L’autonomie des agents IA impose une gouvernance intégrée au niveau des données

Les entreprises doivent intégrer la gouvernance des agents IA directement dans la couche des données pour éviter des actions non autorisées, car les mécanismes de contrôle au niveau de l’agent ou du modèle ne suffisent pas à garantir des règles adaptées au contexte en temps réel.

Les agents IA autonomes, capables de planifier, décider et agir sans validation humaine à chaque étape, posent un défi de gouvernance inédit. Les règles abstraites ou les politiques appliquées a posteriori ne peuvent empêcher une action non autorisée, car leur interprétation dépend du contexte immédiat. Par exemple, une règle comme « Ne jamais ouvrir la portière d’une voiture » devient inapplicable si le véhicule est en feu et qu’une personne doit être secourue. Les contrôles traditionnels, placés au niveau de l’agent ou du modèle, reposent sur une prédictibilité qui s’effondre avec l’autonomie : une action exécutée en quelques millisecondes, simultanément sur plusieurs systèmes, ne peut être revue avant son exécution. La gouvernance doit donc devenir exécutable et appliquée au moment même où l’agent interagit avec les données, c’est-à-dire au niveau de la couche opérationnelle des données.

La couche des données constitue le point d’application naturel de ces règles. Les agents créent de la valeur en manipulant des données : requêtes, récupération, transformation ou action directe. Une politique interdisant l’accès à une catégorie de données n’a de sens que si le système peut bloquer cette demande au moment précis où elle est formulée. De même, l’auditabilité des actions des agents exige de tracer ce qu’ils ont fait, quelles données ils ont touchées, pour quel utilisateur et avec quel résultat. En ancrant la gouvernance dans la base de données, les règles deviennent indépendantes du comportement de l’agent : le contrôle est une propriété intrinsèque du système, et non une promesse formulée par le modèle. Les mécanismes existants — contrôle d’accès basé sur les rôles ou attributs, masquage dynamique des colonnes, chiffrement, ou traçabilité — doivent simplement reconnaître l’agent comme un acteur à part entière, avec une identité propre et une finalité déclarée au démarrage de la session.

Cette approche se traduit par neuf contrôles regroupés en trois impératifs : faire appliquer, voir et prouver, et unifier et sécuriser. Les règles d’accès doivent être évaluées en temps réel, y compris pour les agents, avec un masquage des colonnes dynamique aligné sur les mêmes politiques. L’identité de l’agent, liée à sa finalité déclarée, doit être enregistrée dans les logs de session aux côtés de l’utilisateur pour lequel il agit. L’auditabilité repose sur une classification des données, une journalisation fine des actions, et une traçabilité des pipelines pour remonter aux requêtes initiales. Enfin, la gestion centralisée des politiques, leur portabilité et leur application cohérente (sur site, dans le cloud ou dans des environnements souverains) garantissent une gouvernance robuste, sans dépendre des variations de comportement des agents.