[Partie 2] BILAN IA 2025 – Cybermenaces liées à l’IA : risques majeurs et bonnes pratiques de sécurisation

Introduction

L’année 2025 a marqué un tournant dans la convergence entre cybersécurité et intelligence artificielle. Le cadre européen s’est matérialisé par les premières échéances de l’AI Act : dès le 2 février 2025, les pratiques interdites ont commencé à s’appliquer avant une nouvelle vague au 2 août 2025 portant sur les modèles d’IA à usage général. 
L’année 2026, est quant à elle, annoncée comme une étape clé, avec l’entrée en application d’une grande partie des obligations sur les systèmes d’IA et des négociations à venir visant une simplification du texte initial.  

L’IA est de plus en plus intégrée aux systèmes d’information et au sein des processus métiers, accroissant ainsi l’exposition des organisations. Et si l’IA est un levier majeur de transformation, parallèlement, elle en est également un pour les attaques. Les menaces se sont davantage structurées grâce à l’IA et l’on constate une évolution marquée par la scalabilité, la vitesse et l’adaptabilité. 

À l’horizon 2026, l’industrialisation des attaques et l’intégration croissante de l’IA dans les processus métier devraient accentuer ces enjeux, rendant la maîtrise du risque IA un facteur clé de résilience. 

Lovell vous propose dans ce bilan une lecture en trois volets : 

I. Les avancées réglementaires et leurs implications ;

II. Les typologies d’attaques IA marquantes en 2025 ; 

III. Les bonnes pratiques pour sécuriser l’IA lors de son déploiement en entreprise. 

I – Les avancées réglementaires et leurs implications (cf. article précédent)

L’année 2025 a marqué un tournant dans la convergence entre cybersécurité et intelligence artificielle. Le cadre européen s’est matérialisé par les premières échéances de l’AI Act. L’année 2026 est annoncée comme une étape clé avec une simplification du texte initial.

Dans ce premier article, Lovell Consulting vous propose un bilan analytique de l’avancée des réglementations dans l’UE et le reste du monde à l’horizon 2026.

II – Typologie des attaques en 2025 

Si l’IA est un levier de transformation au sein des organisations, parallèlement, elle en est également un pour les attaquants. Les menaces se sont structurées grâce à l’IA et l’on constate une évolution marquée par la scalabilité, la vitesse et l’adaptabilité des scénarios d’attaques. Pour structurer cette analyse, nous avons distingué trois périmètres : 

1. Les risques liés à l’usage de l’IA comme composant et amplificateur de types d’attaques déjà existants

2. Les risques associés à l’instrumentalisation d’IA de plus en plus autonomes 

3. Les risques associés à IA comme actif numérique exposé et intégré au SI

À l’horizon 2026, l’industrialisation des attaques et l’intégration croissante de l’IA dans les processus métier, en accentuant ces enjeux, vont convertir la maîtrise du risque IA un facteur clé de résilience.  

A – IA comme composant des cyberattaques

L’IA est devenue un atout majeur pour les cyberattaquants dans la mesure où ses avancées adverses permettent de déployer des attaques plus rapides, plus nombreuses au moyen d’efforts minimaux. Selon le cabinet de conseil SoSafe, 82 %¹ des entreprises françaises auraient été confrontées à des cyberattaques augmentées à l’IA en 2025 et celles-ci continueront à être une des principales préoccupations des RSSI en 2026. Cette tendance affecte particulièrement deux grands types d’attaques : les malwares et le social engineering, dont l’IA accroît à la fois le niveau de sophistication et la capacité de déploiement à grande échelle. 

1. Les virus polymorphes

L’intelligence artificielle a favorisé l’émergence de malwares étant capables de s’adapter aux défenses des entreprises en un temps réduit, et de prendre des décisions autonomes pour élaborer des stratégies d’attaque permettant de déjouer les protections mises en place. 

Parmi les évolutions les plus critiques figurent les virus polymorphes générés par l’IA. Ces malwares utilisent des modèles d’IA pour modifier dynamiquement leur code et leur comportement à l’exécution, produisant des variantes différentes à chaque occurrence. Contrairement aux techniques polymorphes traditionnelles, cette approche introduit une capacité d’adaptation continue, qui réduit fortement l’efficacité des mécanismes de détection fondés sur les signatures. Elle illustre un tournant : la menace ne repose plus sur un code identifiable, mais sur une capacité évolutive, rendant certaines approches de sécurité historiques insuffisantes face à des attaques de plus en plus autonomes.

2. Le social engineering

• Les deepfakes : grâce à ses avancées, l’IA a permis une sophistication considérable de ces médias apparaissant authentiques, mais ayant été manipulés grâce aux IA génératives pour la plupart. Une enquête récente a révélé que 47 %² des organisations ont été victimes d’une attaque basée sur le deepfake, par exemple l’utilisation de faux fichiers audio ou vidéo dans le cadre d’une tentative de fraude. En 2025, le groupe nord-coréen BlueNoroff aurait initié une attaque où une invitation visioconférence renvoyait la victime vers un site Zoom frauduleux. Dès le lancement de la visioconférence, un deepfake représentant le supérieur hiérarchique de la victime l’invitait à télécharger une extension Zoom afin de rétablir le microphone et infectait ainsi le poste.

• Le phishing : 40%³ des emails de phishing étaient générés par une IA au troisième semestre 2025. Là où l’œil humain était capable de détecter une incohérence linguistique, ou une erreur grossière de vocabulaire, l’IA permet d’affiner la cohérence, le réalisme du contenu des attaques, et d’en augmenter le volume. Parmi les approches de phishing les plus récurrentes se trouve le vishing (voice phishing ou hameçonnage vocal) qui selon le rapport annuel 2025 Global Threat Report de Crowdstrike aurait déjà augmenté de 442% entre le premier et le deuxième semestre 2024.

En Europe et en France, la fraude reposant sur des contenus générés par l’IA a fortement progressé, avec une augmentation estimée à plus de 700 % des fraudes par deepfake en France entre 2024 et 2025, tandis que le phishing reste le premier vecteur d’attaque. Côté entreprises, ces techniques sont désormais utilisées dans des scénarios davantage ciblés et crédibles. Ainsi, ces attaques permises par l’IA sont un enjeu majeur pour des particuliers peu sensibilisés, exposés à la fraude et à l’usurpation d’identité, et pour les organisations qui sont, elles, confrontées à des risques financiers, opérationnels et réputationnels accrus. 

En 2025, les capacités croissantes de l’IA ont donc transformé des techniques d’attaques cyber déjà existantes et connues : 

• en augmentant la rapidité, la fréquence et le volume d’attaque ; 

• en faisant baisser le coût de production d’une attaque ; 

• en améliorant le niveau de sophistication et de personnalisation d’attaque.

B – IA comme agent autonome ?

En 2025, une évolution structurante en matière de menaces liées à l’IA tient aussi à un changement de nature : l’IA devient agent autonome avec la démocratisation des IA agentiques. Dans ce cas, l’IA ne se limite plus à produire des réponses, mais peut raisonner et agir sur des systèmes via des outils et des interfaces. Ce passage de l’assistance à l’action modifie profondément la typologie des attaques et surtout la manière dont le risque peut se manifester.

1. Le Cybercrime-as-a-Service

Des plateformes d’IA dites “non censurées” se sont développées, proposant des services clés en main, destinés à faciliter la production de contenus offensifs : phishing, escroquerie, code malveillant. Des services comme GhostGPT ou Xanthorox sont régulièrement cités pour illustrer cette évolution. Ils démontrent une nouvelle logique économique associée à des abonnements promettant une simplicité d’accès pour des acteurs peu expérimentés, de l’autonomie et une discrétion assurée. Si elles n’innovent pas dans la technique, ces offres portent un enseignement principal : un effet de standardisation, dans la mesure où l’IA réduit le coût et le temps nécessaires pour lancer des attaques “suffisamment efficaces”, ce qui augmente mécaniquement le volume et la fréquence des tentatives. 

2. L’IA, des agents autonomes dans le système d’information ?

Un des risques structurants pour les organisations semble toutefois se déplacer vers un autre terrain : celui du déploiement d’agents dits autonomes au sein du système d’information. Si un agent n’agit pas librement au sens strict, il peut néanmoins enchaîner des étapes et exécuter des actions dans le SI dès lors qu’on lui donne une mémoire, des outils et des permissions. Il s’agit, par exemple, d’assistants connectés à la messagerie, d’agents capables d’exécuter des actions ou d’agents métiers disposant d’accès directs aux données et aux processus.  

L’OWASP a formalisé ce changement dans une publication récente sur les menaces liées aux IA agentiques (Agentic AI-Threats and Mitigations). Dès lors qu’un agent combine mémoire et outils, il constitue une nouvelle surface d’attaque, distincte des modèles d’IA traditionnels. 

Ainsi, 4 mécanismes de risque ressortent : 

• Altération de la mémoire : un agent qui conserve des informations, des règles ou des décisions devient vulnérable à des manipulations progressives de son contexte, pouvant influencer des actions futures, et ce, sans déclencher d’alerte immédiate. 

• Détournement des outils : l’agent peut être amené à exécuter des actions techniquement légitimes (accès, modification, envoi), mais inappropriées au regard de l’intention initiale ou du contexte métier. 

• Compromission de privilèges : l’autonomie d’un agent d’IA peut amplifier l’impact de permissions excessives ou mal définies, pouvant transformer l’IA en accélérateur d’incident. 

• Perte de traçabilité : la capacité d’un agent à planifier et agir rend plus complexe la reconstitution des responsabilités, ce qui pose des enjeux directs en matière d’audit, de conformité et de responsabilité juridique.

Dans cette configuration, le risque lié à l’IA agentique s’appréhende à l’égard de ce qu’il est en mesure d’exécuter : ses droits, ses outils, son accès aux données et la traçabilité de ses actions. L’enjeu en 2026 tiendra moins à l’autonomie d’une IA autonome au sens strict qu’à la capacité des organisations à identifier ces agents dans le système d’information, à délimiter leurs périmètres d’action et à mesurer de quelle manière ils déplacent, et parfois, concentrent le risque.

C – IA comme cible des attaques

Si l’IA représente une assistance précieuse pour les attaquants, son adoption rapide dans les processus et les applications en entreprise a aussi élargi leur surface d’attaque. En s’appuyant sur des chaînes de dépendances multiples (modèles, données, outils et infrastructures) dont la maturité peut être hétérogène, les systèmes d’IA présentent une surface de risque étendue et évolutive. 

Dans ce contexte, l’IA est une cible à part entière : ses mécanismes internes peuvent être manipulés ou contournés, sa chaîne d’approvisionnement compromise, et ses interfaces techniques exploitées lorsqu’elles sont mal intégrées ou insuffisamment sécurisées au sein du système d’information.

1. Manipulation ou contournement des garde-fous [Manipulation côté utilisateur, IA fonctionne] :

Les garde-fous de l’IA sont des contrôles de sécurité préventifs qui contraignent le comportement d’un modèle d’IA à des limites bien définies, en réduisant ses risques de produire des outputs nuisibles, c’est-à-dire biaisés ou violant la législation applicable. Sans ces « garde-fous », le comportement d’une IA peut engendrer un incident de sécurité par son absence de maîtrise, ce que visent les attaquants. C’est ce qu’on appelle le jailbreaking ou le débridage de l’IA, c’est-à-dire l’exploitation par un attaquant des vulnérabilités d’un système d’IA pour lui faire contourner ses propres règles éthiques et lui faire réaliser des actions non autorisées. 

Si le jailbreaking est l’objectif de l’attaquant, le moyen en sera souvent une injection de prompt ou du prompt ingineering offensif : 

• Injection de prompt : un attaquant déguise des instructions malveillantes en entrées utilisateur offensives qui vont enfreindre les instructions système. Un LLM ne distinguant pas clairement une instruction développeur en langage naturel d’une entrée utilisateur, un attaquant peut concevoir un prompt permettant de débrider l’IA et de lui faire réaliser une action non autorisée. 

• Prompt engineering : un utilisateur produit une requête qualitative et informée à l’IA afin qu’elle réponde le plus précisément. L’affinage de prompts optimise la pertinence du résultat produit par l’IA et réduit le besoin de révisions itératives a posteriori. Exploitée par un attaquant maîtrisant le fonctionnement des LLM, des entrées malveillantes peuvent produire des comportements non-prévus ou amener l’IA à exécuter des actions non autorisées.

2. Chaîne d’approvisionnement de l’IA

Les attaques visant les chaînes d’approvisionnement des systèmes d’IA, incluent la corruption des datasets, l’introduction de données ou de comportements malveillants lors de l’entraînement du modèle, mais aussi l’insertion de backdoors⁵ ou de vulnérabilités via des composants tiers. La complexité de ce vecteur réside dans le besoin élevé en matière de sécurité des données et des modèles, qui doit être garanti à chaque étape du cycle de vie de l’IA : disponibilité, intégrité, confidentialité, traçabilité et explicabilité. Répondre à ces besoins dans un écosystème interconnecté et dépendant de composants externes complique d’autant plus la mise en œuvre de contrôles de sécurité homogènes et robustes.

L’attaque sur la chaîne d’approvisionnement de l’IA est classée en 3^e attaque selon l’OWASP⁷ à prendre en compte lors du développement et de la sécurisation d’une IA générative et des LLM. Au-delà des vulnérabilités logicielles classiques, les risques en machine learning concernent également la fiabilité des modèles pré-entraînés et des données fournies par des tiers. Par exemple, les modèles open source connaissent un essor, notamment grâce aux plateformes spécialisées permettant de les adapter à des usages spécifiques ou de réentraîner des modèles. 

Un nouveau vecteur d’attaque sur la chaîne d’approvisionnement de l’IA découvert en 2025 par des chercheurs est le « Rules File Backdoor⁸», une technique ayant permis aux attaquants de compromettre du code généré par l’IA en injectant des instructions malveillantes cachées dans les fichiers de configuration utilisés par les éditeurs de code afin d’orienter l’IA.

3. Exploitation des interfaces techniques, des dépendances d’infrastructures et des mécanismes d’intégration de l’IA avec d’autres composants du système d’information :

Quand ces interfaces sont mal configurées ou acceptent des entrées non sécurisées, des acteurs malveillants peuvent injecter des commandes ou manipulations qui poussent l’IA à exécuter des actions non voulues, contourner ses contrôles de sécurité, exfiltrer des données, compromettre d’autres systèmes intégrés. La vulnérabilité se situe au niveau de l’interconnexion entre l’IA et les systèmes d’information. 

Une IA connectée à des API ou des applications métiers, serait susceptible, suite à une mauvaise configuration, de permettre à un attaquant de détourner des flux légitimes. De la même manière, une IA s’appuyant sur un processus d’ingestion des données ou sur l’approche RAG (génération augmentée par récupération) hérite du niveau de confiance accordé aux sources intégrées. Sans gouvernance de ces flux, l’IA pourrait ingérer des contenus non maîtrisés et introduire des instructions capables de provoquer des sorties malveillantes. 

En avril 2025, dans un exemple de « tool poisoning ⁹» des attaquants ont exploité l’intégration d’outil de GPT-4.1 en incorporant des instructions malveillantes dans la description des outils. En interagissant avec ces outils, l’IA a ainsi exécuté des actions non autorisées sans que les utilisateurs soient informés. Ainsi, le modèle d’IA et un outil peuvent-être sûrs, mais l’intégration peut créer une surface d’attaque autonome. 

Pour les organisations, l’enjeu ne situe plus lors de la sécurisation d’un modèle, mais bien dans la construction d’une approche de gouvernance de l’IA comme un composant intégré dans le système d’information et pouvant avoir des impacts sur les données internes, la continuité des opérations et la conformité réglementaire.  

En 2025, l’IA est devenue un facteur structurant du paysage de la menace, en redéfinissant les modes opératoires des attaquants et les surfaces d’exposition des organisations. Ainsi, une lecture renouvelée du risque cyber s’impose, fondée non seulement sur les vulnérabilités techniques, mais aussi sur la scalabilité des attaques, le degré d’autonomie des systèmes et leurs impacts métier et réglementaires. L’enjeu n’est plus de savoir si l’IA introduit de nouveaux risques, mais comment les gouverner, les prioriser et les maîtriser durablement.

III. Gouvernance de l’IA en entreprise

L’utilisation de l’IA en entreprise ces dernières années en fait un sujet de sécurité de premier plan. Sa démocratisation sonne à la fois l’arrivée d’une capacité de travail accrue pour les collaborateurs mais pose aussi de nouveaux défis pour l’entreprise.  

Plus précisément, avec le recours plus fréquent à des outils d’intelligence artificielle, la surface d’attaque des systèmes d’information d’une entreprise est naturellement vouée à s’étendre. Cela a pour conséquence d’entraîner un accroissement du niveau de risque auquel les entreprises font déjà face quotidiennement. 

Cependant, l’intelligence artificielle est une aubaine si l’on met en place les actions et les mesures permettant son adoption et son utilisation de manière sécurisée dans votre entreprise. 

Ainsi, dans cette partie, Lovell Consulting vous propose quelques conseils afin d’utiliser des outils d’IA en toute sécurité au sein de votre entreprise.

A. Référent IA

Avant toute chose, pour qu’un navire arrive à bon port il faut qu’il y ait un capitaine. C’est le même principe pour anticiper l’arrivée de l’intelligence artificielle : il vous faudra désigner un référent IA. 

Cette personne aura pour but d’être la tête de proue du déploiement des outils d’IA au sein de votre structure en apportant son expertise technique, en identifiant les cas d’usages et les risques associés. 

Le référent IA sera aussi l’interlocuteur principal entre les différentes équipes techniques et opérationnelles ainsi que la Direction pour faciliter la création et l’utilisation d’outils IA personnalisés adaptés à leurs besoins. 

La veille réglementaire comme celle de l’IA Act et le RGPD, est aussi une mission incontournable pour le référent IA afin d’assurer une utilisation encadrée et éthique de l’intelligence artificielle. 

Enfin, le référent IA aura la responsabilité de partager ses connaissances en organisant des sessions de formation et de sensibilisation en adaptant son discours en fonction de ses interlocuteurs.

B. Sensibilisation, formation

Les collaborateurs d’une structure peuvent être formés à des niveaux et rythmes différents : 

• Formation initiale pour assurer une adoption homogène : l’organisation d’ateliers d’initiation à l’intelligence artificielle, visant les collaborateurs les plus réticents à l’utilisation de ce genre d’outil afin de les embarquer sur le sujet dès le départ. 

• Former aux enjeux transverses de l’adoption : pour aller plus en profondeur, effectuer des ateliers de formation autour des enjeux, des opportunités et des limites de l’utilisation de l’IA. Ici, l’objectif sera de faire comprendre le contexte dans lequel l’intelligence artificielle s’établit, avec des questions autour de l’empreinte environnementale, du traitement des données personnelles, mais aussi de l’apparition de nouvelles réglementations pour les fournisseurs d’outil IA.

De plus, le référent IA pourra également varier les formats de formation et sensibilisation pour assurer une diffusion globale et diversifiée : 

• Des webinaires et témoignages d’expert permettront à votre entreprise d’apporter une nouvelle dynamique sur le sujet et la possibilité de croiser les sources d’information et ainsi engendrer une montée  en compétence interne plus efficace ; 

• Des Newsletters entretiendront la proximité des collaborateurs avec les nouveautés de l’intelligence artificielle.

La diversification des niveaux de formation et les canaux de sensibilisation permettent de s’assurer que chaque collaborateur, quel que soit son point de départ, puisse s’approprier ces outils avec clarté. Cette démarche de démystification prend part à une ambition plus profonde : celle de substituer la compréhension à l’appréhension. Comme disait Platon, « la connaissance est une lumière qui dissipe les ténèbres de l’ignorance ».

C. Conformité

Si la connaissance éclaire la voie, la conformité, elle, représente les cartes maritimes indispensables pour naviguer sans risque. De nos jours, la technologie évolue plus vite que la régulation, ce qui signifie qu’instaurer un cadre d’utilisation rigoureux devient essentiel pour garantir sa pérennité, sans pour autant freiner l’innovation. 

Pour ce faire, la mise en place d’une charte d’utilisation de l’IA constitue la première pierre de cet édifice. Ce document aura pour but d’exprimer clairement ce qui est autorisé et ce qui est proscrit, comme par exemple, sur l’injection de données à caractères sensibles ou confidentielles dans des modèles publics. 

Il s’ancrera dans un corpus documentaire composé d’autres documents déjà existants comme la PSSI, la Politique de gouvernance de l’IA ou le Code de conduite relatif à l’IA responsable, le tout dans le but de renforcer la position de votre entreprise sur l’encadrement de cette nouvelle technologie.

La conformité s’articule autour de trois piliers majeurs :

Le Respect de l’AI Act :

De par son statut de règlement européen de référence, l’AI Act impose la classification des systèmes selon leur niveau de risque. Le référent IA, qui travaillera de pair avec le RSSI, le DPO, les juristes et d’autres personnes identifiées comme pertinentes, devront alors s’assurer que chaque projet IA respecte les exigences de ce règlement, de la conception à la mise en production.

La protection des données (RGDP) :

De par son statut de règlement européen de référence, l’AI Act impose la classification des systèmes selon leur niveau de risque. Le référent IA, qui travaillera de pair avec le RSSI, le DPO, les juristes et d’autres personnes identifiées comme pertinentes, devront alors s’assurer que chaque projet IA respecte les exigences de ce règlement, de la conception à la mise en production.

L’audit des systèmes

L’évaluation régulière des outils IA déployés devient un enjeu crucial afin de maîtriser et comprendre les résultats, mais aussi d’éviter la génération de biais divers (ex : discriminatoires, politiques…). La notion de transparence est donc indispensable pour conserver la confiance des utilisateurs mais est aussi un prérequis de l’audit de fournisseurs d’outils IA.

Finalement, la conformité est une opportunité plutôt qu’une contrainte légale : elle permet de renforcer la confiance des utilisateurs, augmenter le taux d’adoption, avoir une image positive auprès des clients/investisseurs et donc une position renforcée sur le marché. Elle garantit que l’IA est un outil piloté avec éthique et responsabilité. En sécurisant la trajectoire, l’entreprise s’assure que son navire ne se contente pas d’avancer vite, mais qu’il avance dans la bonne direction.

D. Amélioration continue et contrôle technique

Maintenir un navire à flot ne s’arrête pas à la définition de sa trajectoire ; cela demande une vigilance de chaque instant et des révisions régulières. Pour que l’IA reste un atout de performance sans devenir un fardeau sécuritaire, votre entreprise doit adopter une démarche d’amélioration continue rigoureuse.

Cette phase de contrôle et d’optimisation repose sur plusieurs leviers : 

Tester et auditer 

Avant toute mise en production, il est essentiel d’effectuer des tests poussés sur l’IA pour valider son comportement en conditions réelles. Pour obtenir un avis neutre et expert, le mieux est de faire auditer sa solution par un acteur externe. 

Maintenir et gérer son IA 

L’IA est un outil qui évolue tous les jours. Garder sa solution à jour est une mission critique pour corriger les failles de sécurité émergentes et améliorer la performance au fil du temps. De plus, mettre en place un processus de gestion d’incident permettra de réagir plus rapidement en cas de comportement imprévu de l’algorithme et d’assurer la continuité de l’activité. 

Respecter les engagements contractuels et éthiques 

L’outil que vous allez choisir doit être cohérent avec les valeurs de votre entreprise. 

Dans un premier temps, il est impératif de veiller à ce que l’usage de l’IA dans votre entreprise reste dans le cadre strict des accords établis avec votre fournisseur, évitant ainsi tout risque juridique ou rupture de service. 

Dans un second temps, le choix de votre solution IA ne doit jamais se faire au détriment de vos standards de sécurité. S’assurer que chaque outil respecte votre politique de confidentialité est le dernier rempart pour protéger vos collaborateurs et vos clients.

Enfin, il est primordial de favoriser une solution qui garantit la souveraineté de vos données en n’utilisant pas ces dernières pour entrainer leurs modèles globaux, le tout pour assurer une protection de la propriété intellectuelle, maintenir le respect de la vie privée et prévenir de potentielles cyberattaques.

En suivant ces conseils, vous assurez une adoption sereine et maîtrisée de ces outils. Une gouvernance rigoureuse permet de protéger votre entreprise tout en réussissant à transformer un risque potentiel en un véritable avantage compétitif.

E. Règles d’or de l’utilisation de l’IA en entreprise

Anonymiser les documents	Retirer toute mention permettant l’identification d’une personne ou de l’origine du document
Ne pas utiliser des informations confidentielles	Éviter les mots de passe, secrets professionnels, données clients, données personnelles
Rester maître de l’outil	L’IA est un facilitateur mais n’a pas pour but de remplacer un être humain
Être transparent	Mentionner l’utilisation de l’IA lorsque c’est le cas
Être au courant des évolutions de l’IA	S’informer sur les nouveautés réglementaires, les dernières attaques documentées
Monter en compétence	Participer à des sessions de sensibilisation et de formation
Vérifier les résultats obtenus	Croiser différentes sources pour s’assurer de la véracité de la réponse
Respecter la propriété intellectuelle	Ne pas intégrer du contenu protégé dans ses requêtes
Respecter les conditions d’utilisation	Rester dans les limites imposées par les politiques de sécurité

Conclusion

Ll’année 2025 aura constitué un véritable point de bascule dans la convergence entre cybersécurité et intelligence artificielle. Sur le plan réglementaire, le cadre européen s’est concrétisé avec les premières échéances de l’AI Act — l’interdiction de certaines pratiques dès février 2025, puis l’encadrement des modèles à usage général à partir d’août 2025 — posant les jalons d’une régulation plus structurée. 

L’IA constitue une arme à double tranchant : si elle constitue un levier de transformation pour les organisations, du point de vue des cyberattaquants, l’intégration croissante de l’IA dans les systèmes d’information et les processus métiers a élargi la surface des attaques et leur récurrence. 

En 2026, la convergence entre cybersécurité et IA ne fait que s’accélérer. Le cadre réglementaire entre dans une phase décisive et les cyberattaques renforcées par l’IA continuent de redéfinir le paysage des menaces. Ainsi la maîtrise du risque IA n’est plus une option, mais un impératif stratégique de résilience. 

Les organisations qui sauront concilier la conformité réglementaire, la maîtrise des risques et l’innovation responsable seront les mieux armées.

Vous l’aurez compris, la mise en conformité est longue et dépendra de vos activités et des types de systèmes d’IA que vous utilisez. Besoin d’un accompagnement spécifique en 2026 ? Lovell Consulting est là !  

1. https://sosafe-awareness.com/fr/company/press/les-entreprises-francaises-face-au-risque-croissant-des-cyberattaques-augmentees-a-lia ↩︎
2. Une étude mondiale montre que la biométrie est la solution de choix pour contrer l’escalade du risque de Deepfake | iProov ↩︎
3. VIPRE Q3 Email Threat Trends: Is Your Business Prepared? ↩︎
4. OWASP Top 10 for LLM Applications 2025 ↩︎
5. Backdoor ou porte dérobée correspond à prévoir un accès tenu secret vis-à-vis de l’utilisateur légitime aux données contenues dans un logiciel ou sur un outil ↩︎
6. Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples ↩︎
7. OWASP Top 10 for LLM Applications 2025 ↩︎
8. New ‘Rules File Backdoor’ Attack Lets Hackers Inject Malicious Code via AI Code Editors ↩︎
9. OWASP Gen AI Incident & Exploit Round-up, Q2’25 – OWASP Gen AI Security Project ↩︎