La souveraineté de l’IA n’est pas une localisation cloud. C’est un plan de contrôle.
Méta description : Le nouveau plan APAC d’IBM axé sur l’IA place la souveraineté au cœur de l’IA d’entreprise. Voici pourquoi la seule résidence des données ne suffira pas à contrôler l’IA fantôme ou les risques liés aux agents.
Le plan directeur d’IBM du 21 juillet pour les entreprises IA-first en Asie-Pacifique place la souveraineté numérique au centre du débat. C’est le bon réflexe. La résidence des données et l’infrastructure hybride déterminent ce que les entreprises peuvent déployer, où et qui est responsable en cas de problème.
Mais beaucoup d’organisations réduisent la souveraineté à une simple décision d’hébergement.
Conserver le modèle dans le pays. Placer les données dans une région approuvée. Signer un contrat fournisseur renforcé. Cocher la case souveraineté.
Ces mesures sont importantes. Elles restent insuffisantes si les employés utilisent des outils IA non approuvés via leur navigateur, si les équipes connectent des agents aux données SaaS avec des identifiants personnels, et si de nombreux workflows peuvent agir sur plusieurs systèmes sans politique de sécurité commune.
Une stratégie d’IA souveraine nécessite un plan de contrôle, pas seulement une localisation cloud.
Le nouveau périmètre d’entreprise est une chaîne de décisions
La gouvernance traditionnelle des données s’interroge sur le lieu de stockage et les accès. L’IA agentique ajoute une question plus complexe : que peut décider, récupérer, envoyer ou modifier un système après avoir obtenu l’accès ?
Cette chaîne de décisions peut franchir de nombreuses frontières en quelques secondes. Un utilisateur soumet un dossier client à un modèle public. Un agent interne interroge une base de connaissances. Un connecteur appelle une API CRM. Un autre agent envoie une réponse. Chaque étape peut être autorisée isolément. Ensemble, elles créent un risque matériel, de conformité et opérationnel.
C’est pourquoi un déploiement régional ne garantit pas automatiquement un contrôle souverain. L’organisation peut savoir où un modèle fondamental fonctionne, sans avoir une vue fiable de :
- Quels outils et agents IA les employés utilisent réellement
- Quelles données entrent dans ces outils, y compris via copier-coller et sessions navigateur
- Quels connecteurs, API et fournisseurs de modèles sont derrière un workflow agentique
- Quelles permissions un agent hérite et si elles sont toujours nécessaires
- Quelles actions ont été proposées, approuvées, exécutées ou bloquées
Si ces réponses sont dispersées dans différentes consoles produits, feuilles de calcul et emails d’approbation, l’entreprise ne dispose pas d’un plan de contrôle. Elle a un ensemble de vérités partielles.
L’IA parallèle est le problème de souveraineté que la résidence ne peut résoudre
L’IA parallèle est souvent vue comme un problème de politique employé. C’est en réalité un problème d’observabilité.
Les gens utilisent l’IA parce qu’elle supprime les frictions. Un responsable commercial veut un résumé de compte plus rapide. Un développeur cherche de l’aide sur un code inconnu. Un analyste financier veut rapprocher un rapport. Quand les outils approuvés sont lents, indisponibles ou mal intégrés, le travail emprunte le chemin de moindre résistance.
Ce n’est pas une raison pour tolérer une IA non gérée. C’est une raison d’arrêter de croire qu’une page de politique change les comportements.
La conséquence pratique est inconfortable : une entreprise peut s’engager sur une infrastructure souveraine tandis que des contextes sensibles s’échappent via des sessions IA non observées et des outils navigateur non gérés. Pire, un agent construit par un employé peut connecter des systèmes sanctionnés à un modèle ou service d’automatisation non sanctionné. Dans ce cas, les données ne se sont pas seulement déplacées. Elles ont acquis une capacité d’action.
La découverte est donc la première exigence de la souveraineté IA. On ne peut pas appliquer une frontière autour d’une activité IA invisible.
Les agents transforment la souveraineté des données en souveraineté d’action
Le risque ne se limite pas à la sortie des données d’un environnement approuvé. Il concerne aussi les actions qui se produisent sans garde-fous appropriés.
Considérez un agent interne d’approvisionnement ayant accès aux contrats, dossiers fournisseurs et emails. L’équipe peut restreindre correctement l’hébergement du modèle à une juridiction approuvée. Pourtant, l’agent peut créer un risque s’il est autorisé à envoyer un email fournisseur, modifier un dossier ou déclencher un workflow de paiement sans décision politique au moment de l’action.
C’est la souveraineté d’action : la capacité à définir et appliquer qui ou quoi peut faire quoi, sur quelles données, dans quel contexte, avec une preuve a posteriori.
Pour les workflows à fort impact, concevez des contrôles explicites :
1. Identités d’agents au moindre privilège. Les agents doivent recevoir un accès restreint et spécifique, pas les larges permissions permanentes d’un utilisateur. 2. Limites d’action. Distinguer lecture, rédaction, recommandation et exécution. Ces niveaux de risque ne sont pas équivalents. 3. Approbations contextuelles. Exiger une revue humaine lorsqu’une action atteint un seuil financier, légal, client, de sécurité ou de données sensibles. 4. Journalisation en temps réel. Capturer le modèle, les appels d’outils, les sources de données, les permissions et l’action finale dans un enregistrement consultable. 5. Révocation rapide. Lorsqu’un connecteur, modèle ou workflow change, les équipes doivent pouvoir retirer l’accès immédiatement sans attendre une revue trimestrielle.
C’est plus exigeant qu’une politique d’usage acceptable de l’IA. C’est aussi ainsi que la gouvernance devient opérationnelle à grande échelle.
Construisez un plan de contrôle couvrant l’environnement réel
L’annonce d’IBM pointe vers le bon changement de marché : les entreprises passent d’expérimentations dispersées à une orchestration coordonnée. Le mot clé est coordonnée.
Un plan de contrôle IA utile doit fonctionner sur les usages sanctionnés et non sanctionnés, pas seulement dans la plateforme agent choisie par l’IT. Il doit offrir aux responsables sécurité, conformité et métiers une vision commune tout en conservant la rapidité nécessaire aux équipes pour travailler.
Commencez par quatre capacités concrètes.
Découvrez l’usage de l’IA en continu. Inventoriez les outils basés sur navigateur, applications connectées, modèles, agents et intégrations. Ne vous fiez pas aux auto-déclarations ou aux dossiers d’achat. L’outil le plus important dans l’environnement peut être celui que personne n’a formellement acquis.
Classez le risque, pas seulement le fournisseur. Un chatbot public utilisé pour la rédaction générique n’est pas équivalent à un agent connecté aux dossiers RH et aux emails. Le risque dépend de la sensibilité des données, des permissions, de l’impact sur le workflow, de la posture du fournisseur et du contexte utilisateur.
Définissez les politiques au point de décision. Les politiques doivent accompagner le workflow. Elles doivent contrôler ce qu’un agent peut accéder, quels outils il peut appeler, quand une approbation est nécessaire et quand une action doit être bloquée.
Produisez des preuves sans urgence. Les auditeurs et les intervenants en cas d’incident doivent pouvoir reconstituer rapidement une interaction IA. Si la preuve nécessite cinq équipes et deux semaines de recherche dans les logs, le contrôle n’est pas opérationnel.
Le modèle gagnant n’est pas la centralisation pour elle-même
L’objectif n’est pas que la sécurité approuve chaque requête ni de forcer toutes les équipes dans un seul modèle. Cela garantit des contournements.
L’objectif est d’offrir aux équipes métiers des voies sûres vers la valeur : outils approuvés faciles d’accès, règles claires de gestion des données, contrôles proportionnés pour les workflows à risque élevé et une couche de gouvernance qui voit l’ensemble de l’environnement.
Cela est particulièrement pertinent en APAC, où les exigences de souveraineté des données sont réelles et les opérations multi-juridictionnelles courantes. Un modèle politique central peut coexister avec des exigences locales quand les organisations considèrent la souveraineté comme un système de visibilité, politique et action responsable.
Les entreprises qui avanceront le plus vite avec l’IA ne seront pas celles qui choisissent simplement une région locale. Ce seront celles qui savent quelle IA est utilisée, peuvent gouverner ce qu’elle touche et prouvent qui a approuvé l’action au moment crucial.
Aona aide les entreprises à découvrir l’IA parallèle, comprendre leur exposition et appliquer une gouvernance pratique avant qu’une IA non gérée ne devienne un incident. Si vous avez besoin d’une vision claire de l’activité IA et agent dans votre environnement, contactez l’équipe Aona.
Source
IBM, « La course pour devenir une entreprise IA-first a commencé : IBM prévoit que la région Asie-Pacifique sera leader d'ici 2030 », 21 juillet 2026.
