Sécuriser l’IA agentique : comment F5 répond aux risques du Top 10 OWASP pour l’IA agentique

F5 ADSP | 30 décembre 2025

L’IA agentique se trouve aujourd’hui à peu près au même stade que l’IA générative il y a un an. La plupart des organisations qui mènent des projets d’IA agentique en sont encore à la phase pilote, mais certaines premières charges de travail commencent déjà à interagir avec les systèmes de production. Les équipes vont au-delà des simples requêtes adressées aux modèles et expérimentent des agents d’orchestration, des agents spécialisés dans l’exécution de tâches et des workflows utilisant des outils, capables de coordonner des actions entre différentes applications et différents services.

À mesure que ces systèmes agentiques évoluent, les risques évoluent eux aussi. Dans les interactions traditionnelles avec les LLM, les défaillances restent souvent circonscrites à un seul échange de type requête-réponse entre le modèle et les humains. Dans les systèmes agentiques, les défaillances se propagent à travers les plans à plusieurs étapes, l’utilisation d’outils, la gestion et la réutilisation du contexte, ainsi que les interactions entre les agents et les applications existantes.

Le nouveau Top 10 de l’OWASP pour les applications agentiques offre une vue structurée des points où ces risques apparaissent. Il définit dix catégories de défaillances qui surviennent lorsque les modèles et les agents se voient attribuer des objectifs, des outils, un contexte et la capacité d’agir sur plusieurs systèmes. Cette liste s’appuie sur le Top 10 de l’OWASP pour les applications basées sur les grands modèles de langage, annoncé précédemment, pour couvrir les menaces liées à l’IA agentique en matière d’autonomie, d’utilisation des outils, de gestion du contexte, de chaînes d’approvisionnement et d’interactions entre agents.

Grâce à ce nouveau Top 10 de l’OWASP, les responsables de la sécurité et les équipes de conformité disposent d’un langage commun pour échanger sur les risques liés à l’IA agentique, coordonner leurs efforts en matière de sécurité et définir les priorités.

Pourquoi c’est important pour les RSSI

Le Top 10 de l’OWASP pour l’IA agentique met en lumière les modes de défaillance qui conditionnent l’adoption sécurisée de l’IA. Les RSSI doivent désormais appliquer ces recommandations aux systèmes dont la mise en production est déjà engagée.

F5 y contribue grâce aux éléments suivants :

  • F5 AI Guardrails, qui applique des politiques de sécurité à l’exécution pour encadrer le comportement de l’IA lors du passage en production des systèmes agentiques.
  • F5 AI Red Team, qui évalue les systèmes d’IA générative afin de mesurer leur résilience en conditions réelles, tant au niveau du comportement des modèles que des applications et des parcours d’exécution des agents.
  • Indice global de sécurité de l’IA (CASI) et score de résistance agentique (ARS), proposés par F5 Labs, fournissant des référentiels standardisés pour mesurer la résilience des modèles et des systèmes et éclairer les décisions en matière de sécurité.

À mesure que l’IA agentique prend de l’ampleur, les organisations qui en tireront le meilleur parti seront celles qui intégreront la résilience dès le départ et feront de la sécurité un fondement de la conception et de l’exploitation de ces systèmes.

Top 10 OWASP de l’IA agentique — Comment ces risques se manifestent

ASI01 – Détournement des objectifs de l’agent

Lorsque les objectifs d’un agent sont modifiés par une injection de prompt, un contexte corrompu ou une déviation du plan.

  • F5 AI Red Team teste des scénarios d’injection indirecte de prompts issus de sa bibliothèque d’attaques, dans lesquels des sources de contenu contrôlées par un attaquant ou non fiables, telles que des documents, des pages web, des e-mails ou des sorties d’outils, servent à introduire des instructions malveillantes, afin d’évaluer avec quelle facilité les objectifs des agents peuvent être détournés.
  • F5 AI Guardrails impose la validation des entrées et restreint les cheminements de raisonnement dangereux ou non conformes lors de l’inférence, réduisant ainsi le risque de comportements indésirables en aval.
  • ARS mesure la résilience face à des séquences d’attaques persistantes, menées par des agents et comportant plusieurs étapes.

ASI02 – Utilisation abusive et exploitation des outils

Lorsqu’un agent utilise des outils de manière inappropriée ou que des attaquants exploitent les interfaces de ces outils comme points de pivot.

  • F5 AI Guardrails valide les requêtes liées aux outils lors de l’exécution et encadre les schémas de raisonnement susceptibles de conduire à des interactions non sécurisées avec les outils.
  • CASI et ARS reflètent la vulnérabilité à une utilisation abusive dans des schémas d’exécution représentatifs.

ASI03 – Abus d’identité et de privilèges

Lorsque des agents héritent d’identifiants, de jetons ou de droits d’accès élevés, ou en font un usage abusif.

  • F5 AI Guardrails peut détecter les secrets, les identifiants ou les jetons présents dans le contexte de raisonnement et les bloquer ou les consigner dans les journaux avant qu’un outil ne soit invoqué avec un accès implicite ou explicite.

ASI04 – Vulnérabilités de la chaîne d’approvisionnement des systèmes agentiques

Risques liés aux serveurs MCP, aux registres, aux packs de prompts distants et aux outils tiers qui prennent en charge les workflows des agents.

  • F5 AI Guardrails détecte et bloque, lors de l’exécution des workflows des agents, les instructions cachées ou les prompts injectés dans les données utilisées par ces derniers, y compris celles provenant de sources fiables ou préalablement approuvées.
  • CASI et ARS mesurent les risques à l’échelle du système, en tenant compte de la propagation des vulnérabilités entre les modèles et les schémas d’exécution, plutôt que de traiter chaque composant de manière isolée.

ASI05 – Exécution de code inattendue

Lorsque les agents génèrent, exécutent ou modifient du code, des interpréteurs de commandes ou des configurations de manière non sécurisée.

  • F5 AI Guardrails applique des politiques granulaires aux sorties liées au code, en faisant respecter les listes d’autorisation et en bloquant les schémas à haut risque.
  • CASI et ARS capturent ces comportements sur des chemins d’exécution représentatifs.

ASI06 – Gestion du contexte et manipulation de la récupération d’informations

Lorsque le contexte persistant ou récupéré est empoisonné, manipulé ou dérive.

  • F5 AI Red Team évalue des scénarios dans lesquels les agents exploitent et réutilisent un contexte non fiable ou trompeur fourni par les entrées habituelles lors de l’exécution, afin de déterminer comment la dégradation du contexte affecte les raisonnements et les actions en aval.
  • F5 AI Guardrails analyse le contexte récupéré pour repérer les violations des politiques et détecte les charges utiles d’injection de prompt avant qu’elles n’influencent le comportement du modèle.
  • CASI et ARS mesurent la résilience face à l’empoisonnement du contexte à l’exécution et à la propagation par injection.

ASI07 – Communication inter-agents non sécurisée

Lorsque des agents échangent des messages sans protection du canal de communication, sans authentification ni contrôle d’intégrité.

  • F5 AI Guardrails peut détecter et signaler les intentions de délégation entre agents lors de l’exécution, notamment lorsqu’un agent ou un gestionnaire d’agents évalue quel agent solliciter pour accomplir une tâche, et appliquer des contrôles fondés sur des politiques afin d’encadrer les raisonnements de délégation à haut risque.
  • CASI et ARS permettent de comprendre comment les schémas d’exécution à plusieurs étapes impliquant plusieurs agents augmentent le risque systémique au fil du temps.

ASI08 – Défaillances en cascade

Lorsque plusieurs risques se cumulent au fil des étapes, entre agents ou entre systèmes.

  • F5 AI Guardrails limite l’étendue des répercussions grâce à des quotas, à des contrôles fondés sur des politiques et à l’application de ces dernières lors de l’exécution.
  • CASI mesure la résilience face à divers vecteurs d’attaque, tandis qu’ARS évalue jusqu’où les défaillances peuvent se propager au cours d’une exécution agentique prolongée et en plusieurs étapes.

ASI09 – Exploitation de la confiance entre l’humain et l’agent

Lorsque des agents exploitent la confiance humaine au moyen d’instructions convaincantes ou trompeuses.

  • F5 AI Guardrails identifie et bloque les contenus dangereux et consigne les décisions à des fins d’audit.
  • F5 AI Red Team simule des scénarios d’ingénierie sociale pour améliorer la conception des flux de travail et renforcer la vigilance des opérateurs.

ASI10 – Agents malveillants

Lorsque des agents compromis ou déviants persistent au sein de systèmes complexes sans être détectés.

  • F5 AI Guardrails applique les politiques de manière cohérente à mesure que le comportement des agents évolue, en bloquant les schémas d’exécution dangereux ou les tentatives d’exfiltration de données.
  • CASI et ARS détectent les dérives comportementales en suivant l’évolution mesurable des signaux de risque au fil du temps.

Comment F5 assure la sécurité de l’IA pour les workflows agentiques

La sécurité de l’IA est une composante essentielle de la F5 Application Delivery and Security Platform (ADSP). Les workflows agentiques introduisent de nouveaux risques liés aux interactions entre les prompts, les outils, le contexte et les agents au niveau des applications et des API. Toutefois, ces interactions empruntent toujours les mêmes voies du Web, des API, du plan de données et du plan de contrôle que les organisations protègent déjà aujourd’hui.

En étendant les contrôles de sécurité et la visibilité aux comportements lors de l’inférence, F5 permet aux organisations de faire face aux risques liés aux agents d’IA tout en s’appuyant sur les fondements de sécurité applicative dont elles disposent déjà.

F5 continue de soutenir les efforts de l’ensemble de la communauté visant à renforcer les pratiques de sécurité de l’IA, notamment les travaux du projet OWASP GenAI Security Project.

En savoir plus sur F5 AI Red Team et F5 AI Guardrails.

Partager

À propos de l’auteur

Louise Scully
Louise ScullyResponsable senior du marketing produit, sécurité de l’IA et renseignement sur les menaces | F5

Louise Scully est Senior Manager en marketing produit pour la sécurité de l’IA et le renseignement sur les menaces chez F5. Au cours de sa carrière, elle a exercé dans les domaines du marketing produit, de la gestion de produits, de la stratégie de mise sur le marché, de la communication, du leadership d’opinion et du développement de catégories, dans les secteurs de la sécurité de l’IA et des technologies d’entreprise. Avant de rejoindre F5, Louise a dirigé le marketing chez CalypsoAI et Artomatix, contribuant à la commercialisation de technologies et de travaux de recherche en IA.

Autres articles de Louise Scully

Articles de blog associés

F5 rejoint le projet PQC du NIST pour contribuer à l’élaboration de normes résistantes aux attaques quantiques
F5 ADSP | 02/04/2026

F5 rejoint le projet PQC du NIST pour contribuer à l’élaboration de normes résistantes aux attaques quantiques

En rejoignant le consortium du projet « Migration to PQC » du NIST, F5 contribue à élaborer des recommandations pratiques pour un monde protégé contre les menaces quantiques.

La dernière version de F5 Distributed Cloud Bot Defense offre des fonctionnalités et des améliorations de nouvelle génération
F5 ADSP | 10/12/2025

La dernière version de F5 Distributed Cloud Bot Defense offre des fonctionnalités et des améliorations de nouvelle génération

Les mises à jour de la console de F5 Distributed Cloud Bot Defense améliorent la gestion des menaces automatisées et l’intégration dans des cadres de sécurité plus larges.

La nouvelle surface de risque liée à l’IA : invisible, autonome et déjà à l’intérieur
F5 ADSP | 10/07/2025

La nouvelle surface de risque liée à l’IA : invisible, autonome et déjà à l’intérieur

James White, vice-président de l’ingénierie chez F5 À mi-parcours de l’année 2025, le moment est bien choisi pour dresser un état des lieux de l’adoption de l’IA en entreprise et de la sécurité de l’IA. L’utilisation de l’IA générative est désormais la norme dans les entreprises De manière générale, les entreprises possèdent au moins une compréhension élémentaire de l’IA générative. Elles savent ce qu’elle est et où elle peut […]

Évaluation des LLM : renforcer la confiance grâce à la notation de sécurité
F5 ADSP | 30/06/2025

Évaluation des LLM : renforcer la confiance grâce à la notation de sécurité

À mesure que l’adoption de l’IA s’accélère dans les entreprises, l’évaluation des LLM ne porte plus uniquement sur leurs performances, mais aussi sur la confiance qu’ils inspirent. Les équipes de sécurité doivent évaluer non seulement les performances d’un modèle, mais aussi la sûreté de son comportement. Pourtant, la plupart des cadres d’évaluation se concentrent sur des critères de précision, laissant les facteurs de sécurité et de risque dans le flou ou sans mesure.

Évaluer le niveau de préparation de votre organisation à la sécurité de l’IA
F5 ADSP | 18/03/2024

Évaluer le niveau de préparation de votre organisation à la sécurité de l’IA

Dans un paysage de l’intelligence artificielle (IA) en constante évolution, il est non seulement important, mais impératif de savoir si votre organisation est prête à instaurer et à soutenir une culture de la sécurité de l’IA. À mesure que les technologies d’IA progressent, elles font émerger une multitude de nouveaux défis de sécurité qui, pour être gérés efficacement, exigent une approche réfléchie, globale et proactive […]

Déployer des LLM en entreprise : via une API dans un cloud privé
F5 ADSP | 06/09/2023

Déployer des LLM en entreprise : via une API dans un cloud privé

Pris isolément, sans mesures de protection spécialisées ni protocoles de sécurité en place, le déploiement de modèles d’IA générative (GenAI), en particulier de grands modèles de langage (LLM), à l’échelle de l’entreprise représente pour toute organisation une opportunité à haut risque, mais potentiellement très rentable. La manière précise dont votre organisation doit franchir ce grand pas dans l’univers de la GenAI nécessite une planification mûrement réfléchie. Peut-être serait-il […]