Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarAWS Machine Learning Blog→ original

Skyflow dans AgentCore Gateway : masquer les données personnelles aux outils des agents IA

Quand un agent IA cherche sur le web des informations sur un litige impliquant un client de banque, le nom du client part dans la requête envoyée à un moteur de recherche tiers. Skyflow s'intègre à Amazon Bedrock AgentCore Gateway et remplace ce nom par un jeton réversible du type [NAME_AJbrIud]. Le moteur de recherche voit le jeton, tandis que l'analyste retrouve le vrai nom dans la réponse de l'agent. Il n'y a pas besoin de modifier le code des agents ni des outils : mieux vaut donc installer la protection une seule fois, sur la passerelle.

Traité par IA depuis AWS Machine Learning Blog ; édité par Hamidun News
Skyflow dans AgentCore Gateway : masquer les données personnelles aux outils des agents IA
Source : AWS Machine Learning Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireAWS Machine Learning Blog ↗
Rédacteur en chef
Trois modesprotection de l'outil, du modèle et du document
Chiffre clé #2Si la désidentification échoue, l'appel est bloqué et non envoyé en clair
Chiffre clé #3Les PDF et les images ne reçoivent que des jetons irréversibles

Les agents ne se contentent plus depuis longtemps de répondre à des questions : ils interrogent des moteurs de recherche, des CRM, des stockages cloud et des serveurs MCP. Chacun de ces appels est un canal par lequel des données personnelles peuvent fuiter. La plupart des protections en entreprise surveillent ce qui entre dans le modèle et ce qui en sort, mais accordent rarement de l'attention à ce que l'agent envoie aux outils et à ce qu'il en reçoit. AWS et Skyflow proposent de combler cette faille en un seul point : la passerelle Amazon Bedrock AgentCore Gateway.

Où les données fuitent exactement

AWS décrit trois scénarios. Premier cas : le modèle construit les arguments d'un appel à partir de tout son contexte, y compris les éléments superflus. Si vous interrogez l'agent sur un client, son nom, son numéro de compte ou son adresse e-mail partent dans une requête vers un serveur tiers, hors de votre compte et hors de votre périmètre de conformité.

Deuxième cas : les résultats des outils, par exemple des pages scrapées ou des fiches de CRM, se retrouvent dans le contexte du modèle, dans la mémoire, dans les traces et dans les logs, même si la tâche n'en avait pas besoin. Troisième cas : les documents. Des stockages comme S3, Box et Google Drive ne renvoient pas du texte, mais un lien signé.

Un filtre qui inspecte les chaînes de caractères n'y voit qu'une simple URL, la laisse passer, et l'agent ouvre le fichier d'origine.

L'exemple de l'article met en scène l'agent d'une banque qui instruit une opération par carte contestée. Sans protection, le moteur de recherche reçoit la requête « Mateo Jackson dispute AnyCompany Electronics London » : le nom du client est donc transmis à un tiers pour une recherche qui n'a besoin que du nom du commerçant. Avec l'intercepteur, la requête devient « [NAME_AJbrIud] dispute AnyCompany Electronics London ». Les résultats de recherche arrivent inchangés, le moteur ignore de qui il s'agit, et l'analyste voit malgré tout le vrai nom dans la réponse de l'agent.

Comment fonctionne l'intercepteur

AgentCore Gateway permet de brancher sa propre fonction Lambda sur chaque appel : l'intercepteur de requête voit l'appel avant l'outil, l'intercepteur de réponse voit le résultat avant l'agent. L'un comme l'autre peut vérifier, réécrire ou bloquer le contenu. Skyflow se place aux deux points et, via Skyflow Detect, repère les noms, e-mails, numéros de téléphone, identifiants officiels, numéros de carte, dates de naissance et adresses. Les valeurs d'origine sont stockées dans Skyflow Vault, afin que les systèmes autorisés puissent reconvertir les jetons.

Il existe trois modes. « Protéger l'outil » : les valeurs sensibles sont retirées des arguments et réinjectées dans les résultats ; ce mode convient à la recherche web et aux API tierces. « Protéger le modèle » : les prompts, l'historique et les résultats sont désidentifiés avant que le modèle ne les lise ; pour cela, l'agent fait passer ses appels au modèle par l'endpoint d'inférence de la passerelle.

« Protéger le document » : le lien signé est remplacé par un lien vers une copie nettoyée, que Skyflow Detect v2 produit et stocke dans une région autorisée. Le fichier lui-même ne transite pas par la Lambda, si bien que les limites de taille de payload ne posent pas problème.

La politique, définie au niveau du serveur et de l'outil (sens de l'échange, types d'entités, type de jeton, réversible ou à usage unique), se trouve dans Parameter Store et se modifie sans redéploiement. La clé d'API est conservée dans Secrets Manager, et les décisions sont écrites dans CloudWatch sans les valeurs d'origine. Si la désidentification ne peut pas être menée à terme, l'appel est retenu et non envoyé en clair. Les fichiers ne sont récupérés que depuis des emplacements autorisés.

Limites et marche à suivre

Quelques nuances s'imposent. Les formats texte et bureautiques (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) conservent des jetons réversibles, tandis que les PDF et les images sont intégralement nettoyés, mais leurs jetons sont irréversibles. Le traitement des chaînes de caractères est en disponibilité générale, alors que la désidentification de documents sur Skyflow Detect v2 reste en préversion : mieux vaut donc mesurer les latences sur vos propres données et dans votre région.

Le temps de traitement augmente avec la taille du fichier, il est donc préférable de fixer une limite de taille adaptée à vos documents réels. Enfin, il s'agit d'une solution d'éditeur : Skyflow se vend via AWS Marketplace, même si le code de l'intercepteur est ouvert sous licence MIT dans le dépôt agentcore-skyflow.

Le conseil pratique des auteurs est simple : choisissez un scénario d'agent qui manipule des données clients et appelle au moins un outil externe, dressez la liste des types de données qui ne doivent pas sortir, puis branchez l'intercepteur sur sa passerelle. Commencez par le mode dédié aux outils, ajoutez ensuite les documents et le modèle, et observez pendant une semaine les métriques CloudWatch avant d'étendre le déploiement. Pour les équipes qui ont déjà plusieurs agents sur différents frameworks, l'intérêt tient à ce que la règle s'installe une seule fois, au lieu d'être codée en dur dans chaque agent.

Dossier

Questions clés sur cet article

Que sait-on sur Où les données fuitent exactement ?

AWS décrit trois scénarios. Premier cas : le modèle construit les arguments d'un appel à partir de tout son contexte, y compris les éléments superflus. Si vous interrogez l'agent sur un client, son nom, son numéro de compte ou son adresse e-mail partent dans une requête vers un serveur tiers, hors de votre compte et hors de votre périmètre de conformité.

Comment fonctionne l'intercepteur?

AgentCore Gateway permet de brancher sa propre fonction Lambda sur chaque appel : l'intercepteur de requête voit l'appel avant l'outil, l'intercepteur de réponse voit le résultat avant l'agent. L'un comme l'autre peut vérifier, réécrire ou bloquer le contenu. Skyflow se place aux deux points et, via Skyflow Detect, repère les noms, e-mails, numéros de téléphone, identifiants officiels, numéros de carte, dates de naissance et adresses.

Que sait-on sur Limites et marche à suivre ?

Quelques nuances s'imposent. Les formats texte et bureautiques (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) conservent des jetons réversibles, tandis que les PDF et les images sont intégralement nettoyés, mais leurs jetons sont irréversibles. Le traitement des chaînes de caractères est en disponibilité générale, alors que la désidentification de documents sur Skyflow Detect v2 reste en préversion : mieux vaut donc mesurer les latences sur vos propres données et dans votre région.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…