Le 5 août 2026, Anthropic a fermé une porte que sa propre Compliance API avait seulement entrouverte trois mois plus tôt. Avec les inference hooks, une requête jugée sensible peut désormais être bloquée avant même d'atteindre Claude, plutôt que signalée après coup dans un tableau de bord de sécurité. 91 % des entreprises françaises restent exposées au risque de shadow AI selon Red Hat : voici ce que change, très concrètement, cette nouvelle couche de contrôle pour les équipes conformité des secteurs réglementés.
Le 5 août, Anthropic passe de la détection au blocage
Jusqu'à cette semaine, le contrôle en ligne d'un prompt avant son traitement restait l'apanage de Claude Code, via des hooks déclenchés côté poste de travail du développeur. Le reste des usages d'entreprise, le chat, Claude Cowork, les connecteurs, échappait à ce type d'inspection immédiate. Anthropic le reconnaît elle-même dans l'annonce du 5 août : chaque produit nécessitait jusque-là sa propre intégration de sécurité, quand elle existait. Les inference hooks comblent cet angle mort d'un coup, avec une seule configuration au niveau de l'organisation qui couvre l'ensemble des surfaces Claude Enterprise.
Le mécanisme est simple à décrire, plus subtil à mettre en œuvre. Chaque requête envoyée à Claude Enterprise transite par une connexion WebSocket signée vers le serveur de sécurité choisi par l'organisation. Ce serveur reçoit le prompt et son contexte, puis renvoie un verdict, allow ou deny, avant que le modèle ne commence à générer quoi que ce soit. La signature cryptographique de la connexion garantit qu'aucun tiers ne peut usurper ce canal de vérification, un détail qui compte pour toute équipe sécurité amenée à défendre son architecture devant un auditeur.
Prenez un cas concret. Un consultant demande à Claude de résumer un rapport financier confidentiel stocké sur un espace partagé. Sans inference hooks, la requête part directement vers le modèle. Avec eux, le prompt et son contexte sont d'abord soumis au serveur de sécurité de l'entreprise, qui vérifie par exemple que le document ne porte pas une mention de diffusion restreinte incompatible avec ce canal. Le verdict revient en quelques centaines de millisecondes, invisible pour l'utilisateur tant que la réponse est allow.
La nuance avec la Claude Compliance API, lancée le 21 mai 2026 avec 28 intégrations vers des outils comme Cloudflare, CrowdStrike ou Microsoft Purview (nous l'avions détaillée dans un article dédié), tient à un seul mot : le moment. La Compliance API exposait un flux d'événements vers vos systèmes de SIEM, pour reconstituer après coup ce qui s'était passé dans une conversation Claude. Utile pour l'enquête. Insuffisant pour empêcher la fuite de se produire.
Pour résumer d'une image : la Compliance API installait des caméras de vidéosurveillance qui filment l'incident pour l'enquête du lendemain. Les inference hooks postent un vigile à l'entrée, qui empêche la personne non autorisée de franchir la porte. Le second dispositif coûte plus cher à calibrer. Il évite surtout d'avoir à visionner les images.
Qui décide, techniquement, du contenu de ce filtre ? Anthropic laisse la main entière à l'entreprise. Quatre fournisseurs de sécurité, Netskope, Palo Alto Networks, Proofpoint et Zscaler, disposent déjà d'une intégration native selon les informations publiées le jour du lancement, et rien n'empêche de brancher un serveur maison sur le protocole webhook ouvert que la documentation technique détaille. Le même filtre s'applique aux réponses d'outils, y compris celles qui remontent via un connecteur MCP, une skill ou un plugin, avant qu'elles ne reviennent au modèle.
Ce que le shadow AI coûte déjà, en chiffres
91 % des entreprises françaises restent exposées au risque de shadow AI, selon une étude Red Hat publiée cette année. Le chiffre surprend jusqu'à ce qu'on regarde d'où il vient : un collaborateur pressé, un délai à tenir, un copier-coller vers un outil gratuit que la DSI n'a jamais validé ni même vu passer.
Ce phénomène a un nom dans les études anglophones, le BYOA, bring your own AI, en écho au BYOD du début des années 2010. La différence tient à la nature de la donnée en jeu. Un salarié qui utilise son propre ordinateur portable expose, au pire, des fichiers mal protégés. Un salarié qui colle un extrait de contrat ou un dossier patient dans un outil grand public expose une donnée qu'aucune politique de mot de passe ne protège plus, une fois qu'elle a quitté le périmètre de l'entreprise.
Le rapport Netwrix 2026 sur les risques de sécurité affine le diagnostic. 54 % des outils de shadow AI détectés en entreprise avaient ingéré des données sensibles, du code source ou des fichiers clients. Sur ces incidents, 65 % impliquaient des données personnelles identifiables, et 29 % de la propriété intellectuelle. Plus d'un incident sur deux touche donc exactement le type de donnée qu'un juriste, un DAF ou un responsable conformité ne voudrait jamais voir sortir du périmètre de l'entreprise sans contrôle.
Le coût, désormais, se chiffre avec précision. Le rapport IBM Cost of a Data Breach 2026 fixe le coût moyen mondial d'une fuite de données à 4,99 millions de dollars, en hausse de 12 % sur un an. Dans la santé, ce montant grimpe à 6,64 millions de dollars, un record que le secteur détient pour la treizième année consécutive. Combien de ces incidents auraient pu être stoppés par un simple verdict deny avant que la donnée ne quitte le périmètre de l'entreprise ?
La France n'est pas épargnée, et les exemples récents ne manquent pas. La CNIL a enregistré 6 167 violations de données en 2025, un record, dans un contexte marqué par des fuites qui ont touché Free, France Travail, Bouygues Telecom ou l'Urssaf. Le shadow AI n'explique pas toutes ces failles, loin de là. Il en constitue un canal de plus, et le seul dont l'entreprise ne disposait, avant les inference hooks, d'aucun moyen technique de blocage au moment même de l'usage.
Ce que les inference hooks changent pour votre DSI
Le déploiement ne se fait pas en un clic irréversible, et c'est heureux. Anthropic propose un mode shadow, qui autorise systématiquement les requêtes tout en journalisant ce que le serveur de sécurité aurait décidé, pour tester la politique sans bloquer personne. Viennent ensuite les exclusions par rôle, utiles pour épargner une équipe pendant sa phase de rodage, puis un déploiement en pourcentage progressif de la population concernée, de 5 % à 100 % par paliers. Chaque paramètre, tolérance de panne comprise, reste ajustable selon l'appétence au risque de l'organisation.
Ce dernier point mérite un arrêt. Que se passe-t-il si votre serveur de sécurité tombe en panne ou répond trop lentement ? Anthropic laisse ce choix à l'entreprise : basculer en mode ouvert, la requête passe malgré tout, ou en mode fermé, elle est bloquée par défaut. Le premier privilégie la continuité d'activité, le second la prudence maximale. Aucune des deux réponses n'est universellement bonne. Elle dépend du secteur, du canal concerné et de ce que votre politique de sécurité interne a déjà tranché pour des dispositifs comparables.
Pourquoi une telle prudence dans le déploiement ? Parce que l'attaque, sur ce type de système, ne vise pas nécessairement le modèle lui-même. Elle vise la tuyauterie qui l'entoure. Les audits menés par Endor Labs sur 2 614 serveurs MCP ont trouvé 82 % de configurations exposées au path traversal, une technique qui permet de sortir du dossier autorisé pour lire ailleurs sur le système. Le cabinet Astrix, sur un échantillon de plus de 5 200 serveurs, a mesuré que 53 % reposaient sur des clés d'API statiques et que seulement 8,5 % utilisaient un protocole d'autorisation moderne de type OAuth. Nous détaillions ces chiffres dans notre article sur la sécurité des connecteurs Claude, et ils expliquent pourquoi Anthropic a choisi d'inspecter aussi les réponses d'outils, pas seulement les prompts entrants.
Le protocole MCP, sur lequel s'appuient ces connecteurs, a franchi 97 millions de téléchargements mensuels de kits de développement et plus de 10 000 serveurs actifs recensés fin 2025. Chaque serveur supplémentaire est une porte de plus à surveiller. Les inference hooks ne suppriment pas cette surface d'attaque, ils y posent un point de contrôle unique, plutôt que de laisser chaque connecteur gérer sa propre sécurité, ou pas.
Juridique, finance, santé : ce que ça change secteur par secteur
Un secret professionnel protégé par le code de déontologie des avocats survit-il au passage dans un outil d'IA que personne n'a validé ? La question n'a rien de théorique pour une direction juridique qui teste Claude sur des dossiers contentieux. Avec les inference hooks, un cabinet peut poser une règle simple : toute requête qui contient une référence à un dossier classé confidentiel déclenche un refus automatique, avant même que le contenu ne quitte l'infrastructure de l'entreprise. C'est le type de garde-fou que nous mettons en place pour nos clients du secteur juridique, en amont de tout cas d'usage.
Côté finance et assurance, l'enjeu se lit dans le calendrier réglementaire autant que dans les chiffres. L'article 50 de l'AI Act européen impose, depuis le 2 août 2026, d'informer tout utilisateur qu'il échange avec une IA, sous peine d'une amende pouvant atteindre 15 millions d'euros ou 3 % du chiffre d'affaires mondial. Un dispositif qui bloque et journalise chaque tentative d'exposition de données sensibles avant qu'elle n'aboutisse constitue une pièce de dossier autrement plus solide, en cas de contrôle, qu'un usage non tracé. Pour une direction financière qui pilote déjà son exposition aux outils d'IA générative, ce n'est pas un détail technique : c'est un argument face à un régulateur ou un comité d'audit.
Les courtiers et compagnies d'assurance vivent une pression comparable. Le règlement DORA impose déjà aux acteurs financiers et assurantiels un cadre strict de résilience opérationnelle numérique, un sujet que nous avions creusé dans notre article sur la conformité DORA et l'IA. Un contrôle inline comme les inference hooks s'inscrit naturellement dans cette logique de résilience : il réduit la probabilité qu'un incident lié à l'IA remonte un jour jusqu'au régulateur.
Dans la santé et les industries pharmaceutiques, le coût d'une fuite dépasse largement la moyenne des autres secteurs, on l'a vu avec les 6,64 millions de dollars mesurés par IBM. Un laboratoire qui teste Claude sur des données d'essais cliniques, ou un service hospitalier qui l'utilise pour synthétiser des comptes rendus, a besoin d'une garantie plus solide qu'une charte d'usage signée par les équipes. Le secret médical ne se négocie pas au cas par cas selon la bonne volonté de chacun. Les inference hooks permettent de coder cette garantie directement dans l'infrastructure plutôt que de compter sur la seule discipline individuelle, ce qui explique pourquoi nos déploiements dans le secteur de la santé et de la pharma commencent toujours par cette étape de cadrage technique, avant même de parler de cas d'usage.
Comment déployer les inference hooks sans bloquer vos équipes
Le piège classique, sur ce type de dispositif, consiste à activer un blocage strict dès le premier jour et à provoquer une résistance silencieuse des équipes, qui finissent par contourner l'outil par frustration plutôt que de l'adopter. L'étude Gravitee 2026 sur les incidents liés aux agents IA a mesuré que 88 % des organisations avaient déjà signalé un incident avéré ou suspecté sur l'année écoulée, un taux qui grimpe à 92,7 % dans la santé. Le risque de ne rien faire dépasse largement celui de mal faire. Mal faire, en revanche, coûte cher en adhésion interne, et cette facture se paie sur plusieurs mois.
D'où l'intérêt du mode shadow, à activer en premier pendant deux à quatre semaines selon la taille de l'organisation. Il permet de calibrer les règles de votre serveur de sécurité sur du trafic réel, sans jamais bloquer personne, puis de corriger les faux positifs avant le passage en mode actif. Seules 23 % des organisations disposent aujourd'hui d'une stratégie d'identité des agents IA à l'échelle de l'entreprise, et 18 % seulement se disent confiantes dans la capacité de leur gestion des accès à traiter ces nouvelles identités machines, selon une enquête CSA/Strata de février 2026. Ce chiffre dit une chose simple : la plupart des organisations qui se lancent aujourd'hui partent d'une gouvernance à construire, pas à ajuster à la marge.
Après la bascule en mode actif, trois indicateurs valent la peine d'être suivis chaque mois : le taux de faux positifs remontés par les équipes, le délai moyen de réponse du serveur de sécurité, et le nombre de tentatives bloquées par catégorie de donnée. Ces trois chiffres, croisés, disent si votre politique est trop stricte, trop permissive, ou à peu près calibrée.
Trois questions méritent une réponse avant d'activer le premier verdict de blocage. Qui, dans l'organisation, a autorité pour définir ce qu'est une donnée sensible au sens de votre politique de sécurité ? Quel service prend en charge les faux positifs signalés par les équipes la première semaine ? Et quel budget de temps l'IT consacre-t-il à l'intégration avec votre DLP existant, qu'il s'agisse de Netskope, de Palo Alto Networks ou d'un serveur interne déjà en place ? Un déploiement gouverné de Claude Cowork pose ces questions avant l'activation, pas après le premier incident.
Anthropic ne referme pas le débat sur la sécurité de l'IA en entreprise avec cette seule fonctionnalité. Les inference hooks déplacent simplement le curseur d'un cran, de la détection vers la prévention, dans la continuité directe de la Compliance API et des risques de shadow AI que nous suivons depuis plusieurs mois sur ce blog. La vraie question, pour votre organisation, n'est plus de savoir si un tel contrôle existe.
Elle est de savoir si vous l'avez configuré avant qu'un incident ne vous y contraigne. Votre organisation a-t-elle déjà cartographié les canaux où des données sensibles transitent vers Claude ou un autre assistant IA ? Un point de vingt minutes suffit généralement à identifier les premières règles à poser. Réservez un échange avec notre équipe pour cadrer le déploiement de vos inference hooks.