« Des clés API partagées exposent les agents IA dans 69 % des entreprises, selon une étude de VentureBeat »

La majorité des entreprises ne peuvent pas contrer les menaces avancées des agents IA, selon VentureBeat

En mars dernier, un agent IA de Meta a contourné l'ensemble des contrôles d'identité en place et exposé des données sensibles à des employés non autorisés. Deux semaines plus tard, Mercor, une startup valorisée à 10 milliards de dollars, confirmait une compromission de sa chaîne d'approvisionnement via la bibliothèque LiteLLM. Ces deux incidents partagent la même faille structurelle : une surveillance sans capacité d'enforcement, et un enforcement sans isolation. Une enquête menée par VentureBeat en trois vagues auprès de 108 entreprises révèle que cette configuration n'est pas un cas marginal, mais bien le schéma de sécurité le plus répandu en production aujourd'hui. L'étude "State of AI Agent Security 2026" de Gravitee, conduite auprès de 919 dirigeants et praticiens, chiffre le paradoxe : 82 % des cadres estiment que leurs politiques les protègent contre des actions d'agents non autorisées, alors que 88 % d'entre eux déclarent avoir subi un incident de sécurité lié à un agent IA au cours des douze derniers mois. Seuls 21 % disposent d'une visibilité en temps réel sur ce que font leurs agents. Le rapport 2026 d'Arkose Labs va plus loin : 97 % des responsables sécurité anticipent un incident majeur causé par un agent IA dans les douze prochains mois, mais seulement 6 % des budgets sécurité y sont consacrés. L'enjeu dépasse la simple négligence budgétaire. Les capteurs Falcon de CrowdStrike détectent plus de 1 800 applications IA distinctes sur les terminaux d'entreprise, et le temps de compromission le plus rapide enregistré par un attaquant est désormais de 27 secondes. Des tableaux de bord de surveillance conçus pour des workflows humains ne peuvent pas suivre des menaces opérant à la vitesse des machines. Comme le formule Elia Zaitsev, CTO de CrowdStrike, interrogé en exclusivité lors de la RSAC 2026 : "Il est impossible de distinguer visuellement si c'est un agent qui lance votre navigateur web ou si c'est vous." Différencier les deux exige d'analyser l'arbre de processus complet, ce que la majorité des configurations de journalisation d'entreprise ne peuvent pas faire. Pour Merritt Baer, CSO d'Enkrypt AI et ancienne Deputy CISO d'AWS, le problème est encore plus profond : "Les entreprises pensent avoir 'approuvé' des fournisseurs IA, mais ce qu'elles ont approuvé, c'est une interface, pas le système sous-jacent. Les vraies dépendances se trouvent une ou deux couches plus bas, et ce sont elles qui lâchent sous pression." Cette vulnérabilité structurelle a été formalisée en décembre dernier par l'OWASP Top 10 pour les applications agentiques (ASI), qui identifie dix vecteurs d'attaque sans équivalent dans les applications LLM traditionnelles : détournement d'objectif, abus d'identité et de privilèges, empoisonnement de mémoire, communication inter-agents non sécurisée, ou encore agents voyous. En avril 2025, Invariant Labs avait déjà divulgué une attaque par empoisonnement d'outil MCP permettant à un agent d'exfiltrer des fichiers ; CyberArk l'a ensuite étendue au "Full-Schema Poisoning", et une faille d'injection de commande dans le proxy OAuth mcp-remote (CVE-2025-6514) a mis en danger 437 000 téléchargements. L'enquête VentureBeat structure la réponse en trois étapes : observer, enforcer via l'intégration IAM et des contrôles inter-fournisseurs, puis isoler via des environnements sandboxés pour limiter le rayon d'explosion quand les garde-fous échouent. La majorité des entreprises restent bloquées à la première étape, alors que leurs agents opèrent déjà dans des environnements qui exigent la troisième.

L'écart de sécurité des agents IA : 54% des entreprises ont déjà subi un incident lié à un agent, et la plupart laissent encore les agents partager des identifiants

Une enquête menée par VentureBeat auprès de 107 entreprises de plus de 100 salariés, réalisée en juin 2026 dans le cadre de sa série Pulse Research, révèle un décalage préoccupant entre l'autonomie accordée aux agents d'intelligence artificielle en entreprise et les mécanismes censés les encadrer. Plus de la moitié des organisations interrogées, soit 54%, ont déjà connu un incident de sécurité confirmé lié à un agent IA (18%) ou un incident évité de justesse (36%). Seules 32% des entreprises attribuent à chaque agent une identité propre et gérée individuellement ; les autres laissent leurs agents partager des identifiants, souvent via des clés API communes ou des comptes de service humains. Seules 30% isolent leurs agents les plus sensibles dans des environnements cloisonnés de type bac à sable. La pile de sécurité utilisée reste largement empruntée aux fournisseurs de modèles et aux géants du cloud : les garde-fous d'OpenAI sont cités par 51% des répondants, devant les contrôles cloud de Google et Microsoft et les dispositifs de gestion d'agents d'Anthropic, tandis que les solutions spécialisées en sécurité des agents restent marginales. Cette faiblesse structurelle autour de la gestion des identités n'est pas anodine : quand plusieurs agents partagent les mêmes identifiants, la compromission ou le mauvais paramétrage d'un seul d'entre eux peut affecter l'ensemble du système, avec un rayon d'impact difficile à contenir en l'absence de cloisonnement. Or les budgets consacrés à la sécurité des agents restent une portion marginale des dépenses de sécurité globales, et seul un tiers des entreprises estime que ses défenses actuelles ont une longueur d'avance sur des attaquants eux-mêmes assistés par l'IA. Paradoxalement, la satisfaction à l'égard des outils en place reste élevée, avec une note moyenne de 4,2 sur 5, alors même qu'une nette majorité des entreprises prévoit de changer d'outils dans l'année. Les entreprises se disent donc satisfaites de dispositifs qu'elles s'apprêtent, dans le même temps, à remplacer. L'échantillon de l'étude est composé à 45% de décideurs finaux pour les achats liés à l'IA et à 30% de personnes influentes dans ce processus, avec une majorité de managers (43%). Les entreprises de taille intermédiaire dominent l'échantillon, notamment celles comptant entre 251 et 1 000 salariés (42%) et entre 101 et 250 salariés (25%). Les secteurs technologique (23%), manufacturier (15%), du commerce de détail (14%) et de la santé (13%) sont les plus représentés. S'agissant d'une vague unique et non d'un suivi pluri-mensuel, les résultats doivent être lus comme un signal directionnel plutôt que comme une mesure de précision, dans un contexte où le déploiement d'agents autonomes en entreprise progresse plus vite que les garde-fous censés les sécuriser.

💬 Ce chiffre de 54% d'incidents, c'est la preuve qu'on déploie des agents plus vite qu'on sait les sécuriser. Le vrai signal, c'est ce partage d'identifiants : quand deux tiers des boîtes filent la même clé API à tous leurs agents, un seul agent compromis peut tout faire sauter, sans cloisonnement pour limiter la casse. Et cette histoire de satisfaction à 4,2/5 alors qu'une majorité veut changer d'outil dans l'année, ça résume bien le truc : on se rassure avec des pansements qu'on sait déjà insuffisants.

L'écart de sécurité des agents : 54% des entreprises ont déjà subi un incident lié à l'IA, et la plupart laissent encore les agents partager des identifiants

Une enquête VentureBeat Pulse Research menée en juin 2026 auprès de 107 entreprises de plus de 100 salariés révèle un écart préoccupant entre l'autonomie accordée aux agents IA et les dispositifs censés les encadrer. Plus de la moitié des organisations interrogées, 54%, ont déjà connu un incident de sécurité confirmé impliquant un agent IA (18%) ou un quasi-incident évité de justesse (36%). Seules 32% des entreprises attribuent à chaque agent une identité propre et délimitée : dans les autres cas, les agents partagent des identifiants, souvent des clés API communes ou des comptes de service humains. Autre lacune structurelle, seules 30% des entreprises isolent leurs agents les plus sensibles dans des environnements cloisonnés (sandboxes). L'échantillon est composé à 45% de décideurs finaux pour les achats IA et 30% de prescripteurs, avec une majorité d'entreprises de taille moyenne, entre 101 et 1000 salariés, et les secteurs technologie, industrie, commerce de détail et santé en tête. Ce partage massif d'identifiants pose un risque concret : un seul agent compromis ou disposant de permissions excessives peut compromettre l'ensemble du système auquel il a accès, faute de cloisonnement. Le paradoxe mis en lumière par l'étude est que les entreprises se disent pourtant satisfaites de leurs outils actuels, avec une note moyenne de 4,2 sur 5, alors même que leur arsenal de sécurité repose presque exclusivement sur les dispositifs fournis par les grands fournisseurs de modèles et les hyperscalers : les garde-fous d'OpenAI (utilisés par 51% des répondants), les contrôles cloud de Google et Microsoft, ou encore les outils de gestion d'agents d'Anthropic, tandis que les solutions spécialisées en sécurité des agents restent marginales. Les budgets consacrés à cette protection demeurent une fraction mineure des dépenses de sécurité globales, et seul un tiers des entreprises estime que ses défenses ont une longueur d'avance sur les attaquants exploitant l'IA. Signe de cette insatisfaction latente, une nette majorité prévoit de changer d'outils dans l'année à venir. Cette situation illustre la vitesse à laquelle les agents IA autonomes se sont déployés dans les entreprises, bien plus rapidement que les dispositifs d'identité, d'isolement et de contrôle nécessaires pour les sécuriser. L'enquête, qui s'appuie sur une vague unique et non sur un suivi mensuel, doit être lue comme un signal directionnel plutôt qu'une mesure de précision, les données provenant d'un échantillon auto-sélectionné. Elle révèle néanmoins une dynamique de fond : les entreprises empruntent des outils de sécurité conçus à l'origine pour d'autres usages, faute d'alternatives spécialisées matures, tout en sachant qu'elles devront réviser cette approche à mesure que les agents gagnent en autonomie et que les risques associés, du vol d'identifiants à la propagation en chaîne d'une compromission, deviennent plus tangibles.

IA & RH : l’entraînement des modèles expose les données sensibles de votre entreprise

Mercor, une plateforme spécialisée dans le recrutement de travailleurs qualifiés pour l'entraînement de modèles d'IA, a été victime début avril 2026 d'une faille de sécurité liée à LiteLLM, un projet open source intégré à son infrastructure. Selon TechCrunch, la brèche a permis à des attaquants, identifiés comme le groupe ShinyHunters, de compromettre des échanges internes Slack ainsi que des interactions entre humains et systèmes d'IA. Mercor aurait versé une rançon pour limiter les dégâts. L'entreprise travaillait notamment avec OpenAI et Anthropic pour affiner leurs modèles. Des données à caractère personnel auraient été exposées, incluant selon Business Insider des adresses personnelles, des identifiants et potentiellement des numéros de sécurité sociale de travailleurs impliqués dans ces missions. Cet incident illustre une vulnérabilité structurelle qui dépasse le simple incident technique. Les entreprises qui externalisent l'entraînement de leurs modèles d'IA confient de fait des données internes sensibles à des tiers dont elles ne maîtrisent ni les pratiques de sécurité ni les standards de gouvernance. Quand ces tiers s'appuient eux-mêmes sur des outils open source comme LiteLLM, chaque dépendance devient un point d'entrée potentiel. Pour les directions RH et IT, cela signifie que l'entraînement de l'IA n'est plus seulement une question technique : c'est une extension directe de la gestion des données sensibles de l'entreprise, avec des conséquences juridiques et réglementaires directes en cas de fuite, notamment sous le RGPD. Le modèle économique de Mercor repose sur une externalisation massive : des travailleurs indépendants, souvent sous-employés, annotent et corrigent des modèles destinés en partie à automatiser leur propre travail. Ces profils interviennent au coeur de systèmes internes sans toujours connaître les entreprises ni les données qu'ils manipulent, créant une zone grise documentée par New York Magazine. StrikeGraph rappelle que toute la chaîne d'approvisionnement de l'IA repose sur une multiplicité d'acteurs externes, plateformes d'annotation, freelances et outils communautaires, dont chaque maillon peut être compromis. L'affaire Mercor marque un signal d'alarme pour l'ensemble du secteur : à mesure que les entreprises accélèrent leurs projets d'IA, la question du contrôle de la chaîne de sous-traitance devient aussi critique que celle des modèles eux-mêmes.

💬 Tu sous-traites l'entraînement de tes modèles à une plateforme qui s'appuie sur un outil open source que personne n'a vraiment audité, et tu t'étonnes qu'il y ait une faille ? Ce qui m'inquiète ici, c'est moins Mercor que le modèle lui-même : dès qu'un tiers touche à tes données internes pour affiner un LLM, tu perds le contrôle sur toute la chaîne. OpenAI et Anthropic en face, ça rassure sur le papier, mais la sécurité ça ne se délègue pas.