Une IA devient plus utile lorsqu’elle connaît votre entreprise. Mais que se passe-t-il lorsque la combinaison d’informations banales fait émerger un contexte que personne ne lui a explicitement donné ?
Un dirigeant utilise quotidiennement une intelligence artificielle. Un lundi, il lui demande de préparer une négociation avec un fournisseur. Quelques jours plus tard, il analyse avec elle les conséquences d’un changement de politique tarifaire. Le mois suivant, il lui soumet plusieurs hypothèses budgétaires, réfléchit à une acquisition, prépare une réunion du conseil d’administration et lui demande comment gérer une difficulté avec un membre de son comité de direction.
Aucune de ces conversations ne contient nécessairement le plan stratégique complet de l’entreprise. Mais que racontent cent, cinq cents ou mille interactions mises bout à bout ?
Une enquête publiée le 17 août 2026 par Axios et signée Ina Fried analyse les informations que nous confions progressivement aux assistants IA. Elle m’a conduite à déplacer la question vers l’entreprise : que peuvent progressivement comprendre ces systèmes de nos organisations ?
L’article souligne notamment que l’enjeu ne se limite plus à savoir si les prompts servent à entraîner les modèles. Il est aussi de comprendre comment ils peuvent contribuer à façonner la représentation que le système construit de l’utilisateur.
Ce qui devient stratégique n’est plus seulement la donnée transmise à l’intelligence artificielle. C’est aussi ce que plusieurs données, pourtant banales lorsqu’elles sont considérées séparément, permettent de comprendre lorsqu’elles sont rapprochées. Un prompt peut contenir une donnée, cent prompts peuvent raconter une stratégie. Mille conversations peuvent commencer à décrire une organisation. Cette évolution introduit, selon moi, une nouvelle couche dans la gouvernance de l’intelligence artificielle.
Je propose de l’appeler la gouvernance du contexte organisationnel.
Le contexte devient une condition de la création de valeur
Le problème serait relativement simple si les entreprises pouvaient se contenter de limiter les informations auxquelles les intelligences artificielles ont accès. Mais cela réduirait aussi leur utilité. Un assistant qui ne connaît rien de votre entreprise peut rédiger un email, synthétiser un document ou expliquer une méthode de négociation. Un système qui connaît vos produits, vos clients, vos processus, votre historique, vos objectifs et vos contraintes peut produire une assistance beaucoup plus pertinente.Avec les agents IA, cette différence devient encore plus nette. Un agent générique peut expliquer comment préparer une négociation commerciale.
Un agent ayant accès aux échanges avec le client, à l’historique des contrats, aux tarifs pratiqués, aux échéances et aux objectifs commerciaux peut contribuer à préparer cette négociation précise. Le contexte crée donc de la valeur, mais il crée simultanément un nouvel objet de gouvernance.
C’est le paradoxe central : Plus une intelligence artificielle dispose de contexte, plus elle peut devenir utile. Plus elle dispose de contexte, plus les organisations doivent comprendre et maîtriser ce que ce contexte lui permet d’établir. La question n’est donc pas de choisir entre performance et protection. Elle consiste à déterminer quel contexte est légitime, nécessaire et proportionné à chaque mission.
De la gouvernance des données à la gouvernance du contexte organisationnel
Depuis l’arrivée de l’IA générative, une grande partie du débat sur la confidentialité s’est concentrée sur une interrogation relativement simple : quelles données pouvons-nous transmettre à ChatGPT, Claude, Gemini ou aux autres assistants ? Les entreprises ont progressivement établi des règles. Elles définissent les données confidentielles qui ne doivent pas sortir de l’organisation, distinguent les outils autorisés des solutions grand public et examinent les garanties proposées par leurs fournisseurs.
Ces mesures restent indispensables, mais elles raisonnent principalement donnée par donnée. L’enquête d’Axios invite à élargir cette réflexion. Elle s’intéresse aux informations progressivement confiées aux assistants IA et à la manière dont les fonctions de mémoire, de conservation ou de personnalisation peuvent modifier la relation entre l’utilisateur et ces systèmes.
Les politiques des fournisseurs montrent d’ailleurs que les mécanismes diffèrent selon les produits. OpenAI propose des contrôles dédiés à la mémoire, aux conversations temporaires et à l’utilisation des données. Anthropic distingue explicitement ses produits commerciaux, dont les entrées et sorties ne sont pas utilisées par défaut pour entraîner ses modèles, de ses produits grand public. Google précise de son côté que certaines conversations Gemini peuvent être conservées temporairement même lorsque certains paramètres d’activité sont désactivés.
Pour l’entreprise, cette question ouvre un problème plus large.
Il ne suffit plus de demander :
Quelles données donnons-nous à l’IA ?
Il faut également demander :
Que peut comprendre un système lorsqu’il peut rapprocher plusieurs informations issues de l’organisation ?
J’appelle gouvernance du contexte organisationnel la capacité d’une organisation à maîtriser non seulement les informations accessibles à une IA, mais aussi la connaissance que leur combinaison peut faire émerger. Cette approche déplace l’unité d’analyse. La donnée correspond à ce que l’entreprise fournit. L’accès correspond à ce que le système peut consulter. La mémoire correspond à ce qu’il peut conserver. Le contexte correspond à ce qu’il peut mettre en relation pour comprendre une situation et accomplir une mission.
On peut résumer cette logique ainsi :
Données + accès + mémoire + capacité de combinaison = contexte organisationnel.
Cette équation n’a pas vocation à constituer un modèle mathématique. Elle permet de rendre visible une dimension que les politiques traditionnelles de gouvernance traitent encore imparfaitement.
La sensibilité du contexte peut dépasser celle des données
Prenons une entreprise dont chaque système est correctement protégé. Son CRM contient ses clients. Son calendrier contient les rendez-vous des dirigeants. Son outil financier contient les prévisions. Sa plateforme RH contient les recrutements en cours. Son espace documentaire contient les présentations stratégiques.
Chacun de ces environnements possède ses règles d’accès. Mais que se passe-t-il lorsqu’un agent peut croiser plusieurs de ces sources ? L’information « trois rendez-vous sont prévus avec une entreprise concurrente » peut être relativement anodine. L’information « un poste de directeur d’intégration est en cours de recrutement » peut également l’être. Les projections financières font apparaître une capacité de financement supplémentaire. Un document interne évoque parallèlement une réflexion sur la croissance externe. Indépendamment, chaque élément révèle une partie limitée de la situation. Leur rapprochement peut commencer à rendre plausible une opération d’acquisition.
C’est là que se situe un changement important. La sensibilité du contexte peut être supérieure à celle de chacune des données qui le composent.
Le phénomène n’est pas nouveau. Le croisement de données a toujours permis de produire des informations qui n’existaient explicitement dans aucune source prise isolément. Ce qui change avec les agents IA, c’est l’échelle, la diversité des sources accessibles et la capacité à mobiliser ces relations directement dans l’exécution d’une tâche. Pendant longtemps, les organisations ont principalement classifié leurs informations : public, interne, confidentiel, secret. Mais comment classifier une combinaison de plusieurs informations internes qui, considérées ensemble, deviennent hautement stratégiques ?
Il faut toutefois rester précis. Cela ne signifie pas que les fournisseurs d’intelligence artificielle reconstruisent nécessairement une représentation globale de chaque entreprise à partir de toutes les interactions de leurs utilisateurs. Les possibilités dépendent des systèmes, des paramètres de mémoire et de conservation, des architectures utilisées, du type de compte et des données effectivement accessibles. Le problème de gouvernance est différent.
L’entreprise doit désormais s’intéresser non seulement aux accès qu’elle autorise, mais aussi à ce que leur combinaison permet potentiellement au système d’établir.
Avec les agents IA, les permissions ne suffisent plus
Cette question devient particulièrement importante avec les agents IA. Dans un chatbot traditionnel, le contexte est encore largement sélectionné par l’utilisateur. Celui-ci choisit les questions qu’il pose et les documents qu’il transmet. Avec un agent connecté aux systèmes de l’entreprise, l’accès au contexte peut devenir structurel.
Pour accomplir une tâche, l’agent peut consulter une messagerie, un calendrier, un CRM, un outil financier, une base documentaire ou plusieurs applications métiers.
Individuellement, chaque autorisation peut être parfaitement légitime. Le problème apparaît dans leur combinaison. Un agent peut disposer de droits techniquement conformes et, pourtant, accéder à un contexte beaucoup plus large que celui nécessaire à la mission pour laquelle il a été conçu. C’est ici que les mécanismes traditionnels de contrôle des accès atteignent une limite.
La question classique de la cybersécurité est :
« Ce système a-t-il le droit d’accéder à cette donnée ? »
La gouvernance du contexte ajoute une seconde question :
« Que devient-il capable de comprendre lorsqu’il accède simultanément à ces différentes données ? »
Cette distinction est essentielle. Un agent qui hérite automatiquement des permissions de son utilisateur humain peut, par exemple, disposer d’un ensemble d’accès considérable. Or un collaborateur humain consulte rarement simultanément tous les documents, toutes les conversations et toutes les données auxquels il est autorisé à accéder. Une intelligence artificielle peut, selon son architecture et les outils auxquels elle est connectée, rapprocher beaucoup plus rapidement des informations dispersées.
La gouvernance des agents devra donc probablement dépasser la simple gestion des permissions. Elle devra examiner les capacités informationnelles résultantes. Autrement dit, non seulement ce que l’agent peut voir, mais ce que la combinaison de ses différents accès lui permet potentiellement de comprendre.
Gouverner le contexte : périmètre, durée, combinaison
La réponse ne consiste pas à réduire systématiquement l’accès à l’information. Une IA privée de tout contexte restera largement générique. Le défi consiste à lui fournir suffisamment de contexte pour créer de la valeur, tout en maîtrisant ce que ce contexte peut permettre d’établir.
Trois dimensions me paraissent essentielles.
Gouverner le périmètre
À quelles données, applications et espaces le système peut-il accéder ? Le principe du moindre privilège, bien connu en cybersécurité, reste pertinent : un utilisateur ou un système ne doit disposer que des droits nécessaires à sa mission.
Mais avec les agents IA, il pourrait être complété par une autre logique : le moindre contexte nécessaire.
- Un agent chargé d’organiser des rendez-vous a-t-il besoin d’accéder au contenu de toutes les pièces jointes ?
- Un agent commercial doit-il consulter l’ensemble du CRM ou uniquement les comptes relevant de son périmètre ?
- Un assistant de direction doit-il avoir accès à tous les documents auxquels son utilisateur humain est autorisé à accéder ?
La question ne devrait plus être seulement : « Peut-il y accéder ? »
Elle devrait aussi devenir : « En a-t-il besoin pour accomplir cette mission ? »
Gouverner la durée
Tout contexte n’a pas besoin d’être conservé. Certaines tâches peuvent bénéficier d’une mémoire persistante. D’autres peuvent être exécutées à partir d’informations temporaires. Les organisations devront donc examiner la durée de conservation, les mécanismes de mémoire et la possibilité de supprimer ou de réinitialiser certains contextes. La mémoire ne devrait pas être activée uniquement parce qu’elle améliore le confort d’utilisation. Elle doit répondre à une finalité clairement identifiée.
Gouverner la combinaison
C’est probablement la dimension la plus nouvelle. Deux informations peu sensibles lorsqu’elles sont considérées séparément peuvent devenir stratégiques lorsqu’elles sont rapprochées. La gouvernance doit donc dépasser la classification traditionnelle des données pour examiner également la connaissance que leur combinaison peut faire émerger. Cette réflexion conduit à une piste qui mérite encore d’être définie et testée : celle d’un budget de contexte.
Un budget de contexte pourrait définir, pour une mission donnée, le périmètre de données, de connecteurs, de mémoire et de capacités de combinaison qu’une organisation accepte de rendre accessibles à un agent. Le principe serait simple : ne pas donner à l’agent tout le contexte disponible, mais uniquement le contexte nécessaire à la création de valeur attendue.
Le Shadow AI ajoute ici une difficulté supplémentaire. Lorsque différents collaborateurs utilisent plusieurs assistants, parfois personnels, une partie du contexte organisationnel peut se disperser entre des environnements dont l’entreprise ne maîtrise pas toujours la mémoire, les connecteurs ou les conditions contractuelles. Le sujet n’est donc plus seulement : quels outils sont utilisés ? Il devient aussi : dans combien d’environnements notre contexte organisationnel est-il progressivement fragmenté ?
Le test du contexte
Cette réflexion peut être appliquée immédiatement. Prenez un assistant ou un agent actuellement utilisé dans votre organisation et posez quatre questions.
- À quoi peut-il accéder ?
Données, documents, emails, CRM, calendrier, applications métiers.
- Que peut-il conserver ?
Historique, mémoire, préférences, informations issues des interactions précédentes.
- Que peut-il combiner ?
Quelles sources différentes peut-il rapprocher dans le cadre d’une même tâche ?
- Qu’est-ce que cette combinaison lui permet de comprendre que votre organisation considère comme stratégique ?
Cette dernière question est probablement la moins habituelle. Elle pourrait pourtant devenir l’une des plus importantes. Si votre organisation sait répondre aux trois premières questions, mais pas à la quatrième, elle gouverne probablement ses accès. Pas encore son contexte.
La gouvernance de ce que l’IA peut comprendre
La création de valeur par l’intelligence artificielle dépendra probablement de plus en plus de notre capacité à lui fournir un contexte riche. Un système sans contexte reste générique. Un système contextualisé peut devenir beaucoup plus pertinent pour intégrer les contraintes, l’historique et les objectifs d’une organisation dans ses réponses et ses actions. Mais cette efficacité crée une nouvelle responsabilité. Pendant plusieurs décennies, les entreprises ont appris à protéger leurs données en posant une question fondamentale :
Qui peut accéder à quoi ?
Avec les agents IA, une seconde question apparaît :
Que devient capable de comprendre un système à partir de tout ce à quoi nous lui donnons accès ?
Nous avons appris à gouverner les données. Nous allons désormais devoir apprendre à gouverner ce qu’elles permettent de comprendre. La prochaine frontière de la gouvernance de l’intelligence artificielle pourrait bien être celle du contexte organisationnel.
Sources Ina Fried, « What happens to the secrets you share with AI », Axios, 17 août 2026. OpenAI, documentation relative aux paramètres de confidentialité, à la mémoire et aux conversations temporaires dans ChatGPT. Anthropic, «Is my data used for model training?», Privacy Center. Google, « Gemini Apps Privacy Hub », documentation relative à l’activité Gemini et à la conservation des conversations.
