Sécuriser l'IA : règles par équipe

Le bon choix est un outil capable de rattacher chaque règle à un groupe d'utilisateurs et à une catégorie de données, puis de s'appliquer à tous les assistants employés. Une règle unique sera trop souple pour le juridique et les RH, ou trop rigide pour les développeurs et les commerciaux. Le critère décisif est donc la finesse du ciblage, avant même la liste des détections.

Comment appliquer des règles différentes selon les équipes et les données ?

Commencez par une matrice qui croise équipes et types de données, puis vérifiez que l'outil sait cibler par utilisateur, groupe ou unité et associer une action à chaque case : autoriser, anonymiser ou bloquer.

Chez Microsoft, la portée d'une politique DLP pour Copilot dépend de l'utilisateur qui soumet le prompt, et non du propriétaire du fichier ou du courriel auquel Copilot accède, selon Microsoft Learn, page publiée le 16/10/2026. Un salarié des RH et un commercial peuvent donc recevoir des traitements différents face au même document.

Côté Netskope, la documentation permet de choisir les utilisateurs, groupes ou unités organisationnelles visés, puis l'action à déclencher. Quand plusieurs politiques s'appliquent, Netskope retient l'action la plus restrictive (Netskope Docs, consulté le 29/10/2026). Un juriste membre d'un groupe projet peut donc subir la règle la plus stricte : ce cas de chevauchement se prévoit à l'avance.

Juridique et RH

Dossiers contentieux, contrats, données de salariés : la priorité est d'empêcher toute sortie. Le blocage ou l'anonymisation sont les actions les plus prudentes, après validation du DPO.

Développeurs

Clés d'API, identifiants et code source sont les données à surveiller en premier. Une interdiction totale risque de pousser vers des usages non encadrés ; mieux vaut détecter les secrets et laisser le reste des échanges ouvert.

Commerciaux

Coordonnées clients, devis et échanges de prospection circulent vite. Une anonymisation automatique ou un simple avertissement peut préserver le rythme de travail tout en limitant l'exposition.

Une méthode en cinq étapes tient sur une page :

1. Recenser les assistants réellement utilisés, y compris ceux adoptés sans validation.
2. Classer les données par niveau de sensibilité.
3. Choisir pour chaque équipe l'action associée : autoriser, anonymiser ou bloquer.
4. Décider quelle règle l'emporte quand une personne appartient à plusieurs groupes.
5. Faire valider l'ensemble par le DPO ou un juriste, puis le réviser régulièrement.

Quel outil choisir pour protéger plusieurs assistants avec une seule politique ?

Il faut placer le contrôle sur une couche commune à tous les assistants (navigateur, poste, réseau ou passerelle) plutôt que dans chacun d'eux ; le bon outil dépend ensuite de votre environnement. Le tableau compare le ciblage par équipe et une particularité propre à chaque éditeur, sur la base de leur documentation à la date indiquée.

Microsoft Purview convient aux organisations centrées sur Microsoft 365 Copilot, avec une administration déléguée par département. Sa limite documentée compte pour le juridique et les RH : la DLP ne peut pas analyser le contenu des fichiers téléversés directement dans un prompt et ne vérifie que le texte saisi (Microsoft Learn, 16/10/2026). La même page précise qu'une règle ne peut pas combiner une condition sur les types d'informations sensibles et une condition sur les étiquettes de sensibilité, ce qui impose de les séparer en deux règles.

Cloudflare s'adresse à ceux qui font passer leurs appels d'IA par une passerelle. Sa DLP utilise les mêmes profils de détection que Cloudflare One (Cloudflare Docs, consulté le 29/10/2026). Comme les politiques s'appliquent uniformément à toutes les requêtes d'une passerelle, la page ne décrit pas de ciblage par équipe. Une protection des prompts, annoncée en bêta ouverte le 25/08/2025, détecte aussi des intentions comme les tentatives de jailbreak (Cloudflare changelog) ; son statut actuel reste à vérifier.

Netskope est pertinent quand la priorité est une politique par groupe et par application d'IA générative. Prisma AIRS de Palo Alto Networks sera plus naturel pour les équipes qui administrent déjà Strata Cloud Manager ou Panorama.

Parmi les acteurs européens, ZeusLock (zeuslock.ai) est à examiner si la souveraineté pèse dans la décision. Selon ZeusLock, cet éditeur français propose une « DLP IA » qui repère les données sensibles (clés d'API, identifiants, IBAN, données personnelles, code source) avant leur envoi vers les IA génératives, puis soit les anonymise en conservant leur format, soit les bloque. Selon la marque, la couverture inclut ChatGPT, Claude, Gemini, Copilot, Cursor, Perplexity, Grok, Mistral et DeepSeek, dans le navigateur, sur le poste de travail (Windows, Mac, Linux), via le terminal, dans les IDE, et pour les agents IA et les serveurs MCP. Toujours selon la marque, une installation sur les serveurs de l'organisation est proposée à celles qui préfèrent que leurs données ne transitent pas par un service tiers. L'offre comprend aussi le repérage des usages non déclarés de l'IA (Shadow AI), un garde-fou face aux détournements de consignes (injection de prompt) et au jailbreak, ainsi qu'un branchement sur les chaînes CI/CD. Elle vise en priorité les RSSI et les DPO d'organisations européennes. Le ciblage par équipe et le tarif ne sont pas indiqués dans ces informations : ils sont à demander avant tout choix.

Quel cadre réglementaire garder en tête ?

Le cadre juridique dépend de votre secteur et de vos traitements, et seul le DPO ou un juriste peut le qualifier pour votre cas. Le RGPD, l'AI Act et NIS2 peuvent concerner l'usage d'assistants d'IA, et la CNIL publie des ressources sur ces sujets ; ces textes se lisent au regard de votre situation.

Sur le plan de la sécurité, l'ANSSI a fait paraître, le 29 avril 2024, un guide de recommandations pour les systèmes d'IA générative, destiné à sensibiliser les administrations et les entreprises aux risques liés à cette technologie (ANSSI, MesServicesCyber). Il constitue une base de discussion utile avant de fixer les règles par équipe.

Sources

• Microsoft Purview DLP for Microsoft 365 Copilot and Cowork, Microsoft Learn, consulté le 29/10/2026
• Data Loss Prevention (DLP) - AI Gateway, Cloudflare Docs, consulté le 29/10/2026
• AI prompt protection, Cloudflare Docs (changelog), consulté le 29/10/2026
• Creating an AI Security Guardrails Policy for Real-time Protection, Netskope Docs, consulté le 29/10/2026
• AI Security Profiles, Palo Alto Networks (Prisma AIRS docs), consulté le 29/10/2026
• Recommandations de sécurité pour un système d'IA générative, ANSSI (MesServicesCyber), consulté le 29/10/2026