Gartner® a classé F5 parmi les leaders du marché tiers dans son rapport de juillet 2026 intitulé « Gartner Custom-Built AI Agent Security Guide »

Nirav ShahVice-président senior, marketing des produits et des solutions | F5

Dans son rapport de juillet 2026 intitulé « Guide de sécurité des agents d’IA sur mesure », Gartner affirme que « les agents d’IA introduisent de nouveaux risques de sécurité, tels que l’injection indirecte de prompts et les agents malveillants susceptibles d’entraîner des pertes pour les entreprises ». Dans ce contexte, le choix du modèle devient un enjeu de sécurité à part entière.

F5 Labs publie chaque mois un classement actualisé de l’indice complet de sécurité de l’IA (F5 CASI) afin de fournir aux organisations une évaluation fondée sur des données probantes de la résistance des principaux modèles aux attaques courantes par injection de prompt et contournement des restrictions. Nous sommes par ailleurs ravis que Gartner ait mentionné F5 dans son rapport.

Le choix d’un modèle reposait traditionnellement sur ses capacités, sa rapidité et son coût. Ces facteurs restent importants, mais ne suffisent plus dès lors qu’un modèle est connecté à des données sensibles, à des outils externes et à des systèmes essentiels à l’activité. Les caractéristiques de sécurité du modèle déterminent le niveau de risque introduit dans l’application avant même la mise en place de tout contrôle supplémentaire.

CASI n’est pas conçu pour déterminer si un modèle est universellement sûr ou non. Il fournit plutôt des éléments concrets qui tiennent compte du cas d’usage, des données, des autorisations, de l’environnement de déploiement et de l’impact potentiel sur l’activité, afin de permettre aux organisations de prendre leurs propres décisions en matière de sécurité.

Le choix du modèle devient une décision de sécurité

Des modèles aux capacités similaires peuvent présenter des profils de sécurité très différents. L’un peut résister plus efficacement aux attaques courantes, tandis qu’un autre peut nécessiter des mesures de contrôle compensatoires plus robustes. En l’absence de données comparatives sur la sécurité, les organisations doivent prendre ces décisions en se fondant sur les déclarations des fournisseurs, leur réputation ou des suppositions.

CASI apporte davantage de rigueur à ce processus en mesurant la résistance des modèles aux techniques d’injection de prompts et de contournement des restrictions, puis en présentant les résultats sous une forme exploitable par les équipes chargées de la sécurité, de l’IA et de la gouvernance. F5 Labs évalue également les compromis entre les risques et les performances, ainsi qu’entre les coûts et la sécurité, car le modèle adéquat n’est pas simplement celui qui obtient le meilleur score. C’est celui dont le niveau de sécurité, les performances et le profil opérationnel correspondent au cas d’usage prévu.

Pour les RSSI, cela fait passer l’évaluation des modèles du statut de préférence technique à celui d’exigence de gouvernance. L’organisation doit être en mesure d’expliquer pourquoi un modèle a été sélectionné, quels éléments ont étayé cette décision, quels risques subsistent et quels contrôles sont requis avant son déploiement. Cette traçabilité devient particulièrement importante lorsque les modèles sont mis à jour, que les applications évoluent ou que l’agent accède à de nouvelles données et à de nouveaux outils.

Le risque agentique va au-delà du modèle

La résilience du modèle n’est qu’un point de départ. Dès lors qu’un modèle est intégré à un système agentique, les risques s’étendent à l’identité, aux données, à la mémoire, aux prompts, aux outils et aux actions que l’agent est autorisé à effectuer. Même un modèle résilient peut être déployé avec des autorisations excessives, connecté à des outils non sécurisés ou exposé à un contexte empoisonné.

Le changement fondamental consiste à passer de l’évaluation de ce que dit un modèle à la gouvernance de ce qu’un agent peut faire. Un agent peut interpréter un objectif, élaborer un plan, choisir des outils, récupérer des informations et agir dans plusieurs systèmes. Une même requête peut donc entraîner un parcours d’exécution et un niveau de risque différents, même lorsque l’intention de l’utilisateur n’a pas changé.

Les équipes de sécurité doivent définir le degré d’autonomie dès la phase de conception. Elles doivent déterminer ce que l’agent peut décider, les ressources auxquelles il peut accéder, les actions qui nécessitent une approbation et celles qui sont interdites. Un assistant de recherche interne et un agent autorisé à modifier des systèmes de production ne doivent pas disposer des mêmes autorisations, mesures de protection ou seuils de surveillance.

Les preuves doivent évoluer au même rythme que les changements

La sécurité de l’IA ne peut pas être considérée comme une évaluation ponctuelle. Les modèles sont mis à jour, les fournisseurs ajustent les dispositifs de sécurité, les applications bénéficient de nouvelles intégrations et les attaquants développent de nouvelles techniques. Un score pertinent au moment de la sélection peut ne plus refléter le niveau de risque actuel dès lors que le modèle ou le système qui l’entoure évolue.

Le CASI est complété par le classement Agentic Resistance Score (ARS), qui évalue la manière dont les modèles réagissent au fil du temps à des attaques agentiques persistantes, adaptatives et en plusieurs étapes. Cet aspect est important, car un agent malveillant peut accumuler du contexte, changer de tactique et poursuivre le même objectif par différentes voies.

Cette cadence mensuelle s’appuie sur les renseignements sur les menaces de F5 Labs, qui permettent de suivre l’évolution des techniques d’attaque et du comportement des modèles au fil du temps. Ensemble, CASI, ARS et la recherche sur les menaces fournissent des données probantes actualisées pour guider le choix des modèles, les décisions d’architecture et la conception des contrôles. Ils ne remplacent pas les tests propres à chaque application, mais offrent aux responsables de la sécurité un point de départ plus solide.

De l’évaluation au contrôle

Les éléments probants ont une valeur limitée s’ils ne modifient pas la manière dont le système est sécurisé. Les tests des modèles et des agents doivent guider les mesures de contrôle appliquées avant et pendant le déploiement, notamment les restrictions d’accès, les garde-fous à l’exécution, la validation des outils, la protection des données et la surveillance. Les comportements observés en production doivent ensuite servir à élaborer de nouveaux tests, à faire évoluer les politiques et à renforcer les contrôles si nécessaire.

Voici le modèle opérationnel sur lequel repose la F5 AI Security Platform: évaluer les risques liés à l’IA, définir une gouvernance et appliquer des protections adaptées aux modèles, aux applications et aux agents. La plateforme réunit l’évaluation, les tests adversariaux et la sécurité à l’exécution afin que les organisations puissent passer de l’identification des faiblesses à la réduction de leur exposition en production. Les recherches de F5 Labs renforcent ce cycle en fondant les décisions sur des données actuelles concernant les modèles et sur les nouveaux modes d’attaque.

Pour les RSSI, l’objectif est d’éliminer les risques évitables liés à l’IA et de ramener le risque résiduel à un niveau acceptable, explicable et maîtrisable grâce à une sélection des modèles fondée sur des données probantes, à des tests au niveau du système, à des contrôles applicables lors de l’exécution et à une réévaluation continue.

Selon nous, l’identification de la CASI par Gartner intervient alors que les entreprises sont soumises à une pression croissante pour accélérer l’adoption de l’IA sans abaisser leur niveau d’exigence en matière de contrôle. Les responsables de la sécurité doivent pouvoir soutenir cette adoption tout en gardant une vision claire des risques acceptés et des mesures de protection requises. Cela implique de relier les éléments probants relatifs aux modèles à l’architecture et aux contrôles opérationnels qui encadrent chaque déploiement.

Un programme défendable repose sur trois disciplines : mesurer le modèle, tester le système dans son ensemble et contrôler les ressources auxquelles l’agent peut accéder ainsi que les actions qu’il peut effectuer. Ces disciplines doivent être appliquées en continu, car le risque sous-jacent évolue constamment. CASI, ARS et les renseignements sur les menaces de F5 Labs fournissent les éléments nécessaires pour étayer ces décisions, tandis que la plateforme de sécurité de l’IA F5 aide les organisations à mettre ces éléments en pratique.

L’objectif n’est pas de ralentir l’adoption de l’IA, mais de fournir aux RSSI des bases plus solides pour déterminer où l’IA peut être déployée, dans quelles conditions et avec quels contrôles, afin que les organisations puissent dépasser le stade des expérimentations isolées et commencer à passer à l’échelle de manière responsable et sécurisée. C’est cette discipline opérationnelle que requiert désormais l’IA en entreprise.

Découvrez les derniers classements F5 CASI et ARS et apprenez-en davantage sur la F5 AI Security Platform.

______

Gartner, Guide de sécurité des agents d’IA développés sur mesure, Dennis Xu, Erik Wahlstrom et al., 6 juillet 2026. GARTNER est une marque commerciale de Gartner, Inc. et/ou de ses sociétés affiliées.

^{Gartner ne recommande aucune entreprise, aucun fournisseur, produit ou service présenté dans ses publications et ne conseille pas aux utilisateurs de technologies de choisir uniquement les fournisseurs ayant obtenu les meilleures notes ou toute autre distinction. Les publications de Gartner reflètent les opinions de son organisation spécialisée dans l’analyse des enjeux commerciaux et technologiques et ne doivent pas être interprétées comme des déclarations factuelles. Gartner décline toute garantie, expresse ou implicite, concernant cette publication, y compris toute garantie de qualité marchande ou d’adéquation à un usage particulier.}

À propos de l’auteur

Nirav ShahVice-président senior, marketing des produits et des solutions | F5

Nirav Shah est vice-président senior et responsable du marketing des produits et solutions chez F5, où il définit l’orientation stratégique en matière de sécurité des applications et de l’IA. Avant de rejoindre F5, il a passé onze ans chez Fortinet, où il a occupé plusieurs postes de direction, notamment à la tête des solutions SASE optimisées par l’IA, des solutions SOC et des solutions de réseau sécurisé. Son vaste parcours comprend également des fonctions importantes chez Cisco Systems, où il a piloté des initiatives majeures dans le domaine du SD-WAN. Fort de plus de vingt ans d’expérience dans le secteur de la cybersécurité, il a fait ses preuves dans le lancement de produits qui redéfinissent le marché et dans la constitution d’équipes hautement performantes, en alignant le développement des produits sur les ventes et le marketing afin de maximiser leur impact. Expert reconnu et ancien étudiant de l’USC, il intervient fréquemment lors de conférences professionnelles et contribue régulièrement à des publications de premier plan sur la convergence entre l’IA et la cybersécurité, tout en restant engagé dans l’accompagnement des professionnels émergents de la cybersécurité.

Autres articles de Nirav Shah