Présentation de la solution
Northstar Security AI Inc. a levé 7 M$ en seed pour lancer une plateforme qui agrège les données de plus de 70 outils de sécurité et d’IT (Okta, GitHub, Workday, etc.) dans un Security Context Graph en temps réel. L’objectif déclaré est de fournir aux analystes et aux agents automatisés le contexte nécessaire afin de transformer des alertes isolées en actions de remédiation concrètes.
Architecture du Security Context Graph
Le cœur du produit est un graphe de connaissances où chaque nœud représente une entité (dispositif, compte, service) et chaque arête encode une relation (accès, vulnérabilité, appartenance). Les données proviennent de connecteurs natifs qui extraient les métadonnées des sources tierces via API ou flux d’événements. Une fois ingérées, les informations sont normalisées selon un schéma commun, puis indexées pour permettre des requêtes à faible latence. Le graphe expose ainsi des combinaisons « toxiques » : par exemple, un ordinateur portable sans protection d’endpoint (nœud 1) lié à un compte à privilèges élevés (nœud 2) qui peut accéder au système de paie (nœud 3). Cette triple relation, invisible dans chaque outil séparé, devient détectable grâce à la traversée du graphe.
Fonctionnement des agents IA et du Model Context Protocol
Les agents IA de Northstar s’appuient sur le graphe pour générer des réponses en langage naturel. L’utilisateur peut poser une question telle que « Quel risque représente cet ordinateur portable ? », le moteur interroge le graphe, identifie les dépendances et renvoie une description du danger ainsi que les étapes de correction. Les agents peuvent ensuite déclencher automatiquement un workflow de remédiation : installation d’un agent d’endpoint protection, mise à jour de la politique d’accès, etc. Le Model Context Protocol ouvre le graphe aux modèles externes (Claude d’Anthropic, autres LLM) qui peuvent consommer le contexte et proposer leurs propres actions, offrant ainsi une extensibilité vers des chaînes d’outils personnalisées.
Analyse des impacts et limites
Sur le plan technique, la centralisation du contexte réduit le nombre d’interrogations nécessaires (de six outils à une seule requête) et minimise le temps de décision. Cependant, la fiabilité du graphe dépend de la qualité et de la fraîcheur des connecteurs : des API obsolètes ou des retards de synchronisation peuvent entraîner des vues partielles du réseau. De plus, l’exposition du graphe via le Model Context Protocol introduit une surface d’attaque supplémentaire ; chaque intégration tierce doit être authentifiée et surveillée pour éviter l’injection de données malveillantes. Enfin, la capacité des agents à exécuter des actions automatisées repose sur des privilèges élevés, ce qui nécessite des contrôles d’accès stricts et une supervision humaine pour prévenir les actions non désirées.
En résumé, Northstar propose une approche pragmatique pour transformer la surcharge d’alertes en actions ciblées, tout en introduisant de nouveaux défis de gouvernance et de sécurisation du pipeline de données.
