Sécuriser l'IA générative en entreprise : ce qu'apporte Claude

Le 5 novembre 2026, Anthropic a ajouté à Claude Enterprise une série de contrôles de sécurité : un centre de sécurité qui audite la configuration, des « inference hooks » qui permettent de bloquer un message contenant des données sensibles avant qu'il n'atteigne le modèle, et des outils pour empêcher l'usage de comptes personnels sur les postes de l'entreprise. Pour une PME, l'intérêt de l'annonce dépasse Claude : elle montre clairement où sont les risques de l'IA générative au travail, et quelles protections il faut exiger de n'importe quel outil avant de le confier à ses équipes.

Qu'a annoncé Anthropic exactement ?

Selon l'annonce officielle d'Anthropic, publiée le 5 novembre 2026, la mise à jour concerne l'offre Claude Enterprise et comprend plusieurs briques, la plupart en bêta :

• Un centre de sécurité (bêta). Une page des réglages de l'organisation compare la configuration de l'entreprise pour la conversation, Cowork (l'agent qui travaille sur les fichiers de l'utilisateur) et Claude Code avec la configuration recommandée par Anthropic. Pour chaque contrôle, elle affiche la valeur actuelle, la valeur conseillée et un lien pour la modifier. Un rapport d'audit se télécharge. Anthropic précise que ce centre est un guide fondé sur ses recommandations, pas une certification ni une garantie de conformité.
• Les inference hooks, désormais disponibles pour tous les clients Enterprise. Ils envoient chaque message, et chaque action que Claude s'apprête à lancer dans un outil connecté, vers un serveur de sécurité choisi par l'entreprise, qui autorise ou bloque.
• Une gestion centralisée (bêta) pour les groupes qui ont plusieurs organisations Claude : authentification unique, synchronisation de l'annuaire, rôles d'administration communs.
• Des contrôles contre l'informatique fantôme (bêta). Sur les ordinateurs gérés par l'entreprise, l'administrateur peut bloquer les comptes Claude personnels dans l'application de bureau et limiter les dossiers auxquels Claude a accès.
• La déconnexion à distance d'un salarié sur tous ses appareils, une liste d'adresses IP autorisées gérée en autonomie, et l'intégration de l'outil de détection des menaces de l'entreprise (EDR) dans la machine virtuelle de Cowork.

Rien de spectaculaire pris isolément. Mais l'ensemble répond à la question que se posent tous les responsables informatiques : comment laisser les équipes utiliser l'IA sans perdre la maîtrise des données ?

Comment fonctionnent les inference hooks ?

C'est la brique la plus intéressante, parce qu'elle s'attaque au risque principal : un salarié qui colle dans une conversation un contrat, un fichier clients ou une fiche de paie.

D'après la documentation technique d'Anthropic, le fonctionnement est le suivant. Quand un utilisateur envoie un message, Anthropic transmet la conversation à un serveur de sécurité exploité par l'entreprise ou par son prestataire. Ce serveur répond « autoriser » ou « bloquer », dans un délai de 5 secondes par défaut. Un message bloqué n'atteint jamais le modèle, et l'utilisateur voit un message expliquant pourquoi. Le contrôle s'applique aussi au texte extrait des pièces jointes et, si l'option est activée, aux actions que Claude veut lancer dans un outil connecté (messagerie, stockage, CRM).

Ce serveur est en général un outil de prévention des fuites de données, ou DLP (en anglais data loss prevention) : un logiciel qui repère les informations sensibles (numéros de carte, données de santé, documents classés confidentiels) et applique la politique de l'entreprise. The Next Web cite des éditeurs compatibles comme Netskope, Palo Alto Networks et Zscaler. La fonction avait été lancée en bêta le 5 août 2026, comme le rappelle Check Point.

Trois détails de la documentation comptent en pratique :

• Le comportement en cas de panne est un choix. Si le serveur de sécurité ne répond pas, l'entreprise décide à l'avance : bloquer le message, ou le laisser passer sans contrôle. Le premier protège, le second évite de paralyser les équipes. Il faut trancher consciemment.
• Le déploiement peut être progressif. Un mode d'observation enregistre ce qui serait bloqué sans rien bloquer, et on peut n'inspecter qu'une partie des messages au début.
• Les limites sont écrites noir sur blanc. Les images ne sont pas inspectées (la capture d'écran d'un document confidentiel passe), le serveur peut seulement autoriser ou bloquer sans masquer une partie du texte, et la fonction ne couvre ni l'accès par API ni Claude utilisé via Amazon Bedrock ou Google Cloud.

Pourquoi sécuriser l'IA générative est devenu urgent ?

Parce que les salariés n'attendent pas l'autorisation. L'étude mondiale menée par l'université de Melbourne avec KPMG auprès de plus de 48 000 personnes dans 47 pays, publiée en 2025, indique que près de la moitié des salariés reconnaissent utiliser l'IA d'une manière contraire aux règles de leur entreprise, notamment en chargeant des informations sensibles dans des outils publics et gratuits. Selon la même étude, seuls 40 % des salariés disent que leur entreprise dispose d'une politique ou de consignes sur l'IA générative, et 47 % disent avoir été formés.

C'est ce qu'on appelle le shadow AI, l'IA fantôme : des usages réels, souvent utiles, mais invisibles pour la direction, sur des comptes personnels dont l'entreprise ne contrôle ni les réglages ni la conservation des données.

Notre lecture : interdire ne règle rien, ça déplace le problème vers les téléphones personnels. La bonne réponse est de fournir un outil encadré, assez bon pour que personne n'ait envie de contourner, avec des règles claires sur ce qu'on peut y mettre.

Ces protections sont-elles accessibles à une PME ?

En partie seulement, et il faut le dire franchement. Les inference hooks sont réservés à l'offre Claude Enterprise, et leur configuration est réservée aux rôles de propriétaire de l'organisation. Surtout, ils supposent d'avoir un serveur de sécurité à brancher, donc un outil DLP et quelqu'un pour en écrire les règles. C'est l'équipement d'un groupe avec une équipe sécurité, rarement celui d'une PME de 50 personnes.

Le reste de l'annonce est plus utile pour des structures moyennes. Bloquer les comptes personnels sur les postes de l'entreprise, couper l'accès d'un salarié qui part, restreindre l'accès aux adresses IP du bureau : ce sont des mesures simples qui ferment les fuites les plus fréquentes.

Voici comment on hiérarchise les protections selon la taille et la sensibilité des données :

Que recommande la CNIL pour déployer une IA générative ?

La CNIL a publié des questions-réponses sur l'utilisation d'un système d'IA générative qui vont dans le même sens. Elle recommande de partir d'un besoin concret plutôt que de déployer un outil sans but précis, de définir une liste d'utilisations autorisées et interdites, et de former les utilisateurs aux usages interdits comme aux risques des usages autorisés. Elle conseille aussi d'associer le délégué à la protection des données (DPO) et, le cas échéant, de réaliser une analyse d'impact.

Sur le mode d'hébergement, la CNIL estime que pour des données sensibles ou stratégiques, un déploiement sur site, c'est-à-dire sur des serveurs maîtrisés par l'entreprise, est généralement plus opportun et plus sûr. On a comparé les options d'hébergement dans notre matrice de décision cloud de confiance ou on-premise.

Autrement dit, la technologie d'Anthropic ne remplace pas la gouvernance. Un filtre DLP applique une politique, il ne l'écrit pas.

Faut-il passer par un outil grand public ou par un agent sur mesure ?

Les deux ont leur place, et la plupart des entreprises ont besoin des deux.

Un assistant généraliste comme Claude, ChatGPT ou Copilot, en version entreprise, sert à la rédaction, à la synthèse, à la recherche, au code. Il doit être bien configuré, avec les protections du tableau ci-dessus, mais il ne doit pas devenir le réceptacle de toutes les données de l'entreprise.

Pour les usages qui touchent des données critiques (dossiers patients, contrats, données RH, documents techniques confidentiels), on recommande plutôt un agent dédié. Il n'accède qu'aux documents dont il a besoin, respecte les droits d'accès de chaque utilisateur, journalise ses réponses et peut tourner sur un modèle hébergé en Europe ou dans vos murs. C'est l'approche qu'on décrit sur notre page consacrée à l'IA conforme RGPD et AI Act et, pour l'interrogation de documents internes, sur notre page RAG.

Dès qu'un agent agit dans vos outils, une autre surface d'attaque s'ajoute : les instructions malveillantes cachées dans un document ou un e-mail. On l'a détaillée dans notre analyse de la sécurité des agents IA.

Ce qu'on en retient pour votre entreprise

Faire l'inventaire des usages réels. Avant de choisir un outil, demandez à vos équipes, sans sanction, quels outils d'IA elles utilisent et pour quoi faire. Vous saurez quelles données circulent déjà et quels besoins il faut couvrir.

Fournir un outil entreprise et fermer les comptes personnels. Un abonnement entreprise bien configuré, avec authentification unique et une charte d'une page sur les données autorisées, ferme la majorité des fuites. Profitez des audits de configuration quand l'éditeur en propose, comme le nouveau centre de sécurité de Claude.

Sortir les données critiques de l'assistant généraliste. Pour les dossiers sensibles, construisez un agent dédié, avec des droits d'accès et une traçabilité, plutôt que d'espérer qu'un filtre rattrape chaque erreur.

Questions fréquentes

Les conversations de Claude Enterprise servent-elles à entraîner les modèles ?

La réponse se trouve dans le contrat et les conditions de traitement des données de l'éditeur, pas dans une plaquette commerciale. Vérifiez au même endroit la durée de conservation des conversations et le lieu d'hébergement. Ce sont les premières clauses à faire relire par votre DPO, quel que soit l'outil.

Les inference hooks sont-ils disponibles avec l'offre Claude Team ?

Non. D'après la documentation d'Anthropic, ils sont réservés aux organisations Claude Enterprise. L'offre Team donne accès à d'autres contrôles d'administration, mais pas à ce filtrage des messages.

Un filtre DLP suffit-il à rendre l'usage de l'IA conforme au RGPD ?

Non. Il réduit le risque de fuite par erreur, mais la conformité suppose aussi une base légale, une information des personnes, une durée de conservation définie et, selon les cas, une analyse d'impact. Le filtre applique les règles, il ne les remplace pas.

Peut-on simplement interdire l'IA générative aux salariés ?

On peut, mais l'étude de l'université de Melbourne et de KPMG montre que les règles sont largement contournées. Une interdiction sans alternative pousse les usages vers les téléphones et les comptes personnels, là où vous n'avez plus aucune visibilité.