L'essentiel: Le marché appelle shadow AI les usages d'outils IA qui se développent sans vue d'ensemble de l'entreprise. Le sujet de fond n'est pas la traque des équipes : des usages invisibles, c'est de la valeur invisible. Nous cartographions ces usages à partir des journaux existants, en lecture seule, sans rien installer sur les postes, puis nous aidons à décider : industrialiser, consolider ou couper.
Au moment de renouveler des licences ou de défendre un budget IA, la même question revient dans toutes les directions : que fait vraiment l'entreprise avec l'IA ? Le marché a mis un nom sur une partie du problème : le shadow AI, c'est-à-dire les usages d'outils d'intelligence artificielle qui se développent sans validation ni inventaire central. La formule est parlante. Elle oriente pourtant mal la réponse : elle installe l'idée d'une menace à traquer, alors que le sujet de fond est la visibilité. Des usages que personne ne voit, ce sont des cas d'usage qui prouvent une demande réelle, des licences payées en double et des coûts que personne ne consolide. Cet article définit le terme, puis déplace la question là où elle se joue : comment retrouver la vue d'ensemble de vos usages IA, mesurer ce qu'ils coûtent, estimer ce qu'ils valent puis décider ce qu'il faut industrialiser, consolider ou couper.
Le terme recouvre l'usage d'outils d'intelligence artificielle par les équipes sans validation du service informatique : un assistant grand public consulté depuis un compte personnel, un agent construit par une équipe métier sans déclaration, une fonction IA activée dans un logiciel métier sans que personne ne la rattache à un budget. Le vocabulaire vient du monde de la sécurité, sur le modèle du shadow IT. Nous l'employons ici comme une requête à définir, pas comme un angle de travail : ce que ce mot décrit, ce sont des outils IA qui se multiplient sans vue d'ensemble. La question utile n'est pas « qui utilise quoi sans autorisation ? ». Elle est : que se passe-t-il réellement chez vous, combien ça coûte et qu'est-ce que ça vaut ?
Trois mécanismes se combinent. Plusieurs équipes construisent en parallèle : chacune avance sur son périmètre et le même besoin se retrouve traité trois fois sur trois outils. La facture est éclatée : licences, consommation de modèles et fonctions IA incluses dans les logiciels métier relèvent de lignes budgétaires différentes, donc personne ne connaît le total. La demande va plus vite que l'offre interne : quand un besoin n'est pas servi, les équipes vont chercher dehors. Aucune malveillance là-dedans : un besoin de productivité qui déborde le cadre prévu. C'est une information précieuse, à condition de la voir.
D'abord la capacité de mesurer le retour sur investissement. 30 à 50 % des initiatives IA ne rapportent pas ce qu'elles devraient : Gartner compte au moins 30 % de preuves de concept abandonnées et McKinsey mesure que plus de 80 % des déploiements restent sans impact sur le résultat opérationnel. Sans vue d'ensemble, impossible de savoir de quel côté de cette statistique se trouvent vos propres projets. Vient ensuite le coût complet de l'IA, licences et consommation comprises : il reste illisible tant que les usages ne sont pas consolidés tous outils confondus. Le gaspillage suit le même chemin : il ne se voit pas, donc il ne se coupe pas.
