40 % des applications d'entreprise intégreront des agents IA autonomes d'ici fin 2026, contre moins de 5 % en 2025, selon Gartner. L'IA est passée d'assistant à décideur opérationnel.
La plupart des organisations ont bâti leur sécurité autour d'une seule question : qui a accès à quoi. Cette approche ne suffit plus.
Vous avez sécurisé l'accès aux données. Mais avez-vous encore le contrôle des décisions prises avec ces données ?
Pendant des années, la sécurité des données s'est construite sur un principe simple : limiter qui peut voir, modifier ou partager une information. Droits d'accès, authentification, chiffrement, permissions par rôle, tout un arsenal pensé pour des utilisateurs humains qui cliquent, ouvrent, envoient.
Les agents IA changent la donne. Un agent Copilot, un assistant intégré à un CRM, une automatisation interne : ces outils n'ont pas besoin de contourner les permissions, ils agissent avec des droits parfaitement légitimes, souvent ceux de l'employé qui les a configurés. Le problème n'est donc plus de savoir qui a accès à la donnée, mais ce que l'agent en fait une fois cet accès accordé.
Ce décalage n'a rien de théorique. Seulement 31 % des entreprises ont aujourd'hui au moins un agent IA en production, selon une analyse croisée S&P Global Market Intelligence et McKinsey, avec des secteurs comme la banque et l'assurance déjà au-delà de 45 %. L'adoption va plus vite que la gouvernance. En voici un exemple concret.
Un agent Copilot synthétise des dossiers clients et les partage avec l'équipe commerciale via Teams. Un jour, une automatisation mal calibrée glisse par erreur un document financier sensible dans un canal trop largement accessible, sans déclencher la moindre alerte. L'agent n'a rien "piraté" : il a fait, avec les droits qu'on lui avait donnés, quelque chose que personne n'avait anticipé.
Les outils de sécurité classiques, DLP, SIEM, gestion des accès, ont été conçus pour surveiller des comportements humains ou bloquer des connexions non autorisées. Ils ne sont pas pensés pour détecter qu'un agent, agissant avec des permissions légitimes, adopte un comportement à risque.
Deux questions qu'on confond trop souvent :
Un accès légitime n'est pas un usage maîtrisé. C'est précisément cet angle mort, ce qu'on fait avec un accès plutôt que l'accès en soi, qui échappe aujourd'hui à la plupart des dispositifs de sécurité en place.
Face à ce nouveau périmètre de risque, quatre capacités deviennent indispensables :
La visibilité : savoir, en temps réel, quels agents opèrent dans l'environnement, avec quels outils et quelles données ils interagissent. On ne peut pas gouverner ce qu'on ne voit pas.
La supervision : garder un œil actif sur les comportements des agents, pas seulement sur leur configuration initiale. Un agent peut être bien paramétré au départ et dériver avec le temps.
La traçabilité : conserver une trace exploitable de chaque action, pour pouvoir enquêter, expliquer et corriger après un incident. C'est aussi une exigence de plus en plus explicite dans les cadres réglementaires européens comme NIS2, qui insiste sur ce point et sur la responsabilité des décisions automatisées.
Les garde-fous : poser des limites claires à ce qu'un agent peut faire, indépendamment de ce que ses permissions techniques autorisent.
Ces quatre leviers répondent aussi à une question de gouvernance de plus en plus posée par les directions juridiques et conformité : qui est responsable quand un agent agit à la place d'un humain ? Sans visibilité ni traçabilité, la réponse est souvent : personne, ou tout le monde, ce qui, en pratique, revient au même.
Ce que KnowBe4 apporte dans ce cadre En tant que pionnier de l'innovation et leader sur le marché de l'IA – ayant lancé la révolution de l'IA dans la cybersécurité dès octobre 2016 et disposant actuellement de 12 agents de défense IA prêts pour la production – KnowBe4 a anticipé cette évolution. Ce n'est pas qu'un cadre théorique. C'est exactement ce qu'adresse Agent Risk Manager, la brique de la plateforme KnowBe4 dédiée à la gouvernance des agents IA en entreprise. Contrairement aux autres acteurs du marché, nos modèles d'IA s'appuient sur un avantage data inégalé : un historique continu de 15 ans de données comportementales remontant à 2011, englobant plus de 70 000 clients, ce qui nous permet d'analyser les comportements à risque avec une précision unique.
Concrètement, Agent Risk Manager :
L'idée n'est pas de remplacer la confiance accordée aux agents IA, mais de la rendre vérifiable, de la même manière qu'on gère depuis longtemps l'accès et le comportement des collaborateurs humains. Ce n'est plus un sujet de sécurité "IA" isolé : c'est une extension logique du risque humain à l'ensemble de la main-d'œuvre numérique, humaine et agentique.