Instaurer la confiance dans la nouvelle économie agentique

L’intelligence artificielle n’est plus une tendance d’innovation. C’est une réalité opérationnelle. Les agents d’IA sont désormais intégrés dans tous les domaines, du service client aux opérations financières, agissant au nom des individus comme des entreprises. Ces agents ne se contentent pas d’exécuter des scripts. Ils naviguent entre les systèmes, initient des transactions et prennent des décisions — de manière autonome ou sous autorité déléguée.

Cette évolution marque un changement radical. Les agents ne sont pas des utilisateurs humains, mais ils raisonnent et prennent des décisions avec un degré d’autonomie croissant. Cela signifie qu’ils ont besoin d’une identité. Pas seulement d’identifiants, mais aussi de gouvernance, de supervision et de responsabilité. C’est là qu’intervient l’Identity for AI.

Ce guide est conçu pour aider les responsables de l’identité, de la sécurité et du digital à sécuriser et à faire évoluer leurs initiatives d’IA de manière responsable. Que vous déployiez des assistants numériques pour vos collaborateurs ou intégriez des agents orientés clients, les agents d’IA deviennent des acteurs de votre écosystème numérique. L’identité est votre source de confiance — le plan de contrôle qui garantit que chaque action agentique est autorisée, traçable, vérifiablement sécurisée et digne de confiance.

Pourquoi l’identité est la nouvelle couche de confiance pour l’IA

L’essor de l’IA agentique transforme tout ce que nous savons des interactions numériques.

Les systèmes IAM traditionnels ont été conçus pour les humains. Mais aujourd’hui, des agents intelligents interagissent avec des systèmes sensibles, prennent des décisions et interagissent même avec d’autres agents. Cela exige un nouveau cadre de confiance capable de répondre aux questions suivantes :

• Qui est l’agent ?
• Qui a approuvé ses actions ?
• Que lui est-il autorisé de faire ?
• Pouvons-nous retracer ce qu’il a fait ?

Sans cette visibilité et ce contrôle, les organisations s’exposent à des violations de données, à des manquements réglementaires et à des atteintes à leur réputation. Elles peuvent même être prises au dépourvu par des agents malveillants ou des bots usurpateurs.

Identity for AI redéfinit le modèle de confiance pour l’ère de l’IA. Il fournit les outils nécessaires pour reconnaître les agents, les associer à des utilisateurs, appliquer des politiques et mettre en place une supervision humaine lorsque cela est nécessaire.

Comprendre l’identité agentique

Qu’est-ce que l’Identity for AI ?

L’Identity for AI désigne les cadres, protocoles et contrôles qui régissent la manière dont les agents d’IA — des acteurs non humains capables d’actions autonomes ou déléguées — sont authentifiés, autorisés et gouvernés au sein des systèmes numériques.

L’identité agentique n’est pas une simple déclinaison de l’identité machine. Elle prend en compte l’agentivité, l’intention et l’autonomie décisionnelle. Ces agents ne se contentent pas d’exécuter du code. Ils interagissent, raisonnent et accomplissent des tâches à travers des workflows et des APIs, agissant souvent au nom des utilisateurs ou de l’entreprise elle-même.

L’Identity for AI garantit que chaque agent est :

• Reconnu comme une entité numérique distincte
• Associé à des autorisations ou à une autorité déléguée
• Gouverné tout au long de son cycle de vie grâce à des contrôles d’audit et de supervision

Identité agentique vs. identité machine et IAM humain

L’IAM traditionnel se concentre sur la protection des systèmes contre les humains (ou inversement), mais l’IAM agentique doit gouverner des acteurs non humains de plus en plus intelligents, autonomes et interactifs. Ces agents nécessitent des constructions d’identité capables de s’adapter à des actions en temps réel, à des changements de contexte et à de multiples frontières de confiance.

L’identité agentique introduit une nouvelle catégorie d’identité numérique, combinant les caractéristiques des identités humaines et machines tout en posant des défis uniques liés à l’autonomie et au pouvoir décisionnel des agents d’IA.

Du contrôle d’accès à la responsabilisation des actions

Contrairement à l’identité traditionnelle où une personne se connecte et exécute une tâche, les agents IA brouillent les frontières entre acteur, approbateur et exécutant. Ces agents peuvent agir de manière autonome, déclencher des workflows ou opérer à travers les systèmes à la vitesse des machines. Cela rend la mission principale des systèmes IAM fondamentalement plus complexe. Ils doivent non seulement vérifier les accès, mais aussi contextualiser les actions et retracer l’autorité en temps réel.

Pour gérer les agents IA de manière responsable et transparente, votre architecture d’identité doit répondre à quatre questions fondamentales :

Qui agit ? Chaque agent doit disposer de sa propre identité vérifiable, et non d’une clé API partagée ou d’une intégration fantôme. Les agents doivent être explicitement reconnus et authentifiés de manière unique.

Qui a autorisé l’action ? L’agent agissait-il de manière autonome ou sous l’autorité déléguée d’un humain ou d’un système ? Utilisez des mécanismes tels que les assertion grants pour encoder clairement cette délégation.

Au nom de qui ? Si un agent opère pour un utilisateur, reliez sa session ou son action à l’identité humaine correspondante. Cela est essentiel pour appliquer le consentement de l’utilisateur et permettre une vérification avec supervision humaine.

Avec quelles autorisations et quelles limites ? Assurez-vous que les agents opèrent dans des rôles strictement définis. Appliquez des contrôles d’accès dynamiques, tels que les habilitations just-in-time, afin d’éviter les abus ou les conséquences involontaires.

Ces questions constituent des points de contrôle essentiels pour concevoir des systèmes agentiques fiables et responsables.

Les quatre piliers de l’identité pour l’IA

Une fois que les systèmes d’identité peuvent déterminer qui agit et sous quelle autorité, ils doivent faire respecter les comportements appropriés. C’est là que les principes fondamentaux de l’IAM — réinventés pour les agents IA — entrent en jeu.

Ces quatre piliers constituent la base pour sécuriser et gouverner les actions agentiques :

Ces principes ne sont pas seulement des bonnes pratiques — ce sont des exigences pour exploiter l’IA de manière sécurisée et à grande échelle.

L’identité agentique débloque des résultats stratégiques pour l’entreprise

L’IA est au cœur des initiatives numériques stratégiques explorées par les organisations de premier plan. L’identité est essentielle pour minimiser les risques et concrétiser les bénéfices promis par l’adoption de l’IA.

Pour exploiter pleinement les opportunités offertes par l’IA, les organisations doivent :

Pourquoi l’identité pour l’IA est essentielle

Les agents IA sont déjà là. Qu’ils gèrent des tâches IT, servent les clients ou prennent des décisions d’achat, ils s’intègrent rapidement dans le tissu numérique des écosystèmes d’entreprise et grand public. Pourtant, la plupart des systèmes d’identité n’ont jamais été conçus pour ce niveau d’autonomie. Cet écart a des conséquences bien réelles.

Bien faire les choses peut constituer un avantage concurrentiel déterminant pour votre organisation. Se tromper peut vous exposer à des risques considérables.

Les agents IA constituent un nouveau type d’utilisateur

À l’instar des utilisateurs humains, les agents interagissent avec des APIs, accèdent à des données sensibles, lancent des workflows et déclenchent des transactions. Mais contrairement aux humains, ils agissent en continu, à grande échelle, sans interruption. Les agents IA raisonnent, agissent et s’adaptent dynamiquement pour atteindre des objectifs, et les traiter comme de simples comptes de service ou des processus en arrière-plan revient à ignorer leur complexité opérationnelle et leur profil de risque.

Ces capacités uniques rendent les agents puissants, mais elles soulèvent également des questions fondamentales quant à la gestion de leur identité, de leurs accès et de la confiance qui leur est accordée dans les environnements d’entreprise.

L’IAM traditionnel ne suffit pas

L’IAM centré sur l’humain repose sur une authentification manuelle, des rôles statiques et des identifiants de longue durée. Ces approches ne s’adaptent pas aux agents dynamiques et autonomes. La plupart des systèmes IAM traditionnels présentent des lacunes en matière de :

• Détection de l’activité des agents
• Différenciation des agents légitimes des bots malveillants
• Application d’un contrôle d’accès contextuel
• Maintien de la traçabilité et de la responsabilité pour les actions déléguées

Les systèmes traditionnels authentifient les utilisateurs et appliquent des contrôles d’accès statiques, mais l’IA agentique exige des cadres d’identité contextuels et alignés sur les objectifs. Ces agents brouillent la frontière entre comportements humains et non humains, ce qui nécessite de nouveaux contrôles pour garantir que leurs actions sont autorisées, traçables et conformes aux politiques.

Quantifier le risque

Sans politiques et processus d’identité dédiés à l’identité agentique, les organisations s’exposent à des risques mesurables :

Utilisation abusive des identifiants — Les secrets partagés ou la réutilisation de tokens utilisateurs compromettent les pistes d’audit et ouvrent la voie à l’usurpation d’identité et aux accès non autorisés.

Exfiltration de données — Des agents disposant de privilèges excessifs ou compromis peuvent être utilisés pour extraire des données sensibles à grande échelle, souvent sans déclencher les systèmes de détection traditionnels.

Lacunes en matière de responsabilité décisionnelle — Sans délégation authentifiée, les organisations ne peuvent pas retracer quel agent a agi, pour le compte de qui ou avec quelle autorité — ce qui crée une incertitude juridique et en matière de conformité.

Les risques ont des implications opérationnelles, réglementaires et réputationnelles bien réelles. Sans limites claires en matière d’identité et d’accès, les agents IA peuvent devenir des acteurs intraçables dans des systèmes qui n’ont jamais été conçus pour les gouverner ou les surveiller. La gestion du risque agentique commence par la classification. Tous les agents IA n’agissent pas de la même manière et n’ont pas besoin du même type d’accès. Les stratégies d’identité doivent s’adapter à la manière dont chaque agent opère et à la personne pour le compte de laquelle il agit.

Comment l’IA agentique transforme le paysage de l’IAM

L’IA agentique transforme le paradigme IAM traditionnel. Les agents peuvent agir pour le compte d’un utilisateur, fonctionner de manière autonome ou collaborer avec d’autres agents — tout en traversant des frontières de confiance et en invoquant des systèmes sensibles. Ce comportement dynamique et autonome exige une évaluation en temps réel de l’identité, des autorisations et du contexte.

Alors que l’IAM traditionnel est centré sur les rôles, les identifiants et des politiques statiques, l’IAM agentique doit être :

• Délégué, et non usurpé
• Dynamique, et non statique
• Contextuel, et non binaire
• Observable, et non opaque

Les équipes IAM doivent faire évoluer leur approche, en passant du contrôle des accès à la gouvernance des comportements.

Model Context Protocol (MCP) et interactions agent-outil

MCP est un protocole fondamental permettant des interactions sécurisées et évolutives entre les agents et des outils externes, des APIs ou des sources de données. Il définit la manière dont les agents découvrent, invoquent et reçoivent des réponses des services de façon standardisée et authentifiée.

En abstrahant l’interface entre l’agent et l’outil, MCP permet aux organisations de :

• Médiatiser l’accès via des passerelles appliquant des politiques de sécurité
• Enregistrer les clients agents via le Dynamic Client Registration (DCR)
• Authentifier les agents via OAuth 2.0 ou mTLS
• Appliquer une autorisation granulaire à l’aide des scopes OAuth et des rôles IAM
• Journaliser et surveiller l’utilisation des outils par session d’agent

MCP fait évoluer l’accès des agents d’une automatisation opaque vers des interactions contrôlées et auditables.

Comment les agents accèdent aux systèmes, aux données et aux services

Les agents utilisent deux méthodes principales pour interagir avec les systèmes numériques :

Interactions API — Les agents utilisent des identifiants ou des tokens OAuth délégués pour appeler des services backend tels que des APIs REST ou GraphQL. Ces interactions s’intègrent efficacement aux systèmes IAM et offrent une application robuste des politiques.

Interactions via interface graphique utilisateur (GUI) — Lorsque les APIs ne sont pas disponibles, les agents peuvent interagir directement avec la couche visuelle du logiciel — en cliquant, en saisissant du texte et en naviguant à l’écran comme un utilisateur humain. On les appelle souvent Computer-Using Agents (CUAs).

Chaque approche introduit des défis distincts en matière d’identité et de sécurité. Les interactions API bénéficient de contrôles IAM natifs, mais les interactions GUI nécessitent des protections supplémentaires telles que le marquage de session, la détection d’identité et des validations humaines pour les actions à haut risque.

Le rôle de l’IAM dans la médiation des actions agentiques

Pour devenir le tiers de confiance des activités agentiques, l’IAM doit :

• Déléguer — Ne jamais usurper d’identité. Émettre des tokens à périmètre défini plutôt que de partager des identifiants.
• Authentifier — Valider l’identité de l’agent à l’aide de mTLS ou d’assertions signées, avec des informations client enregistrées via le DCR.
• Autoriser — Appliquer des contraintes de politique par session, tâche ou ressource.

Tout aussi important, l’IAM doit journaliser ces interactions afin de maintenir la visibilité et de permettre des analyses forensiques.

Principaux risques et défis de l’IAM agentique

L’IA agentique introduit une nouvelle surface d’attaque souvent invisible pour les systèmes IAM hérités. Voici certains des principaux risques et les solutions associées :

Partage d’identifiants — Lorsque les agents utilisent des identifiants humains, les pistes d’audit sont rompues et le risque d’usurpation augmente.

Solution : Délégation authentifiée à l’aide de OAuth 2.0 et du Dynamic Client Registration (DCR).

Agents sur-privilégiés — Des rôles statiques et insensibles au contexte conduisent les agents à accéder à davantage de ressources que nécessaire.

Solution : Droits just-in-time (JIT) et politiques strictes de moindre privilège.

Agents fantômes — Des agents non autorisés ou non gérés agissent sans être détectés.

Solution : Enregistrement dynamique, balisage et détection basée sur l’identité.

Manque de supervision — Les actions automatisées peuvent contourner les workflows de conformité.

Solution : Application d’un contrôle humain via CIBA ou une authentification step-up basée sur notification push.

IA adversariale ou débridée (jailbreakée) — Les agents peuvent être manipulés pour adopter des comportements dangereux ou non autorisés.

Solution : Surveillance continue, détection des anomalies et mécanismes d’arrêt d’urgence basés sur des politiques.

Les quatre types d’agents d’IA

Comprendre les types d’agents d’IA est essentiel pour concevoir la bonne stratégie d’identité. Il existe de nombreuses façons de segmenter les agents, mais on distingue quatre grandes catégories générales :

Chaque type d’agent nécessite des niveaux différents de contrôle, de délégation, de supervision et de gestion des identités.

Ce que vous devez savoir

Doter vos équipes Identité et Sécurité pour l’IA agentique

Maintenant que les impératifs stratégiques et les risques sont clairs, l’étape suivante est l’exécution. Les équipes Identité et Sécurité doivent faire évoluer leurs outils et leurs opérations pour prendre en charge l’IA agentique — non seulement pour atténuer les risques, mais aussi pour générer de nouvelles sources de valeur. Les capacités suivantes constituent les éléments fondamentaux d’une base d’identité efficace pour l’IA.

Visibilité : connaître chaque agent, chaque session

Avant de sécuriser les agents, les organisations doivent d’abord les détecter et les classifier avec précision et dans leur contexte.

Découverte des agents — Identifier et étiqueter les agents d’IA interagissant avec des APIs, des interfaces graphiques (GUI) ou des plateformes externes, en les distinguant des utilisateurs traditionnels ou des processus en arrière-plan.

Détection des CUA — Utiliser la reconnaissance de schémas et des signaux au niveau des terminaux pour repérer les agents utilisant un ordinateur qui imitent le comportement humain via des interactions avec un navigateur ou un terminal.

Intégration des plateformes — Connecter les systèmes IAM aux plateformes d’agents afin de capturer des signaux d’identité et des données comportementales en temps réel sur des points de terminaison variés.

Hygiène des comptes de service — Veillez à ce que les agents disposent d’identités distinctes et gérées — et non de comptes partagés ou génériques — avec une attribution claire et des métadonnées auditables.

Intégration et gestion : définir et gouverner les identités des agents

Les agents nécessitent un provisionnement structuré, l’attribution d’un propriétaire et une gouvernance du cycle de vie adaptées à leur fonction et à leur profil de risque.

Panneau de configuration — Utilisez des outils centralisés pour gérer les identités, la propriété, les identifiants et les habilitations des agents avec une supervision continue.

Classification des identités — Catégorisez les agents par type (digital worker, assistant ou agent personnel BYO) et associez chacun à un propriétaire ou responsable désigné.

Workflows de provisionnement — Appliquez le Dynamic Client Registration (DCR) et l’automatisation basée sur des politiques pour étendre l’intégration sécurisée des agents à l’ensemble des environnements.

Habilitations déléguées — Définissez le périmètre et associez les autorisations des agents aux délégants humains, en veillant à ce que l’accès soit spécifique à l’objectif et révocable.

Authentification et autorisation : sécuriser les interactions à la vitesse des machines

Les actions des agents doivent être authentifiées, limitées en portée et traçables en temps réel, en s’adaptant à l’évolution des tâches et des contextes.

OAuth 2.0 et Assertion Grants — Utilisez des mécanismes de délégation basés sur des protocoles, tels que des JWT signés, pour autoriser les agents sans partage d’identifiants utilisateur, permettant un contrôle granulaire.

Application via la passerelle MCP — Appliquez des contrôles basés sur des politiques et des vérifications d’autorisation lorsque les agents invoquent des outils via le Model Context Protocol, afin de garantir la conformité.

Accès limité en portée — Émettez des jetons à courte durée de vie et à portée restreinte afin de réduire l’exposition et de garantir une exécution conforme au principe du moindre privilège, alignée sur l’intention actuelle de la tâche.

Confiance inter-agents — Prenez en charge la vérification cryptographique des identités et les chaînes de délégation signées pour les protocoles agent-à-agent comme A2A ou les workflows complexes dans MCP.

Supervision humaine : gouverner les actions agentiques à haut risque

Toutes les tâches ne doivent pas être automatisées. La supervision humaine garantit la responsabilité et le respect des principes éthiques.

HITL (Human-in-the-Loop) — Exigez des approbations en temps réel pour les opérations sensibles à l’aide de mécanismes tels que le Client-Initiated Backchannel Authentication (CIBA), en intégrant les utilisateurs via des appareils familiers.

Cadres de consentement — Définissez des limites claires quant à ce que les agents peuvent faire au nom des utilisateurs, avec un consentement utilisateur structuré pour des périmètres d’action spécifiques.

Contraintes de politique — Imposez des limites temporelles, des règles contextuelles et une authentification renforcée afin d’empêcher les agents de dépasser leurs prérogatives ou d’élever leurs privilèges.

Pistes d’audit — Maintenez des journaux distincts et consultables pour les sessions des agents et les actions déléguées, en étiquetant toutes les transactions déclenchées par des agents pour assurer la traçabilité.

Protection contre les menaces : surveiller et contenir les risques liés aux agents

À mesure que les agents se multiplient, les surfaces d’attaque augmentent également. L’identité joue un rôle central dans l’atténuation proactive des risques.

Surveillance comportementale — Analysez la télémétrie afin de détecter des anomalies telles qu’une activité API inhabituelle, des temps d’exécution anormaux ou des schémas qui s’écartent du comportement de référence des agents.

Détection des attaques adversariales — Détectez les agents compromis (jailbroken), détournés ou mal configurés qui tentent de contourner les contrôles ou d’exploiter des vulnérabilités du système.

Réponse automatisée — Isolez les agents suspects, révoquez les jetons d’accès et escaladez vers une revue humaine en quelques secondes afin de contenir efficacement les risques.

Revue périodique — Planifiez des revues administratives régulières des habilitations des agents, de leur propriété et des tendances d’activité afin d’identifier les dérives de risque et les écarts de conformité.

Comment accompagner vos développeurs

• Fournissez une émission de tokens sécurisée et appliquez le contrôle des scopes.
• Utilisez les fondations OAuth 2.x et OpenID Connect.
• Activez l’enregistrement dynamique des clients (DCR).
• Implémentez des modèles d’assertion grant ou d’échange de tokens.
• Prenez en charge les flux CIBA ou d’autorisation par appareil pour le HITL.
• Créez des passerelles MCP pour une intégration sécurisée agent-outil.

Bonnes pratiques pour l’adoption de l’IA agentique

Adopter avec succès l’IA agentique nécessite plus que la seule technologie. Cela exige une gouvernance rigoureuse des identités, des protocoles de sécurité alignés et une base de confiance opérationnelle. Ces bonnes pratiques constituent un guide stratégique pour les responsables IAM :

Identifier et classifier vos agents — Établissez un inventaire de tous les agents IA en les classant par type, propriété et niveau d’autonomie. Distinguez les assistants personnels, les assistants numériques et les travailleurs numériques, et appliquez les politiques en conséquence.

Déléguer l’accès, ne pas partager les identifiants — Remplacez le partage d’identifiants par une délégation authentifiée à l’aide de OAuth 2.0 et des assertion grants. Assurez-vous que toutes les actions des agents sont correctement limitées par des scopes, non répudiables et traçables jusqu’à l’utilisateur ou au système d’origine.

Appliquer le principe du moindre privilège et un accès limité par des scopes — Accordez aux agents uniquement les autorisations dont ils ont besoin, pour la durée strictement nécessaire. Utilisez l’accès JIT, des tokens à expiration et des scopes granulaires afin de limiter les mouvements latéraux et l’ampleur d’un incident.

Exiger une approbation humaine pour les actions à haut risque — Implémentez un contrôle humain (HITL) pour les transactions sensibles. Utilisez des mécanismes tels que CIBA ou une MFA basée sur des notifications push pour permettre des approbations humaines fluides sans ralentir les performances des agents.

Surveiller en continu le comportement des agents — Collectez la télémétrie de toutes les sessions des agents. Établissez des référentiels et détectez les anomalies à l’aide d’analyses comportementales afin d’identifier rapidement les agents défaillants ou compromis.

Journaliser les actions des agents pour la conformité et l’auditabilité — Séparez les journaux des agents de ceux des utilisateurs humains. Incluez l’identité de l’acteur, l’autorité déléguée et le scope dans tous les journaux. Rendez l’activité des agents explicable et vérifiable.

Gérer dynamiquement les habilitations — Évaluez en continu les rôles et autorisations des agents. Prenez en charge le JIT, des mécanismes d’arrêt d’urgence et la révocation basée sur des politiques afin de couper immédiatement les accès en cas d’anomalie.

Unifier l’IAM entre les canaux collaborateurs, clients et agents — Considérez l’identité des agents comme un domaine d’identité central, au même titre que les identités des collaborateurs et des clients. Assurez des politiques et des contrôles cohérents pour tous les types d’utilisateurs.

Points de vigilance dans le nouveau paysage de l’identité

À mesure que les systèmes d’IA agentique évoluent, les cadres que nous utilisons pour les sécuriser et les gouverner doivent évoluer également. Cette section met en lumière cinq concepts clés qui ont émergé pour répondre aux défis liés à la sécurité du comportement des agents, à l’identité et à la collaboration.

Ces technologies illustrent l’évolution actuelle des systèmes d’identité face au comportement des agents et sont activement mises en œuvre pour répondre aux besoins immédiats en matière de délégation, de confiance et de contrôle d’accès. Pour les équipes qui déploient ou gèrent des agents IA, elles constituent les briques fondamentales d’une intégration sécurisée et opérationnelle.

Model Context Protocol

Model Context Protocol (MCP) est une interface standardisée permettant aux agents IA d’accéder de manière sécurisée à des outils externes, des APIs ou des sources de données. Au lieu d’intégrations codées en dur, MCP permet aux agents de découvrir et d’invoquer des capacités via une passerelle appliquant des politiques. Il prend en charge une authentification sécurisée (OAuth 2.0), établit un accès limité par des scopes et journalise chaque interaction.

À mesure que les organisations adoptent les agents à grande échelle, MCP garantit la cohérence, la visibilité et le contrôle de l’utilisation des outils.

Protocoles agent-à-agent

Les protocoles agent-à-agent comme Agent2Agent (A2A) de Google sécurisent la collaboration entre agents IA. Ils permettent aux agents de s’authentifier mutuellement, de partager des objectifs structurés et de déléguer des tâches, tout en préservant le contexte de sécurité et l’alignement des politiques.

À mesure que les workflows multi-agents deviennent plus courants (par exemple, un agent effectuant des recherches pendant qu’un autre en fait la synthèse), les protocoles agent-à-agent établissent la confiance et les règles d’engagement nécessaires à l’orchestration entre agents.

Verifiable Credentials pour les agents

Les verifiable credentials (VCs) permettent aux agents IA de présenter des déclarations signées cryptographiquement concernant leur identité, leur rôle ou leur affiliation. Ces justificatifs peuvent être validés par des parties de confiance sans intégration directe, permettant une vérification décentralisée et infalsifiable.

Les VCs renforcent le niveau d’assurance de l’identité, favorisent une autorisation respectueuse de la confidentialité et réduisent le risque d’usurpation d’agent entre systèmes et domaines.

Autorisation adaptative

Les rôles statiques ne suffisent pas pour des agents IA opérant dans des environnements dynamiques et en temps réel. L’autorisation adaptative évalue les décisions d’accès à partir d’éléments contextuels — niveau de risque, type de tâche, temporalité et schémas comportementaux — afin de déterminer si un agent doit poursuivre l’action.

Cette approche permet aux systèmes d’identité d’aligner en continu les autorisations sur les besoins contextuels, en renforçant les exigences ou en révoquant automatiquement l’accès lorsque les conditions de risque évoluent.

Zero Trust pour l’IA

Les principes du Zero Trust — vérifier explicitement, présumer la compromission, appliquer le moindre privilège — sont encore plus critiques lors de la gestion d’agents autonomes. Les agents d’IA ne doivent jamais bénéficier d’une confiance implicite, d’identifiants à longue durée de vie ou d’un accès sans restriction.

Appliquer le Zero Trust signifie vérifier en continu les agents, imposer une délégation à portée limitée, utiliser des identifiants éphémères et appliquer des contrôles d’exécution à toutes les actions, quelle que soit la familiarité apparente de l’agent.

Ces éléments définissent l’architecture des interactions sécurisées entre agents. Ils constituent la base technique permettant d’appliquer la confiance, la délégation et le contrôle à mesure que les agents d’IA s’intègrent aux systèmes et aux workflows. Les comprendre est essentiel pour toute équipe qui développe ou gouverne aujourd’hui des capacités agentiques.

L’identité pour l’IA est le fondement de la confiance numérique

Pour innover avec l’IA, vous avez besoin d’une identité. Les éléments présentés dans ce guide ne sont pas de simples outils. Ce sont les mécanismes par lesquels la confiance, le contrôle et la responsabilité sont établis dans les systèmes pilotés par l’IA.

Si votre entreprise applique ces principes, vous pouvez accélérer sans sacrifier la supervision. Vous pouvez intégrer des agents aux workflows sans perdre en visibilité. Et vous pouvez offrir des expériences intelligentes auxquelles clients et régulateurs peuvent faire confiance.

À l’ère des systèmes agentiques, l’identité n’est pas qu’une infrastructure. Et les organisations qui maîtrisent l’identité pour l’IA prendront rapidement la tête.

Terminologie clé — Identité agentique et IAM pour les agents d’IA

Protocole Agent-to-Agent — Un protocole (par exemple, Agent2Agent de Google, ou A2A) qui permet une communication sécurisée entre agents d’IA. Il prend en charge l’authentification, la délégation, l’échange de tâches et la collaboration au sein des workflows agentiques.

Assertion Grant / Token Exchange — Un flux OAuth 2.0 qui permet d’échanger un jeton d’identité (tel qu’un identifiant utilisateur) contre un nouveau jeton d’accès à portée limitée pour un agent. Cela permet une délégation sécurisée et traçable sans usurpation d’identité.

Dynamic Client Registration (DCR) — Un mécanisme qui permet aux agents d’IA de s’enregistrer eux-mêmes en tant que clients OAuth au moment de l’exécution. DCR prend en charge un onboarding flexible et évolutif des agents sans provisionnement manuel.

Identifiants éphémères — Des identifiants à courte durée de vie émis pour une utilisation temporaire par des agents. Ils réduisent le risque d’exposition par rapport à des secrets statiques à longue durée de vie ou à des clés API.

Just-in-Time (JIT) Entitlements — Un modèle dans lequel les agents reçoivent uniquement l’accès dont ils ont besoin, au moment où ils en ont besoin. Les droits sont accordés en fonction du contexte en temps réel, puis révoqués après usage.

Model Context Protocol (MCP) — Une interface standard qui permet aux agents de découvrir et d’interagir en toute sécurité avec des outils et APIs externes via une passerelle appliquant des politiques. MCP prend en charge l’authentification, l’autorisation et la télémétrie.

mTLS (Mutual TLS) — Un protocole sécurisé dans lequel l’agent (client) et le service (serveur) vérifient mutuellement leur identité à l’aide de certificats numériques. mTLS est couramment utilisé pour garantir une confiance mutuelle dans des interactions sensibles.

OAuth 2.0 — Une norme ouverte pour la délégation sécurisée d’accès. Elle permet aux agents d’IA d’agir pour le compte des utilisateurs en émettant des jetons d’accès avec des portées spécifiques, évitant ainsi le partage d’identifiants.

OpenID Connect (OIDC) — Un protocole d’authentification construit sur OAuth 2.0 qui permet aux agents ou aux clients de vérifier l’identité d’un utilisateur et de recevoir en toute sécurité des informations de profil structurées.

Policy-Based Access Control (PBAC) — Un modèle de contrôle d’accès adaptatif qui utilise des politiques contextuelles — notamment le rôle utilisateur, les signaux de risque, l’heure et le type de tâche — pour évaluer l’accès en temps réel.

Jetons d’accès à portée limitée — Des jetons restreints à un ensemble défini d’actions ou de ressources. La limitation de portée garantit que les agents opèrent selon le principe du moindre privilège, en adéquation avec la tâche déléguée.

Secure Software Attestation (SSA) — Une méthode permettant de vérifier l’intégrité et l’origine du logiciel d’un agent avant d’accorder l’accès. SSA contribue à garantir que seuls des agents autorisés et non altérés peuvent opérer au sein d’un système.

Périmètre de confiance — Un périmètre conceptuel qui sépare les entités de confiance (telles que les agents et utilisateurs gérés par l’entreprise) des entités non fiables ou externes (comme les agents personnels). Les périmètres de confiance guident l’application des politiques d’identité et d’accès.