Zero Trust est depuis longtemps la norme pour sécuriser les accès humains, mais les environnements d’entreprise actuels exigent une nouvelle extension : le Zero Trust pour l’IA. À mesure que les agents d’IA commencent à prendre des décisions, à interagir avec des systèmes et à lancer des actions, le périmètre de sécurité traditionnel doit s’élargir. La question n’est plus de savoir s’il faut faire confiance à l’IA, mais comment appliquer dès le départ le principe de Zero Trust aux systèmes d’IA.
Quand la « sécurité dès la conception » ne suffit pas
L’idée selon laquelle des protocoles tels que le Model Context Protocol (MCP) permettraient de déployer des agents d’IA de manière « sûre », en limitant leurs accès ou leurs actions, gagne du terrain. Mais présenter le MCP comme un protocole sûr est trompeur. Il limite les avantages potentiels, mais pas les risques.
Des actions apparemment sans risque, comme le fait qu’un agent interroge des millions de dossiers clients à l’aide d’une requête SQL en lecture seule, peuvent surcharger les bases de données, bloquer des ressources et créer des vulnérabilités. Le tout sans enfreindre les règles. Ce n’est pas un bug. C’est une conséquence du fait de mettre des outils à la disposition des agents sans contrôle rigoureux.
Le Zero Trust pour les agents commence par rien
C’est pourquoi il est temps d’appliquer le modèle Zero Trust non seulement aux utilisateurs, mais aussi aux agents d’IA. Et pas comme une métaphore, mais comme un cadre de sécurité : refuser par défaut chaque action, avec une gestion des autorisations assistée par l’humain à chaque étape.
Ce cadre part du principe qu’aucun agent n’est digne de confiance au départ. L’accès ne dépend pas seulement du rôle, mais aussi du cas d’usage, et il est lié à une durée, à un contexte et à une intention. Besoin de consulter une table ? Vous obtenez l’accès à cette table, et à rien d’autre. Besoin d’effectuer une action ? Celle-ci est strictement délimitée, consignée et surveillée.
Et tout comme les fuites d’identifiants d’API suscitent aujourd’hui des inquiétudes, les clés des agents et les autorisations des modèles doivent être régies avec la même rigueur que celle appliquée aux charges de travail cloud et aux utilisateurs à privilèges.
Pourquoi ce changement est important
À mesure que l’IA s’intègre davantage aux différents flux de travail, la sécurité ne peut plus reposer sur des postulats hérités du passé. Les agents n’oublient rien. Ils ne se fatiguent pas. Et s’ils sont utilisés à mauvais escient, ils ne demandent pas pardon.
Le modèle Zero Trust pour les agents implique :
- Refus par défaut : Les agents ne disposent d’aucun accès au départ : ils doivent le mériter
- Escalade avec intervention humaine : Les autorisations sensibles nécessitent des approbations explicites
- Délimitation des cas d’usage : l’accès dépend du contexte et n’est pas universel
- Observabilité dès la conception : Chaque requête, réponse et sortie est consignée, analysée et vérifiable
Cette approche garantit que la rapidité de fonctionnement de l’IA ne devienne pas un handicap.
Une nouvelle couche de sécurité pour une nouvelle ère
C’est là que les solutions de sécurité de l’IA à l’exécution entrent en jeu : elles créent des garde-fous dynamiques qui encadrent en temps réel la manière dont les agents d’IA interagissent avec les systèmes, les données et les utilisateurs. Tout comme nous avons autrefois redéfini les périmètres réseau pour le cloud, nous devons désormais redéfinir les périmètres comportementaux pour les systèmes autonomes. En définitive, le modèle Zero Trust doit gagner en maturité, car les agents d’IA sont déjà là, ils sont puissants et ils ne sont pas dotés de bons instincts. Les équipes de sécurité doivent concevoir des systèmes qui partent du principe que chaque interaction avec un agent peut mal tourner, et assurer la supervision nécessaire pour éviter que cela ne se produise.
À propos de l’auteur
James White est un ingénieur accompli et un dirigeant d’entreprise qui possède près de vingt ans d’expérience dans le secteur des logiciels d’entreprise.
Autres articles de James WhiteArticles de blog associés
F5 rejoint le projet PQC du NIST pour contribuer à l’élaboration de normes résistantes aux attaques quantiques
En rejoignant le consortium du projet « Migration to PQC » du NIST, F5 contribue à élaborer des recommandations pratiques pour un monde résistant aux menaces quantiques.
La dernière version de F5 Distributed Cloud Bot Defense offre des fonctionnalités et des améliorations de nouvelle génération
Les mises à jour de la console de F5 Distributed Cloud Bot Defense améliorent la gestion des menaces automatisées et l’intégration dans des cadres de sécurité plus larges.
La nouvelle surface de risque liée à l’IA : invisible, autonome et déjà à l’intérieur
James White, vice-président de l’ingénierie chez F5 À mi-parcours de l’année 2025, le moment est bien choisi pour dresser un état des lieux de l’adoption de l’IA en entreprise et de la sécurité de l’IA. L’utilisation de l’IA générative est désormais la norme dans les entreprises De manière générale, les entreprises possèdent au moins une compréhension élémentaire de l’IA générative. Elles savent ce qu’elle est et où elle peut […]
Évaluation des LLM : renforcer la confiance grâce à la notation de sécurité
À mesure que l’adoption de l’IA s’accélère dans les entreprises, l’évaluation des LLM ne porte plus uniquement sur leurs performances, mais aussi sur la confiance qu’ils inspirent. Les équipes de sécurité doivent évaluer non seulement les performances d’un modèle, mais aussi la sûreté de son comportement. Pourtant, la plupart des cadres d’évaluation se concentrent sur des critères de précision, laissant les facteurs de sécurité et de risque dans le flou ou sans mesure.
Évaluer le niveau de préparation de votre organisation à la sécurité de l’IA
Dans un paysage de l’intelligence artificielle (IA) en constante évolution, il est non seulement important, mais impératif de savoir si votre organisation est prête à instaurer et à soutenir une culture de la sécurité de l’IA. À mesure que les technologies d’IA progressent, elles font émerger une multitude de nouveaux défis de sécurité qui, pour être gérés efficacement, exigent une approche réfléchie, globale et proactive […]
Déployer des LLM en entreprise : via une API dans un cloud privé
Pris isolément, sans mesures de protection spécialisées ni protocoles de sécurité en place, le déploiement de modèles d’IA générative (GenAI), en particulier de grands modèles de langage (LLM), à l’échelle de l’entreprise représente pour toute organisation une opportunité à haut risque, mais potentiellement très rentable. La manière précise dont votre organisation doit franchir ce grand pas dans l’univers de la GenAI nécessite une planification mûrement réfléchie. Peut-être serait-il […]