Résistez aux hackeursOrganisme de formation certifié Qualiopi
Programme détaillé IA · 26/10/2026
L'IA que vous déployez peut être attaquée.
Vous intégrez de l'IA dans vos produits, ou vos équipes s'en servent déjà tous les jours ? Vous attaquez ces systèmes vous-même - assistants, moteurs de recherche internes, agents qui ont accès à vos outils - puis vous apprenez à les refermer.
Durée
3 jours
Tarif inter
2 250 € HT
Intra
dès 1 500 € HT/jour
Niveau
Avancé
À l'issue de la formation
Déployer un environnement d'IA local, souverain et reproductible pour auditer sans dépendance cloud
Identifier et exploiter les vulnérabilités des LLM, des architectures RAG, des agents et des déploiements MCP
Conduire un audit de sécurité d'agents IA et de serveurs MCP, de la cartographie de surface à l'impact métier
Durcir un déploiement IA : validation entrée/sortie, guardrails, gateway de contrôle, sandboxing, moindre privilège
Mettre en place l'observabilité et la détection des abus d'agents et d'appels de tools anormaux
Cadrer le risque IA d'une organisation et le périmètre d'une prestation AI red team selon les référentiels OWASP
Pour qui
Architectes et développeurs déployant des systèmes IA (RAG, agents, MCP)
Ingénieurs AppSec et auditeurs intégrant l'IA à leur périmètre de test
RSSI techniques souhaitant cadrer le risque IA avec une vraie compréhension du terrain
Pentesters et red teamers qui veulent ajouter la surface IA à leur arsenal
PrérequisBases en Python (fichiers, API REST, subprocess), Linux et Docker. Une première expérience en sécurité ou en développement applicatif est utile. Aucune connaissance préalable en IA ou en machine learning n'est requise.
Déroulé
Jour 1
Fondations et premières attaques sur les LLM
Panorama de la nouvelle surface : chatbots, RAG, agents, MCP, code généré par IA
Limites fondamentales des LLM : tokens, fenêtre de contexte, prompt système, hallucinations
Laboratoire local et souverain : Ollama, modèles open source, modèle custom, mode air-gap
OWASP Top 10 LLM 2025 et risques Agentic AI
Prompt injection directe et indirecte, extraction de prompt système : role-play, encodage, multi-tour, crescendo
TP : attaque d'un chatbot à quatre niveaux de protection croissante, puis durcissement du même chatbot
Jour 2
RAG et agents : exploiter puis durcir
Architecture RAG : embedding, base vectorielle, recherche de similarité
Quatre surfaces RAG : poisoning, extraction, injection indirecte, manipulation de recherche
Anatomie d'un agent : LLM, tools, mémoire, planificateur - la différence entre répondre et agir