Présentation de la solution

Exaforce, startup américaine fondée en 2023 et soutenue par un financement de 125 M$ en série B (valorisation de 725 M$), propose aujourd'hui Exaforce AI Security. Cette plateforme, disponible en version auto‑gérée ou via le service Managed Detection and Response, vise à rendre visibles les agents d’intelligence artificielle actifs dans les environnements d’entreprise et à offrir la possibilité de les désactiver lorsqu’ils adoptent un comportement hostile.

Mécanismes de détection et de réponse

Le cœur du produit repose sur quatre capacités : une découverte agentless continue, une couche de risque, une détection de menaces et une réponse automatisée. La découverte s’effectue sans installation préalable et recense les applications IA connectées, les agents de codage (par ex. Claude Code, Cursor), les agents hébergés (custom GPTs), les serveurs Model Context Protocol, les compétences et les plugins d’environnement de développement. Chaque entité est rattachée à l’identité et aux permissions du compte qui l’a déployée. La couche de risque attribue un score et signale les permissions excessives ou les applications non autorisées. La détection croise l’activité des agents et des modèles avec les identités humaines, la télémétrie des points de terminaison, les accès aux fichiers et le contexte du code, afin d’identifier des séquences d’actions que les journaux individuels ne révèlent pas. Le « kill switch » peut révoquer une session, désactiver une clé de fournisseur de modèle, isoler un dispositif ou terminer le processus d’un agent, avec un niveau d’autonomie configurable de l’approbation analyste à l’exécution entièrement automatique.

Intégrations et portée opérationnelle

Exaforce AI Security s’appuie sur les API de conformité d’Anthropic (Claude), d’OpenAI (ChatGPT), de Google (Gemini) et de Microsoft (Copilot). Les données d’entrée proviennent des points de terminaison, des suites de productivité et des journaux d’audit et d’usage des fournisseurs de modèles, le tout étant ingéré dans le graphe de connaissances déjà construit par Exaforce à partir d’identités, de clouds, de SaaS et de sources de code. La solution répond à des incidents réels : en juin 2025, la compromission d’OAuth tokens chez Klue Labs a permis l’extraction de données Salesforce ; le même vecteur a touché plus de 700 organisations via le chatbot Drift de Salesloft en août 2025 ; l’attaque « Nx s1ngularity » sur le registre npm a détourné des agents de codage tels que Claude Code et Gemini CLI pour collecter des identifiants. En corrélant les actions de ces agents avec les identités humaines, la plateforme expose les chaînes d’événements qui échappent aux contrôles de journalisation classiques.

Limites et perspectives

La fiabilité du système dépend de la couverture des journaux d’activité et de la précision du graphe de connaissances ; des lacunes dans la télémétrie peuvent entraîner des faux négatifs. Le calibrage de la couche de risque nécessite une politique adaptée pour éviter les faux positifs qui pourraient interrompre des flux de travail légitimes. De plus, un acteur malveillant capable de falsifier les métadonnées d’un agent pourrait réduire l’efficacité du kill switch, ce qui impose une vigilance continue sur l’intégrité des sources de données. Enfin, la scalabilité du traitement en temps réel sur des environnements très distribués reste un défi technique à surveiller à mesure que le nombre d’agents IA déployés augmente.