Rapport FireTail H1 2026 : 302 incidents IA, agents autonomes et écart critique de gouvernance

🔍 Contexte FireTail Research publie son premier rapport semestriel State of AI Security (Ă©dition H1 2026), couvrant les douze mois prĂ©cĂ©dant juin 2026. Le rapport s’appuie sur 302 incidents publiquement divulguĂ©s, croisĂ©s avec l’AI Incident Database (AIID) et le rĂ©fĂ©rentiel AIAAIC, ainsi que des donnĂ©es clients anonymisĂ©es. 📊 Chiffres clĂ©s 90% des usages IA en entreprise sont non tracĂ©s, non gouvernĂ©s ou non sĂ©curisĂ©s 83% des organisations ont dĂ©ployĂ© des agents IA en 2026 (contre 16% douze mois plus tĂŽt) 71% n’ont pas les contrĂŽles nĂ©cessaires pour sĂ©curiser ce qu’elles ont dĂ©ployĂ© 4x d’augmentation des incidents IA entre 2024 et 2025 35% des incidents sont de l’exfiltration de donnĂ©es (type d’attaque n°1) 68% des organisations breachĂ©es n’avaient aucune politique de gouvernance IA En juin 2026, Cloudflare confirme que le trafic automatisĂ© (IA) dĂ©passe le trafic humain : 57,4% des requĂȘtes web sont non-humaines 🚹 Trois incidents majeurs 1. OpenClaw (jan–mar 2026) — Crise des agents incontrĂŽlĂ©s L’agent IA open-source le plus Ă©toilĂ© sur GitHub a exposĂ© plus de 1 000 machines Ă  une exĂ©cution de code Ă  distance sans authentification. La marketplace associĂ©e contenait 1 184 skills malveillants (sans signature ni sandbox). Une plateforme sociale liĂ©e a subi une fuite de 1,5 million de credentials, dont des clĂ©s API en clair pour OpenAI, Anthropic et AWS. ...

18 aoĂ»t 2026 Â· 5 min

Un cadre pour analyser les incidents d’agents IA et les donnĂ©es Ă  collecter

Selon un papier de recherche acadĂ©mique (Harvard University et Centre for the Governance of AI), les auteurs proposent un cadre structurĂ© pour analyser les incidents impliquant des agents IA et dĂ©taillent quelles donnĂ©es opĂ©rationnelles doivent ĂȘtre conservĂ©es et partagĂ©es pour permettre des enquĂȘtes efficaces. ‱ Le cadre identifie trois catĂ©gories de causes d’incident: facteurs systĂšme (donnĂ©es d’entraĂźnement/feedback, mĂ©thodes d’apprentissage, prompts systĂšme, scaffolding), facteurs contextuels (dĂ©finition de la tĂąche, outils et leurs accĂšs, environnement informationnel incluant les injections de prompts) et erreurs cognitives observables de l’agent (observation, comprĂ©hension, dĂ©cision, exĂ©cution). Il s’inspire des approches « human factors » (ex. HFACS) utilisĂ©es en aviation et autres domaines critiques. ...

31 aoĂ»t 2025 Â· 3 min
Derniùre mise à jour le: 10 septembre 2026 📝