Laissez vos collaborateurs utiliser l'IA. Avec NativeAI Guard comme filet de sécurité pour les données sensibles.

Nous complétons Purview. Purview protège les canaux structurés pour lesquels il a été conçu: messagerie, postes de travail, SharePoint. Il dispose d’une DLP pour le shadow AI, mais uniquement dans Edge for Business, facturée à l’usage et pilotée par des règles statiques. L’argument honnête en faveur d’une seconde couche n’est pas que Purview serait faible: c’est que des règles statiques et des étiquettes de classification ne détectent pas les contenus dont la sensibilité réside dans le sens, et que la surface IA dépasse largement le périmètre Microsoft. Un responsable de la sécurité informatique d’une banque suisse a résumé le calcul sans détour: les règles statiques attrapent la grande majorité, fermer le reste à l’intérieur de Purview coûte un montant à six chiffres en conseil, et acheter cette couche revient moins cher que la construire. NativeAI Guard offre la souveraineté numérique. Une option pour ne pas créer une dépendance de plus envers une entreprise américaine.

Aujourd’hui: Chrome et Edge via les extensions de navigateur, ce qui couvre tous les outils d’IA en navigateur, les services de traduction et les webmails que vos collaborateurs pourraient utiliser. Un proxy API prêt à l’emploi pour les systèmes internes vous permet de protéger toutes les applications IA que vous avez développées vous-même. En développement actif: un agent endpoint à l’échelle du système pour les applications de bureau et les outils en ligne de commande tels que Claude Code. Sur la feuille de route: macOS, Firefox et Safari. L’ordre de cette feuille de route n’est pas fixé d’avance: il suit ce dont les organisations qui travaillent avec nous ont réellement besoin, et plus d’un élément s’y trouve parce qu’un client l’a demandé.

Le traitement transitoire est notre mode par défaut. Le prompt est inspecté en mémoire vive sur nos propres serveurs en Suisse puis immédiatement écarté, et rien de son contenu n’est écrit sur disque. Ce qui subsiste par défaut, c’est l’enregistrement d’audit: qui a envoyé quelque chose, quand, vers quel modèle, et ce que NativeAI Guard en a fait. Conserver le contenu du prompt lui-même est une option que nous proposons, car certains de nos clients en ont besoin. Les banques en particulier ont des obligations de conservation où le contenu d’une communication doit rester reproductible, et pas seulement le fait qu’elle a eu lieu. Lorsque c’est le cas, la conservation des prompts est activée délibérément.

Aucune donnée opérationnelle. Les prompts, métadonnées, décisions et journaux d’utilisation générés par votre usage de la plateforme ne servent jamais à entraîner, ajuster ou valider des modèles d’apprentissage automatique, et cela figure dans le contrat de sous-traitance plutôt que dans une simple déclaration de principe. Nos modèles de classification sont pré-entraînés sur des corpus synthétiques et publics. La seule exception est explicite et consentie: si vous choisissez de fournir, lors de la mise en place, un jeu de données de calibration anonymisé pour ajuster la détection à vos propres documents, cet usage est nommé dans le contrat et n’a lieu que parce que vous l’avez demandé.

Les deux, et il existe une troisième réponse, souvent la meilleure: l’anonymisation. Plutôt que d’arrêter la requête, NativeAI Guard peut remplacer les éléments sensibles (noms, numéros de client, identifiants de patient, références de contrat) avant que le prompt n’atteigne le modèle. Le collaborateur obtient tout de même une réponse utile et poursuit son travail sans interruption, tandis que la perte de données sensibles est évitée. Pour une large part des cas quotidiens, c’est la meilleure solution, car un blocage strict fait de l’équipe sécurité un obstacle. C’est pourquoi, là où le type de données le permet, nous travaillons avec l’anonymisation plutôt qu’avec des blocages. Le blocage strict reste réservé aux catégories où aucune exception ne doit être acceptée. Chaque blocage est journalisé avec la violation de politique, et ces entrées sont visibles dans le journal d’audit, ce que plusieurs assureurs ont exigé explicitement.

Une règle propre peut être définie pour chaque domaine, et une règle par défaut s’applique automatiquement à tous les domaines jusqu’à ce que vous l’adaptiez de manière ciblée. Chaque règle fonctionne dans son propre mode: anonymisation, application de politique, autorisation ou blocage, de sorte que la même installation peut être stricte à un endroit et légère à un autre. Vous écrivez les nouvelles règles en langage clair par saisie de texte, et vous adaptez les règles existantes de la même manière. Vous créez et gérez vous-même les groupes d’utilisateurs, ce qui permet d’appliquer les règles différemment par équipe ou par département. Le tableau de bord de gouvernance IA vous montre à tout moment quelles règles sont actives et comment elles s’appliquent.

Les fichiers protégés par mot de passe sont interceptés à l’envoi: l’utilisateur est invité à saisir le mot de passe afin que le contenu puisse être analysé en clair avant tout envoi. Pour les documents classifiés, par exemple avec Purview, nous bloquons l’envoi des documents marqués comme confidentiels, mais pour ceux classifiés comme non confidentiels nous inspectons le contenu lui-même: un fichier dont la mention de confidentialité a été retirée avant l’envoi est donc tout de même analysé, et aucune donnée sensible ne quitte l’entreprise. Les fichiers chiffrés par gestion des droits, en particulier Microsoft Purview Information Protection et Azure RMS, ne sont pas encore inspectés. Cela figure sur notre feuille de route. Jusqu’à sa mise en œuvre, ces fichiers ne passent pas discrètement: une politique peut les arrêter à l’envoi, de sorte qu’un fichier non inspectable relève d’une décision que vous prenez et non d’une lacune que vous découvrez plus tard.