Norme internationale spécifiant les exigences relatives à l’établissement, à la mise en œuvre, au maintien et à l’amélioration continue d’un système de management de la sécurité de l’information (ISMS).
Critères de classement
Prérequis universel de base en matière de sécurité de l’information pour les fournisseurs mondiaux de solutions d’AI d’entreprise et d’infrastructures ; exigence fondamentale pour établir la confiance des entreprises.
Norme et cadre d’audit destinés aux prestataires de services, définissant des contrôles selon les Trust Services Criteria : sécurité, disponibilité, intégrité du traitement, confidentialité et protection de la vie privée.
Critères de classement
Norme d’achat de fait incontournable pour les applications SaaS et d’AI d’entreprise en Amérique du Nord ; nécessaire pour les ventes B2B aux entreprises et l’approbation des fournisseurs.
Règlement européen sur la protection des données comportant des dispositions pertinentes pour l’AI concernant la prise de décision automatisée, le profilage et les droits des personnes concernées.
Critères de classement
Règlement sur la protection des données appliqué de manière universelle, à portée extraterritoriale et assorti de sanctions importantes, régissant tout traitement de données à caractère personnel par l’AI, l’entraînement des modèles et la prise de décision automatisée.
Le NIST AI RMF est le cadre du gouvernement des États-Unis pour la gestion des risques liés à l’AI tout au long de son cycle de vie, articulé autour de quatre fonctions principales : gouverner, cartographier, mesurer et gérer.
Critères de classement
Cadre volontaire de référence pour la gestion des risques liés à l’AI aux US et dans le monde ; largement adopté par les organismes gouvernementaux, les fournisseurs du secteur de la défense et les programmes de gouvernance de l’AI en entreprise.
Le Top 10 for LLM Applications de l’Open Worldwide Application Security Project est une liste sélectionnée des menaces de sécurité les plus critiques pour les LLM et les systèmes d’AI générative.
Critères de classement
Norme sectorielle de fait pour la sécurité des applications LLM, l’analyse des vulnérabilités et les exercices d’équipe rouge, utilisée par les développeurs et les professionnels de la sécurité du monde entier.
L’EU Artificial Intelligence Act est un règlement de l’EU classant les systèmes d’AI par niveaux de risque (minimal, limité, élevé, inacceptable), avec des obligations de conformité correspondantes.
Critères de classement
Première loi transversale, complète et contraignante au monde sur l’AI ; impose une architecture de conformité juridique aux fournisseurs et déployeurs mondiaux d’AI qui entrent sur le marché européen.
ISO 42001 est une norme internationale relative aux systèmes de management de l’AI (AIMS), couvrant le développement et le déploiement responsables de l’AI.
Critères de classement
Première norme internationale certifiable pour les systèmes de management de l’AI (AIMS) ; son adoption progresse rapidement en entreprise en tant que référentiel de gouvernance dédié à l’AI.
Loi fédérale des États-Unis établissant des normes nationales pour la protection, la confidentialité et la sécurité des informations de santé protégées sous forme électronique (ePHI) dans les applications de santé et d’AI.
Critères de classement
Loi fédérale obligatoire des US, strictement appliquée à tous les systèmes d’AI traitant des informations de santé protégées (PHI) dans les environnements de soins de santé et les milieux cliniques.
MITRE ATLAS est une base de connaissances sur les tactiques et techniques adverses ainsi que les stratégies d’atténuation pour les systèmes d’apprentissage automatique, similaire à MITRE ATT&CK pour la cybersécurité.
Critères de classement
Matrice des menaces adverses et base de connaissances faisant référence dans le secteur, utilisées par les équipes rouges d’AI et les équipes d’opérations de sécurité pour modéliser des attaques réelles contre les systèmes de ML.
Le Top 10 for Agentic Applications de l’Open Worldwide Application Security Project est une liste sélectionnée des menaces de sécurité les plus critiques pour les systèmes d’agents d’AI autonomes.
Critères de classement
Cadre destiné aux développeurs et aux professionnels de la sécurité, en pleine expansion, ciblant les risques liés aux agents d’AI autonomes, l’exécution d’outils et la coordination multi-agents.
Artificial Intelligence Underwriting Company 1 : La norme pour la sécurité, la sûreté et la fiabilité des agents d’AI
Critères de classement
Norme commerciale et consortium émergents spécifiquement dédiés à la sécurité des agents d’AI, aux audits réalisés par des tiers indépendants et à la souscription d’assurance.
L’OWASP AI Vulnerability Scoring System permet aux organisations de quantifier la manière dont les capacités agentiques amplifient les risques de sécurité, en produisant des scores numériques (0-10) qui combinent la gravité technique des vulnérabilités avec des facteurs propres aux agents, tels que l’autonomie, l’accès aux outils et la persistance de la mémoire.
Critères de classement
Cadre normalisé de notation quantitative des vulnérabilités des agents d’AI, conçu sur le modèle de CVSS ; actuellement aux premiers stades de son adoption.
Norme internationale spécifiant les exigences et fournissant des recommandations aux organismes assurant l’audit et la certification des systèmes de management de l’intelligence artificielle (AIMS) selon ISO/IEC 42001.
Critères de classement
Norme spécialisée établissant les exigences de compétence et d’accréditation pour les organismes qui auditent et certifient les systèmes ISO 42001, plutôt que pour les déployeurs directs d’AI.
Projet de loi canadien Artificial Intelligence and Data Act réglementant les systèmes d’AI sur la base d’évaluations d’impact et de mesures d’atténuation des risques.
Critères de classement
Projet de loi canadien (Bill C-27) actuellement à l’examen parlementaire ; pas encore adopté ni effectivement appliqué.
Norme internationale spécifiant les exigences relatives à l’établissement, à la mise en œuvre, au maintien et à l’amélioration continue d’un système de management de la sécurité de l’information (ISMS).
Critères de classement
Prérequis universel de base en matière de sécurité de l’information pour les fournisseurs mondiaux de solutions d’AI d’entreprise et d’infrastructures ; exigence fondamentale pour établir la confiance des entreprises.
Norme et cadre d’audit destinés aux prestataires de services, définissant des contrôles selon les Trust Services Criteria : sécurité, disponibilité, intégrité du traitement, confidentialité et protection de la vie privée.
Critères de classement
Norme d’achat de fait incontournable pour les applications SaaS et d’AI d’entreprise en Amérique du Nord ; nécessaire pour les ventes B2B aux entreprises et l’approbation des fournisseurs.
Règlement européen sur la protection des données comportant des dispositions pertinentes pour l’AI concernant la prise de décision automatisée, le profilage et les droits des personnes concernées.
Critères de classement
Règlement sur la protection des données appliqué de manière universelle, à portée extraterritoriale et assorti de sanctions importantes, régissant tout traitement de données à caractère personnel par l’AI, l’entraînement des modèles et la prise de décision automatisée.
Le NIST AI RMF est le cadre du gouvernement des États-Unis pour la gestion des risques liés à l’AI tout au long de son cycle de vie, articulé autour de quatre fonctions principales : gouverner, cartographier, mesurer et gérer.
Critères de classement
Cadre volontaire de référence pour la gestion des risques liés à l’AI aux US et dans le monde ; largement adopté par les organismes gouvernementaux, les fournisseurs du secteur de la défense et les programmes de gouvernance de l’AI en entreprise.
Le Top 10 for LLM Applications de l’Open Worldwide Application Security Project est une liste sélectionnée des menaces de sécurité les plus critiques pour les LLM et les systèmes d’AI générative.
Critères de classement
Norme sectorielle de fait pour la sécurité des applications LLM, l’analyse des vulnérabilités et les exercices d’équipe rouge, utilisée par les développeurs et les professionnels de la sécurité du monde entier.
L’EU Artificial Intelligence Act est un règlement de l’EU classant les systèmes d’AI par niveaux de risque (minimal, limité, élevé, inacceptable), avec des obligations de conformité correspondantes.
Critères de classement
Première loi transversale, complète et contraignante au monde sur l’AI ; impose une architecture de conformité juridique aux fournisseurs et déployeurs mondiaux d’AI qui entrent sur le marché européen.
ISO 42001 est une norme internationale relative aux systèmes de management de l’AI (AIMS), couvrant le développement et le déploiement responsables de l’AI.
Critères de classement
Première norme internationale certifiable pour les systèmes de management de l’AI (AIMS) ; son adoption progresse rapidement en entreprise en tant que référentiel de gouvernance dédié à l’AI.
Loi fédérale des États-Unis établissant des normes nationales pour la protection, la confidentialité et la sécurité des informations de santé protégées sous forme électronique (ePHI) dans les applications de santé et d’AI.
Critères de classement
Loi fédérale obligatoire des US, strictement appliquée à tous les systèmes d’AI traitant des informations de santé protégées (PHI) dans les environnements de soins de santé et les milieux cliniques.
MITRE ATLAS est une base de connaissances sur les tactiques et techniques adverses ainsi que les stratégies d’atténuation pour les systèmes d’apprentissage automatique, similaire à MITRE ATT&CK pour la cybersécurité.
Critères de classement
Matrice des menaces adverses et base de connaissances faisant référence dans le secteur, utilisées par les équipes rouges d’AI et les équipes d’opérations de sécurité pour modéliser des attaques réelles contre les systèmes de ML.
Le Top 10 for Agentic Applications de l’Open Worldwide Application Security Project est une liste sélectionnée des menaces de sécurité les plus critiques pour les systèmes d’agents d’AI autonomes.
Critères de classement
Cadre destiné aux développeurs et aux professionnels de la sécurité, en pleine expansion, ciblant les risques liés aux agents d’AI autonomes, l’exécution d’outils et la coordination multi-agents.
Artificial Intelligence Underwriting Company 1 : La norme pour la sécurité, la sûreté et la fiabilité des agents d’AI
Critères de classement
Norme commerciale et consortium émergents spécifiquement dédiés à la sécurité des agents d’AI, aux audits réalisés par des tiers indépendants et à la souscription d’assurance.
L’OWASP AI Vulnerability Scoring System permet aux organisations de quantifier la manière dont les capacités agentiques amplifient les risques de sécurité, en produisant des scores numériques (0-10) qui combinent la gravité technique des vulnérabilités avec des facteurs propres aux agents, tels que l’autonomie, l’accès aux outils et la persistance de la mémoire.
Critères de classement
Cadre normalisé de notation quantitative des vulnérabilités des agents d’AI, conçu sur le modèle de CVSS ; actuellement aux premiers stades de son adoption.
Norme internationale spécifiant les exigences et fournissant des recommandations aux organismes assurant l’audit et la certification des systèmes de management de l’intelligence artificielle (AIMS) selon ISO/IEC 42001.
Critères de classement
Norme spécialisée établissant les exigences de compétence et d’accréditation pour les organismes qui auditent et certifient les systèmes ISO 42001, plutôt que pour les déployeurs directs d’AI.
Projet de loi canadien Artificial Intelligence and Data Act réglementant les systèmes d’AI sur la base d’évaluations d’impact et de mesures d’atténuation des risques.
Critères de classement
Projet de loi canadien (Bill C-27) actuellement à l’examen parlementaire ; pas encore adopté ni effectivement appliqué.