La sécurité des LLM,
étudiée et renforcée.

Un site informatif consacré à un seul sujet : comment les grands modèles de langage et les systèmes agentiques sont attaqués, et comment s'en défendre. Menaces, normes, outillage, patterns — en français, à un seul endroit.

Le constat

Un LLM avec des outils est une surface d'attaque, pas juste un chatbot.

Dès qu'un modèle lit du contenu non fiable (email, page web, document) ou déclenche des actions (appel d'API, exécution de code, accès fichier), la frontière entre instruction et donnée s'efface. C'est le terrain de jeu de l'injection de prompt, du jailbreak et du détournement d'agents.

Cette classe de vulnérabilités est nouvelle et distincte de la sécurité applicative classique : elle a ses propres référentiels (MITRE ATLAS, OWASP Top 10 for LLM Applications) et son propre outillage (scanners de red teaming, guardrails runtime).

Ce site rassemble ces repères pour qui construit, audite ou sécurise des systèmes à base de LLM.

surface-attaque.log
ENTRÉE UTILISATEUR / CONTENU EXTERNE
Prompt injection (directe / indirecte)
MODÈLE (LLM)
Jailbreak · fuite du system prompt
OUTILS / PLUGINS / AGENTS
Excessive agency · abus d'outils
SORTIE VERS L'UTILISATEUR / LE SYSTÈME
Insecure output handling · exfiltration
Explorer le site

Neuf angles pour comprendre et défendre un système LLM.

Chaque section peut se lire indépendamment des autres.

01

Panorama des menaces

Prompt injection, jailbreak, data poisoning, vol de modèle, excessive agency — les vecteurs d'attaque classés par famille.

Explorer →
02

Normes & référentiels

MITRE ATLAS, OWASP Top 10 for LLM Applications, NIST AI RMF, ISO/IEC 42001 — expliqués et reliés entre eux.

Explorer →
03

Outillage

Scanners de red teaming, guardrails runtime, filtres DLP/PII — panorama de l'outillage open source par catégorie.

Explorer →
04

Patterns & mitigation

Architectures défensives (defense in depth, least privilege, human-in-the-loop) et dernières techniques de mitigation.

Explorer →
05

Articles techniques

Analyses de fond sur des incidents, techniques d'attaque et de défense, au-delà des résumés de référentiels.

Explorer →
06

Témoignages

Retours d'expérience de la communauté sécurité IA : incidents rencontrés, leçons apprises, outils éprouvés.

Explorer →
07

Red teaming

Méthodologie pour tester un système LLM comme un attaquant : planification, cas de test, divulgation responsable.

Explorer →
08

AI Safety & gouvernance

Alignement, interprétabilité mécanistique, évaluations, cadres de gouvernance et analyse de risque IA.

Explorer →
09

IA & cybersécurité

L'IA comme outil, pas comme cible : détection assistée côté défense, découverte de vulnérabilités et deepfakes côté attaque.

Explorer →
Référentiels couverts

On ne réinvente pas les cadres. On les relie.

Le contenu du site s'ancre sur ces référentiels publics.

MITRE ATLASTactiques & techniques d'attaque contre les systèmes IA/ML
OWASP LLM Top 10Les 10 risques de sécurité prioritaires pour les applications LLM
NIST AI RMFCadre de gestion des risques IA du NIST américain
ISO/IEC 42001Système de management de l'IA — volet sécurité et gouvernance