DeepKeep ajoute des garde-fous d’exécution pour les agents de codage IA avec AI Lens for Developers

DeepKeep a introduit AI Lens for Developers, une couche de sécurité conçue pour offrir aux RSSI visibilité et contrôle de politique sur les agents de codage IA fonctionnant sur les machines des développeurs. Le produit étend les capacités existantes de DeepKeep en matière de contrôle d’utilisation de l’IA et de protection d’exécution aux outils tels que Cursor et Claude Code, avec prise en charge de GitHub Copilot, OpenAI Codex, Lovable, Windsurf et d’autres agents de codage prévus.

Le lancement répond à un problème de sécurité créé par l’autonomie croissante des outils de développement. Les agents de codage modernes peuvent inspecter et modifier des fichiers locaux, exécuter des commandes shell et invoquer des services externes via le Model Context Protocol (MCP). Ces autorisations rendent les outils utiles, mais elles permettent également à un agent d’exposer des identifiants, de modifier du code sensible ou d’interagir avec des systèmes en dehors des contrôles que les équipes de sécurité appliquent traditionnellement aux applications cloud.

Le résultat est un élargissement du fossé de visibilité. Une entreprise peut approuver un assistant de codage en tant que produit tout en disposant de peu de preuves sur ce qu’un agent individuel a fait au cours d’une session donnée. Comme l’a récemment exploré Unite.AI, les équipes de sécurité ont de plus en plus besoin de tracer les appels d’outils d’agent, l’exécution de commandes et les événements modifiant le système, et pas simplement de maintenir une liste de services IA approuvés.

Inspection des actions des agents avant et après l’exécution

AI Lens for Developers est conçu comme un plug-in léger plutôt que comme un agent complet de point d’extrémité. DeepKeep indique qu’il s’intègre au flux de travail de l’agent de codage pour inspecter les invites, les lectures de fichiers, les commandes shell et les appels d’outils MCP avant et après leur exécution. Chaque activité peut être acheminée via le système de politiques de l’entreprise pour une décision d’autorisation, de blocage ou d’audit.

La distinction entre la surveillance pré-exécution et post-exécution est importante. Une piste d’audit peut expliquer pourquoi un incident s’est produit, mais elle ne peut pas empêcher une commande destructive ni empêcher qu’un secret ne quitte l’environnement du développeur. DeepKeep positionne AI Lens à la fois comme un contrôle préventif et comme une source de preuves pour la réponse aux incidents et la conformité.

Le produit peut signaler les identifiants, les jetons d’accès et les mots de passe inclus dans les invites ou les fichiers joints. Il examine également le code généré par l’agent à la recherche de modèles non sécurisés, tels que des fonctions qui omettent l’authentification. Les commandes jugées destructrices peuvent être retenues pour une approbation humaine, tandis que les administrateurs peuvent créer des règles de mots‑clés personnalisées pour identifier les références à des dépôts sensibles, des sections de code ou des projets internes.

DeepKeep indique que chaque session génère un enregistrement d’audit détaillé pouvant inclure l’ID de l’appareil, le contenu de l’invite et l’ID de l’utilisateur. Cela offre aux équipes de sécurité un moyen de reconstituer l’activité d’un agent même si un développeur modifie une requête bloquée et la tente à nouveau.

Politique centrale pour l’IA destinée aux développeurs

Les administrateurs gèrent les règles via le Policy Hub de DeepKeep. Les politiques peuvent être appliquées par rôle ou à l’ensemble de l’organisation et peuvent couvrir des catégories telles que les informations personnellement identifiables, les identifiants et les commandes destructrices. Cette approche vise à permettre aux entreprises d’établir une posture de sécurité cohérente tout en laissant les équipes d’ingénierie continuer à utiliser les flux de travail de développement agentique.

L’accent du produit sur le MCP est particulièrement opportun. Le protocole offre aux applications d’IA une méthode standard pour se connecter aux outils et aux données d’entreprise, mais chaque serveur et chaque action invoquable peuvent élargir la surface d’attaque accessible à un agent. Le guide du Model Context Protocol de Unite.AI indique que les hôtes et serveurs MCP forment des frontières de sécurité distinctes, incluant l’exposition aux injections d’invite et aux sorties d’outils non fiables. La surveillance du modèle seule est donc insuffisante lorsque le modèle peut agir via d’autres systèmes.

Ofer Rotberg, vice‑président produit de DeepKeep, soutient que les agents de codage héritent d’un accès développeur exceptionnellement puissant tout en agissant avec une autonomie croissante. De son point de vue, les RSSI ont besoin d’une visibilité continue sur le comportement des agents et de la capacité d’arrêter les actions nuisibles en temps réel plutôt que d’attendre d’enquêter sur le prochain incident.

Fait partie d’une plateforme de sécurité IA plus large

AI Lens for Developers s’inscrit dans la plateforme de sécurité IA plus large de DeepKeep. L’entreprise propose également un AI Firewall, du red teaming IA automatisé et guidé par l’humain, des contrôles d’utilisation de l’IA, ainsi que la détection d’agents et de modèles. DeepKeep indique que ses contrôles peuvent être appliqués à l’ensemble du cycle de vie de l’IA, du développement et des tests à l’utilisation en production des applications et des agents.

L’entreprise a été fondée en 2021 et décrit sa plateforme comme étant indépendante du modèle, avec prise en charge du déploiement en SaaS, cloud privé, sur site et dans des environnements isolés. Son argumentaire plus large est que les entreprises ont besoin d’un langage de politiques commun pour les modèles, les applications, les employés et les agents autonomes, plutôt que de contrôles séparés pour chaque outil d’IA.

Pour les RSSI, les agents destinés aux développeurs deviennent un test urgent de cette idée. La sécurité des applications traditionnelle se concentre fortement sur le code qui atteint la production. Les agents de codage ajoutent une couche de risque supplémentaire : le processus qui lit le dépôt, crée le code et exécute les commandes peut lui‑même être autonome. Des produits tels qu’AI Lens tentent de rendre ce processus observable et applicable sans supprimer les gains de rapidité qui ont poussé les développeurs à adopter les agents dès le départ.