ORION Security obtient 32 millions de dollars pour redéfinir la prévention des pertes de données à l’ère de l’IA

ORION Security a clos un cycle de financement de série A de 32 millions de dollars, marquant une étape importante pour une entreprise qui vise à redéfinir la façon dont les entreprises protègent les données sensibles. Le cycle a été mené par Norwest, avec la participation d’IBM et d’investisseurs existants, notamment PICO Venture Partners et Lama Partners. Cette levée de fonds porte le financement total d’ORION à 38 millions de dollars, moins d’un an après son cycle de financement initial, ce qui témoigne d’un élan initial solide et d’une demande croissante pour une nouvelle approche de prévention des pertes de données.

ORION se positionne comme une alternative moderne aux outils traditionnels de prévention des pertes de données, que de nombreux équipes de sécurité considèrent comme obsolètes, bruyants et difficiles à gérer. Alors que les organisations luttent avec une utilisation croissante des logiciels SaaS, le travail à distance et les flux de travail alimentés par l’IA, l’entreprise soutient que la prévention des pertes de données basée sur les politiques a atteint ses limites.

Pourquoi la prévention traditionnelle des pertes de données échoue dans les entreprises

Pendant près de deux décennies, les produits de prévention des pertes de données (DLP) ont reposé sur des politiques écrites manuellement conçues pour bloquer ou signaler des comportements prédéfinis. Dans la pratique, ces systèmes génèrent d’énormes volumes de faux positifs et nécessitent une révision constante par les équipes de sécurité. Même avec une maintenance lourde, ils échouent souvent à détecter l’exfiltration réelle de données parce qu’ils sont limités à des modèles connus et à des règles statiques.

Ce problème est devenu plus aigu à mesure que les environnements d’entreprise sont devenus plus dynamiques. Les employés déplacent maintenant des informations sensibles à travers des applications cloud, des outils de collaboration, des API et des systèmes d’IA de manière difficile à modéliser avec des politiques rigides. En conséquence, les équipes de sécurité sont contraintes de choisir entre verrouiller les systèmes si étroitement que la productivité en souffre ou de desserrer les contrôles et d’accepter un risque accru.

ORION a été construit autour de l’idée que la faille fondamentale de la DLP n’est pas une mauvaise exécution, mais le modèle de politique lui-même.

Une approche autonome et contextuelle de la protection des données

Au lieu de s’appuyer sur des règles prédéfinies, ORION utilise des agents d’IA spécialisés pour comprendre le contexte complet derrière le déplacement des données et la raison pour laquelle elles sont déplacées. La plateforme évalue des facteurs tels que la sensibilité des données, l’identité de l’utilisateur, les modèles de comportement, la lignée des données et l’intention environnementale en temps réel.

Cette compréhension contextuelle permet à ORION de déterminer si une action représente un flux de travail légitime ou un risque réel. Au lieu d’inonder les équipes avec des alertes qui nécessitent une révision manuelle, le système est conçu pour empêcher de manière autonome l’exfiltration de données nuisible avant qu’elle ne se produise, tout en permettant aux activités commerciales normales de continuer sans interruption.

En se concentrant sur l’intention et le contexte plutôt que sur des règles statiques, ORION vise à réduire considérablement les faux positifs tout en identifiant les incidents que les outils DLP traditionnels manquent régulièrement. L’entreprise décrit cela comme un passage d’une application réactive à une prévention proactive.

Traction précoce dans les industries à enjeux élevés

Selon l’entreprise, ORION est déjà utilisé par des clients d’entreprise dans des secteurs tels que la finance, les soins de santé et la technologie. Ces industries sont soumises à une pression réglementaire intense et gèrent de grands volumes de données hautement sensibles, ce qui les amène à adopter plus tôt des modèles de sécurité plus avancés.

Le nouveau financement sera utilisé pour accélérer le développement de l’architecture propriétaire d’ORION, élargir son équipe d’ingénieurs en IA et en sécurité, et étendre les efforts de commercialisation pour répondre à la demande croissante des entreprises. La participation stratégique d’IBM suggère également de potentielles intégrations et partenariats d’entreprise à venir.

Le partenaire de Norwest, Dave Zilberman, a décrit ORION comme redéfinissant la façon dont les entreprises protègent les données, en soulignant que la protection autonome et contextuelle représente un changement structurel plutôt qu’une amélioration incrémentielle.

Construit par des vétérans de la sécurité et des produits

ORION a été fondé en 2024 par le PDG Nitay Milner et le CTO Jonathan Kreiner. Milner a précédemment occupé le poste de leader produit chez Epsagon, qui a été acquis par Cisco, tandis que Kreiner a dirigé les initiatives de sécurité d’application chez WalkMe. Leur expérience combinée dans l’observabilité, la sécurité d’application et les logiciels d’entreprise a façonné la focalisation d’ORION sur l’automatisation, la précision et la simplicité opérationnelle.

Dès le départ, l’entreprise a cherché à éliminer le besoin de réglage constant des politiques et d’intervention humaine. Cette philosophie de conception est reflétée dans une plateforme conçue pour fonctionner en continu en arrière-plan, s’adaptant aux comportements évolutifs sans nécessiter que les équipes de sécurité agissent comme rédacteurs de règles à plein temps.

Les implications plus larges pour la sécurité des données

L’approche d’ORION reflète un changement plus large qui se produit dans la sécurité d’entreprise, alors que les données deviennent plus fluides et plus difficiles à définir. Les informations sensibles se déplacent maintenant constamment à travers les plateformes cloud, les outils de collaboration, les API et les systèmes d’IA, souvent de manière imprévisible. Dans cet environnement, les modèles de sécurité basés sur des règles statiques et des hypothèses prédéfinies sont de plus en plus tendus.

Alors que l’IA est intégrée dans les flux de travail quotidiens, la protection des données se dirige vers des systèmes capables d’interpréter le contexte et l’intention plutôt que de simplement appliquer des politiques. Au lieu d’essayer de spécifier chaque action acceptable à l’avance, les plateformes de sécurité futures se concentreront probablement sur l’apprentissage du comportement normal et sur l’intervention lorsque l’activité s’écarte de manière significative de celui-ci. Cela reflète les transitions antérieures dans la cybersécurité, où la détection basée sur le comportement a remplacé les approches rigides et basées sur les signatures.

L’implication plus large est un changement dans la façon dont les équipes de sécurité opèrent. Moins de temps est consacré à la maintenance des règles et à la poursuite des alertes, et plus de temps est consacré à la supervision des systèmes automatisés et à la gestion du risque à un niveau plus élevé. Alors que ce modèle devient plus courant, la prévention des pertes de données peut évoluer d’un contrôle réactif en une couche continue et adaptative qui s’aligne mieux sur la façon dont les organisations modernes fonctionnent réellement.