Contexte et enjeux
Les entreprises intègrent de plus en plus des agents d'intelligence artificielle capables d'accéder à leurs bases de données, systèmes internes et à Internet. Cette évolution crée une chaîne d'approvisionnement logicielle composée de skills, plugins, serveurs MCP et add‑ons qui ne bénéficie d'aucune signature ni de contrôle comparable à celui des pilotes de périphériques. Selon le fondateur d'AIR, Yair Saban, l'absence de vérification expose les organisations à des attaques de type « poisoning », où l'agent consomme du contenu malveillant plutôt que d'être directement compromis.
Pour répondre à ce risque, AIR a levé 50 M$ en deux tours de financement (10 M$ en seed 1, 40 M$ en seed 2), menés respectivement par Sequoia et Greenoaks, avec la participation d'investisseurs tels que Swish, Netz et des figures de l'écosystème de la cybersécurité. La société compte plus de 20 clients, dont environ un quart sont de grandes entreprises, principalement dans les secteurs financiers et pharmaceutiques, où la conformité réglementaire accentue la demande.
Fonctionnement de la plateforme AIR
Le produit d'AIR repose sur trois modules : une couche de visibilité qui détecte les agents actifs dans l'infrastructure d'une organisation, une couche d'application qui intercepte les appels de skill ou de téléchargement de contenu, et une base de données de whitelist continuellement mise à jour. Lorsqu'un agent tente de charger un composant, le système compare le hash ou le manifeste du composant avec la whitelist et bloque toute correspondance non autorisée. AIR affirme filtrer 27 % des add‑ons et skills trouvés en ligne grâce à ce processus.
La plateforme propose également un marketplace d'add‑ons pré‑validés, offrant aux équipes IT un point d'approvisionnement unique. Le modèle d'évaluation inclut la surveillance des changements de version, l'analyse comportementale du code téléchargé et la vérification de la réputation du compte développeur. Les résultats sont présentés aux administrateurs sous forme de rapports d’audit et d’alertes en temps réel.
Analyse des défis techniques et limites
Le principal défi réside dans la re‑validation continue des composants. Chaque mise à jour de skill ou de plugin nécessite une nouvelle analyse, ce qui impose une charge computationnelle importante et peut introduire des latences dans les flux de travail des agents. De plus, la dépendance à une whitelist centralisée crée un point de défaillance : si la base de données n’est pas synchronisée rapidement, des versions compromises peuvent passer inaperçues.
Un autre risque technique est la capacité des agents à masquer leurs appels réseau ou à chiffrer les flux, rendant l’interception plus difficile. Les solutions concurrentes, comme Noma Security ou Zenity, utilisent des techniques de sandboxing ou de monitoring au niveau du noyau, ce qui peut offrir une visibilité plus fine mais augmente la complexité d’intégration. Enfin, la diversité des fournisseurs d'IA (OpenAI, Anthropic, etc.) impose à AIR de maintenir des connecteurs spécifiques pour chaque API, ce qui peut ralentir le déploiement de nouvelles fonctionnalités.
Positionnement concurrentiel
Le marché de la sécurisation des agents IA attire déjà des capitaux importants : Zenity a levé 125 M$ en série C, Noma Security 100 M$ en série B. AIR se différencie par son focus sur la continuous vetting des add‑ons, argumenté comme une barrière à l’entrée difficile à reproduire. Cependant, la capacité à offrir une visibilité multi‑cloud et multi‑vendor reste un critère décisif, car les grandes entreprises privilégient des solutions agnostiques aux fournisseurs d'IA.
Avec une équipe d’environ 40 employés et les fonds récents, AIR prévoit d’étendre ses équipes de recherche et son implantation en Amérique du Nord et en Europe, ce qui devrait renforcer sa capacité à actualiser la whitelist et à répondre aux exigences de conformité des secteurs réglementés.
