Stratégies de sécurité pour l’IA multimodèle : deux mesures à prendre dès maintenant

Lee EnnisResponsable senior, science des données | F5

La sécurité de l’IA est au cœur des discussions du secteur cette année, mais déterminer la voie la plus sûre à suivre peut sembler insurmontable. Le lancement à un rythme effréné de modèles toujours plus puissants, l’essor du trafic généré par des agents, la montée de l’IA fantôme et la menace que représentent les modèles de pointe entre les mains d’acteurs malveillants pèsent lourdement sur les opérations quotidiennes comme sur les feuilles de route à long terme.

Les dirigeants doivent également réfléchir de manière stratégique à l’allocation des ressources lorsqu’ils déploient plusieurs modèles d’IA. Tout comme vous ne prendriez pas une Porsche 911 Turbo pour effectuer des courses ordinaires, vous ne devriez pas utiliser vos modèles les plus coûteux et les plus gourmands en puissance de calcul pour des tâches simples. Il est essentiel de maximiser l’efficacité de l’IA, mais il reste difficile de prendre du recul par rapport au flot quotidien pour adopter cette vision d’ensemble.

Bien entendu, cela ne ralentit pas l’adoption de l’IA. Notre 12e enquête annuelle menée auprès des décideurs informatiques du monde entier révèle à quel point les applications d’IA sont déjà profondément intégrées aux systèmes de production et aux processus opérationnels. Dans les entreprises réalisant au moins 1 milliard de dollars de chiffre d’affaires annuel, 55 % des applications en moyenne intègrent déjà l’IA, franchissant ainsi la barre des 50 % en quelques années seulement. Par ailleurs, 78 % des organisations gèrent elles-mêmes, au moins en partie, l’inférence de leurs modèles.

« Prêt ou pas » n’est pas une approche sûre

Malheureusement, les données indiquent également que de nombreuses organisations brûlent les étapes. Il ne fait guère de doute que l’adoption de l’IA a progressé plus vite que la visibilité sur son utilisation. Plus d’un tiers des personnes interrogées dans le cadre de notre enquête (35 %) reconnaissent que leurs infrastructures ne sont pas prêtes à assurer la gouvernance, l’observabilité et la sécurité dont leurs charges de travail d’IA ont besoin. D’autres avancent probablement à toute vitesse dans le brouillard, avec un faux sentiment de maîtrise et sans phares adaptés.

Heureusement, vous pouvez prendre dès aujourd’hui plusieurs mesures clés pour permettre à votre organisation de progresser en toute sécurité vers la réussite de ses projets d’IA.

Étape 1 : prenez les commandes de l’IA multimodèle

La première étape consiste à prendre le contrôle de vos déploiements multimodèles. Une organisation utilise en moyenne sept modèles ou familles de modèles différents en production ou en cours d’évaluation active, et les plus grandes entreprises, dont de nombreux clients de F5, en utilisent généralement encore davantage. Si 52 % des organisations enchaînent ou orchestrent des modèles, près de la moitié en exploitent plusieurs avec peu de coordination et une sécurité incohérente.

Avant que les modèles d’IA ne se multiplient davantage, dressez l’inventaire de vos modèles et de vos services d’inférence. Considérez-les comme une nouvelle couche d’infrastructure qui doit être sécurisée et optimisée :

• Identifiez les redondances : Repérez les fonctionnalités qui se chevauchent et résolvez rapidement les problèmes de compatibilité.
• Analysez les facteurs de coûts : Comprenez précisément comment votre budget de calcul est utilisé.
• Évaluez les risques de sécurité : Identifiez les vulnérabilités propres à certains modèles ou à certaines charges de travail.
• Adaptez les tâches aux modèles : Veillez à ce que vos modèles d’IA accomplissent les tâches qui contribueront à la réussite de votre entreprise, tandis que vos besoins plus courants sont pris en charge par des services plus classiques, à des coûts proportionnés à leur valeur.

Des outils tels que les registres de modèles peuvent aider à clarifier les dépendances et permettre aux frameworks d’orchestration d’assurer un changement de modèle ou un basculement fluides. Un inventaire complet favorise un routage efficace et une meilleure résilience, garantit une sécurité homogène et facilite le passage à l’échelle sans écueils liés aux coûts, à la complexité ou à la sécurité.

Étape 2 : gérez l’explosion du trafic lié à l’IA

Votre inventaire vous préparera également au prochain obstacle majeur : l’explosion du nombre d’agents d’IA. Le trafic automatisé et piloté par l’IA représente déjà plus de la moitié du trafic Internet. Alors que deux tiers des organisations utilisent l’IA pour renforcer l’automatisation, le nombre d’agents sur le Web connaît une croissance exponentielle. De fait, 77 % des organisations s’attendent déjà à ce que la gestion de l’identité et des accès des agents engendre des difficultés opérationnelles et des enjeux de sécurité.

Leurs inquiétudes sont fondées. La gestion des accès pour les identités machines peut rapidement submerger les administrateurs de la sécurité, entraînant des risques importants de vol d’identifiants, d’abus de privilèges et d’usurpation d’identité.

Évitez les catastrophes en élaborant des politiques de gouvernance strictes pour les identités non humaines. Parmi les approches efficaces figurent l’acheminement du trafic via des répartiteurs de charge sensibles à l’identité et la mise en place de garde-fous limitant les actions autonomes de l’IA à des optimisations réversibles des performances. La sécurisation des actions non déterministes peut s’avérer complexe, mais des solutions de sécurité des plateformes comme notre F5 AI Security Platform récemment annoncée éliminent toute incertitude.

Lors de la mise en place de la gouvernance, veillez à inclure une modélisation économique de la consommation des services d’agents. Les modèles de revenus sont encore en pleine évolution, et une facturation à la tâche ou à l’interaction pourrait bientôt remplacer les frais traditionnels par utilisateur. Tout comme les ceintures de sécurité et les arceaux de protection renforcent la sécurité lors d’aventures tout-terrain, traiter dès maintenant ces questions de gouvernance préparera votre organisation à gérer un trafic d’agents débridé sans perturber les futurs flux de travail.

Ce ne sont là que quelques-unes des mesures que les organisations devraient envisager pour améliorer la visibilité sur l’IA multimodèle et la cybersécurité dans un contexte de croissance fulgurante des agents IA. Pour en savoir plus, consultez notre récent rapport : « État des lieux de l’inférence IA en 2026 : implications pour les infrastructures applicatives. »

À propos de l’auteur

Lee EnnisResponsable senior, science des données | F5

Lee Ennis dirige l’équipe de recherche et de science des données en IA chez F5, où il se consacre au développement de solutions avancées de sécurité de l’IA qui aident les entreprises à déployer et à surveiller en toute sécurité les grands modèles de langage (LLM) et les systèmes d’IA générative. Son équipe conjugue son expertise en apprentissage automatique, en tests adversariaux et en assurance des modèles afin d’identifier les vulnérabilités et de renforcer la confiance dans les environnements pilotés par l’IA.

Autres articles de Lee Ennis