Introduction – L’essor de l’IA en cybersécurité
L’image abstraite et futuriste de l’intelligence artificielle fait partie d’une époque désormais révolue. En effet, dans le domaine actuel de la cybersécurité, l’IA est d’ores et déjà déjà intégrée à des outils et des pratiques concrètes permettant de répondre à des besoins très opérationnels.
Il est dorénavant possible de trouver des plateformes assistées par IA dans les SOC. Celles-ci sont capables d’effectuer le triage automatique de milliers d’alertes générées quotidiennement, le tout en réduisant massivement le taux de faux-positifs et en accélérant le time-to-response. En considérant ces exemples concrets, certains acteurs ont constaté jusqu’à 70% de faux positifs en moins et une réponse aux incidents 5 fois plus rapide grâce à des assistants IA dédiés1.
D’autres méthodes existent et arrivent à fusionner l’apprentissage automatique et l’analyse comportementale pour identifier des anomalies dans les flux de données ou pour anticiper des attaques invisibles. Dans le domaine du test d’intrusion, des outils propulsés par l’IA accompagnent les pentesters dans le but d’automatiser certaines phases2 (repérage de failles, rédaction de rapports, simulation d’attaques, etc…), le tout en réservant les décisions et arbitrages critiques aux spécialistes humains.
Pourtant, malgré ces preuves tangibles, une interrogation semble toujours persister :
l’IA va-t-elle remplacer les rôles humains dans le domaine de la cybersécurité, ou devrait-elle être perçue comme un instrument d’efficacité, de rendement et d’extension des aptitudes humaines ?
Chez Lovell Consulting, nous constatons que l’IA est déjà solidement intégrée dans certaines pratiques de cybersécurité, mais toujours en tant qu’instrument d’amplification, et non comme un remplacement total de l’expertise humaine.
En bref
Observations sur le terrain opérationnel cyber
Il est possible d’observer sur le terrain que l’IA est déjà intégrée dans des opérations de cybersécurité concrètes. Son impact sur les charges de travail et sur les capacités d’analyse est d’ailleurs mesurable.
Les exemples d’utilisation présentés ci-dessous démontrent comment l’intelligence artificielle est incorporée dans les activités quotidiennes des analystes :
- Triage automatique des alertes et gestion des priorités : certaines plateformes assistées par IA offrent la possibilité de prioriser les évènements, permettant ainsi aux analystes de se focaliser sur les cas les plus critiques (AI-driven SOC).
- Analyse comportementale et détection d’anomalies : l’IA est capable de mémoriser des comportements jugés « normaux » des utilisateurs et systèmes et peut détecter des écarts qui sembleraient signaler une tentative d’attaque ou une compromission en cours.
- Automatisation d’actions basiques : l’IA peut exécuter des actions standardisées dans certaines configurations (comme bloquer une connexion suspecte), le tout en laissant les arbitrages plus complexes aux humains.
- Aide à la synthèse : il existe des assistants IA qui aident à résumer certains incidents complexes et à fournir des recommandations, ce qui permet d’accélérer les analyses et les prises de décision.
Selon des études empiriques3 portant sur la collaboration humain-IA dans les SOC, les analystes utilisent ces outils comme un appui cognitif. Ils leur permettent de comprendre plus rapidement des données à caractère technique ou de combiner plusieurs signes d’incidents afin d’obtenir une interprétation cohérente. Grâce à cette étude il est clair que nous faisons face à une augmentation de la productivité ainsi que de la capacité de traitement de l’information.
Augmenter la GRC grâce à l’IA
Les cas d’usages précédents illustrent la manière dont l’IA permet d’améliorer la partie opérationnelle. Cette dernière, comme nous allons le voir ci-dessous, est aussi en train de transformer la manière dont les organisations abordent la gouvernance, la gestion des risques et la conformité (GRC).
Création et mise à jour de politiques
Lorsqu’on parle de GRC, on pense immédiatement à un cas d’usage de l’IA qui serait l’aide à la création et à la mise à jour des politiques. En analysant continuellement exigences règlementaires et pratiques existantes, des outils basés sur l’IA sont capables de générer des premières ébauches cohérentes de politiques de sécurité et des cadres solides, et sont mêmes capables de suggérer des mises à jour alignées sur l’évolution de normes telles que le RGPD ou le framework NIST.
Génération ou reformulation des scénarios de risques
L’intelligence artificielle peut être déterminante pour créer des scénarios de risques, sans pour autant remplacer l’évaluation humaine. Elle facilite l’identification rapide de scénarios plausibles à partir de référentiels, de retours d’incidents ou d’éléments contextuels, suivie de leur structuration et formalisation homogène. L’intelligence artificielle favorise aussi l’amélioration et la contextualisation des scénarios (séquences d’attaques, effets sur le métier, facteurs aggravants…), ce qui rend les analyses plus exhaustives et plus compréhensibles. Toutefois, les choix, les priorités et les décisions demeurent entre les mains des équipes GRC, l’IA servant principalement d’instrument de soutien à la réflexion et à la productivité.
Évaluation des risques et surveillance prédictive
Traditionnellement, la détection des risques repose sur des processus périodiques et généralement réactifs. Grâce à l’intelligence artificielle, il est désormais possible d’examiner une grande quantité de données variées pour identifier des signaux faibles et donc de prévoir les zones à risque avant qu’elles n’atteignent un stade critique. Ces actions permettent de pouvoir proposer une perspective dynamique et ininterrompue du profil de risque de l’organisation.
Ces compétences renforcent la planification et la prise de décisions stratégiques liées aux risques.
Surveillance continue de la conformité
La réglementation change rapidement, entre les standards internationaux, les obligations locales et les législations récentes comme l’AI Act en Europe.
Des systèmes d’intelligence artificielle sont capables de surveiller en permanence les modifications réglementaires, d’alerter automatiquement sur les non-conformités et de suggérer des adaptations ou des stratégies pour garantir la conformité.
Gestion du risque des tiers et des fournisseurs
La gestion des risques associés aux partenaires externes représente un enjeu de taille car les questionnaires, les vérifications auprès des fournisseurs, les informations sur la sécurité et les analyses de posture cyber peuvent s’avérer difficiles à gérer.
Les plateformes d’IA peuvent automatiquement juger du risque des fournisseurs en combinant des données provenant de sources externes (par exemple, archives d’attaques informatiques, évaluations de sécurité) et internes, ce qui simplifie et rend plus rapide l’étude des tiers. Il est aussi possible de générer des questionnaires fournisseurs ciblés en fonction du contexte, permettant un gain de temps et de cohérence considérable.
Au-delà de l’évaluation ponctuelle, l’IA permet également une surveillance continue de la chaîne d’approvisionnement. Les composants logiciels, les API exposées et les infrastructures des fournisseurs peuvent être scannés en permanence pour détecter l’apparition de nouvelles vulnérabilités. Lorsqu’une faille est identifiée, la plateforme peut déclencher automatiquement des actions correctives graduées : notification au fournisseur avec un délai de remédiation imposé, application de correctifs sur les dépendances maîtrisées en interne, ou blocage préventif du fournisseur dans les flux sensibles le temps que la vulnérabilité soit traitée. Cette capacité de réponse en quasi-temps réel réduit significativement la fenêtre d’exposition et renforce la posture de sécurité globale de l’organisation sans attendre les cycles d’audit traditionnels.
Aide à l’automatisation des audits
Les audits sont des procédures longues et laborieuses. L’intelligence artificielle est capable d’automatiser des tâches telles que le tri des échantillons, l’analyse de données et la production de preuves, permettant ainsi aux spécialistes de se focaliser sur les enjeux d’interprétation et de stratégie au lieu de la collecte manuelle des informations. On peut aussi imaginer qu’elle permettrait la création d’un rapport d’audit à partir de différents templates.
Ce que l’on observe avec ces cas d’usage, c’est que l’IA devient un outil d’extension des capacités GRC plutôt qu’un simple substitut. Les tâches à fort volume de charge ou redondantes peuvent ainsi être automatisées et cela permet d’offrir une vision proactive des risques et de la conformité. Ces exemples ne représentent qu’une partie des cas d’usage possible de l’IA en GRC, il est possible d’en identifier beaucoup d’autres : ceux-ci restent toutefois selon nous les plus pertinents et structurants.
https://cybersierra.co/blog/ai-use-cases-grc (15/07/2025) – Travaux internes de Gwendoline et Corneille pour certains cas d’usage
Conclusion – La vision Lovell Consulting
Au sein de Lovell Consulting, nous considérons l’intelligence artificielle comme un outil d’amélioration des pratiques de GRC. En observant tous ces cas d’usages cités jusqu’ici, nous voyons clairement que l’IA montre sa valeur ajoutée avant tout lorsqu’elle est cadrée, comprise et intégrée aux méthodes et processus existants. Cette dernière doit rester au service des consultants et des clients, et ne pas les remplacer. Ce modèle ouvre la voie à une nouvelle figure : le consultant augmenté, dont la capacité d’analyse et de synthèse sera renforcée.
L’approche Lovell Consulting repose essentiellement sur une adoption progressive de l’IA, centrée sur des cas d’usages tels que cités précédemment. En interne, différents travaux sont en cours de réalisation autour de l’IA, dont l’objectif est d’adresser différents usages concrets : aide au diagnostic, reformulation de scénarios de risques, amélioration de la production des livrables, etc… tout cela en préservant la confidentialité et l’intégrité des données que nous traitons.
Ces différentes activités démontrent notre intérêt croissant concernant ces sujets, car nous explorons ces cas d’usages réels et utiles avec un objectif clair : renforcer la qualité des analyses et la valeur apportée aux décideurs.
Pour en savoir plus sur notre offre GRC
