
Garde et gouvernance en temps réel pour agents IA
Aethra AI est une startup en phase d'amorçage qui développe une plateforme de défense et de gouvernance en temps réel pour les agents IA. Notre produit principal est une couche d'application — une architecture Planificateur / Extracteur en Quarantaine / Exécuteur alignée sur la recherche en sécurité à double LLM (CaMeL) — qui suit la provenance des données et bloque les instructions non fiables avant qu'elles ne puissent piloter les actions des agents.
Notre SDK open-source (Apache 2.0, Python et Node/TS) est disponible sur GitHub, avec un plan de contrôle hébergé en option pour les approbations, les preuves d'audit et la fonctionnalité d'interrupteur d'urgence.
Lors des tests de référence sur AgentDojo, Aethra a bloqué 35/35 objectifs d'injection avec 0 faux positifs (évaluation complète basée sur LLM en cours).
Nous levons actuellement un tour de table pré-amorçage de 1,0 à 1,5 million d'euros.
Mots-clés du produit
Chargement des commentaires...
Créateur
Alternatives
Aethra AI est une plateforme de défense et de gouvernance en runtime pour les agents IA, développée par une startup en phase de pré-amorçage. Au cœur de celle-ci se trouve une couche d'application qui trace l'origine de chaque donnée dans l'environnement d'un agent — fiable ou non — et empêche les données non fiables de déclencher des actions susceptibles de fuiter, modifier ou détruire des systèmes sensibles. L'architecture suit un modèle Planificateur / Extracteur en quarantaine / Exécuteur, aligné sur la recherche en sécurité à double LLM (CaMeL). Le SDK open-source (Apache 2.0, Python et Node/TS) est disponible sur GitHub, avec un plan de contrôle hébergé en option pour les approbations, les preuves d'audit et la fonctionnalité d'interruption d'urgence.
Chaque valeur manipulée par un agent est étiquetée comme fiable ou non fiable selon son origine. Cette étiquette accompagne les données tout au long du flux de travail. Lorsqu'une action permettrait à des données non fiables d'atteindre une capacité dangereuse — envoyer, écrire, appeler, exécuter — le runtime la bloque ou la met en attente pour un humain, et enregistre la décision en termes de sources, et non de formulation d'attaque.
La protection principale s'exécute sur la machine qui fait fonctionner l'agent. Les décisions de blocage ne dépendent pas de la disponibilité des serveurs d'Aethra. Le SDK est disponible pour Python (aethra-ai) et Node.js / TypeScript (@aethra-ai/sdk), tous deux implémentant le même modèle d'application.
Lorsqu'il est connecté, le plan de contrôle offre à votre équipe une visibilité sur les événements d'application, les flux d'approbation, l'enregistrement et la suspension des agents, ainsi que des vues de preuves de conformité — le tout construit à partir de ce que le runtime a réellement enregistré. La décision de blocage reste locale ; le cloud ne devient jamais une boîte noire.
Par politique d'outil, le runtime peut autoriser un appel, le bloquer ou exiger une approbation humaine. Les blocages et mises en attente sont journalisés avec le nom de l'outil et les identifiants de source contaminée — jamais le contenu brut des prompts ni les secrets.
Aethra AI n'est pas un filtre — c'est une frontière de provenance qui décide à partir de l'origine des données, et non de la correspondance de formulations d'attaque.
Cette distinction est importante. La plupart des défenses tentent de reconnaître les instructions malveillantes par leur formulation, ce qui échoue face aux attaques nouvelles ou obscurcies. Aethra étiquette plutôt les données selon leur origine et applique la politique à la frontière des outils, de sorte que le contenu non fiable ne peut tout simplement pas déclencher d'actions dangereuses, quelle que soit sa formulation. Lors des tests de référence sur AgentDojo, Aethra a bloqué 35/35 objectifs d'injection avec 0 faux positif. L'entreprise lève actuellement un tour de pré-amorçage de 1,0 à 1,5 million d'euros.
Vous exécutez des agents IA qui touchent à des systèmes sensibles et souhaitez une défense qui fonctionne hors ligne, soit open-source, et donne à votre équipe sécurité des preuves — et non des suppositions — en cas de problème. Si vous avez besoin d'une visibilité à l'échelle de l'organisation, d'approbations et d'un contrôle d'interruption d'urgence, le plan de contrôle en option est l'étape naturelle une fois le cœur open-source en place.
D'autres outils que vous pourriez envisager
Respan AI Gateway connecte votre application à plus de 1 000 modèles d'IA via un seul point d'accès. Mais le routage n'est que la partie facile. Respan rend l'IA en production fiable et maîtrisée grâce à des solutions de repli, des tentatives automatiques, la mise en cache, des limites de dépenses, des alertes et des traces complètes pour chaque appel. Passerelle, observabilité, évaluations, gestion des prompts, moniteurs et contrôles des coûts fonctionnent tous sur une seule plateforme, vous n'avez donc pas besoin d'assembler cinq outils différents pour déboguer la production.
Les modèles d'aujourd'hui sont suffisamment capables. Suffisamment intelligents. Suffisamment rapides. Mais nous avons toujours l'impression qu'ils ne s'intègrent pas dans la pièce. Humalike construit l'infrastructure comportementale pour des agents IA à l'apparence humaine. Les compétences sociales et la proactivité qui manquaient à vos agents. APIs, modèles, benchmarks.
DeepSeek-V4-Flash-0731 est la version officielle de V4-Flash, offrant un bond majeur en matière de capacités agentiques. Elle surpasse V4-Pro (Preview) sur les principaux benchmarks, prend nativement en charge l'API Responses et est entièrement adaptée à Codex CLI.
Forsy capture les données de workflow des agents que vous utilisez déjà (OpenClaw, Claude, Codex, Hermes, etc.) et les transforme en données structurées commercialisables. Il crée un marché pour des données de workflow authentiques et haute-fidélité, avec des licences et la confidentialité intégrées. Forsy construit l'infrastructure d'une nouvelle économie des données d'agents, où les workflows réels des agents deviennent des données d'entraînement pour l'apprentissage par renforcement (RL) et des agents futurs plus performants.
Chargement des commentaires...