Contrairement à d’autres évolutions technologiques, elle ne s’est pas toujours accompagnée de projets structurés ou de cadres formalisés. Les outils sont accessibles immédiatement, simples d’usage, et apportent un gain de temps réel sur des tâches concrètes.
Dans ce contexte, leur adoption s’est faite de manière assez naturelle.
Ce qui change, en revanche, est plus subtil.
Il concerne la manière dont les données sont manipulées au quotidien.
Une adoption plus rapide que les cadres
L’un des points marquants de l’IA est la vitesse à laquelle elle s’intègre dans les usages.
Les équipes n’attendent pas nécessairement qu’un cadre soit défini pour commencer à utiliser ces outils. Elles les mobilisent pour répondre à des besoins immédiats : comprendre un comportement, tester une hypothèse, débloquer une situation.
Cette logique est cohérente avec la réalité des projets.
Mais elle crée un décalage.
Les usages se développent plus vite que les règles.
“On voit des équipes adopter des outils très rapidement, parfois avant même que les questions d’usage aient été posées.”
Marie-Dorothée, Responsable d’agence
Une transformation des pratiques autour de la donnée
Dans ce contexte, certaines pratiques deviennent plus fréquentes.
Copier des extraits de données pour analyser un problème.
Utiliser des jeux de données pour tester des modèles.
Partager des informations dans des outils externes pour obtenir une réponse.
Ces gestes ne sont pas nouveaux en soi.
Mais leur fréquence augmente, et surtout, ils s’inscrivent dans des environnements dont le fonctionnement n’est pas toujours maîtrisé.
C’est là que se situe le point de vigilance.
“On utilise ces outils pour aller plus vite, ce qui est logique. Mais on ne sait pas toujours ce qu’il advient des données qu’on y injecte.”
Alix, développeur front
Un enjeu d’usage plus que de technologie
Le débat autour de l’IA se focalise souvent sur les outils.
En pratique, le sujet est davantage lié aux usages.
Ce ne sont pas les technologies qui posent problème, mais la manière dont elles sont utilisées dans le quotidien des équipes.
En particulier lorsque des données issues de systèmes internes sont manipulées dans des environnements externes, sans visibilité claire sur leur traitement.
Une évolution des attentes vis-à-vis des profils techniques
Ces évolutions ont un impact direct sur les rôles techniques.
Sans transformer leur métier en profondeur, elles introduisent une nouvelle exigence : celle de comprendre les implications des usages liés aux données.
Il ne s’agit pas de faire de chaque profil un spécialiste de la sécurité.
Mais de développer une capacité à se poser les bonnes questions :
-
dans quel contexte j’utilise ces données ?
-
sont-elles adaptées à cet usage ?
-
quels sont les impacts potentiels ?
Ces réflexes ne sont pas encore systématiquement en place.
Ils s’acquièrent progressivement, au fil des projets.
Conclusion
L’intelligence artificielle ne crée pas un nouveau problème de sécurité des données.
Elle accélère des usages qui existaient déjà, mais qui deviennent plus fréquents et moins visibles.
Ce décalage entre la rapidité des usages et la maturité des pratiques constitue aujourd’hui l’un des principaux enjeux.
Chez MATEN, ces situations apparaissent déjà dans les missions, quel que soit le niveau d’expertise. Elles confirment que le sujet ne se limite pas à la technologie, mais concerne avant tout les pratiques.