
La confiance ne doit pas être maximisée. Elle doit être méritée, étayée par des preuves et calibrée en permanence.
Presque toutes les entreprises technologiques affirment bâtir la confiance. Mais la formule « faites-nous confiance » révèle déjà le problème de fond : elle demande la confiance avant d’en fournir des raisons suffisantes. Un éditeur de logiciels peut affirmer que les données de ses clients sont sécurisées. Un client peut croire cette affirmation et décider de faire confiance à l’éditeur. Savoir si l’éditeur est réellement digne de confiance est toutefois une autre question. Seules des preuves portant sur les mesures de sécurité mises en œuvre, leur efficacité, leur périmètre et leur fonctionnement dans la durée peuvent fonder rationnellement cette confiance. C’est là que des notions comme la confiance, la fiabilité, l’assurance, le recours effectif (reliance), la conformité, la confiance numérique et le Zero Trust se retrouvent souvent mélangées. Elles décrivent pourtant des aspects différents d’un même problème.
Comprendre ces distinctions nous aide à répondre à une question bien plus vaste :
Que devrait signifier la confiance dans un monde numérique où les systèmes, les organisations et les risques évoluent en permanence ?
Dans la recherche en sciences des organisations et en psychologie, la confiance est couramment associée à la disposition à accepter une vulnérabilité. Rousseau et al. décrivent la confiance comme un état psychologique impliquant l’intention d’accepter une vulnérabilité sur la base d’attentes positives quant aux intentions ou au comportement d’autrui [1]. Mayer, Davis et Schoorman définissent de même la confiance comme la disposition à se rendre vulnérable vis-à-vis d’une autre partie, même lorsque celle-ci ne peut être entièrement surveillée ou contrôlée [2]. (ResearchGate) La confiance suppose donc au moins deux conditions : il doit exister une incertitude, et quelque chose d’important doit être en jeu.
Lorsqu’un résultat est entièrement certain, la confiance est inutile. Lorsqu’il n’existe ni perte potentielle ni dépendance, ce qui ressemble à de la confiance n’est peut-être que de la commodité. La confiance devient pertinente lorsque nous dépendons d’une autre personne, d’une organisation ou d’un système et que cette dépendance crée une vulnérabilité. Cela signifie aussi que la confiance n’est jamais une simple propriété universelle d’une entité. Une formulation plus précise serait :
A fait confiance à B en ce qui concerne X, dans les conditions Y, à un moment donné.
Une entreprise peut faire confiance à un fournisseur cloud pour stocker des supports marketing publics sans pour autant lui faire automatiquement confiance pour traiter des données de santé hautement sensibles. Un système peut être suffisamment fiable pour un cas d’usage tout en étant totalement inadapté à un autre. La confiance est donc relationnelle, propre à un contexte et dépendante du risque.
Dans le langage courant, « à qui l’on fait confiance » et « digne de confiance » sont souvent traités comme des synonymes. Sur le plan conceptuel, ils désignent pourtant deux choses différentes. Bénéficier de la confiance signifie qu’une entité se voit effectivement accorder la confiance. Être digne de confiance signifie que l’entité mérite cette confiance. Un escroc convaincant peut bénéficier de la confiance sans en être digne. À l’inverse, un système soigneusement conçu et bien gouverné peut être digne de confiance sans gagner celle des utilisateurs, parce que ses capacités, ses contrôles et ses limites restent invisibles. Mayer et al. identifient trois dimensions largement utilisées de la fiabilité perçue : la compétence (ability), l’intégrité (integrity) et la bienveillance (benevolence) [2].
La compétence désigne la capacité de la partie à qui l’on fait confiance à accomplir la tâche concernée. L’intégrité désigne la cohérence entre ses déclarations, ses principes et son comportement réel. La bienveillance désigne le fait qu’on attend d’elle qu’elle prenne en compte les intérêts de la partie qui lui fait confiance plutôt que de poursuivre exclusivement son propre avantage. (JSTOR) Pour les systèmes techniques, ces dimensions doivent être transposées. La compétence devient capacité technique, fiabilité de fonctionnement, résilience et sécurité. L’intégrité devient comportement prévisible, règles cohérentes, traitements traçables et communication honnête sur les limites. La bienveillance ne peut pas simplement être attribuée à une machine. Elle peut en revanche être évaluée à l’égard de l’organisation qui développe et exploite le système : l’organisation protège-t-elle les intérêts des utilisateurs ? Communique-t-elle honnêtement sur les risques ? Prévoit-elle des mécanismes de responsabilité et de recours ?
Le NIST aborde la fiabilité sous l’angle de l’ingénierie des systèmes. Un système digne de confiance n’est pas simplement un système auquel les gens se trouvent faire confiance. Sa fiabilité doit reposer sur des preuves qu’il peut satisfaire les exigences critiques qui lui sont imposées. Selon le contexte, ces exigences peuvent porter sur la sécurité, la sûreté, la fiabilité de fonctionnement, la résilience, la protection de la vie privée ou d’autres propriétés du système [3]. Cette distinction est fondamentale :
La confiance existe dans l’esprit de celui qui fait confiance. La fiabilité réside dans les qualités et le comportement de l’entité à qui l’on fait confiance.
Les deux peuvent coïncider, mais elles ne coïncident pas automatiquement.
Une autre distinction importante sépare la confiance du recours effectif (reliance). La confiance est une attitude, une attente ou un jugement. Le recours effectif est un comportement observable. Une personne peut se méfier d’un système d’IA et suivre néanmoins sa recommandation parce qu’aucune alternative n’existe, parce que la pression temporelle est forte ou parce que le processus de l’organisation l’impose. À l’inverse, une personne peut faire globalement confiance à un système tout en ignorant délibérément sa recommandation dans un cas précis. Cette distinction compte, car les enquêtes demandant aux utilisateurs s’ils font confiance à un système ne prédisent pas nécessairement quand ces utilisateurs s’appuieront sur lui. La recherche récente sur l’interaction humain-IA distingue donc de plus en plus la confiance perçue, le recours effectif observé, la performance du système et la pertinence de la décision qui en résulte [8]–[10]. (ACM Digital Library)
La conformité n’équivaut pas non plus à la fiabilité. La conformité répond d’abord à une question plus étroite :
Un ensemble défini d’exigences a-t-il été satisfait dans un périmètre défini ?
Une certification, un rapport d’audit ou une évaluation peuvent constituer une raison importante de faire confiance. Ce n’est toutefois pas une déclaration illimitée et permanente selon laquelle une organisation est sûre. Un audit peut confirmer qu’un système de management donné a été correctement mis en œuvre dans un périmètre donné et pendant une période donnée. Il ne prouve pas automatiquement que chaque configuration actuelle est correcte, que chaque système nouvellement introduit est couvert ou qu’aucun incident de sécurité ne peut se produire. Le NIST met donc en garde contre le fait de traiter la conformité comme l’unique fondement probatoire de l’assurance ou de la fiabilité. La conformité peut apporter des preuves précieuses, mais une approche fondée uniquement sur la conformité risque de créer une apparence de sécurité sans démontrer suffisamment l’efficacité du système sous-jacent [3]. (NIST Publikationen)
La conformité compte. Mais elle est une contribution parmi d’autres à une confiance justifiée, et non un substitut complet à celle-ci.
Entre la confiance subjective d’une partie et la fiabilité réelle d’un système se situe une autre notion : l’assurance. Le NIST décrit l’assurance comme les motifs d’une confiance justifiée dans le fait qu’une affirmation a été ou sera satisfaite [3]. L’assurance n’est donc ni un sentiment ni une garantie. C’est une justification structurée. Une structure d’assurance robuste devrait rendre visibles au moins cinq éléments : Affirmations : qu’affirme-t-on exactement ? Arguments : pourquoi les informations disponibles devraient-elles étayer l’affirmation ? Preuves : quels enregistrements, observations, tests ou artefacts démontrent la mise en œuvre et l’efficacité ?
Hypothèses : dans quelles conditions la conclusion reste-t-elle valable ? Périmètre : quels systèmes, processus, données, sites et périodes sont couverts ? Le NIST utilise la notion d’assurance case (dossier d’assurance) pour décrire une relation structurée et vérifiable entre affirmations, arguments, hypothèses et preuves à l’appui [3]. Prenons l’affirmation de sécurité suivante :
Toutes les données de production sont chiffrées au repos.
Une politique de chiffrement d’entreprise démontre qu’une intention et une exigence existent. Elle ne prouve pas que chaque système de stockage de production met effectivement en œuvre cette exigence. Une capture d’écran de la configuration d’une base de données apporte une preuve concernant cette base précise à un instant précis. Elle ne démontre pas nécessairement une couverture complète. Un dossier d’assurance plus solide pourrait combiner :
Les différentes formes de preuve servent des objectifs différents. Une politique étaye la conception prévue. Une configuration étaye la mise en œuvre technique. Un test ou une télémétrie continue étaye le fonctionnement réel. Une revue étaye la conclusion selon laquelle les preuves ont été évaluées et acceptées par une partie responsable. Aucun de ces éléments n’est nécessairement suffisant à lui seul. L’assurance naît de la relation traçable entre l’affirmation initiale, le périmètre couvert, la mise en œuvre et les preuves disponibles. Un système d’assurance mature doit aussi pouvoir aboutir à des conclusions négatives. Il devrait être capable d’indiquer que :
Le NIST reconnaît explicitement qu’une analyse d’assurance peut produire des résultats défavorables lorsque les preuves n’étayent pas l’affirmation [3]. (NIST Publikationen) Un système qui ne sait produire que des coches vertes peut rassurer. Il ne crée pas nécessairement une assurance crédible.
À première vue, le Zero Trust semble contredire l’objectif de bâtir davantage de confiance. Ce n’est pas le cas. Le Zero Trust traite le problème à un autre niveau. Il ne s’agit pas d’abord d’une philosophie psychologique ou culturelle, mais d’une approche architecturale des décisions d’accès. Dans un modèle Zero Trust, la confiance n’est pas accordée au seul motif qu’un utilisateur ou un terminal se trouve à l’intérieur du réseau de l’entreprise, appartient à l’organisation ou a déjà été authentifié auparavant. L’accès est évalué au regard d’une ressource, d’une identité, d’un terminal, d’un contexte et d’une requête spécifiques. Les autorisations doivent être limitées, réévaluées en continu et accordées en partant de l’hypothèse qu’un réseau ou un système peut déjà être compromis [4].
La sécurité périmétrique traditionnelle comprime souvent une décision de confiance complexe en une seule hypothèse générale :
Être dans le réseau de l’entreprise signifie être digne de confiance.
Le Zero Trust décompose cette hypothèse en décisions plus petites :
Cette identité, avec ce terminal, dans ces conditions, peut-elle accéder à cette ressource maintenant ?
Le Zero Trust n’est donc pas la fin de la confiance. C’est la fin de la confiance implicite, large et héritée de façon permanente. Une interprétation plus précise serait :
Zéro confiance implicite. Zéro privilège non mérité.
Une organisation peut avoir à la fois une culture de forte confiance et une architecture Zero Trust. Les collaborateurs n’ont pas à se soupçonner mutuellement du simple fait que les décisions d’accès sont vérifiées techniquement. Des contrôles bien conçus peuvent même faciliter la confiance interpersonnelle. Ils réduisent la probabilité qu’une erreur individuelle, un compte compromis ou une requête malveillante entraîne des dommages illimités. Le Zero Trust remplace une hypothèse de confiance vaste et floue par de nombreuses décisions plus petites, contextuelles, temporaires et révocables. Cela est tout à fait compatible avec une conception moderne de la confiance.
La fiabilité se concentre souvent sur les qualités d’une organisation, d’un système ou d’une relation en particulier. La confiance numérique élargit la perspective à tout un écosystème numérique. Le Forum économique mondial décrit la confiance numérique comme l’attente que les technologies et services numériques, ainsi que les organisations qui les fournissent, protègent les intérêts des parties prenantes et respectent les attentes et valeurs sociétales pertinentes. Son cadre relie la confiance numérique à des dimensions telles que la cybersécurité, la protection de la vie privée, la transparence, l’auditabilité, l’équité, l’interopérabilité, la sûreté et les mécanismes de recours [5]. (World Economic Forum) L’ISACA définit de même la confiance numérique autour de la confiance dans l’intégrité des relations, interactions et transactions au sein d’un écosystème numérique composé de personnes, d’organisations, de processus, d’informations et de technologies [6]. (ISACA)
Cette perspective d’écosystème compte, car la fiabilité d’un produit numérique dépend rarement de ce seul produit. Un fournisseur SaaS peut s’appuyer sur :
La fiabilité du produit visible dépend donc aussi de contrôles, d’hypothèses et de dépendances qui restent en grande partie invisibles pour ses utilisateurs. La confiance numérique peut être comprise comme le résultat économique et sociétal plus large. La fiabilité décrit les propriétés qui rendent l’écosystème digne de confiance. L’assurance fait le lien entre ces propriétés et la décision d’une partie prenante d’accorder sa confiance.
L’intelligence artificielle rend particulièrement visible la différence entre confiance perçue et fiabilité réelle. Un système d’IA peut s’exprimer avec aisance, assurance et force de persuasion sans être systématiquement exact. Une interface peut afficher transparence et compétence alors même que le modèle sous-jacent n’est pas suffisamment fiable pour la tâche prévue. Des explications, des scores de confiance ou un langage proche de celui d’un humain peuvent influencer la perception des utilisateurs. Ils ne constituent pas automatiquement la preuve qu’une réponse est correcte. Le NIST ne définit donc pas l’IA digne de confiance par une seule propriété. L’AI Risk Management Framework identifie plusieurs caractéristiques, notamment la validité et la fiabilité, la sûreté, la sécurité et la résilience, la responsabilité et la transparence, l’explicabilité et l’interprétabilité, la protection de la vie privée et la gestion des biais préjudiciables. Le NIST souligne également que ces caractéristiques dépendent du contexte et peuvent impliquer des arbitrages [7].
Un système peut être exact mais inéquitable. Il peut être transparent mais peu sûr. Il peut préserver la vie privée tout en restant peu fiable pour l’usage prévu. Il peut être performant en moyenne tout en échouant de manière imprévisible dans les cas qui comptent le plus. L’étiquette « IA digne de confiance » ne doit pas masquer ces distinctions. La recherche sur l’interaction humain-IA parle donc de plus en plus de confiance appropriée, de confiance calibrée et de recours approprié. L’objectif n’est pas d’amener les utilisateurs à faire autant confiance que possible à un système. L’objectif est de les aider à se forger une compréhension exacte des capacités et des limites du système, et à ne s’y fier que lorsque ce recours est justifié.
Une revue systématique de Mehrotra et al. a constaté qu’il n’existe toujours pas de définition unique et appliquée de façon cohérente de la confiance appropriée dans la littérature. Les études utilisent des construits et des mesures différents pour la confiance, les intentions, le recours effectif, la capacité perçue et la performance réelle du système [8]. (ACM Digital Library) Visser et al. distinguent de même la confiance, la méfiance et le recours approprié. Leur revue indique que la relation empirique entre IA explicable, confiance des utilisateurs et recours approprié reste mitigée et, dans de nombreux contextes, non concluante [9]. (ScienceDirect) Une prépublication de 2026 de Raees et Papangelis soutient encore plus directement que les mesures subjectives de la confiance n’indiquent pas automatiquement si les personnes s’appuient de manière appropriée sur les recommandations de l’IA. Ce travail ayant été publié sous forme de prépublication, ses conclusions doivent être considérées comme une contribution de recherche actuelle plutôt que comme un consensus définitif [10]. (arXiv)
La méfiance n’est pas non plus nécessairement le contraire d’un bon usage du système. Un certain scepticisme peut encourager la vérification et la détection des erreurs. Mais une méfiance indiscriminée peut aussi conduire les utilisateurs à rejeter des recommandations correctes. Une étude expérimentale de 2026 de Peters, Biermeier et Scharlau a examiné si l’attention visuelle pouvait aider à identifier une « méfiance saine » dans l’interaction humain-IA. Les résultats n’étaient pas concluants et illustrent à quel point il reste difficile de mesurer si la confiance et la méfiance sont correctement calibrées [11]. (Frontiers) La relation souhaitée peut être illustrée ainsi :
| Fiabilité réelle | Faible confiance des utilisateurs | Forte confiance des utilisateurs |
|---|---|---|
| Faible | Scepticisme justifié | Excès de confiance dangereux |
| Élevée | Défiance excessive ou non-usage injustifié | Confiance justifiée et calibrée |
L’objectif n’est pas simplement de faire passer chaque utilisateur dans l’angle inférieur droit en augmentant la confiance. L’objectif est de faire correspondre au plus près la confiance perçue et le recours effectif à la fiabilité réelle du système, aux conséquences d’une défaillance et au contexte d’utilisation. Dans un article de juillet 2026, Busuioc et Maggetti plaident pour un passage de la maximisation de la confiance à la confiance calibrée. Ils avertissent que la confiance peut se détacher de la fiabilité réelle lorsque les organisations fabriquent des signaux de confiance au lieu de traiter les conditions sous-jacentes qui rendent la confiance justifiée. Leur analyse met aussi l’accent sur la vulnérabilité, la responsabilité et le rôle constructif que peut jouer la méfiance [12]. (OUP Academic)
Le règlement européen sur l’intelligence artificielle (AI Act) suit une logique opérationnelle voisine. Pour les systèmes à haut risque concernés, il exige des processus et une documentation portant sur la gestion des risques, la gouvernance des données, la documentation technique, la journalisation, la transparence, le contrôle humain, l’exactitude, la robustesse et la cybersécurité [13]. Ces exigences ne prouvent pas que chaque système d’IA réglementé sera digne de confiance. Elles tentent toutefois de traduire une attente abstraite de fiabilité en activités de gouvernance concrètes et en preuves vérifiables. (EUR-Lex) L’IA digne de confiance n’est donc ni un style d’interface ni une étiquette marketing. C’est un enjeu permanent de gouvernance et d’assurance.
Chez Secani, nous ne concevons pas la confiance comme un sentiment qu’il suffirait d’accroître. Nous ne la définissons pas non plus comme une certitude absolue. La sécurité absolue n’existe pas dans les systèmes numériques réels. Même des preuves solides ne peuvent garantir qu’aucune défaillance ni aucune attaque ne se produira jamais. Les preuves réduisent l’incertitude et permettent de meilleures décisions, mais elles n’éliminent pas le risque. Si toute incertitude pouvait être supprimée, la confiance ne serait plus nécessaire. C’est pourquoi nous parlons délibérément de confiance justifiée, et non de certitude. Notre définition est la suivante :
La confiance est l’assurance justifiée, propre à un contexte, qu’une affirmation de sécurité est vraie maintenant, parce que l’affirmation, sa mise en œuvre et les preuves actuelles concordent de manière vérifiable.
La chaîne sous-jacente est :
Affirmation → Mise en œuvre → Preuves → Assurance → Confiance calibrée
Une organisation formule une affirmation sur sa sécurité. Cette affirmation est traduite en mesures, systèmes, responsabilités et résultats attendus spécifiques. Des preuves actuelles démontrent si et comment ces mesures ont été mises en œuvre. Un processus d’assurance évalue si les preuves étayent réellement l’affirmation initiale. Ce n’est qu’alors qu’apparaît un fondement rationnel à la confiance. Cette définition comporte cinq restrictions délibérées.
« Nous sommes sécurisés » est trop large pour être vérifié de façon pertinente. « Tous les magasins de données de production utilisent des configurations de chiffrement approuvées » est plus étroit et vérifiable. Plus une affirmation est générale, plus il devient difficile d’en identifier le périmètre, les preuves requises, les hypothèses et les conditions de validité.
Une mesure peut être efficace pour un système et inefficace pour un autre. Un modèle d’IA peut convenir pour résumer des documents internes mais pas pour approuver de manière autonome des dérogations de sécurité. La confiance ne peut être transférée d’un contexte à l’autre sans évaluer si les conditions pertinentes restent comparables.
Les organisations évoluent en permanence. De nouveaux actifs apparaissent. Des configurations sont modifiées. Des collaborateurs changent de rôle. Des fournisseurs font évoluer leurs services. Des vulnérabilités sont découvertes. Des mesures qui fonctionnaient correctement hier peuvent ne plus fonctionner correctement aujourd’hui. Les preuves perdent donc de leur valeur avec le temps. Une conclusion digne de confiance doit indiquer non seulement ce qui a été vérifié, mais aussi quand cela l’a été et combien de temps cette conclusion doit rester valable.
Les preuves rendent l’incertitude visible et les décisions défendables. Elles ne suppriment pas entièrement l’incertitude. Même des preuves solides ont des limites. Elles peuvent ne couvrir qu’une partie d’un système, reposer sur des hypothèses, comporter des erreurs de mesure ou devenir obsolètes. Une assurance crédible doit communiquer ces limites au lieu de les cacher derrière un statut binaire.
Une décision de confiance doit pouvoir évoluer lorsque les conditions qui la fondent changent. Lorsque de nouvelles preuves contredisent une affirmation de sécurité antérieure, la conclusion doit être mise à jour. Lorsque des preuves expirent, la confiance doit diminuer. Lorsque le périmètre couvert s’élargit, des preuves supplémentaires doivent être exigées. Une confiance qui ne peut pas être révisée n’est pas une confiance calibrée. C’est une croyance détachée de la réalité.
La confiance numérique traditionnelle se construit souvent au moyen de signaux périodiques : certificats, questionnaires, rapports d’audit, documents d’évaluation et présentations sur la sécurité. Ces mécanismes restent importants. Mais ils ne suffisent pas à eux seuls dans un monde où les systèmes numériques peuvent changer chaque jour. Le modèle de demain va dans une autre direction :
| Modèle traditionnel | Modèle de demain |
|---|---|
| « Faites-nous confiance » | Vérifier une affirmation précise |
| Promesses de sécurité générales | Affirmations définies et périmètre explicite |
| Collecte périodique des preuves | Preuves actualisées en continu |
| Documents statiques | Informations reliées et lisibles par machine |
| Statut de conformité binaire | Contexte, incertitude et durées de validité |
| Hypothèses cachées | Hypothèses et dépendances explicites |
| Uniquement des preuves positives | Lacunes et preuves contradictoires visibles |
| Une conclusion annuelle | Conclusions révisables en continu |
L’assurance continue ne signifie pas que chaque activité d’une organisation doit être surveillée en permanence. Elle doit être fondée sur les risques et proportionnée. Une affirmation critique concernant les accès à privilèges, l’infrastructure de production ou des données clients sensibles exige des preuves plus récentes et plus solides qu’une affirmation administrative à faible impact. Le changement important est que la confiance ne reste plus attachée à un document unique. Exigences, mises en œuvre, preuves, revues, constats, responsabilités et dépendances doivent au contraire former un modèle connecté. Les structures lisibles par machine peuvent jouer un rôle important dans cette transition. Elles permettent de réutiliser les preuves d’un référentiel et d’une évaluation à l’autre sans les priver de leur provenance, de leur périmètre d’origine, de leur date de collecte, de leur responsable ou de leurs limites.
L’avenir de la confiance n’est donc pas seulement continu. Il est granulaire, traçable, transférable et révocable.
Les différentes notions peuvent maintenant être reliées. Le Zero Trust régit la manière dont les décisions d’accès individuelles sont prises. La fiabilité indique si un système ou une organisation mérite la confiance. L’assurance fournit une justification structurée de cette conclusion. Les preuves étayent les affirmations relatives à la mise en œuvre et à l’efficacité. La conformité évalue l’alignement sur des exigences définies. Le recours effectif indique si quelqu’un dépend réellement d’un système ou suit ses recommandations. La confiance numérique est la confiance plus large qui peut émerger à l’échelle de l’écosystème. Le Zero Trust empêche que la confiance soit présumée sans fondement suffisant. L’assurance démontre où la confiance est justifiée.
La conformité apporte des exigences structurées et des mécanismes de revue. Les preuves relient les déclarations à la réalité observable. Ces notions ne sont donc pas des visions concurrentes. Ce sont les différentes parties d’un même modèle cohérent. L’avenir n’est ni un « faire confiance à tout le monde » universel, ni un « ne faire confiance à personne » culturel. C’est une confiance vérifiable et calibrée.
« Optimize for trust » ne doit pas signifier optimiser la perception de la fiabilité. Cela ne doit pas signifier produire autant de coches vertes, de badges, de certificats ou d’affirmations de sécurité générales que possible. Cela ne doit pas signifier inciter les gens à faire davantage confiance à un système que ne le justifient ses propriétés réelles. Pour nous, cela signifie :
Ne pas chercher à obtenir la confiance. Chercher à mériter une confiance justifiée.
Nous construisons Secani pour relier en continu les affirmations de sécurité, les exigences, les mises en œuvre et les preuves. La confiance ne devrait pas naître uniquement d’une présentation convaincante ou d’un document de conformité périodique. Elle devrait naître d’une justification actuelle, vérifiable et traçable. L’expression la plus concise de cette idée pourrait être :
La confiance n’est pas une promesse. C’est une conclusion étayée en continu.
Les organisations ne devraient pas simplement paraître dignes de confiance. Elles devraient être en mesure de démontrer pourquoi elles méritent la confiance. Et l’on ne devrait pas simplement demander aux gens de faire davantage confiance. On devrait leur permettre de mieux faire confiance.
[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt, and C. Camerer, “Not So Different After All: A Cross-Discipline View of Trust,” Academy of Management Review, vol. 23, no. 3, pp. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)
[2] R. C. Mayer, J. H. Davis, and F. D. Schoorman, “An Integrative Model of Organizational Trust,” Academy of Management Review, vol. 20, no. 3, pp. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)
[3] R. Ross, M. Winstead, and M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, USA, Nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (NIST Publikationen)
[4] S. Rose, O. Borchert, S. Mitchell, and S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, USA, Aug. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)
[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Geneva, Switzerland, Nov. 2022. (World Economic Forum)
[6] K. B. Kelley, “The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust,” ISACA Journal, vol. 1, Jan. 2023. (ISACA)
[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, Jan. 2023, doi: 10.6028/NIST.AI.100-1. (NIST Publikationen)
[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker, and M. L. Tielman, “A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges,” ACM Journal on Responsible Computing, vol. 1, no. 4, Art. no. 26, pp. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)
[9] R. Visser, T. M. Peters, I. Scharlau, and B. Hammer, “Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation,” Cognitive Systems Research, vol. 91, Art. no. 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)
[10] M. Raees and K. Papangelis, “From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making,” arXiv:2604.23896, Apr. 2026, doi: 10.48550/arXiv.2604.23896. Prépublication. (arXiv)
[11] T. M. Peters, K. Biermeier, and I. Scharlau, “Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention,” Frontiers in Psychology, vol. 16, Art. no. 1694367, Jan. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)
[12] M. Busuioc and M. Maggetti, “Worthy of trust? AI governance and the role of (dis)trust,” Perspectives on Public Management and Governance, Art. no. gvag007, Jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)
[13] European Parliament and Council of the European Union, “Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence,” Official Journal of the European Union, Jul. 2024. (EUR-Lex)

GRC · 29 octobre 2026 · 6 Min.
Le marché du CRM a montré la voie : du poste de travail au System of Record. La GRC suit le même chemin. L'interface devient d'abord individuelle, puis générée, et à la fin seul le cœur compte.

GRC · 22 octobre 2026 · 8 Min.
Le modèle de Rasmussen décrit la GRC jusqu'à la génération 8.0. Nous osons la suite : à partir de 2035 environ, la gouvernance s'installe dans les systèmes eux-mêmes – et la GRC disparaît en tant que catégorie à part. Un pronostic argumenté, avec les objections qui s'y opposent.

GRC · 22 octobre 2026 · 8 Min.
De l’outil SOX à l’architecture GRC orchestrée : comment Michael Rasmussen décrit l’évolution de GRC 1.0 à 8.0 et ce qui distingue GRC 7.0 d’une accumulation de fonctionnalités d’IA.
Secani réunit Scopes, preuves, tâches et agents d’IA dans un espace de travail partagé.