Prévention des fuites de données : Guide des stratégies essentielles

La prévention des fuites de données est essentielle pour protéger les informations sensibles contre toute divulgation non autorisée sur les terminaux, les réseaux, les applications cloud et les navigateurs. Ce guide présente les concepts fondamentaux de la prévention des fuites de données, le panorama des menaces, les bonnes pratiques, les composants clés du système et explique comment les solutions modernes exploitent l'apprentissage automatique pour empêcher les pertes de données avant même qu'elles ne surviennent.

Points clés à retenir

Qu’est-ce que la prévention des fuites de données et pourquoi est-elle essentielle ?
La prévention des fuites de données (DLP) englobe les technologies, les politiques et les processus qui détectent et bloquent l'exposition non autorisée de données sensibles, aidant ainsi les organisations à éviter les amendes réglementaires, les atteintes à leur réputation et les responsabilités juridiques.

Comment l'IA générative crée-t-elle de nouveaux risques de fuite de données ?
Les employés collent souvent du code source, des dossiers clients et du contenu propriétaire dans les invites de l'IA, exposant potentiellement des informations sensibles à des fournisseurs tiers – faisant des contrôles DLP de l'IA un élément essentiel de toute stratégie de prévention des fuites de données.

Pourquoi l'application des règles au niveau du navigateur est-elle importante pour la protection contre la perte de données (DLP) ?
La plupart des activités en entreprise se déroulent désormais dans des navigateurs web. Par conséquent, les logiciels de prévention des fuites de données basés sur le navigateur peuvent surveiller en temps réel les actions du presse-papiers, les téléchargements de fichiers et les entrées des invites d'IA, détectant ainsi les activités SaaS et d'IA fantômes que les outils au niveau du réseau ne repèrent pas.

Comment l'apprentissage automatique améliore-t-il la précision de la prévention des fuites de données ?
Les modèles d'apprentissage automatique pour la prévention des fuites de données classent automatiquement le contenu non structuré, détectent les mouvements de données anormaux et s'adaptent aux nouveaux types de données sans création manuelle de règles, réduisant considérablement les faux positifs par rapport aux systèmes basés sur des règles.

Quelle est la première étape recommandée pour la mise en œuvre des politiques de protection contre la perte de données (DLP) ?
Une bonne pratique essentielle pour prévenir les fuites de données consiste à commencer en mode surveillance uniquement, ce qui permet aux équipes de sécurité d'observer les flux de données réels, d'ajuster les règles de détection et de minimiser les faux positifs avant d'activer les actions de blocage.

En quoi la prévention des pertes de données diffère-t-elle, en termes d'objectif, par rapport à la prévention des fuites de données ?
La prévention des pertes de données vise à empêcher la destruction ou l'indisponibilité des données (par exemple, les ransomwares, la suppression), tandis que la prévention des fuites de données cible la divulgation et l'exfiltration non autorisées, bien que les plateformes DLP modernes traitent généralement les deux dans une solution unique.

Comment une politique de prévention des fuites de données prend-elle en compte le BYOD et les appareils non gérés ?
Une politique efficace de prévention des fuites de données restreint les téléchargements, l'impression et la capture d'écran sur les appareils non gérés, et la solution DLP basée sur le navigateur applique ces contrôles au sein de la session du navigateur sans nécessiter une gestion complète de l'appareil.

Aperçu de la prévention des fuites de données

Pour comprendre la prévention des fuites de données, il est nécessaire d'examiner sa définition et son champ d'application. La prévention des fuites de données (DLP) désigne l'ensemble des technologies, politiques et processus conçus pour détecter et empêcher la transmission, le partage ou la divulgation non autorisés de données sensibles en dehors de l'environnement contrôlé d'une organisation. Contrairement à la sécurité périmétrique traditionnelle, la DLP se concentre spécifiquement sur les données elles-mêmes, en suivant leurs déplacements, les personnes qui y accèdent et leur destination finale.

Pourquoi la prévention des fuites de données est importante

Les organisations gèrent d'importants volumes de données réglementées et confidentielles, notamment les dossiers clients, les informations financières, la propriété intellectuelle et les identifiants d'authentification. Une simple fuite de données peut entraîner des amendes réglementaires, une atteinte à la réputation, un désavantage concurrentiel et des poursuites judiciaires. Les mesures de prévention des fuites de données constituent la protection opérationnelle qui réduit ces risques en appliquant des politiques de sécurité à chaque point de sortie potentiel des données au sein de l'organisation.

La surface d'attaque en expansion

La multiplication des applications SaaS, des flux de travail web, des politiques BYOD et des outils d'IA générative a considérablement accru les risques de fuites de données. Les employés copient régulièrement des contenus sensibles dans des applications web, partagent des fichiers via des services cloud non autorisés et intègrent du code propriétaire dans des chatbots. Un système complet de prévention des fuites de données doit prendre en compte tous ces vecteurs, et pas seulement les e-mails et les clés USB.

Facteurs de réglementation et de conformité

Les cadres réglementaires tels que le RGPD, la loi HIPAA, la norme PCI DSS, le CCPA et la loi SOX imposent des exigences explicites en matière de protection des données sensibles. Les organisations qui ne mettent pas en œuvre de contrôles adéquats de prévention des fuites de données s'exposent à des sanctions pouvant atteindre plusieurs centaines de millions de dollars. Outre les amendes, les autorités de réglementation exigent de plus en plus souvent la preuve de mesures proactives de protection des données lors des audits et des enquêtes sur les violations de données.

Le rôle de la protection basée sur le navigateur

Étant donné que la plupart des activités en entreprise se déroulent désormais dans des navigateurs web, la protection contre la perte de données (DLP) au niveau du navigateur est devenue essentielle. Des solutions comme LayerX Security fonctionnent directement dans le navigateur pour surveiller et contrôler les interactions de données entre les applications SaaS, les outils d'IA générative et les flux de travail web. Cette approche permet de détecter l'utilisation fantôme des applications SaaS et l'activité d'IA non détectée par les outils DLP au niveau du réseau.

Types de menaces de fuite de données

Les menaces de fuite de données se répartissent en plusieurs catégories distinctes, chacune nécessitant des stratégies de détection et de prévention spécifiques. Comprendre ces types de menaces est la première étape vers la mise en place de contrôles efficaces de prévention des fuites de données, adaptés aux scénarios de risque concrets.

Menaces d'initiés

Les menaces internes constituent l'une des catégories de fuites de données les plus problématiques. Ces menaces proviennent d'employés, de sous-traitants ou de partenaires ayant un accès légitime à des informations sensibles.

• Initiés malveillants – Les personnes qui exfiltrent intentionnellement des données à des fins personnelles, pour obtenir un avantage concurrentiel ou pour saboter une entreprise. Cela inclut les employés qui transfèrent des listes de clients avant de rejoindre un concurrent.
• Initiés négligents – Les utilisateurs qui exposent accidentellement des données en raison de paramètres de partage mal configurés, d'e-mails mal adressés ou du téléchargement de fichiers sur des comptes de stockage cloud personnels.
• Des initiés compromis – Utilisateurs légitimes dont les identifiants ont été volés par hameçonnage, bourrage d'identifiants ou détournement de session, permettant aux attaquants d'agir sous leur identité.

SaaS fantômes et applications non autorisées

Les employés adoptent fréquemment des outils SaaS sans l'approbation du service informatique, créant ainsi des environnements SaaS parallèles où des données sensibles circulent hors de la visibilité de l'organisation. Les services de partage de fichiers, les plateformes de gestion de projet et les outils de communication utilisés au niveau de l'équipe peuvent devenir d'importants vecteurs de fuite de données. Une politique de prévention des fuites de données doit impérativement prévoir la détection et la gouvernance de ces applications non autorisées.

Exposition des données liées à l'IA

Les outils d'IA générative tels que ChatGPT, Google Gemini et GitHub Copilot introduisent un nouveau type de risque de fuite de données. Les employés y intègrent du code source, des données clients, des documents stratégiques et des algorithmes propriétaires, exposant potentiellement ces informations à des fournisseurs de modèles tiers. La détection de l'IA fantôme et les fonctionnalités de prévention des fuites de données (DLP) basées sur l'IA sont désormais des composantes essentielles de toute solution moderne de prévention des fuites de données.

Risques liés aux extensions de navigateur

Les extensions de navigateur peuvent accéder au contenu des pages, aux données des formulaires, aux cookies et aux jetons de session. Les extensions malveillantes ou trop permissives peuvent exfiltrer discrètement des données sensibles des applications web. La protection des extensions de navigateur doit s'inscrire dans une stratégie de prévention des fuites de données multicouche, garantissant que seules les extensions approuvées fonctionnent au sein de l'environnement de navigation de l'entreprise.

Vecteurs d'attaque externes

Les menaces externes comprennent les attaques ciblées visant à extraire des données spécifiques. Elles englobent les menaces persistantes avancées (APT), les compromissions de la chaîne d'approvisionnement, les attaques de type « homme du milieu » et l'exploitation des vulnérabilités des applications web. Bien que ces menaces recoupent des problématiques plus générales de cybersécurité, les systèmes de prévention des fuites de données jouent un rôle spécifique dans la détection et le blocage de l'exfiltration de données lors de ces attaques.

Avantages des solutions de prévention des fuites de données

Le déploiement de solutions de prévention des fuites de données (DLP) offre des avantages mesurables en matière de sécurité, de conformité et d'efficacité opérationnelle. Les organisations qui mettent en œuvre efficacement la DLP réduisent leur exposition aux violations de données tout en préservant les gains de productivité liés à l'adoption du cloud et du SaaS.

Réduction du risque de violation de données

Le principal avantage de la DLP réside dans la réduction directe du risque de fuite de données. En surveillant les flux de données et en appliquant les politiques en temps réel, les logiciels de prévention des fuites de données bloquent les transferts non autorisés avant que les informations sensibles ne quittent l'organisation. Cela inclut la prévention des téléchargements vers des comptes cloud personnels, le blocage des copier-coller dans les outils d'IA et la restriction des téléchargements de fichiers sur les appareils non gérés.

Assurance de la conformité réglementaire

Les solutions DLP fournissent les contrôles techniques requis par la réglementation sur la protection des données. Elles génèrent des pistes d'audit, appliquent les politiques de traitement des données et produisent des rapports de conformité attestant de la diligence raisonnable auprès des autorités de réglementation. Pour les organisations soumises à plusieurs cadres réglementaires qui se chevauchent, un système centralisé de prévention des fuites de données simplifie considérablement la gestion de la conformité.

Visibilité sur les flux de données

L'un des avantages les plus précieux, mais souvent sous-estimés, est la visibilité qu'offre la DLP sur la circulation réelle des données au sein d'une organisation. Cette visibilité révèle :

• Modèles d'utilisation Shadow SaaS – Quelles applications non autorisées les employés utilisent-ils et quelles données ils transfèrent-ils à ces services ?
• interactions avec les outils d'IA – Quels types de contenus sensibles les employés soumettent-ils aux plateformes d'IA générative ?
• comportements de partage de données – Comment les fichiers et les informations circulent entre les équipes internes, les partenaires externes et les comptes personnels.
• Anomalies d'accès – Des schémas d'accès aux données inhabituels pouvant indiquer des comptes compromis ou des menaces internes.

Protection pour le BYOD et le télétravail

Les solutions de prévention des fuites de données fonctionnant au niveau du navigateur sont particulièrement efficaces pour sécuriser les environnements BYOD et les télétravailleurs. Plutôt que de nécessiter une gestion complète des appareils, la DLP basée sur le navigateur contrôle les échanges de données au sein même de la session, permettant ainsi aux entreprises d'appliquer des politiques de sécurité sur les appareils non gérés sans impacter l'utilisation personnelle.

Protection de la propriété intellectuelle

Pour les entreprises technologiques, les sociétés pharmaceutiques, les institutions financières et autres organisations fortement dépendantes de la propriété intellectuelle, la protection contre la fuite de données (DLP) préserve directement leur avantage concurrentiel. Les dispositifs de prévention des fuites de données permettent d'identifier et de bloquer le transfert de code source, de formules, d'algorithmes de trading, de fichiers de conception et autres actifs propriétaires, que ce transfert soit intentionnel ou accidentel.

Comment fonctionne la prévention des fuites de données

La prévention des fuites de données (DLP) repose sur l'inspection du contenu, l'analyse contextuelle, l'application des politiques de sécurité et la surveillance de l'activité des utilisateurs afin d'identifier et de contrôler les données sensibles en transit, au repos et en cours d'utilisation. Les systèmes DLP modernes utilisent plusieurs techniques de détection pour minimiser les faux positifs et les détections manquées.

Techniques d'inspection du contenu

L’inspection du contenu est le mécanisme fondamental de tout système DLP. Plusieurs techniques sont utilisées conjointement pour identifier avec précision les données sensibles :

Prévention des fuites de données et apprentissage automatique

L'apprentissage automatique, appliqué à la prévention des fuites de données (DLP), est devenu un facteur de différenciation essentiel parmi les solutions DLP. Les systèmes traditionnels basés sur des règles nécessitent une configuration manuelle poussée et peinent à traiter les données non structurées. Les modèles d'apprentissage automatique peuvent classer automatiquement les documents, détecter les mouvements de données anormaux et s'adapter aux nouveaux types de données sans création manuelle de règles. Le traitement automatique du langage naturel (TALN) permet aux systèmes DLP de comprendre le contenu sémantique des documents et d'identifier les informations sensibles, même lorsqu'elles ne correspondent pas à des modèles prédéfinis.

Analyse contextuelle et application des politiques

Au-delà de l'inspection du contenu, les systèmes DLP analysent le contexte des interactions de données pour prendre des décisions en matière de protection. Les facteurs contextuels incluent :

1. L'identité et le rôle de l'utilisateur qui tente l'action
2. L'application ou l'URL de destination (autorisée ou non autorisée)
3. Le type d'appareil (géré vs BYOD, conforme vs non conforme)
4. L'action spécifique effectuée (téléverser, télécharger, copier, coller, imprimer, capture d'écran)
5. Le moment et le lieu de l'activité par rapport aux schémas comportementaux normaux

Les mesures d'application des politiques vont de l'autorisation de l'action avec journalisation, à l'affichage d'un avertissement et à l'exigence d'une justification, jusqu'au blocage complet de l'action. Des contrôles précis de prévention des fuites de données permettent aux organisations d'équilibrer sécurité et productivité en appliquant différentes politiques selon le niveau de risque.

Application des règles au niveau du navigateur

Les logiciels de prévention des fuites de données (DLP) intégrés au navigateur fonctionnent comme une extension légère ou un composant de navigateur d'entreprise qui inspecte les interactions de données au sein du navigateur en temps réel. Cette approche est particulièrement efficace pour contrôler les flux de données vers les applications SaaS, la messagerie web, les outils d'IA et les services de stockage cloud. LayerX Security, par exemple, propose une solution DLP au niveau du navigateur qui surveille les actions du presse-papiers, les chargements de fichiers, les soumissions de formulaires et les entrées des invites d'IA sans nécessiter de proxy réseau ni d'agents sur les terminaux.

Meilleures pratiques en matière de prévention des fuites de données

La mise en œuvre des meilleures pratiques de prévention des fuites de données exige une approche structurée qui associe le déploiement technologique à l'élaboration de politiques, à la formation des utilisateurs et à l'amélioration continue. Les pratiques suivantes représentent les stratégies les plus efficaces pour les organisations qui créent ou perfectionnent leurs programmes de prévention des fuites de données.

1. Classer et inventorier les données sensibles

Avant de déployer une solution DLP, les organisations doivent identifier et classer les données à protéger. Cela implique de cataloguer les référentiels de données, d'étiqueter les données selon leur niveau de sensibilité (publique, interne, confidentielle, restreinte) et de cartographier les flux de données au sein de l'organisation. Les outils automatisés de découverte et de classification des données accélèrent ce processus et garantissent une couverture complète des environnements cloud, SaaS et sur site.

2. Élaborer une politique globale de prévention des fuites de données

Une politique de prévention des fuites de données définit ce qui constitue une donnée sensible, qui peut y accéder, comment elle peut être partagée et quelles actions sont interdites. Les politiques efficaces doivent aborder les points suivants :

• Utilisation acceptable des outils d'IA – Préciser quelles plateformes d'IA générative sont approuvées et quels types de données ne peuvent pas être soumis comme invites
• gouvernance des applications SaaS – Définir les applications approuvées et limiter les transferts de données vers les services SaaS parallèles non autorisés
• Gestion des extensions de navigateur – Mise en place de procédures d’approbation pour les extensions de navigateur et blocage de celles disposant d’autorisations excessives
• Gestion des données BYOD – Définir des restrictions sur les téléchargements de données, l'impression et la capture d'écran sur les appareils non gérés
• Procédures de réponse aux incidents – Définir les procédures d’escalade, les flux de travail d’enquête et les mesures correctives en cas de violation des politiques

3. Commencez par la surveillance avant le blocage

L'une des meilleures pratiques en matière de prévention des fuites de données consiste à commencer par une phase de surveillance seule. Cela permet aux équipes de sécurité d'observer les flux de données réels, d'affiner les règles de détection, de réduire les faux positifs et de comprendre le comportement des utilisateurs avant d'appliquer des politiques de blocage. Un blocage prématuré engendre des frustrations chez les utilisateurs, génère des demandes d'assistance et peut perturber les processus métier légitimes.

4. Mettre en œuvre des contrôles d'utilisation de l'IA

Les organisations doivent mettre en place des contrôles spécifiques pour les interactions avec l'IA générative. Cela inclut des politiques de contrôle d'accès à l'IA qui limitent les utilisateurs et les rôles autorisés à accéder aux outils d'IA, des règles de protection contre la perte de données (DLP) pour l'IA qui empêchent la soumission de données sensibles via les invites, et des mécanismes de validation des réponses de l'IA qui analysent les résultats de l'IA afin de détecter d'éventuelles fuites d'informations. Les cadres de gouvernance de l'IA doivent être intégrés directement au programme DLP plutôt que gérés comme une initiative distincte.

5. Surveiller, mesurer et améliorer en continu

Les programmes de protection contre la perte de données (DLP) nécessitent une surveillance continue. Les équipes de sécurité doivent examiner régulièrement les rapports de violation de politiques, analyser les taux de faux positifs, mettre à jour les règles de classification pour tenir compte des nouveaux types de données et adapter les mesures d'application en fonction des niveaux de risque observés. Parmi les indicateurs clés à suivre figurent le nombre de violations de politiques par catégorie, le ratio d'actions bloquées par rapport aux actions ayant fait l'objet d'un avertissement, le délai moyen d'investigation des incidents et le volume de données sensibles transitant vers des destinations non autorisées.

Composantes clés d'un système de prévention des fuites de données

Un système complet de prévention des fuites de données se compose de plusieurs éléments intégrés qui fonctionnent de concert pour assurer une protection intégrale des données. Chaque élément cible un aspect spécifique du problème des fuites de données, et les solutions les plus efficaces les combinent tous au sein d'une plateforme unifiée.

Moteur de découverte et de classification des données

Le moteur de classification analyse automatiquement les référentiels de données, le stockage cloud, les applications SaaS et les systèmes de fichiers des terminaux afin d'identifier et d'étiqueter les informations sensibles. Les moteurs avancés utilisent l'apprentissage automatique pour prévenir les fuites de données et classifier les données non structurées, telles que les documents, les images et les fichiers de code, qui résistent à la simple correspondance de modèles. Ce composant constitue le fondement de l'application de toutes les politiques de sécurité.

Console de gestion des politiques

La console de gestion des politiques permet aux administrateurs de sécurité de définir, déployer et gérer des politiques de prévention des fuites de données à l'échelle de l'organisation. Elle prend en charge des définitions de politiques précises basées sur la classification des données, l'identité de l'utilisateur, le type d'appareil, l'application et l'action. Des modèles de politiques prédéfinis, conformes aux cadres réglementaires (RGPD, HIPAA, PCI DSS), accélèrent le déploiement initial.

Agents de surveillance et d'application de la loi en temps réel

Les agents chargés de l'application de la loi interviennent aux points où des fuites de données peuvent se produire. Il s'agit notamment des points suivants :

• Agents de navigateur – Surveiller et contrôler les interactions de données au sein des navigateurs web, notamment pour les applications SaaS, la messagerie web, les outils d'IA et le stockage cloud. C'est là que des solutions comme LayerX Security offrent une visibilité essentielle sur la protection contre la perte de données (DLP) web et SaaS, la détection des activités d'IA non autorisées et la détection des menaces internes.
• Agents de réseau – Inspecter les données en transit sur le réseau, notamment les courriels, le trafic web et les transferts de fichiers.
• Agents de point de terminaison – Surveiller les données au repos et en cours d'utilisation sur les terminaux, en contrôlant des actions telles que les transferts USB, l'impression et les opérations sur les fichiers locaux.
• Connecteurs d'API cloud – Intégrer les API des services cloud pour surveiller les données stockées et partagées via les plateformes cloud.

Gestion et réponse aux incidents

En cas de violation de politique de sécurité, le module de gestion des incidents enregistre les détails de l'événement, attribue un niveau de gravité et achemine l'incident vers l'analyste de sécurité compétent. Une gestion efficace des incidents comprend la collecte de preuves numériques (captures d'écran, échantillons de contenu, chronologie des activités des utilisateurs), l'automatisation des flux de travail pour les actions de réponse courantes et l'intégration avec les plateformes SIEM et SOAR pour une centralisation des opérations de sécurité.

Analyse et reporting

Le module d'analyse agrège les données de tous les points de contrôle afin de fournir des tableaux de bord, des analyses de tendances et des rapports de conformité. Il doit identifier les utilisateurs à haut risque, les politiques fréquemment déclenchées, les nouveaux schémas de déplacement de données et les tendances d'adoption des solutions SaaS. Ces informations permettent aux équipes de sécurité de prendre des décisions éclairées concernant l'ajustement des politiques et l'allocation des ressources. L'analyse avancée alimente également les modèles d'apprentissage automatique, améliorant ainsi la précision de la détection au fil du temps.

Prévention des pertes de données vs Prévention des fuites de données

Les termes « prévention des pertes de données » et « prévention des fuites de données » sont souvent utilisés indifféremment, mais ils présentent des nuances importantes pour les professionnels de la sécurité. Comprendre la différence entre ces deux notions permet aux organisations de choisir les solutions les plus adaptées et de définir précisément leurs programmes de sécurité.

Définir la distinction

La prévention des pertes de données (DLP) vise traditionnellement à empêcher la perte ou la destruction définitive de données, notamment en cas de chiffrement par rançongiciel, de suppression accidentelle, de panne matérielle ou de défaillance système catastrophique. La prévention des fuites de données (DLP), quant à elle, se concentre spécifiquement sur la prévention de la divulgation ou de l'exposition non autorisée de données à des destinataires non prévus. En pratique, les deux termes désignent aujourd'hui la même catégorie de technologies de sécurité, mais l'approche par fuite de données reflète plus précisément la principale menace que les outils DLP permettent de contrer.

Comparaison des caractéristiques clés

Convergence des solutions modernes

La plupart des plateformes modernes de prévention des fuites de données (DLP) traitent à la fois les pertes et les fuites de données au sein d'une solution unique. Cette convergence reflète le besoin des organisations d'une visibilité unifiée et d'une application rigoureuse des politiques, que la menace soit destructive (perte) ou exploitative (fuite). Lors de l'évaluation des solutions, les organisations doivent privilégier les fonctionnalités spécifiques offertes plutôt que la terminologie employée par le fournisseur.

Choisir la bonne approche

Les organisations doivent évaluer leur profil de risque spécifique afin de déterminer leurs investissements. Les entreprises ayant une forte adoption des solutions SaaS, un personnel travaillant à distance et utilisant des outils d'IA sont principalement confrontées à des risques de fuite de données et devraient privilégier les solutions DLP (Digital Loss Prevention) basées sur navigateur, la sécurité des solutions SaaS et la gouvernance de l'IA. Les organisations opérant dans des secteurs soumis à des exigences strictes de disponibilité (santé, services financiers, infrastructures critiques) pourraient devoir accorder une importance accrue aux contrôles de prévention des pertes de données, parallèlement à leurs investissements dans la prévention des fuites.

Élaboration d'une stratégie unifiée de protection des données

L'approche la plus efficace consiste à combiner la prévention des fuites et des pertes de données au sein d'une stratégie unifiée couvrant tous les états et vecteurs de déplacement des données. Cette stratégie doit intégrer la sécurité du navigateur pour la protection contre les fuites de données web et SaaS, la protection des terminaux pour les opérations de données locales, la surveillance du réseau pour les données en transit, la gestion de la sécurité du cloud pour les données au repos dans les environnements cloud, et des contrôles d'accès basés sur l'identité limitant l'exposition des données en fonction du rôle et du contexte de l'utilisateur. Des solutions telles que LayerX Security prennent en charge la composante navigateur de cette stratégie, offrant un contrôle précis des interactions de données dans l'environnement où se produisent la plupart des fuites de données d'entreprise : le navigateur web.