Vos agents d'IA ont besoin de règles d'approbation, pas d'un bouton Approuver

Vos employés commencent à demander à des agents d'intelligence artificielle (IA) de lire les systèmes de l'entreprise, de rédiger et d'agir. Les plateformes d'agents offrent une invite d'approbation, et l'activer a l'air d'être l'étape de gouvernance. Ce ne l'est pas. Le 1er mai 2026, le Centre canadien pour la cybersécurité et cinq organismes alliés (l'Australian Signals Directorate, la Cybersecurity and Infrastructure Security Agency et la National Security Agency des États-Unis, ainsi que les centres nationaux de cybersécurité de la Nouvelle-Zélande et du Royaume-Uni) ont publié Careful adoption of agentic AI services. Sa section sur l'intervention humaine demande ce qu'un simple interrupteur ne peut pas fournir : "Ensure decisions about when human approval is required are determined by system designers or operators, not delegated to the agentic AI system" (Australian Signals Directorate et al., 2026, p. 22). Autrement dit, ce sont les concepteurs ou les exploitants du système qui décident quand une approbation humaine est requise, et non l'agent.

Je détiens le titre CISSP et je cumule plus de 25 ans en technologie et en sécurité, y compris des évaluations de la sécurité infonuagique pour le gouvernement du Canada. Ce texte s'adresse à l'exploitant de cette phrase : l'entreprise qui doit mettre ces décisions par écrit.

Ce que demande réellement le bulletin conjoint

Le bulletin est un conseil, pas une loi. C'est tout de même un énoncé public et précis de ce que six organismes nationaux de cybersécurité attendent d'une organisation qui exploite des agents. Quatre de ses recommandations portent l'essentiel pour une entreprise qui commence.

D'abord, le droit d'accès minimal : "strict adherence to the principle of least privilege is critical", parce que les privilèges d'un agent fixent le niveau de risque qu'il peut introduire (Australian Signals Directorate et al., 2026, p. 7). Ensuite, l'approbation avant l'impact : les agents ne doivent pas exécuter de façon autonome des "high impact actions or outputs without prior human approval", avec des points de contrôle là où le coût d'une erreur est élevé, comme une réinitialisation de système, une sortie réseau ou la suppression de documents essentiels (p. 22). Troisièmement, des journaux que l'agent ne peut pas toucher : isoler les agents "into enclaves with no write access to logs" (p. 20) et mettre en quarantaine toute demande de suppression de journaux ou de documents d'audit jusqu'à ce qu'une personne l'ait examinée (p. 22). Enfin, la responsabilité : attribuer la responsabilité des erreurs ou des effets néfastes causés par le système (p. 22).

Lues ensemble, ces quatre recommandations dessinent un constat. Aucune n'est une fonction de produit. Chacune est une décision d'affaires : quelles données un agent peut voir, quels gestes sont à fort impact pour vous, qui approuve, et qui répond quand les choses tournent mal.

Pourquoi un bouton Approuver n'est pas de la surveillance

Il est tentant de lire intervention humaine comme activer l'invite d'approbation. C'est la lecture qui coûte cher.

Ben Green a analysé 41 politiques qui imposent une surveillance humaine des algorithmes gouvernementaux et y a relevé deux failles. Les données probantes indiquent que les personnes ne parviennent pas à exercer les fonctions de surveillance que ces politiques supposent; par conséquent, ces politiques "provide a false sense of security" tout en permettant aux fournisseurs et aux organismes d'éviter de rendre des comptes (Green, 2022). Le mécanisme porte un nom. Sous l'effet du biais d'automatisation, les personnes, experts compris, "defer to automated systems, reducing the amount of independent scrutiny that they exhibit" (Green, 2022).

L'échantillon de Green porte sur des algorithmes gouvernementaux, pas sur des agents d'entreprise, et je n'étirerais pas sa conclusion au-delà. La leçon qui se transpose est étroite et pratique. Une personne devant un flux de gestes d'agent, avec un bouton Approuver et aucune règle sur ce qu'elle doit vérifier, se trouve exactement dans la situation que décrit le biais d'automatisation. Le remède proposé par Green consiste à justifier chaque usage, et sa forme de surveillance, avant l'adoption (Green, 2022). En entreprise, cette justification, ce sont des règles d'approbation écrites.

Cinq dates qui rendent les règles vérifiables

Quatre règles et un bulletin de conseils donnent à une entreprise canadienne qui utilise l'IA une raison datée de mettre ces règles par écrit, selon où elle exerce ses activités et qui elle sert. Une cinquième règle, celle du Québec, est déjà en vigueur.

Règles datées qui visent les entreprises canadiennes utilisant l'IA

1. 1er janv. 2026

   Ontario : déclarer le tri par IA dans les annonces publiques de poste (25 employés ou plus)

2. 1er mai 2026

   Bulletin conjoint sur l'IA agentive (six organismes)

3. 2 déc. 2026

   Règlement de l'UE sur l'IA, art. 50, par. 2 : échéance du marquage pour les systèmes génératifs déjà sur le marché

4. 1er mai 2027

   Ligne directrice E-23 du BSIF en vigueur; méthodes d'IA et d'apprentissage automatique dans la définition de modèle

5. 2 déc. 2027

   Règlement de l'UE sur l'IA : obligations à haut risque de l'annexe III applicables

Québec. En vertu de la Loi 25, une organisation doit informer la personne concernée lorsqu'elle fait l'objet d'une décision fondée exclusivement sur un traitement automatisé de ses renseignements personnels, au plus tard au moment où elle l'informe de cette décision, et doit lui donner l'occasion de présenter ses observations à un membre du personnel en mesure de réviser la décision (Commission d'accès à l'information du Québec, n.d.). La question de savoir si l'approbation d'une personne fait sortir une décision du champ de l'exclusivement relève de votre conseiller juridique. Les règles d'approbation sont l'endroit où vous consignez ce que cette personne a réellement vérifié.

Ontario. Depuis le 1er janvier 2026, un employeur de 25 employés ou plus qui a recours à l'intelligence artificielle "to screen, assess or select applicants" dans le cadre d'une annonce publique de poste doit le déclarer dans l'annonce, et l'obligation s'applique aussi lorsqu'une agence de recrutement fait le tri (Government of Ontario, 2026). Un agent qui classe des curriculum vitæ est visé, peu importe qui l'exploite.

L'Union européenne. Les fournisseurs de systèmes génératifs mis sur le marché avant le 2 août 2026 doivent respecter l'obligation de marquage lisible par machine de l'article 50, paragraphe 2, au plus tard le 2 décembre 2026. Les obligations à haut risque visant les usages de l'annexe III s'appliquent à compter du 2 décembre 2027, date reportée du 2 août 2026 (European Union, 2026). L'annexe III vise notamment l'IA utilisée pour recruter ou sélectionner des personnes et l'IA utilisée pour évaluer la solvabilité (European Union, 2024).

Institutions financières fédérales. La ligne directrice E-23 du Bureau du surintendant des institutions financières (BSIF), Gestion du risque de modélisation, entre en vigueur le 1er mai 2027. Elle définit un modèle comme l'application d'hypothèses ou de techniques statistiques, "including AI/ML methods", qui traite des données d'entrée pour produire des résultats, et elle attend un inventaire qui consigne les modèles présentant un risque non négligeable (Office of the Superintendent of Financial Institutions, 2025). Un agent qui produit des résultats pour une banque fait partie de cet inventaire.

Aucune de ces règles ne mentionne un bouton d'approbation. Chacune vous demande de montrer qui a décidé, sur quelle base et quand.

Ce que contiennent des règles d'approbation

Une page par système connecté suffit pour commencer. Je rédige chacune en trois parties.

Ce que l'agent peut lire. Dressez la liste des zones de données selon leur sensibilité. Par défaut, rien; ajoutez l'accès tâche par tâche. C'est la recommandation de droit d'accès minimal du bulletin, transformée en tableau que vous pouvez examiner (Australian Signals Directorate et al., 2026, p. 7).

Ce que l'agent peut modifier, en trois catégories. Je classe chaque geste selon son impact et selon qu'il peut être annulé ou non :

• Réversible et à faible impact (rédiger un courriel, ouvrir un billet) : l'agent agit, et le geste est consigné.
• Réversible mais lourd de conséquences (mettre à jour un dossier client, modifier un prix dans une soumission) : le responsable du système approuve d'abord, et l'écran d'approbation montre l'avant et l'après.
• Irréversible ou à fort impact (supprimer des documents, envoyer de l'argent, modifier des accès, tout ce qui touche l'embauche) : deux personnes approuvent, ou l'agent n'a tout simplement pas le droit de le faire.

Qui approuve, et ce que cette personne doit voir. Nommez un rôle, pas une équipe. Précisez ce que l'approbateur vérifie avant de cliquer : le dossier, la modification et la raison donnée par l'agent. Ajoutez ensuite les deux règles du bulletin sur les journaux : l'agent n'a aucun accès en écriture aux journaux, et toute demande de suppression d'un journal attend une personne (Australian Signals Directorate et al., 2026, p. 20, 22).

Avant de rédiger ce texte, j'ai fait fonctionner un espace de travail d'agents à code source ouvert sur nos propres systèmes pour voir les contrôles de l'intérieur. Les modifications de code de l'agent attendaient derrière une étape d'approbation, une tâche planifiée qu'il avait créée a été enregistrée désactivée, et chaque étape indiquait ce que l'agent avait lu. Les contrôles étaient tous là. Ce qui manquait, et c'est voulu, c'était une règle me disant lesquelles de ces approbations comptaient. C'est l'écart dont traite ce texte.

Où se situe Sagentix, et où elle ne se situe pas

Sagentix Cybersécurité et IA rédige ces règles avec vous; elle ne choisit pas votre plateforme et ne donne pas d'avis juridique. L'interprétation de la Loi 25, de la Loi de 2000 sur les normes d'emploi ou du Règlement de l'UE sur l'IA reste à votre conseiller juridique. Le point d'entrée est le bilan de préparation des agents d'IA : un registre des usages que prévoient vos équipes, les règles ci-dessus qui s'appliquent à chacun, des zones de données et une note de décision écrite. Son prix fixe est annoncé pendant l'appel, avant tout travail. La bibliothèque de recherche derrière lui compte 1 464 artefacts catalogués, et chaque livrable passe un contrôle de qualité en 19 points avant de vous parvenir.

Trois voies à partir d'ici

Le faire vous-même cette semaine. Choisissez le seul système que touchera votre premier agent. Avec son responsable, dressez la liste de tous les gestes que l'agent pourrait y poser et placez chacun dans l'une des trois catégories ci-dessus. Nommez un approbateur pour la catégorie du milieu. Attendez-vous à trouver des gestes que personne n'avait pensé à classer.

Le confier à votre deuxième ligne. Si vous avez un responsable de la protection des renseignements personnels ou une fonction de gestion des risques qui en a la capacité, le même exercice s'étend à tous les systèmes, avec les règles datées en colonnes.

Faire appel à de l'aide quand les règles doivent résister à un lecteur externe. C'est le cas lorsqu'un questionnaire client, un auditeur ou un organisme de réglementation les lira, ou lorsque l'embauche, le crédit ou des renseignements personnels sont en jeu. Demandez à tout conseiller que vous évaluez s'il vend ou revend aussi la plateforme pour laquelle il recommande des règles.

References

• Australian Signals Directorate, Canadian Centre for Cyber Security, Cybersecurity and Infrastructure Security Agency, National Security Agency, National Cyber Security Centre (New Zealand), & National Cyber Security Centre (United Kingdom). (2026). Careful adoption of agentic AI services. Announced by the Canadian Centre for Cyber Security at https://cyber.gc.ca/fr/nouvelles-evenements/bulletin-conjoint-ladoption-prudente-services-dintelligence-artificielle-agentive
• Commission d'accès à l'information du Québec. (n.d.). Principaux changements apportés par la Loi 25. Retrieved October 31, 2026.
• European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.
• European Union. (2026). Regulation (EU) 2026/1744 amending Regulation (EU) 2024/1689 (Artificial Intelligence Act). Official Journal of the European Union.
• Government of Ontario. (2026). Your guide to the Employment Standards Act: Requirements related to publicly advertised job postings. Retrieved October 31, 2026.
• Green, B. (2022). The flaws of policies requiring human oversight of government algorithms. Computer Law & Security Review, 45, 105681. https://doi.org/10.1016/j.clsr.2022.105681
• Office of the Superintendent of Financial Institutions. (2025). Guideline E-23 — Model risk management (2027) (published 11 September 2025; effective 1 May 2027). Government of Canada.