IBM dote Granite d’un format LLMON pour mieux séparer instructions et données
IBM lance deux versions de test de Granite 4.1, en 3B et 8B, entraînées avec LLMON, un format qui distingue explicitement consignes et données. L’objectif: réduire les injections de prompts cachées dans les documents ou outils.
IBM a présenté le 12 novembre 2026 deux modèles expérimentaux, Granite-4.1-3B-LLMON-preview et Granite-4.1-8B-LLMON-preview, entraînés pour distinguer nettement les instructions fiables des données non fiables. Le projet s’appuie sur LLMON, un format de balisage pensé pour les modèles de langage, afin de limiter les attaques par prompt injection indirecte. Le sujet compte surtout pour les usages avec recherche documentaire, outils externes et agents, là où une consigne cachée peut facilement se glisser dans le contexte. IBM prévient toutefois qu’il s’agit d’aperçus, destinés à l’évaluation et non à la production.
Quand le contexte devient trop chargé pour le modèle
Les grands modèles de langage ne lisent pas seulement une question: ils avalent aussi des messages système, des échanges passés, des documents récupérés, des réponses d’outils et des consignes de sécurité. À mesure que ce contexte grossit, la structure devient floue, surtout quand tout est mélangé dans une chaîne de texte classique. C’est précisément là que les petits modèles ou les architectures moins robustes déraillent plus vite. Et c’est aussi là que les attaques par injection de prompt trouvent leur place, souvent cachées dans un document ou une réponse d’outil.
LLMON, pour LLM Object Notation, propose une autre logique: chaque bloc — instruction, donnée, exigence, réponse — est explicitement identifié et relié à son rôle. IBM décrit ce format comme un langage de balisage natif pour les modèles de langage, avec des délimiteurs réservés et des identifiants qui permettent de pointer une consigne précise. En clair, le modèle n’a plus à deviner ce qui relève du commandement et ce qui relève du matériau à lire.
Un rempart contre les instructions cachées, mais pas une armure
Sur le benchmark OPI, qui place l’injection dans les données de tâches NLP classiques, IBM dit avoir observé une nette baisse du taux de réussite des attaques. La version LLMON élimine pratiquement le problème sur ce test, avec une robustesse mesurée comme 1 moins le taux de succès de l’attaque; la société affirme aussi que les modèles évitent 47% d’attaques de plus que le meilleur modèle de pointe testé, et 95% de plus que le meilleur modèle open source [à vérifier selon les comparaisons exactes retenues]. Les résultats annoncés couvrent aussi ASB et StruQ, avec la même tendance. Le point important: il s’agit d’attaques statiques, pas d’attaques adaptatives qui se déploient sur plusieurs tours.
IBM insiste par ailleurs sur un autre effet utile: les instructions non liées à l’exécution ne sont plus aspirées par l’answer engine juste parce qu’elles traînent dans le contexte. Autrement dit, chaque consigne est rattachée à des données précises, ce qui limite les confusions entre vieux échanges, passages hors sujet et sorties d’outils. C’est une bonne nouvelle pour les workflows RAG et les agents, où la tentation de tout faire entrer dans une seule soupe textuelle reste forte. Le format n’a rien d’une baguette magique, mais il ajoute une barrière structurelle là où beaucoup de systèmes comptent encore surtout sur des garde-fous comportementaux.
Une intégration pensée pour les développeurs, pas pour les amateurs de gymnastique verbale
Les modèles de test sont dérivés de Granite 4.1 et ont été fine-tunés à partir des checkpoints de base, pas des versions Instruct déjà publiées. IBM indique qu’ils peuvent être utilisés avec la même liste de messages qu’un modèle de chat standard; la template fournie se charge de transformer cette structure en blocs LLMON. Les équipes n’ont donc pas à réécrire toute leur pile, et peuvent aussi convertir du JSON existant vers LLMON sans perte, puis revenir en arrière si besoin.
Le dépôt GitHub associé fournit des outils de conversion, des exemples de workflows et des notebooks. Une démonstration d’attention est aussi proposée pour visualiser comment le modèle répartit son attention entre instructions, données et blocs non liés. IBM cite enfin Mellea, une bibliothèque qui “LLMONize” automatiquement les appels au modèle. Traduction pratique: le balisage reste en coulisses pour la plupart des développeurs, ce qui évite d’ajouter une couche de complexité visible à chaque requête. Le genre de détail qui fait sourire les équipes produit quand elles voient disparaître trois tickets de debug à la fois.
Ce que montrent les chiffres d’IBM
Les résultats publiés dessinent surtout un compromis entre sécurité structurée et performances générales. IBM affirme que les deux versions restent au niveau des modèles Granite 4.1 Instruct sur les benchmarks standards, avec quelques écarts selon les tâches: le modèle 8B passe devant sur BigCodeBench, mais reste derrière sur GPQA et DeepMind Math dans les chiffres cités par la note source. Le message est clair: LLMON n’est pas présenté comme une amélioration uniforme, mais comme une manière de réorganiser le comportement du modèle autour d’un principe de priorité explicite.
IBM précise aussi que la règle de privilège observée est apprise, pas imposée par une barrière dure. C’est un point de méthode important pour les équipes qui voudraient l’utiliser dans des environnements sensibles: le système réduit le risque, mais ne doit pas être la seule défense. Les modèles sont sous licence Apache 2.0 et annoncés comme expérimentaux. Pour le moment, le bon usage consiste surtout à tester, mesurer et voir ce que le format change dans des chaînes où la frontière entre données et ordres restait jusque-là trop poreuse.
Points clés
- Publié le 12 novembre 2026 par IBM Granite.
- Deux previews: Granite-4.1-3B-LLMON-preview et 8B.
- OPI mesure la robustesse contre les injections indirectes.
- IBM annonce 47% d’attaques évitées en plus que le meilleur frontier model.
- Les modèles restent expérimentaux, pas destinés à la production.
- Mellea rend LLMON utilisable sans changer le flux de chat.
En chiffres
- 2 modèles — previews publiées par IBM le 12 novembre 2026.
- 3B et 8B — tailles des deux variantes Granite 4.1 LLMON.
- 47% — attaques évitées en plus que le meilleur modèle de pointe testé, selon IBM.
- 95% — attaques évitées en plus que le meilleur modèle open source testé, selon IBM.
- 1 000 paires — préférences utilisées pour la phase finale de DPO, selon IBM.