Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Alors que des agents IA obtiennent des accès critiques et peuvent valider des paiements sans intervention humaine, Aurel avance un pare-feu centré sur l’intention de l’agent. Incubée à Station F, la startup prépare une expansion internationale, des discussions commerciales aux États-Unis et une levée de 100 000 à 200 000 euros pour muscler sa R&D.
Station F, régulateurs et premiers contrats américains en ligne de mire
Aurel a récemment intégré Station F à Paris et travaille à renforcer ses liens avec des agences de régulation bancaire comme l’ACPR. L’entreprise ambitionne de se développer à l’international et a déjà initié ses premiers contacts commerciaux aux États-Unis. Bien que le secteur financier constitue l’exemple le plus sensible en raison de la rapidité d’exécution des transactions, la technologie développée par Aurel est conçue pour couvrir toutes les missions attribuées aux assistants virtuels. Créée par deux cofondateurs – Samy Nettour, chargé de la stratégie et des relations institutionnelles, et un directeur technique responsable du développement –, la start-up entend présenter son pare-feu comme une solution d’intérêt général face aux excès de l’automatisation. Elle cherche à lever entre 100 000 et 200 000 euros pour renforcer ses équipes de recherche et développement avec des ingénieurs spécialisés en IA.
Un filtrage en trois couches pour stopper les décisions risquées
Aurel a conçu un dispositif qui s’interpose entre le modèle d’IA et l’exécution finale d’une tâche, présenté comme un pare-feu dédié à l’intention de l’agent. La première couche applique des règles strictes, comme le blocage des dépassements de plafonds financiers ou des interactions avec des comptes sur liste noire. Une analyse comportementale compare ensuite l’action demandée à l’historique de l’agent pour repérer les ruptures. Enfin, un contrôle sémantique, assuré par un modèle de langage, inspecte l’ensemble des données sources – courriels, pièces jointes, documents PDF – afin d’identifier des instructions cachées ou des tentatives d’injection de prompt. Chaque décision autorisée ou bloquée est signée de manière cryptographique, cette empreinte permettant de justifier en justice pourquoi une transaction a été validée et sur quelles données le système s’est appuyé.
API et modules open source pour une intégration minimale
La solution peut être utilisée via une API ou sous forme de modules open source, qui sont utilisables avec différents frameworks d’agents, dont OpenClaw. L’ajout à un projet s’effectue en une unique ligne de code. Selon l’entreprise, les développeurs peuvent ainsi renforcer la sécurité de leurs applications sans bâtir une infrastructure dédiée.
Paiements autonomes et injections cachées : le scénario d’attaque
Selon Samy Nettour, des protocoles lancés massivement en 2025 ont permis aux agents IA d’effectuer des paiements de manière autonome, ouvrant une brèche inédite. Dans l’écosystème des startups, des agents reçoivent des accès et responsabilités stratégiques sans les garde-fous appliqués à des humains, ce qui expose les structures à des risques majeurs lorsque les actions ne sont plus vérifiées. Un attaquant peut alors glisser une instruction malveillante, invisible à l’œil nu, dans un PDF ou un courriel. En lisant ces contenus, l’agent altère son raisonnement tout en conservant ses droits légitimes et peut accomplir une fraude, comme rediriger un virement.
Des outils traditionnels inadaptés et un flou juridique en France
Les dispositifs actuels de cybersécurité ciblent principalement le vol d’identifiants ou les accès non autorisés, sans contrôler l’intention de l’agent IA. En l’absence de vérification de la cohérence des instructions, les antivirus et pare-feu classiques n’empêchent pas certaines opérations malveillantes de passer. En France, la question de la responsabilité lors d’une erreur ou d’une manipulation d’agent reste non tranchée. D’après Samy Nettour, les fournisseurs accélèrent le déploiement pour répondre à la demande, tout en reconnaissant les risques sans déployer les contre-mesures nécessaires, et les pouvoirs publics réagissent lentement. Cette dynamique s’inscrit dans une adoption rapide des agents IA autonomes, désormais capables d’agir sur le Web, via des API et au cœur de processus internes, alors même que les entreprises leur confient des accès sensibles et que le contrôle humain se réduit.
