<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Deepset on EloNeva</title><link>https://eloneva.com/tags/deepset/</link><description>Recent content in Deepset on EloNeva</description><generator>Hugo</generator><language>fr</language><managingEditor>contact@eloneva.com (EloNeva)</managingEditor><webMaster>contact@eloneva.com (EloNeva)</webMaster><lastBuildDate>Mon, 11 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://eloneva.com/tags/deepset/rss.xml" rel="self" type="application/rss+xml"/><item><title>WinDev 2026 Chat IA : protéger ses prompts des injections</title><link>https://eloneva.com/blog/windev-2026-securiser-chat-ai-prompt-injection/</link><pubDate>Mon, 11 May 2026 00:00:00 +0000</pubDate><author>contact@eloneva.com (EloNeva)</author><guid>https://eloneva.com/blog/windev-2026-securiser-chat-ai-prompt-injection/</guid><description>&lt;p&gt;WinDev 2026 introduit le champ Chat IA, un contrôle natif pour intégrer un LLM dans une application métier. Sans filtrage, n&amp;rsquo;importe quel utilisateur peut contourner le system prompt via une injection de prompt. Cet article implémente deux niveaux de protection en WLangage : un filtre regex rapide (moins de 1 ms, sans API externe), puis le classificateur ML deepset/deberta-v3-prompt-injection via l&amp;rsquo;API HuggingFace Inference (92%+ de détection). La stratégie combinée cascade regex puis ML donne la meilleure couverture pour un coût réseau minimal.&lt;/p&gt;</description></item></channel></rss>