze mois, ça finit par compter. Et surtout, ça te donne une fausse impression de maîtrise.
Le troisième risque, c’est la dépendance. Si une partie de ton process repose sur un outil que tu ne documentes plus, tu ne maîtrises plus sa sortie. Le service ferme, change de politique, coupe sa version gratuite, ou modifie ses limites. Tu n’es pas préparé, parce que tu ne savais même plus que ce morceau faisait partie de ton activité.
Reprendre le contrôle sans transformer ta semaine en audit
Le but n’est pas d’arrêter l’IA. Le but est de savoir ce qui est là, pourquoi c’est là, et si ça mérite encore de rester. Tu n’as pas besoin d’un dispositif lourd. Tu as besoin d’un inventaire clair et d’une revue régulière.
Commence par les extensions navigateur. Ouvre la liste, supprime ce que tu n’utilises plus, coupe ce qui n’a pas de raison d’être, et garde seulement ce qui a un usage net. Si une extension demande un accès large sans bénéfice clair, elle sort. Ce n’est pas négociable.
Puis fais la même chose avec les comptes IA. Note ce que tu utilises encore, ce qui est dormant, ce qui a des données stockées, et ce qui peut être supprimé. Quand un compte n’a plus de raison d’exister, tu fermes l’accès et tu effaces ce qui peut l’être. L’inertie est le vrai carburant du Shadow AI.
Enfin, regarde les agents et les automatisations avec un œil moins romantique. Demande-toi ce qu’ils lisent, ce qu’ils modifient, et ce qu’ils peuvent envoyer sans validation humaine. Une clé en lecture seule ne pose pas le même problème qu’une clé qui écrit dans un CRM ou qui peut exporter des fichiers clients.
Le cadre CNIL et NIST pour décider quoi garder
Le NIST AI Risk Management Framework est utile parce qu’il te force à penser en termes de risques, de gouvernance et de contrôle, pas juste en termes de performance. Ce n’est pas un texte fait pour impressionner. C’est un cadre pour décider calmement ce qui mérite d’être gardé et ce qui doit être limité.
La CNIL, sur l’intelligence artificielle, aide à ne pas oublier la question des données personnelles. Si un outil voit des infos clients, des échanges commerciaux ou des éléments identifiants, tu ne peux pas faire comme si le sujet était purement technique. Le cadre juridique existe justement pour ça : éviter qu’un outil pratique devienne un problème silencieux.
Le bon réflexe n’est donc pas de chercher l’outil parfait. C’est de relier chaque usage à une règle simple : pourquoi il existe, quelles données il touche, qui peut le revoir, et quand il sera réévalué. Si tu ne peux pas répondre à ces quatre questions, l’usage n’est pas assez propre.
Garder une stack utile, pas juste spectaculaire
Un bon système IA, ce n’est pas celui qui fait le plus de choses. C’est celui que tu peux encore expliquer trois mois plus tard sans te sentir flou. Tu dois pouvoir dire ce qui est branché, pourquoi, et avec quel niveau de confiance.
Tu n’as pas besoin d’une discipline de grande entreprise. Tu as besoin d’un rituel simple. Une revue mensuelle ou trimestrielle. Une liste courte. Des accès limités. Des suppressions quand un outil n’a plus d’usage réel. C’est moins glamour qu’une démo d’agent autonome, mais beaucoup plus sain.
Et si tu veux aller plus loin, garde une règle de base : dès qu’un outil touche à des données sensibles, à des automatisations métier ou à un agent qui agit à ta place, il doit passer dans une logique de contrôle, pas d’enthousiasme. C’est là que les problèmes commencent, et c’est là qu’ils se voient le moins.
Si tu veux faire une demande d’accompagnement pour remettre ta stack IA au clair, tu peux commencer ici : Kavyro. L’idée n’est pas de tout couper, mais de garder des usages choisis, documentés et tenables dans la durée.
