<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Securite-Ia on EloNeva</title><link>https://eloneva.com/tags/securite-ia/</link><description>Recent content in Securite-Ia 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/securite-ia/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>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>