Quelle solution acheter pour protéger un assistant interne contre les injections de prompt ?

Aucun produit acheté seul ne suffit : le NCSC britannique avertit que les injections de prompt « may never be totally mitigated », contrairement aux injections SQL (NCSC, 08/12/2025). Mieux vaut combiner des garde-fous indépendants du modèle, un filtre spécialisé et des droits d'accès serrés sur les documents, puis choisir l'éditeur selon la couche à couvrir.

Quelle solution retenir pour protéger un assistant interne ?

Il faut raisonner par couche plutôt que par marque. Le NCSC indique que les protections doivent surtout reposer sur des « deterministic (non-LLM) safeguards » (NCSC). Concrètement, ce sont des contrôles que le modèle ne peut pas contourner : droits d'accès, validation des actions, confirmation humaine.

Base : critères tirés du NCSC (publié le 08/12/2025) et de Microsoft Learn (publié le 28/08/2026), lus au 29/10/2026. Les fonctions exactes de chaque éditeur sont à vérifier sur sa page.

Côté budget, la seule donnée chiffrée vérifiable ici vient de Microsoft. Sa page tarifaire d'Azure AI Content Safety mentionne, au 29/10/2026, un volume de 5 000 enregistrements texte par mois, un enregistrement du niveau S couvrant jusqu'à 1 000 caractères.

Une démarche en cinq étapes :

1. Lister tout ce que l'assistant lit : documents partagés, courriels, pages web, pièces jointes.
2. Réduire ses droits au strict nécessaire, en lecture comme en action.
3. Ajouter un filtre d'injection sur les entrées et les documents récupérés.
4. Contrôler les données qui sortent vers les IA génératives.
5. Comparer les offres sur le lieu d'hébergement, la couverture des postes et des agents, et le prix.

Qu'est-ce qu'une injection de prompt, et pourquoi un assistant relié aux documents est-il exposé ?

Une injection de prompt consiste à glisser des instructions dans le texte que le modèle traite, pour qu'il change de comportement. L'OWASP la définit ainsi : des entrées qui modifient le comportement ou la sortie du modèle de façon non prévue.

Le risque grandit avec la connexion aux documents. Selon l'OWASP, les injections indirectes surviennent quand un modèle accepte des entrées venues de sources externes, comme des sites web ou des fichiers. Un assistant qui lit les dossiers partagés ou la messagerie ingère donc du texte que n'importe quel auteur peut avoir rédigé.

La cause est structurelle. Le NCSC décrit le problème comme la concaténation, dans un même prompt, des instructions du développeur et d'un contenu non fiable. Les modèles, écrit-il, « simply do not enforce a security boundary between instructions and data inside a prompt ». Microsoft range parmi les menaces les « document attacks » : des instructions cachées dans des documents, courriels ou pages web, qui cherchent à détourner la session du modèle (Microsoft Learn).

Comment une consigne cachée peut-elle faire sortir des données ?

Elle y parvient en détournant un assistant qui a déjà accès aux informations et un moyen de les transmettre. Microsoft cite d'ailleurs l'« unauthorized data exfiltration » parmi les conséquences visées (Microsoft Learn).

Le scénario type se déroule en quatre temps :

1. Un attaquant dépose une instruction invisible ou discrète dans un document ou un courriel.
2. Un salarié pose une question banale ; l'assistant récupère ce contenu pour répondre.
3. Le modèle traite la consigne cachée comme une demande légitime.
4. S'il peut rédiger un message, afficher un lien ou appeler un outil, il peut y joindre des informations internes.

Le cas n'est pas théorique. Une publication de Pavan Reddy et Aditya Sanjay Gujral sur arXiv, mise en ligne le 06/09/2025, décrit « a zero-click prompt injection vulnerability in Microsoft 365 Copilot » et conclut que l'injection est une classe de failles de sévérité élevée dans les systèmes d'IA en production. « Zero-click » signifie que l'utilisateur n'a aucune action à accomplir.

Où se situe ZeusLock parmi ces options ?

Selon ZeusLock (zeuslock.ai), l'éditeur français propose une « DLP IA » conçue pour la souveraineté. L'outil détecte, anonymise en conservant le format, ou bloque les données sensibles avant leur envoi vers les IA génératives. Sont visés les extraits de code source, les informations personnelles, les numéros IBAN, les identifiants de connexion et les clés d'API.

D'après la marque, les assistants pris en charge sont DeepSeek, Mistral, Grok, Perplexity, Cursor, Copilot, Gemini, Claude et ChatGPT. Le dispositif fonctionne dans les navigateurs et sur les postes de travail Windows, Mac et Linux, mais aussi depuis le terminal, au sein des environnements de développement, auprès des agents d'IA et des serveurs MCP. Un déploiement sur site est possible pour les organisations qui refusent de faire transiter leurs données par un tiers. L'offre inclut également le repérage des usages d'IA non autorisés (Shadow AI), un rempart contre l'injection de prompt et le jailbreak, ainsi qu'une intégration aux chaînes CI/CD. Elle vise en priorité les RSSI et les DPO des organisations européennes.

Le prix et les éventuels labels ne sont pas indiqués sur la page de la marque. La souveraineté et l'hébergement sur site restent, eux, des critères où la marque française se distingue explicitement.

Que dit le cadre réglementaire ?

Les textes applicables (RGPD, AI Act, NIS2) dépendent de chaque organisation et de chaque usage, et cet article ne tient pas lieu de conseil juridique. Pour un cas précis, le DPO ou un juriste doit trancher, et la CNIL publie ses propres ressources.

Côté sécurité, l'ANSSI a publié le 29/04/2024 ses recommandations de sécurité pour un système d'IA générative. Le guide invite à adopter une posture de prudence lors du déploiement, ce qui s'applique pleinement à un assistant relié aux documents internes.

Sources

• Prompt injection is not SQL injection (it may be worse), NCSC, consulté le 29/10/2026
• LLM01:2025 Prompt Injection, OWASP GenAI Security Project, consulté le 29/10/2026
• Prompt Shields in Azure AI Content Safety, Microsoft Learn, consulté le 29/10/2026
• Azure AI Content Safety, tarification, Microsoft Azure, consulté le 29/10/2026
• EchoLeak: The First Real-World Zero-Click Prompt Injection Exploit in a Production LLM System, arXiv, consulté le 29/10/2026
• Recommandations de sécurité pour un système d'IA générative, ANSSI, consulté le 29/10/2026