Plus de 75 % des entreprises déclarent avoir subi des failles de sécurité liées à l’IA, ce qui met en évidence une lacune critique : l’adoption de l’IA s’accélère plus rapidement que la capacité des entreprises à la sécuriser. Commvault relève ce défi grâce à des fonctionnalités de résilience de l’IA qui protègent l’ensemble de la pile d’IA — des pipelines de données et des bases de données vectorielles aux modèles et à l’infrastructure de calcul — grâce à une restauration sans perte, à la détection des anomalies et à l’activation contrôlée des données.

Pourquoi la résilience de l’IA est-elle si importante aujourd’hui ?

L’adoption de l’IA s’accélère partout dans le monde, les entreprises tirant parti de ses capacités pour obtenir des résultats exceptionnels.

Selon le rapport « The State of AI: Global Survey 2025 » de McKinsey, 88 % des entreprises déclarent utiliser régulièrement l’IA dans au moins l’une de leurs fonctions opérationnelles. De même, le Boston Consulting Group prévoit que le marché des agents IA connaîtra un taux de croissance annuel composé (TCAC) de 45 % au cours des cinq prochaines années.

Pourtant, cette croissance met en évidence une lacune critique. 74 % des organisations peinent encore à générer de la valeur à grande échelle, et 74 % citent la confidentialité et la sécurité des données comme leur principale préoccupation. Ces chiffres soulignent un décalage important. Déployer l’IA est simple, mais assurer son fonctionnement de manière fiable est difficile.

Le problème fondamental est d’ordre structurel. Les systèmes d’IA reposent sur des pipelines de données, des modèles et des couches de calcul répartis entre le cloud hybride et le cloud. Sans résilience, ces systèmes deviennent difficiles à protéger, plus compliqués à restaurer et peu fiables.

De plus, l’adoption rapide de l’IA sans garde-fous appropriés engendre des risques et des dépendances complexes. Ceux-ci peuvent aller de l’empoisonnement des données et des invites malveillantes aux attaques lors de l’exécution et aux modèles compromis. Ces menaces peuvent corrompre les données, perturber les opérations et exposer la propriété intellectuelle. En effet, le rapport « IO State of Information Security Report 2025 » montre que 26 % des entreprises interrogées ont été confrontées à des intrusions par empoisonnement des données liées à l’IA.

À mesure que l’IA occupe une place centrale dans la prise de décision, les défaillances ne constituent plus de simples problèmes techniques isolés. Elles ont un impact direct sur les résultats de l’entreprise, la conformité et la confiance des clients.

Qu’est-ce que la résilience de l’IA pour les entreprises modernes ?

La résilience de l’IA désigne la capacité à protéger, à restaurer et à gérer les systèmes d’IA de bout en bout, tout en préservant l’efficacité opérationnelle à grande échelle. Elle va au-delà de la protection traditionnelle des données pour couvrir l’ensemble du cycle de vie des charges de travail liées à l’IA.

Elle se caractérise par quatre éléments fondamentaux :

• Une protection complète couvrant les pipelines, les bases de données vectorielles, les modèles et l’infrastructure.
• Une restauration propre et vérifiée garantissant des résultats fiables.
• Une gouvernance et un contrôle de l’accès aux données et de leur utilisation.
• L’amélioration de l’expérience utilisateur grâce à l’automatisation et aux assistants intelligents basés sur l’IA.

Ensemble, ces éléments constituent une base solide pour l’IA, qui favorise à la fois l’innovation et la confiance. Cette approche va au-delà des méthodes traditionnelles et permet de garantir des systèmes qui sont non seulement opérationnels, mais aussi dignes de confiance.

Comment les entreprises peuvent-elles protéger l’ensemble de leur infrastructure d’IA ?

De par leur nature même, les charges de travail liées à l’IA sont complexes et distribuées. Elles englobent des pipelines de données, des bases de données vectorielles, des plateformes de données unifiées, des modèles et des infrastructures de calcul dans le cloud hybride et le cloud.

Les approches traditionnelles en matière de protection ne parviennent pas à prendre en compte l’ensemble du contexte des systèmes d’IA. Des éléments essentiels tels que les ensembles de données d’entraînement, les métadonnées, les configurations et les dépendances sont souvent exclus, ce qui rend la restauration incomplète.

La résilience moderne nécessite une protection adaptée aux applications, capable de préserver l’intégralité du contexte des charges de travail liées à l’IA. Cela implique la prise en charge d’une multitude de plateformes et de systèmes divers :

• Plateformes unifiées de données et d’IA (par exemple, Databricks, Amazon Redshift, Google BigQuery)
• Stockage dans des lacs de données et des systèmes de fichiers distribués (par exemple : Amazon S3, Apache Iceberg, FSx, Azure Data Lake, Lustre)
• Systèmes de recherche et d’indexation vectorielle (par exemple : Apache Solr, Elasticsearch, Amazon DocumentDB, Azure Cosmos DB, Google Cloud, Pinecone)
• Infrastructure informatique et DevOps (par exemple : serveurs Amazon EC2 Trn2 Ultra, Azure DevOps, GitHub, GitLab)

De plus, des fonctionnalités telles que la protection « air-gapped » pour Iceberg illustrent la manière dont les mécanismes de protection évoluent pour assurer la sécurité des structures de données natives de l’IA. Ces approches permettent aux systèmes d’IA de rester récupérables, conformes et cohérents d’un environnement à l’autre.

Dans la pratique, cela s’avère essentiel pour des cas d’utilisation tels que la détection des fraudes dans le secteur des services financiers, où tant les modèles que les données sous-jacentes doivent être protégés afin de garantir la précision des résultats et le respect de la réglementation.

Pourquoi une restauration « propre » est-elle essentielle à la cyber-résilience ?

La restauration dans les environnements d’IA comporte des risques spécifiques. La restauration de données compromises ou corrompues peut avoir un impact direct sur les résultats des modèles, entraînant des prévisions inexactes, des biais ou des défaillances opérationnelles.

La restauration « Clean Recovery » relève ce défi en validant les données avant leur restauration. La restauration synthétique, optimisée par l’IA, analyse plusieurs versions de sauvegarde afin de constituer un point de restauration fiable, ce qui permet de réduire la dépendance à un seul instantané et de créer la version la plus récente.

La détection avancée des menaces contribue à améliorer encore ce processus en établissant des corrélations entre plusieurs signaux, notamment la détection des anomalies, l’analyse d’entropie, l’analyse des logiciels malveillants et les informations issues des plateformes de détection et de réponse au niveau des terminaux (EDR) et de détection et de réponse étendues (XDR). Cela permet de s’assurer que les points de restauration sont à la fois récents et sûrs.

D’autres fonctionnalités concernent la visibilité et la gouvernance des données, notamment :

• Exploration des données assistée par l’IA
• Classification des données sensibles
• Masquage dynamique et contrôles d’accès

Il en résulte une évolution d’une restauration rapide vers une restauration propre et fiable. Dans les environnements basés sur l’IA, cette distinction est cruciale, car l’intégrité des données a un impact direct sur la confiance et les résultats.

Comment l’IA améliore-t-elle l’expérience utilisateur et renforce-t-elle la protection des données ?

À mesure que les environnements d’IA se développent, la complexité opérationnelle augmente. Les équipes doivent gérer des systèmes distribués, faire face aux menaces et garantir la capacité de reprise sur plusieurs plateformes. Tout cela s’effectue dans des délais très serrés, ce qui génère un stress supplémentaire.

C’est dans ce contexte que les opérations assistées par l’IA font leur apparition. Ces solutions simplifient les processus complexes, améliorent l’expérience utilisateur et, au final, renforcent la résilience.

Des outils tels qu’Arlie de Commvault permettent aux utilisateurs d’interagir avec leur écosystème global à l’aide de commandes en langage naturel et de workflows guidés. Les utilisateurs peuvent ainsi résoudre des problèmes, analyser des tâches et générer des informations de manière plus efficace.

L’IA conversationnelle, via le serveur MCP, enrichit encore davantage l’expérience, au-delà de la simple interface utilisateur. Cela permet aux administrateurs d’interagir avec des assistants IA génératifs sécurisés de Commvault Cloud, tels que Claude ou ChatGPT Enterprise.

De plus, les fonctionnalités basées sur l’apprentissage automatique fonctionnent en arrière-plan, ouvrant la voie à des expériences utilisateur bien plus enrichissantes. Parmi les principaux avantages, on peut citer :

• La planification intelligente des tâches permet d’optimiser le moment des sauvegardes.
• Les prévisions prédictives permettent d’anticiper les besoins en stockage.
• L’automatisation permet de réduire les interventions manuelles.

Une approche de l’expérience utilisateur et de la protection des données axée sur l’IA, qui vise à améliorer la manière dont les utilisateurs interagissent avec des systèmes complexes, est à la fois pragmatique et proactive. À mesure que les agents IA continuent d’évoluer, cette approche jouera un rôle essentiel pour aider les organisations à développer efficacement leurs activités.

Comment les entreprises peuvent-elles développer leurs capacités en matière d’IA de manière responsable ?

Le développement de l’IA repose sur l’accès aux données, mais en l’absence de gouvernance, cela comporte des risques importants. La divulgation de données sensibles, les violations de conformité et le manque de transparence peuvent nuire à la confiance dans les systèmes d’IA.

Les environnements gérés, tels que […], apparaissent comme la solution idéale pour relever ce défi. Data Activate fait office d’espace de travail où les données de sauvegarde peuvent être organisées et intégrées à des plateformes d’analyse et d’intelligence artificielle.

Ces environnements appliquent les principes du modèle « zero-trust », notamment le chiffrement, l’immuabilité et les contrôles d’accès basés sur les rôles. Les entreprises peuvent ainsi exploiter pleinement la valeur des données historiques et fournir des données fiables pour favoriser l’innovation en matière d’IA.

Une IA responsable nécessite également des principes plus généraux, notamment la transparence, la responsabilité et le contrôle humain. Les systèmes d’IA doivent faciliter la prise de décision, et non fonctionner sans contrôle.

En combinant gouvernance et accès sécurisé aux données, les entreprises peuvent développer l’IA en toute confiance tout en préservant la confiance et la conformité réglementaire.

Conclusion : quelle est la prochaine étape pour la résilience de l’IA ?

L’intelligence artificielle devenant rapidement un élément essentiel de l’innovation moderne, les entreprises sont sans cesse à la recherche des prochaines avancées.

L’avenir logique de la résilience de l’IA s’oriente vers l’automatisation par agents, dans laquelle des agents IA intelligents facilitent les opérations complexes à l’échelle des systèmes. Ces agents sont capables d’analyser des données, de recommander des actions et de contribuer à orienter les processus de reprise.

Ce modèle repose sur des interfaces conversationnelles et des plateformes unifiées qui assurent la gouvernance et la visibilité. Les agents IA viennent compléter l’expertise humaine en prenant en charge les tâches répétitives et en fournissant des informations exploitables.

Toutefois, cette évolution doit rester maîtrisée. Les solutions d’IA respectant les politiques permettent de s’assurer que les actions sont encadrées, vérifiables et conformes aux politiques de l’organisation.

L’essor actuel de l’IA met en évidence son incroyable potentiel, mais aussi ses lacunes à l’échelle mondiale. La majorité des organisations continuent d’être confrontées à des menaces de sécurité liées à l’IA et ne parviennent pas à en tirer pleinement parti ni à la déployer à grande échelle.

La voie à suivre est claire. À mesure que l’adoption de l’IA continue de progresser, les stratégies de résilience doivent évoluer en parallèle. Les organisations qui adopteront cette approche seront mieux à même de mettre en place des systèmes adaptatifs et proactifs, capables de répondre en temps réel aux nouveaux défis qui se présenteront.