<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Securite on EloNeva</title><link>https://eloneva.com/tags/securite/</link><description>Recent content in Securite on EloNeva</description><generator>Hugo</generator><language>fr</language><managingEditor>contact@eloneva.com (EloNeva)</managingEditor><webMaster>contact@eloneva.com (EloNeva)</webMaster><lastBuildDate>Mon, 18 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://eloneva.com/tags/securite/rss.xml" rel="self" type="application/rss+xml"/><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>