IA générative : revoir les autorisations avant d'élargir l'accès aux données

Intelligence artificielle · 4 min

Les assistants d'IA respectent les autorisations existantes, mais ils rendent visible le surpartage accumulé au fil du temps. Découvrez comment préparer vos référentiels avant d'élargir leur utilisation.

IA générative : revoir les autorisations avant d'élargir l'accès aux données

TL;DR

Sur les plateformes qui respectent les autorisations existantes, comme Microsoft Copilot, l'assistant accède aux contenus que chaque utilisateur est déjà autorisé à consulter.
Les anciens partages excessifs, autrefois difficiles à repérer, sont désormais à une question de distance.
Cartographier l'exposition et corriger les autorisations par ordre de sensibilité doit précéder un déploiement élargi.
Un pilote avec des référentiels validés et des tests de recherche indue permet de mesurer le risque réel.
Restreindre à l'excès réduit l'utilité ; l'équilibre doit être défini avec les responsables des données.

Les assistants héritent des autorisations déjà en place

Dans de nombreuses organisations, les assistants d'IA générative connectés à la messagerie, aux référentiels documentaires et aux outils de collaboration passent progressivement du stade de projets pilotes à un usage courant. Sur les plateformes d'entreprise qui s'appuient sur les mécanismes d'identité et d'autorisation existants, l'assistant peut opérer dans le périmètre des autorisations attribuées à chaque utilisateur, sans créer par lui-même de nouveaux droits d'accès. Dans Microsoft Copilot, par exemple, la documentation de l'éditeur indique que le service respecte les contrôles d'accès existants et n'accède qu'aux contenus que l'utilisateur est autorisé à consulter. Pour les responsables IT et sécurité, la question centrale devient alors de savoir si le modèle d'autorisations actuel est prêt à être interrogé en langage naturel.

Le surpartage n'est plus caché

De nombreuses organisations vivent depuis des années avec des dossiers ouverts à toute l'entreprise, des liens de partage oubliés, des sites sans propriétaire et des groupes hérités de projets déjà clôturés. Cet excès avait un impact limité, car trouver l'information exigeait de savoir où chercher. Un assistant qui recherche et synthétise en quelques secondes change cette équation : une question générique sur les rémunérations, les évaluations de performance ou les contrats peut faire remonter des documents auxquels l'utilisateur avait un accès technique, mais qu'il n'aurait jamais dû consulter. Dans ces cas, le problème peut ne pas venir du modèle, mais d'autorisations excessives ou d'une dette de gouvernance des données que l'utilisation de l'assistant rend plus visible. Il s'agit d'un risque distinct de celui lié aux agents d'IA et identités non humaines : dans ce cas, ce sont les identifiants des agents eux-mêmes qui sont en cause ; ici, ce sont les droits accumulés par les personnes.

La cartographie de l'exposition précède la licence

Une approche prudente commence par inventorier les sources d'information auxquelles l'assistant pourra accéder ou qui seront intégrées à son mécanisme de recherche et de récupération. La correction doit être priorisée selon la sensibilité de l'information, et non selon le volume de fichiers, en commençant par des domaines tels que les ressources humaines, la finance, le juridique et les données clients. C'est une bonne pratique de désigner des responsables pour les référentiels et d'établir des revues périodiques de leurs autorisations, en appliquant le principe du moindre privilège, qui sous-tend également une architecture Zero Trust. Microsoft publie elle-même un plan de déploiement progressif en phases de pilote, de déploiement et d'exploitation, ce qui renforce l'idée que la préparation des données est un processus continu et non une tâche ponctuelle.

Un pilote au périmètre maîtrisé réduit l'incertitude

En pratique, le premier groupe d'utilisateurs doit travailler sur des référentiels déjà revus, les sources les plus sensibles étant temporairement exclues de la recherche, lorsque la plateforme le permet. Une technique utile consiste à réaliser des tests contrôlés, avec des utilisateurs et des scénarios préalablement définis, afin de vérifier si l'assistant parvient à présenter des contenus qui ne devraient pas être accessibles dans le contexte fonctionnel de ces utilisateurs. Ces tests révèlent des schémas, tels que des groupes trop larges ou des héritages d'autorisations mal configurés, qui peuvent ensuite être corrigés à grande échelle. L'éventuelle surveillance des interactions des utilisateurs doit être évaluée au regard du RGPD et des règles du droit du travail applicables, en impliquant, le cas échéant, le délégué à la protection des données.

Restreindre à l'excès a aussi un coût

Exclure de vastes zones de l'index réduit le risque, mais aussi l'utilité de l'assistant, et peut pousser les utilisateurs à se tourner vers des outils non approuvés. La revue manuelle des autorisations peine à suivre de gros volumes de fichiers, et la classification automatique peut générer des faux positifs nécessitant une validation. Les outils disponibles varient selon la plateforme et la licence souscrite. Dans les solutions développées en interne qui récupèrent l'information dans des référentiels d'entreprise, les contrôles d'autorisation doivent également être pris en compte dans le processus de récupération de l'information, et pas seulement dans l'interface présentée à l'utilisateur. Ces décisions impliquent l'IT, la sécurité, la conformité et les métiers, et un appui externe, comme des services spécialisés, peut aider à structurer l'évaluation initiale.

Des autorisations correctes soutiennent une IA utile

Les assistants d'IA générative tendent à refléter la qualité de la gouvernance des données de l'organisation. Revoir les autorisations, classifier les informations sensibles et tester le comportement lors d'un pilote contrôlé peut réduire la probabilité d'expositions indues, sans freiner l'adoption. Le niveau d'effort dépend de la taille des référentiels, du secteur, de la maturité de la classification et de la plateforme choisie, et aucune préparation n'élimine tout risque. Traiter cette revue comme une composante permanente de l'exploitation, et non comme une condition ponctuelle de démarrage, tend à produire des résultats plus cohérents.