Produits / 02 · NativeAI Guard Agent DLP & Firewall
Protection en temps réel pour l'IA que vous exploitez : agents internes et pipelines RAG, workflows autonomes, chatbots et agents vocaux en contact avec la clientèle. Chaque prompt et chaque réponse sont inspectés avant que l'agent ne réagisse à l'entrée ou ne délivre la sortie.
NativeAI Guard inspecteAPI PROXY · CHFonctionnalités
Les pages web, documents et e-mails que votre pipeline RAG ingère peuvent contenir des instructions adverses cachées que l'agent exécuterait autrement. NativeAI Guard les détecte et les bloque avant que l'agent n'agisse.
Les appelants et les utilisateurs externes sondent vos agents pour contourner leurs règles, extraire des données, déclencher des actions non autorisées ou extraire des prompts système. NativeAI Guard arrête la tentative de contournement, pas seulement le schéma connu.
Chaque sortie de l'agent est inspectée avant sa livraison. Une réponse qui contient les données d'un autre client, un prompt système ou du contenu interne sensible est retenue, l'exfiltration de données est empêchée en dernière ligne.
Les contenus nuisibles, abusifs ou juridiquement risqués sont filtrés des agents en contact avec la clientèle avant d'atteindre un client, avec des modèles de détection mis à jour en continu, sans perturber les workflows en cours.
Observé sur le terrain
Un appelant convainc votre agent vocal du service client de lire les données d'un autre client. Aucun exploit, aucun malware, juste une conversation. Les agents vocaux de la banque et de l'assurance sont la cible la plus lucrative.
Votre pipeline RAG ingère une page web (ou un PDF fournisseur) avec des instructions cachées dans le contenu. L'agent redirige docilement, divulgue du contexte ou réécrit ses propres règles. C'est du XPIA, et c'est invisible pour les outils traditionnels.
Le chatbot d'Air Canada a été amené à promettre une réduction non autorisée, et un tribunal a tenu la compagnie aérienne à cet engagement. Un agent en contact avec la clientèle qu'on peut pousser à des engagements est un risque commercial, pas seulement un risque de sécurité.
L'interaction IA à IA sans humain dans le processus est ma principale préoccupation.
CISO · administration cantonale suisse
Cartographie de conformité
Moteur de politiques
Un agent est un acteur de plus qui envoie des données à un modèle, simplement plus vite et sans personne pour marquer une pause et réfléchir. Il lit dans vos systèmes, appelle un modèle, agit selon la réponse. La règle qui empêche un collaborateur de coller un dossier client dans ChatGPT est la même règle qui empêche un agent de placer ce même enregistrement dans un prompt. Vous ne la définissez qu’une fois, en langage clair.
Vos politiques vivent dans une seule console. Vous ne maintenez pas un référentiel de règles pour vos collaborateurs et un second, qui diverge silencieusement, pour votre automatisation.
L’extension de navigateur couvre vos collaborateurs, le proxy API couvre vos agents. Même moteur de détection, même langage de politiques, mêmes actions.
Les activités humaines et celles des agents aboutissent dans le même journal: la question de savoir qui a envoyé quelles données à quel modèle a une seule réponse, au lieu de deux systèmes à réconcilier.
Les obligations de la LPD suisse, du RGPD et de l’AI Act européen qui s’appliquent à tous sont couvertes dès le premier jour. Rédigées par nous, revues avec des praticiens de la sécurité et de la conformité, et non laissées en exercice au client.
Secret bancaire, secret médical, secret des assurances, ainsi que les obligations du secteur public et des infrastructures critiques. Les cas propres au secteur sont déjà modélisés: vous partez d’un ensemble opérationnel plutôt que d’une page blanche.
Lorsqu’une réglementation change, nous mettons à jour les politiques standard et vous les recevez. Suivre l’évolution du droit est notre travail, pas une ligne de plus sur la liste de votre équipe sécurité. C’est compris dans l’abonnement.
Tout ce qui précède concerne la fuite de données: ce que vos agents peuvent envoyer, et vers quel modèle. Le trafic en sens inverse est également inspecté, et cette partie nous revient entièrement. Le blocage des injections de prompt, la protection contre les jailbreaks et le filtrage des sorties nuisibles sont intégrés, réglés par nous et adaptés à mesure que les attaques évoluent. Nous suivons en continu la recherche académique et celle d’autres fournisseurs, car ce domaine évolue en semaines et non en années, et les améliorations vous parviennent dans le cadre du service. Il n’y a ici rien à configurer pour votre équipe et aucun référentiel de règles à tenir à jour.
Confiez-nous votre règlement sur la protection des données, votre directive de classification de l’information, votre directive interne sur l’IA, ainsi que quelques exemples de la structure de vos données et des systèmes auxquels vos agents ont accès. Nous en faisons des politiques sur mesure à côté du jeu standard et réglons la détection sur vos systèmes, afin que vous démarriez avec une configuration opérationnelle plutôt que vide. C’est le travail de fond, et c’est là que notre travail s’arrête et que le vôtre commence: chaque politique que nous livrons est modifiable dans votre interface d’administration, et vous en écrivez de nouvelles vous-même, dans le même langage clair, sans nous attendre.
Exploitation
La plupart des clients démarrent sur notre infrastructure suisse, car la valeur s’y démontre plus vite. Les environnements réglementés qui ne peuvent rien envoyer hors de leur réseau exploitent NativeAI Guard sur leur propre matériel.
Nos serveurs, notre centre de données, Lausanne
Idéal pour: prouver rapidement la valeur, et pour les organisations auxquelles un traitement en Suisse suffit déjà.
Votre matériel, votre réseau, vos clés
Idéal pour: les données classifiées, les réseaux isolés et les politiques interdisant tout traitement externe.
Questions fréquentes
Oui, et c’est précisément le cas pour lequel l’extension de navigateur n’est pas conçue. NativeAI Guard fonctionne comme un proxy API prêt à l’emploi entre vos systèmes et les fournisseurs de modèles. Vous pointez l’agent vers le proxy au lieu du point de terminaison du fournisseur et l’inspection démarre, sans modifier la logique de l’agent. C’est le canal qui, le plus souvent, ne fait l’objet d’aucun contrôle, car ni votre proxy ni votre CASB ne le voient, et ces informations ne transitent jamais par un navigateur.
Dans les deux sens. En entrée, nous inspectons ce qui parvient au modèle, y compris les injections indirectes portées par des documents récupérés et des contenus web qu’un agent ingère sans qu’un humain ne les lise jamais. En sortie, nous inspectons ce que le modèle produit avant qu’il n’agisse ou que la réponse ne soit renvoyée. Pour un agent autonome, l’entrée est aussi dangereuse que la sortie: nous ne considérons ni l’une ni l’autre comme fiable.
Aujourd’hui via des clés API, cantonnées par agent, avec la piste d’audit complète rattachée à la clé. Une identité et une gouvernance d’agents fondées sur un registre, où chaque agent porte une identité vérifiable indépendante de sa clé d’accès, figure sur la feuille de route. Elle s’y trouve parce qu’un architecte cybersécurité d’un grand industriel a passé en revue avec nous ce à quoi doit ressembler l’identité des agents à son échelle, et c’est exactement ce type de retour qui façonne ce que nous construisons ensuite.
L’inspection s’exécute en quelques centaines de millisecondes et a lieu en Suisse: aucun aller-retour ne quitte le pays pour l’effectuer. Pour un agent interactif, cela reste en général imperceptible face aux temps de réponse du modèle, mais la réponse honnête est que cela dépend de votre jeu de politiques et de la taille des charges utiles, et que c’est l’une des choses qu’une phase pilote mesure sur votre propre trafic plutôt que sur le nôtre.
Vers les outils que votre SOC exploite déjà. Les événements sont transmis à votre SIEM, et l’export unidirectionnel vers Microsoft Sentinel est le schéma que la plupart des clients suisses demandent, car c’est là qu’ils construisent leurs propres règles d’alerte. L’acheminement des incidents vers des systèmes de tickets tels que Jira et ServiceNow figure sur la feuille de route. Nous livrons bien nos propres tableaux de bord, mais si vous en préférez d’autres, vous pouvez streamer les données du journal d’audit vers l’outil de votre choix. Ils couvrent deux choses qu’un SIEM ne montre pas de lui-même: la gouvernance de l’IA, c’est-à-dire quels outils sont utilisés, par quelles parties de l’organisation et ce qui leur est envoyé; et les menaces propres à l’IA, c’est-à-dire les tentatives d’injection de prompt et de jailbreak, les exfiltrations bloquées et les dérogations aux politiques avec les justifications fournies. C’est la vue que réclament généralement la direction, un délégué à la protection des données ou un auditeur.
Une session de 45 minutes avec les fondateurs, en ligne. Nous menons une tentative d'injection contre un agent et montrons ce qui l'arrête. Lors de la phase pilote qui suit, vous testez NativeAI Guard avec vos propres agents, votre trafic et vos cas d'usage.