À l’ère numérique, les données débordent plus rapidement que le café un lundi matin.
Un employé accède d’une manière ou d’une autre à des données RH confidentielles, envoie accidentellement un rapport financier à une partie externe au lieu du directeur financier, ou télécharge une base de données client sur une clé USB. Ou, pire encore, c’est un travail extérieur : les données de l’entreprise sont exposées par un cyberattaqueur sophistiqué.
De l’intérieur comme de l’extérieur, les informations sensibles des organisations sont constamment menacées, en particulier parce que l’ IA générative (GenAI) imprègne les fonctions commerciales, et qu’une fuite déclenchera généralement le cycle familier de violation, de réponse, de récupération, puis d’ investissement plus important dans la sécurité et de transfert de ces coûts aux consommateurs.
Les systèmes traditionnels de prévention des pertes de données (DLP) conçus pour bloquer cet accès, ce partage ou cette fuite de données sensibles pèsent sur les équipes de sécurité pour créer manuellement des règles et des politiques qui dictent ce qui est autorisé et ce qui ne l’est pas. Ces équipes doivent ensuite ajuster et mettre à jour ces politiques pour suivre l’évolution des menaces, des nouveaux types de données et des besoins commerciaux. Cette approche basée sur des règles entraîne souvent des taux élevés de faux positifs, une fatigue par alerte, des menaces contextuelles manquées et une lourde charge administrative pour les équipes de sécurité.
Voici où l’IA peut transformer la façon dont les entreprises protègent leurs actifs les plus précieux. Grâce à l’ apprentissage automatique, au traitement du langage naturel et à l’ analyse comportementale, les solutions DLP alimentées par l’IA peuvent être plus adaptatives et intelligentes, capables de répondre plus efficacement aux menaces de données.
Le problème est que ces systèmes nécessitent une formation de pointe. Si le système d’IA est formé sur de mauvaises données, les résultats peuvent être désastreux. « C’est comme l’analogie d’une personne qui part en voyage et qui part d’un certain point. Cela ne semble pas être une grosse différence à 1,6 kilomètre, mais lorsque vous êtes à des milliers de kilomètres, c’est une grosse affaire », déclare Eric Vanderburg, président du cabinet de conseil en cybersécurité Nexus Cyber, dans un entretien exclusif avec Focal Point.
Aujourd’hui, les enjeux sont élevés : selon un rapport d’IBM et du Ponemon Institute, les coûts des violations de données en 2024 ont atteint un niveau record de 4,88 millions USD, en hausse de 10 % par rapport à l’année précédente. Mais le rapport a révélé que les organisations qui appliquent l’IA et l’ automatisation de sécurité réduisent le coût des violations de 2,2 millions USD en moyenne.
L’automatisation de la DLP présente un certain nombre d’avantages pour les organisations, bien qu’il existe toujours des limitations et des défis. Voici ce qu’il est important de savoir.
Les avantages de la DLP alimentée par l’IA
Alors que les technologies d’IA et de GenAI alimentent les violations de données et incitent les organisations à réévaluer les mesures de sécurité, elles rendent également la sécurité plus intelligente, a déclaré Kevin Skapinetz, un stratège chevronné en cybersécurité et ancien directeur général des logiciels de sécurité chez IBM, lorsque leur rapport a été publié l’année dernière.
« Ce que l’IA essaie de faire, c’est ce que les humains faisaient auparavant : examiner les données brutes et créer les politiques qui les entourent. »Kevin Skapinetz, associé général, TechOperators
« Pour prendre de l’avance, les entreprises doivent investir dans de nouvelles défenses basées sur l’IA et développer les compétences nécessaires pour répondre aux risques et opportunités émergents présentés par l’IA générative », a déclaré Skapinetz, désormais associé général de la société de capital-risque axée sur la cybersécurité TechOperators.
D’une part, l’IA rationalise le processus de création des règles que la DLP traditionnelle pourrait utiliser. « En gros, ce que l’IA essaie de faire, c’est ce que les humains faisaient auparavant : examiner les données brutes et créer les politiques qui les entourent », a-t-il noté. « L’IA le fait très efficacement une fois que vous avez suivi une période de formation pour l’aider à comprendre. »
De plus, l’IA permet à la DLP de mieux comprendre le contexte et le comportement. Une DLP traditionnelle peut bloquer tous les e-mails contenant « confidentiels », même s’il s’agit d’un document approuvé, tandis qu’une DLP alimentée par IA reconnaîtra si le document est partagé en toute sécurité au sein de l’entreprise.
Ces différenciations entraînent une réduction des faux positifs.
« Si un humain reçoit beaucoup d’alertes et qu’il a toutes été faux positifs, il peut simplement mettre sur liste blanche la prochaine qui arrive sans vraiment la regarder », déclare Vanderburg. »C’est ce qui se passe lorsque vous êtes fatigué », dit-il. « Mais les IA ne se fatiguent pas. »
L’IA peut également analyser plus de facteurs au-delà du simple contenu, tels que le comportement des utilisateurs et les modèles de connexion pour identifier les incidents potentiels de perte de données. Si un utilisateur se connecte généralement à partir d’un bureau à domicile en Oklahoma quelques jours par semaine, par exemple, l’IA le reconnaît. Cependant, si l’utilisateur commence soudainement à se connecter depuis le Liberia, l’IA le signalera, explique Vanderburg.
Il existe également des avantages en matière de conformité. Étant donné que les IA enregistrent chaque décision, ces données fournissent une justification claire des mesures de sécurité, ce qui fait souvent défaut aux processus basés sur l’humain, explique M. Vanderburg. Il est également utile de réagir à une violation de données, permettant aux organisations de se défendre contre les amendes réglementaires en faisant preuve de diligence raisonnable et en prenant des précautions raisonnables, ajoute-t-il.
Tous ces facteurs réduisent la charge opérationnelle pour les équipes de sécurité, explique M. Vanderburg. « L’IA peut augmenter la posture de sécurité de l’organisation dans son ensemble, et dans certains cas permet à l’organisation de rediriger les ressources », déclare-t-il. « Quelqu’un qui était responsable d’examiner la DLP tout le temps est capable de faire cette partie de son travail beaucoup plus efficacement », dit-il.
La DLP améliorée nécessite une formation intelligente à l’IA
Bien qu’il existe un certain nombre d’avantages pour la DLP alimentée par l’IA, il existe des considérations importantes pour les équipes de sécurité, déclare Candy Alexander, RSSI et responsable des pratiques de cyber-risque chez la société de conseil technologique NeuEon, qui s’entretient exclusivement avec Focal Point. Tout d’abord, la compréhension que ces solutions doivent être formées.
« Si votre formation [données] est mauvaise au début, vous ne le remarquerez peut-être pas beaucoup, mais 12 mois plus tard, soudainement, c’est vraiment biaisé et terrible. »Eric Vanderburg, président de Nexus Cyber
« L’IA est comme une stagiaire qui a une idée de ce qu’elle est censée faire, mais qui ne sait pas exactement », dit-elle. « Les IA ne sont aussi intelligentes que vous les formez à l’être, et cela nécessite une bonne gouvernance des données. »
Pour former efficacement l’IA, les entreprises ont besoin d’une visibilité réseau robuste, qui fournira une compréhension claire des données existantes, de leur emplacement et de la manière de les protéger, déclare Alexander. Ils doivent être en mesure d’identifier les données commerciales critiques, les données opérationnelles et les données réglementées, d’évaluer les données qui présentent les plus grands risques de sécurité et de conformité si elles sont exposées, et de classer les données de manière appropriée afin que le DLP puisse détecter, suivre et protéger avec précision les informations sensibles.
À une époque où les chefs d’entreprise envisagent l’IA ressentent de sérieux niveaux de FOMO, il est difficile d’éviter l’envie d’adopter l’IA rapidement et de nettoyer tous les désordres qui surviennent plus tard. La nécessité de « agir avec prudence » incombera inévitablement aux chefs de la sécurité, qui doivent évaluer (et communiquer efficacement aux dirigeants de l’entreprise) les conséquences à long terme de l’IA.
« Avec l’IA, si votre entraînement est mauvais au début, vous ne le remarquez peut-être pas beaucoup, mais 12 mois plus tard, soudainement, c’est vraiment biaisé et terrible », déclare Vanderburg.
C’est pourquoi il est également crucial de mettre à jour et de valider constamment ces systèmes, ajoute-t-il ; vous ne pouvez pas les définir et les oublier.
Une condition préalable à la DLP : garder les humains au courant
Les préoccupations concernant l’IA qui remplace les travailleurs humains imprègnent presque toutes les conversations sur l’IA. Et bien que les solutions d’IA soient hautement avancées, dans le domaine de la DLP, au moins, la supervision humaine reste une exigence clé.
« L’IA est comme un stagiaire qui a une idée de ce qu’il est censé faire, mais ne sait pas exactement. »Candy Alexander, RSSI et responsable des pratiques de cyber-risque, NeuEon
« Les organisations ont toujours besoin d’un humain dans la boucle », déclare Alexander. « En revenant à l’exemple du stagiaire, le stagiaire est-il digne de confiance ? A-t-il eu la bonne formation à suivre ? Vous n’accordez pas automatiquement des privilèges d’administrateur de stagiaire à tous vos systèmes. »
Les humains sont toujours nécessaires pour examiner certaines anomalies et faux positifs, remplacer les erreurs et ajuster certaines politiques, dit-elle.
Et bien que l’IA aide les organisations à accroître l’efficacité dans la prévention de la perte de données, elle présente également de nouveaux défis, car les attaquants exploitent la même technologie pour élaborer des menaces plus sophistiquées, déclare M. Vanderburg. « Ce sera un jeu de chat et de souris : nous utilisons l’IA, les pirates utilisent l’IA », dit-il. « Je pourrais voir quelque chose où les attaquants essaient de mettre des déchets dans les systèmes d’IA et d’introduire de fausses alertes d’IA pour créer de la fatigue. Si vous n’avez pas assez d’œil humain sur cela, vous pourriez avoir des ennuis. »
Pour les organisations qui explorent les solutions DLP alimentées par l’IA, les conseils traditionnels se présentent, explique Alexander. « Vous devez comprendre quelles sont vos exigences : que souhaitez-vous qu’il fasse ? Disposez-vous des prérequis en place ? Votre entreprise comprend-elle les données ? » dit-elle. « Tout est question de personnes, de processus et de technologie. La technologie est vraiment incroyable, mais là où elle peut mal se passer, c’est dans la mise en œuvre et l’investissement au niveau de l’assistance. »
