Puisque l’IA agentique gagne en autonomie et accède aux applications, API, données et équipements de l’entreprise, sa sécurisation devient plus complexe. Srikrishna Shankavaram, Directeur de la sécurité de l’IA chez Zebra Technologies, détaille les nouvelles exigences de gouvernance et de protection de ces opérateurs numériques.
L’année 2026 marque le passage de l’IA du stade de l’expérimentation à celui du déploiement à grande échelle. Pourtant, un cabinet d’analystes international prévoit que 40 % des projets d’IA agentique seront abandonnés d’ici fin 2027, en raison de coûts croissants, d’une valeur métier insuffisamment démontrée ou de dispositifs de gestion des risques inadaptés.
Les premiers signes montrent déjà que l’essor de l’IA agentique transforme en profondeur le fonctionnement des organisations. Dans la distribution, des agents IA pilotent désormais la gestion des stocks, optimisent les prix, accompagnent les clients, anticipent la demande et automatisent certaines décisions au sein de la chaîne d’approvisionnement.
Ces systèmes deviennent de véritables opérateurs numériques autonomes, capables de prendre des décisions et d’exécuter des actions au sein des systèmes critiques de l’entreprise.
De nouveaux enjeux de sécurité en 2026
À mesure que les agents IA accèdent aux applications de l’entreprise, aux API, aux équipements, aux données client et aux systèmes opérationnels, une question devient centrale : comment sécuriser des agents IA capables de prendre des décisions et d’agir de manière autonome ?
Les menaces traditionnelles (injection de prompts, fuite de données, vulnérabilités des modèles) restent d’actualité. Les responsables de la sécurité sont désormais confrontés à un défi plus large : gouverner des agents IA autonomes capables d’accéder à des outils, d’exécuter des workflows, d’interagir avec des équipements physiques et d’influencer les résultats opérationnels sans supervision humaine permanente. Le débat évolue de la sécurisation des modèles d’IA vers celle d’une véritable main-d’œuvre numérique.
Considérer les agents IA comme des identités numériques
Chaque agent IA doit être administré comme une identité non humaine, et non comme une simple application. Comme tout collaborateur, les agents IA doivent disposer d’identifiants uniques, d’autorisations basées sur les rôles, d’un cycle de vie administré et de mécanismes d’audit permanents.
Dans la distribution, un agent dédié à l’optimisation des stocks ne devrait pas disposer automatiquement d’un accès aux systèmes de paiement. L’application du principe du moindre privilège permet aux agents IA d’accomplir leurs missions tout en limitant les risques de sécurité. À défaut d’une gouvernance adaptée, un agent IA mal administré peut rapidement devenir un utilisateur disposant de privilèges très élevés et capable d’accéder à des systèmes ou des données sensibles.
Maîtriser les protocoles MCP et les accès aux outils
Le Model Context Protocol (MCP) s’impose comme un mécanisme clé pour connecter les agents IA aux outils métiers, aux bases de données, aux applications de l’entreprise et aux services externes. Cette ouverture renforce les capacités d’automatisation mais élargit aussi la surface d’attaque.
Les organisations doivent donc mettre en place une gouvernance robuste autour des serveurs MCP et des intégrations avec les différents outils. Cela implique notamment de valider les points de terminaison MCP de confiance, d’établir des listes d’autorisation pour les outils approuvés, de contrôler les informations contextuelles transmises aux modèles et de surveiller en continu l’utilisation des outils.
Sécuriser les opérations en temps réel
La sécurité ne s’arrête pas au déploiement. Les agents IA doivent être supervisés en continu grâce à des politiques de sécurité, une surveillance comportementale, des points de validation, la détection d’anomalies et des mécanismes d’arrêt d’urgence permettant de contenir rapidement tout comportement à risque.
Par exemple, un agent logistique qui commencerait à modifier massivement des itinéraires de livraison ou des plannings en dehors des politiques définies devrait être immédiatement signalé.
Cette visibilité permanente est indispensable, car même un agent correctement entraîné peut dériver sous l’effet de nouvelles données, d’objectifs évolutifs ou d’une attaque.
Ne pas oublier les équipements
L’IA agentique interagit de plus en plus avec les infrastructures physiques. Dans le retail comme dans la logistique, les agents IA peuvent accéder aux systèmes de point de vente, scanners, bornes, équipements IoT, robots, plateformes de gestion de flotte ou systèmes télématiques.
Un terminal compromis peut influencer les décisions d’un agent IA et générer des risques opérationnels en cascade. La confiance accordée aux équipements, leur conformité et leur protection doivent donc faire partie intégrante de toute stratégie de sécurisation.
Construire la sécurité à tous les niveaux
Les entreprises doivent adopter une approche de sécurité multicouche couvrant les identités, les protocoles MCP, les API, les terminaux, les environnements d’exécution et les données. Authentification forte, moindre privilège, gestion des tokens, analyse comportementale et supervision continue doivent fonctionner de manière coordonnée.
Les tests d’intrusion traditionnels ne suffisent plus. Les systèmes d’IA agentique doivent désormais être évalués en continu face à des menaces telles que les injections de prompts, le détournement d’objectifs, l’escalade de privilèges, l’utilisation abusive d’outils, la manipulation des workflows ou encore les attaques ciblant la logique métier.
Trouver le bon équilibre
Les entreprises des secteurs de la distribution et de la logistique déploient rapidement des agents IA pour automatiser des processus toujours plus critiques. Les organisations qui tireront leur épingle du jeu ne seront pas celles qui disposeront des agents les plus performants, mais celles qui auront construit les fondations les plus solides en matière de confiance, de gouvernance et de sécurité.
À mesure que ces agents accèdent aux systèmes critiques de l’entreprise, l’enjeu devient de trouver le bon équilibre entre la sécurisation des agents IA en tant que composants logiciels et leur gouvernance en tant que véritables identités numériques.
