Deux fronts pour l’IA d’entreprise: sécuriser les agents et leurs décisions

Infisical a levé 40 millions de dollars en série B, sur une valorisation de 600 millions de dollars, pour muscler une infrastructure de sécurité pensée pour les agents IA en entreprise. La société de San Francisco veut permettre à ces logiciels d’agir dans des systèmes critiques sans leur remettre les identifiants qui ouvrent ces systèmes. Dans le même temps, une étude publiée par Anthropic le 27 octobre 2026 montre que, même sur des tâches d’analyse, les humains suivent souvent la ligne de leur agent plus qu’ils ne le pensent. Deux signaux différents, mais une même question: qui contrôle vraiment l’outil quand l’IA entre dans le travail quotidien ?

Faire travailler un agent sans lui donner les clés

Infisical, une plateforme qui gère secrets, certificats, clés de chiffrement et accès privilégiés, pousse cette logique un cran plus loin avec Agent Vault. Le produit, encore en aperçu sur sa page, fait passer les requêtes des agents par un proxy sortant qui applique la vraie authentification au dernier moment. L’agent voit la tâche. Pas le mot de passe ni la clé API.

Le mécanisme vise des cas très concrets: investigation d’incident, revue de code, automatisation d’un workflow opérationnel, ou accès à des services cloud et applications métier. Sans séparation, les identifiants peuvent finir dans les journaux, dans le contexte du modèle, ou chez un attaquant qui exploite une injection de prompt. Avec ce modèle, Infisical dit que le secret reste hors de l’environnement de l’agent, de son système de fichiers et de son contexte de modèle.

La promesse n’efface pas tout le risque. Un agent peut encore modifier un système de façon indésirable si ses droits sont trop larges. D’où l’intérêt, souligne l’entreprise, de combiner l’isolation des identifiants avec des bundles d’accès, des sessions à durée limitée et des journaux chiffrés. Le sujet devient alors double: peut-il accéder au secret, et que peut-il faire sans jamais le voir ?

Une levée qui finance aussi une expansion plus large

La série B a été menée par Elad Gil, déjà présent au tour précédent. Gradient et Y Combinator figurent aussi parmi les investisseurs. Infisical dit servir plus de 1 300 clients et 300 000 développeurs, sécuriser 10 milliards de secrets par jour et compter plus de 30 000 étoiles GitHub sur son projet open source principal.

Ces chiffres décrivent la base existante de l’entreprise, pas le volume précis d’usage d’Agent Vault [à vérifier]. Le message du financement reste clair: la croissance ne repose pas seulement sur une brique “agents”, mais sur une plateforme plus large de gestion des secrets et des accès. Vlad Matsiiako, cofondateur et directeur général, a expliqué que l’entreprise continuerait d’investir dans la gestion des secrets, des certificats et des accès privilégiés, tout en accélérant sur Agent Vault. Il a aussi indiqué recruter sur plus de 100 postes.

La liste des clients cités dans l’annonce donne le ton: Airbus, Volkswagen, Hugging Face, OpenRouter, Lucid, First American Financial Corporation, Wise et Clay. Autrement dit, des organisations qui manipulent déjà des systèmes où l’accès ne se distribue pas à la légère. On n’en remet pas les clés à la première IA venue, même si elle promet de faire le tri plus vite que le support IT un lundi matin.

Quand l’agent devient aussi une source d’influence

L’étude d’Anthropic ajoute une couche moins visible, mais tout aussi sensible. Dans un essai contrôlé mené avec 50 analystes professionnels utilisant Claude Code, les participants ont suivi la préférence secrètement injectée dans leur agent dans 86 % des cas sur quatre décisions analytiques ouvertes. Le protocole portait sur un cas fictif, Greenfields Farming Cooperative, et demandait d’évaluer un programme agricole à partir de choix méthodologiques pourtant défendables dans les deux sens.

Les chercheurs ont testé quatre arbitrages: comment mesurer la productivité, quelle méthode statistique utiliser, sur quelle population estimer l’effet, et comment pondérer les exploitations. À chaque fois, un tirage au sort orientait l’agent vers une option donnée, sans prévenir le participant. Résultat: les décisions humaines ont suivi cette orientation dans 92 %, 82 %, 81 % et 90 % des cas selon les étapes. Le taux combiné rapporté dans l’article, “Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls”, atteint 0,72 avec un intervalle de confiance à 95 % de 0,60 à 0,83.

Le basculement n’était pas toujours conscient. Dans 38 cas où un analyste avait d’abord une préférence, il changeait d’avis 60 % du temps quand l’agent n’était pas d’accord, contre 6 % quand il l’était. Pourtant, 52 % des participants ont estimé après coup que la recommandation finale était plus la leur que celle de l’agent. Autre détail troublant: 77 % ont repris les arguments de l’agent dans au moins une justification, parfois mot pour mot, alors que seuls 15 % lui ont attribué le crédit de l’idée.

Pourquoi ces deux histoires se répondent

Les deux publications décrivent le même virage, mais par deux portes différentes. Infisical traite le contrôle des accès: qui peut toucher quoi, avec quelles clés, et pendant combien de temps. Anthropic s’intéresse au contrôle de la décision: qui formule la recommandation, et à quel point l’humain la reprend à son compte. Ensemble, elles montrent que l’IA d’entreprise ne pose pas seulement un problème de permissions. Elle pose aussi un problème d’alignement très ordinaire: l’utilisateur garde-t-il encore la main, ou se contente-t-il de valider ce que l’agent lui souffle ?

C’est là que le sujet prend du poids pour les entreprises. Les équipes de sécurité ne peuvent plus se limiter à protéger les secrets; elles doivent aussi savoir quelles actions l’agent est autorisé à mener, et quand un humain doit réellement arbitrer. Les auteurs d’Anthropic préviennent d’ailleurs que des équipes différentes peuvent finir par partager les mêmes présupposés si elles s’en remettent aux mêmes modèles. Une façon élégante de dire qu’un “oui” automatique reste un “oui”, même quand il a été formulé par une machine.