Contexte et levée de fonds
Kevin Mandia, fondateur de Mandiant, a annoncé le 1 octobre 2026 que sa nouvelle société Armadin a clôturé une levée de fonds de série B de 255,5 millions de dollars. Le tour, mené par Andreessen Horowitz et Accel, a porté la valorisation de l’entreprise à plus de 2,5 milliards de dollars. Cette opération s’ajoute à une série A de 190 millions de dollars levée en mars, portant le total des capitaux recueillis à plus de 445 millions de dollars. Parmi les investisseurs figurent également Bain Capital Ventures, Redpoint, 8VC, Ballistic Ventures, Google Ventures, In‑Q‑Tel, Kleiner Perkins et Menlo Ventures.
Principe de l'« agent swarm »
Armadin propose une approche dite « always‑on » pour la sécurité des entreprises. Au lieu de tests de pénétration ponctuels, la plateforme déploie des « swarms » d’agents autonomes qui enchaînent les vulnérabilités découvertes afin de simuler une intrusion continue. Chaque agent agit comme un micro‑exploiteur capable de se propager, de contourner les contrôles et de déclencher d’autres agents, reproduisant ainsi le comportement d’un adversaire doté d’outils d’intelligence artificielle. L’objectif affiché est de repérer et colmater les failles avant que des acteurs malveillants, ou même des laboratoires d’IA aux agents déviants, ne les exploitent.
Analyse technique et limites
Le modèle repose sur l’orchestration dynamique d’un grand nombre d’agents, ce qui implique une infrastructure capable de gérer un trafic réseau constant et des états de système multiples. La chaîne de vulnérabilités nécessite une cartographie précise des dépendances logicielles et des vecteurs d’attaque, ainsi qu’une capacité de mise à jour en temps réel des signatures d’exploitation. Cette complexité augmente la consommation de ressources CPU et mémoire, surtout dans des environnements cloud où les coûts d’utilisation peuvent croître rapidement. De plus, la génération d’alertes par des agents autonomes risque de produire des faux positifs si les critères de déclenchement ne sont pas finement calibrés, ce qui peut entraîner une surcharge des équipes SOC. Enfin, la mise en œuvre d’une telle simulation continue expose potentiellement le réseau à des comportements inattendus, requérant des mécanismes de confinement stricts pour éviter que les agents ne perturbent les services de production.
