<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Owasp-Llm on EloNeva</title><link>https://eloneva.com/tags/owasp-llm/</link><description>Recent content in Owasp-Llm on EloNeva</description><generator>Hugo</generator><language>fr</language><managingEditor>contact@eloneva.com (EloNeva)</managingEditor><webMaster>contact@eloneva.com (EloNeva)</webMaster><lastBuildDate>Mon, 25 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://eloneva.com/tags/owasp-llm/rss.xml" rel="self" type="application/rss+xml"/><item><title>WinDev 2026 Chat IA : OWASP LLM05 et sorties non validées</title><link>https://eloneva.com/blog/windev-2026-chat-ai-llm05-gestion-sorties/</link><pubDate>Mon, 25 May 2026 00:00:00 +0000</pubDate><author>contact@eloneva.com (EloNeva)</author><guid>https://eloneva.com/blog/windev-2026-chat-ai-llm05-gestion-sorties/</guid><description>&lt;p&gt;LLM05 est le risque de gestion incorrecte des sorties LLM, classé dans l&amp;rsquo;OWASP Top 10 LLM 2025. Dans WinDev 2026, trois vecteurs sont concrets : injection SQL si la sortie Chat IA alimente une requête HFSQL sans paramétrage, XSS si la sortie est rendue en HTML brut dans WebDev, exécution arbitraire si la sortie pilote un dispatch de procédures WLangage. Le remède n&amp;rsquo;est pas complexe, mais il doit être systématique.&lt;/p&gt;</description></item><item><title>Chat AI WinDev 2026 : prévenir la fuite de données sensibles</title><link>https://eloneva.com/blog/windev-2026-chat-ai-sensitive-information-disclosure/</link><pubDate>Mon, 18 May 2026 00:00:00 +0000</pubDate><author>contact@eloneva.com (EloNeva)</author><guid>https://eloneva.com/blog/windev-2026-chat-ai-sensitive-information-disclosure/</guid><description>&lt;p&gt;Ce guide couvre le risque OWASP LLM02 (Sensitive Information Disclosure) dans le champ Chat IA de WinDev 2026. Il montre comment sécuriser le system prompt, filtrer les réponses du modèle en WLangage avant affichage, et isoler les données HFSQL Client/Serveur via une vue dédiée. Les exemples sont testés avec WinDev 2026, OpenAI gpt-4o et Azure OpenAI. Le risque LLM02 est distinct de la prompt injection (LLM01) : ce n&amp;rsquo;est pas une attaque sur le modèle, c&amp;rsquo;est une fuite par le modèle.&lt;/p&gt;</description></item></channel></rss>