Together AI : un agent IA a publié par erreur une clé d'accès sur GitHub, et un tiers a téléchargé des prompts
Un agent IA de programmation a publié par erreur sur GitHub public une clé d'accès à un stockage privé de Together AI, et un tiers a pu télécharger depuis ce stockage des prompts de test de clients collectés en juin et juillet 2026. C'est comme laisser la clé d'un coffre-fort dans une boîte aux lettres ouverte : un scanner a repéré la clé et le commit a été annulé, mais la fenêtre d'exposition a suffi. Si vous envoyez des données sensibles via l'API, activez le ZDR, un mode où les requêtes ne sont pas conservées, et n'insérez jamais de mots de passe dans vos prompts.
Traité par IA depuis Together AI Blog ; édité par Hamidun News
Imaginez avoir laissé la clé de votre coffre-fort dans une boîte aux lettres ouverte. C'est exactement ce qu'a fait, sous forme numérique, un agent IA de programmation chez Together AI, une plateforme qui fait tourner des modèles ouverts dans le cloud. L'agent a publié dans un dépôt GitHub public (on parle de « commit ») une clé de service donnant accès à un stockage privé sur Hugging Face.
Ce stockage contenait des échantillons de prompts de clients de juin et juillet 2026. Pendant que la clé était visible, un tiers a pu s'en servir pour télécharger ces échantillons. Pour toute équipe qui confie des dépôts à des agents de programmation et envoie des données réelles à des API externes, c'est presque un cas d'école.
Ce qui s'est passé
Tout a commencé par une routine. Pour tester ses logiciels, Together AI rassemblait des échantillons de prompts dont l'utilisation à cette fin était autorisée, et les conservait dans un dépôt privé sur Hugging Face. Les échantillons provenaient de requêtes adressées aux modèles MiniMax M3, GLM-5.2 et Kimi K2.6 via le service serverless, c'est-à-dire un mode où le client envoie simplement ses requêtes par API tandis que l'entreprise gère l'infrastructure. Les principales dates de requêtes sont les 24 juin, 4, 8 et 14 juillet 2026.
Ensuite, lors du développement du dépôt public xorl sur GitHub, un agent de programmation a commité des identifiants donnant accès à ce même stockage privé. Un scanner automatique a détecté la clé, et le commit a été annulé. Mais pendant que la clé était accessible, un tiers en a profité pour télécharger les échantillons enregistrés.
Il a ensuite suivi un scénario bien connu : il a parcouru les données à la recherche de mots de passe et de clés d'autres services, et vérifié si elles fonctionnaient. Cinq comptes vérifiés se sont révélés être des « canaris », des leurres issus d'une expérience de sécurité de l'entreprise Dragos. Ces clés ne donnent accès à rien de valable, mais signalent leur utilisation.
Ce que l'on sait de l'ampleur
Together AI a fait appel à un cabinet d'expertise judiciaire externe et aux autorités. Selon l'entreprise, aucune autre fuite de prompts que celle-ci n'a été détectée. Elle ne voit pas de raison de penser que l'auteur ait transmis les données à des tiers, et considère que celles-ci ont déjà été supprimées.
Une réserve importante demeure : la vérification du contenu des prompts concernés se poursuit. On ignore pour l'instant si les échantillons contenaient des données personnelles ou d'autres informations de clients. L'entreprise promet de prévenir directement les personnes concernées. Elle a déjà présenté ses excuses.
Ce que l'entreprise a changé
Together AI annonce quatre mesures :
- des clés à droits limités ou à durée de vie courte, et, lorsque c'est possible, un accès sans clé du tout ;
- une vérification de tous les pull requests à la recherche de secrets ;
- le ZDR (zero data retention, conservation nulle des données) par défaut pour les nouveaux comptes : les requêtes des clients ne sont pas conservées ;
- des règles mises à jour pour l'utilisation des agents IA de programmation.
Ce dernier point est le plus révélateur. Un agent à qui l'on donne accès à un dépôt ne distingue pas un fichier de configuration d'un secret, à moins d'être prévenu et protégé. Le scanner a bien fonctionné, mais la fenêtre d'exposition est restée suffisante.
Ce que doivent faire les développeurs
Premièrement : si vous envoyez des données sensibles via l'API, activez le ZDR dans les paramètres de votre compte. Il est activé par défaut pour les nouveaux comptes, mais il faut l'activer manuellement sur les anciens. Lorsque les requêtes ne sont pas conservées, il n'y a rien à voler dans un stockage.
Deuxièmement : n'insérez pas de vrais mots de passe, jetons ou clés dans vos prompts. La première chose que fait un attaquant avec une archive de prompts volée, c'est y chercher des secrets donnant accès à d'autres services. Tout ce qui a un jour été envoyé dans une requête peut se retrouver dans des journaux auxquels on n'a pas accès.
Troisièmement : revoyez les processus autour des agents de programmation. Utilisez des clés à courte durée de vie et à portée restreinte. Activez la détection de secrets au niveau des commits et des pull requests, et pas seulement après publication. Protégez les échantillons de requêtes réelles d'utilisateurs aussi strictement qu'une base de production.
Les résultats de la vérification du contenu des prompts sont encore attendus, et le nombre de clients qui recevront une notification directe reste inconnu. Mais la leçon pour le secteur est déjà claire : le maillon faible n'était pas le modèle, mais la chaîne de développement habituelle, accélérée par l'automatisation.
- 22 nov. 2026Un agent de Microsoft a écrit à la main les poids d'un réseau de neurones et atteint 100 % de précision sur 13 tâches
- 22 nov. 2026Les agents écrivent du code fonctionnel dans 95 % des tâches, mais laissent une faille dans la plupart d'entre elles
- 22 nov. 2026Inworld publie en open source Voice Isolator : un modèle qui nettoie la voix du bruit en temps réel
- 22 nov. 2026Le projet personnel de LangChain est devenu une start-up valorisée 3 milliards de dollars en quatre ans et a levé 300 millions
Questions clés sur cet article
Que sait-on sur Ce qui s'est passé ?
Tout a commencé par une routine. Pour tester ses logiciels, Together AI rassemblait des échantillons de prompts dont l'utilisation à cette fin était autorisée, et les conservait dans un dépôt privé sur Hugging Face. Les échantillons provenaient de requêtes adressées aux modèles MiniMax M3, GLM-5.2 et Kimi K2.6 via le service serverless, c'est-à-dire un mode où le client envoie simplement ses requêtes par API tandis que l'entreprise gère l'infrastructure.
Que sait-on sur Ce que l'on sait de l'ampleur ?
Together AI a fait appel à un cabinet d'expertise judiciaire externe et aux autorités. Selon l'entreprise, aucune autre fuite de prompts que celle-ci n'a été détectée. Elle ne voit pas de raison de penser que l'auteur ait transmis les données à des tiers, et considère que celles-ci ont déjà été supprimées. Une réserve importante demeure : la vérification du contenu des prompts concernés se poursuit.
Que sait-on sur Ce que l'entreprise a changé ?
Together AI annonce quatre mesures : des clés à droits limités ou à durée de vie courte, et, lorsque c'est possible, un accès sans clé du tout ; une vérification de tous les pull requests à la recherche de secrets ; le ZDR (zero data retention, conservation nulle des données) par défaut pour les nouveaux comptes : les requêtes des clients ne sont pas conservées ; des règles mises à jour pour l'utilisation des agents IA de programmation. Ce dernier point est le plus révélateur.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.