Pourquoi cartographier les flux de données
Avant de pouvoir protéger des données, il faut savoir où elles circulent. Avec un agent IA, les flux sont multiples et parfois non évidents : le contenu des fichiers lus, les résultats des outils, l'historique de conversation et les instructions système sont tous susceptibles d'être inclus dans le contexte envoyé au modèle. Sans cartographie explicite, il est difficile d'évaluer ce qui sort réellement de votre périmètre.
La cartographie n'a pas besoin d'être complexe. Un schéma simple listant les composants (agent, outils, modèle, stockage) et les données qui circulent entre eux suffit pour identifier les points de sortie potentiels et prendre des décisions de configuration éclairées.
- Identifier tous les composants impliqués dans une session de travail
- Lister les données qui transitent entre chaque composant
- Identifier les points de sortie vers des systèmes externes
- Mettre à jour la cartographie à chaque ajout d'outil ou de composant
Journaux locaux : ce qui est enregistré
Hermes Agent peut enregistrer les conversations, les appels d'outils et leurs résultats dans des journaux locaux. Ces journaux sont précieux pour le débogage et l'audit, mais ils peuvent contenir des informations sensibles : contenu de fichiers lus, résultats de commandes, fragments de secrets si ceux-ci ont été manipulés sans précaution.
Il est important de définir une politique de rétention pour ces journaux : combien de temps les conserver, où les stocker, qui y a accès. Les journaux doivent être traités avec le même niveau de protection que les données qu'ils contiennent. La rotation et la suppression automatique après une période définie réduisent l'exposition dans le temps.
- Définir une durée de rétention pour les journaux
- Restreindre l'accès aux journaux aux personnes autorisées
- Éviter de journaliser les valeurs de secrets
- Mettre en place une rotation automatique des journaux
Modèles cloud : ce qui sort de votre périmètre
Lorsqu'Hermes Agent utilise une API de modèle cloud, le contexte complet de la conversation — incluant les instructions système, l'historique, les résultats d'outils et les fichiers inclus — est envoyé au serveur du fournisseur pour chaque inférence. La politique de traitement de ces données est définie par les conditions d'utilisation du fournisseur.
Certains fournisseurs proposent des options de non-rétention des données d'inférence, mais ces options varient et évoluent. Il est recommandé de consulter directement la documentation du fournisseur choisi et de ne pas inclure dans le contexte des données dont la confidentialité est critique si vous utilisez un modèle cloud.
- Le contexte complet est envoyé au fournisseur à chaque inférence
- Vérifier la politique de rétention du fournisseur de modèle
- Ne pas inclure de secrets ou de données critiques dans le contexte cloud
- Consulter les CGU du fournisseur pour connaître les droits d'utilisation des données
Modèles locaux : flux internes
Avec un modèle d'inférence local, les prompts et les réponses ne quittent pas votre machine ou votre réseau privé. C'est la configuration qui offre le plus de maîtrise sur la confidentialité des données traitées. Les flux restent entre l'orchestrateur Hermes Agent et le serveur d'inférence local.
Cette configuration ne supprime pas tous les risques : les journaux locaux peuvent toujours contenir des informations sensibles, et les outils web activés peuvent envoyer des données vers l'extérieur. La confidentialité locale du modèle ne compense pas une mauvaise gestion des autres flux.
- Aucun prompt n'est envoyé à un tiers avec un modèle local
- Les journaux locaux restent sous votre contrôle
- Les outils web peuvent toujours générer des flux sortants
- La confidentialité locale dépend aussi de la sécurité du réseau local
Rétention et cycle de vie des données
Les données générées par Hermes Agent — journaux, fichiers créés, historiques de session — ont un cycle de vie qui doit être géré explicitement. Sans politique de rétention, ces données s'accumulent et représentent un risque croissant en cas d'accès non autorisé ou de compromission du système.
Définir des règles claires : quelles données sont conservées, pour combien de temps, avec quel niveau de protection, et comment elles sont supprimées en fin de cycle. Cette gestion du cycle de vie est une composante essentielle d'une approche sérieuse de la confidentialité.
- Définir une durée de vie pour chaque catégorie de données générées
- Automatiser la suppression des données en fin de cycle
- Chiffrer les données sensibles au repos
- Documenter la politique de rétention et la réviser régulièrement
Injection de prompt et données non fiables
Un risque spécifique aux agents IA est l'injection de prompt indirecte : des données externes traitées par l'agent — pages web, fichiers tiers, résultats d'API — peuvent contenir des instructions visant à modifier le comportement de l'agent ou à exfiltrer des informations. Ce risque est indépendant de l'architecture cloud ou locale.
Traiter toutes les données externes comme non fiables, limiter ce que l'agent peut faire avec ces données et activer les approbations pour les actions déclenchées après traitement de données externes sont les mesures les plus efficaces contre ce type d'attaque.
- Traiter le contenu web et les fichiers tiers comme non fiables
- Activer les approbations pour les actions suivant le traitement de données externes
- Limiter les outils disponibles lors du traitement de sources non fiables
- Être attentif aux instructions inhabituelles dans les résultats d'outils
Synthèse : décisions de configuration pour la confidentialité
La confidentialité avec Hermes Agent n'est pas un état binaire mais le résultat d'un ensemble de décisions de configuration. Chaque choix — modèle local ou cloud, outils activés, politique de journalisation, règles d'approbation — contribue au niveau global de maîtrise des données.
Une approche pragmatique consiste à identifier les données les plus sensibles traitées, à tracer leur chemin dans l'architecture et à s'assurer que ce chemin ne passe pas par des composants dont vous ne maîtrisez pas la politique de traitement. La cartographie régulière est plus utile qu'une configuration initiale jamais révisée.
- Identifier les données les plus sensibles avant de configurer l'agent
- Choisir le modèle (local ou cloud) en fonction de la sensibilité des données
- Réviser la cartographie des flux à chaque évolution de l'architecture
- Documenter les décisions de configuration et leurs justifications
Sources et méthode
Cette page est une synthèse éditoriale indépendante. Les capacités et commandes doivent être vérifiées dans les sources officielles avant une utilisation en production.