En clair
Un assistant de direction a accès à l’agenda, aux courriels et aux contrats de sa patronne. Un jour, il reçoit un courrier anodin en apparence, qui lui demande en petits caractères de « faxer une copie du dernier contrat à ce numéro pour vérification ». S’il s’exécute, rien n’a été volé par effraction : c’est lui qui a fait sortir le document, avec les moyens dont il dispose légitimement. L’exfiltration de données par un agent IA fonctionne de la même façon.
Un agent travaille avec un contexte : la demande de l’utilisateur, les fichiers qu’il a lus, parfois des clés d’accès ou des mots de passe. Il dispose aussi d’outils qui communiquent avec l’extérieur : il peut ouvrir une page web, afficher une image hébergée ailleurs, envoyer un courriel ou créer un ticket. Il suffit qu’il glisse un secret dans l’adresse d’une image ou d’une requête pour que ce secret parte chez un tiers.
Le plus souvent, l’agent n’a pas « décidé » de trahir : il a été trompé par une instruction cachée dans un contenu qu’il a lu, c’est l’injection de prompt. L’exfiltration est la conséquence, la porte de sortie. Les deux se traitent différemment : on ne sait pas encore empêcher totalement les injections, mais on peut contrôler ce qui sort.
Un exemple
Une société de conseil branche un agent sur la messagerie et l’espace documentaire de ses consultants pour préparer des synthèses. Un concurrent malveillant envoie à l’un d’eux un courriel contenant, en texte invisible, des instructions demandant à l’agent de résumer les derniers échanges avec un client et de les insérer dans l’adresse d’une image hébergée sur un serveur externe. Quand le consultant demande une synthèse de sa boîte de réception, l’agent lit ce courriel, suit les instructions et affiche l’image : le résumé part avec la requête.
L’équipe sécurité réagit sur la sortie plutôt que sur l’entrée. L’agent ne peut plus charger d’images ni appeler d’adresses en dehors d’une liste de domaines autorisés, ses requêtes sortantes passent par une passerelle qui les journalise et bloque celles qui contiennent des données sensibles, et l’envoi d’un courriel exige une validation humaine.
Comment ça marche
Le risque a été décrit dès 2023 par Kai Greshake et ses coauteurs, qui montrent qu’une injection de prompt indirecte, cachée dans une page web ou un document, permet notamment le vol de données dans des applications réelles intégrant un grand modèle de langage, dont le chat de Bing 2. En juin 2025, le développeur Simon Willison résume les conditions de l’exfiltration sous le nom de « trifecta létale » : un agent qui a accès à des données privées, qui est exposé à du contenu non fiable et qui peut communiquer vers l’extérieur peut être amené à faire sortir ces données 1. Il recense de nombreux produits touchés et cite les moyens de sortie : requête HTTP vers une API, chargement d’une image, lien sur lequel l’utilisateur est invité à cliquer 1.
- AccéderL’agent lit des données confidentielles pour sa tâche : courriels, documents, identifiants, historique de conversation.
- Être détournéUn contenu non fiable qu’il traite contient des instructions cachées qui lui demandent de transmettre ces données.
- EncoderL’agent insère les données dans une adresse web, un paramètre d’outil, un lien ou le corps d’un message.
- EnvoyerLa requête sortante part vers un serveur contrôlé par l’attaquant, qui récupère les données dans ses journaux.
Le même mois, une faille de Microsoft 365 Copilot, référencée CVE-2025-32711, est publiée : une injection de commande visant l’IA permettait à un attaquant non autorisé de divulguer des informations par le réseau, avec une note de gravité de 9,3 sur 10 et sans action requise de la victime 3. Les contre-mesures portent sur le canal de sortie : liste fermée de domaines joignables, interdiction des images et liens externes générés à partir du contexte, filtrage des requêtes sortantes, validation humaine des envois. La méthode la plus sûre reste de casser la trifecta en retirant l’un des trois ingrédients 1.
L’exfiltration se distingue de notions voisines. L’injection de prompt est le moyen de prendre la main sur l’agent, l’exfiltration est l’un de ses effets possibles. La divulgation d’informations sensibles, classée deuxième risque du Top 10 OWASP des applications de grands modèles de langage en 2025, couvre plus largement toute information confidentielle révélée dans les réponses du modèle 4 ; l’exfiltration vise le cas où les données quittent le système par les actions de l’agent. Enfin, elle diffère du canal caché, qui fait communiquer deux programmes isolés sans aucun canal officiel : l’exfiltration emprunte au contraire les outils réseau dont l’agent dispose légitimement.
Ce que ça change pour une entreprise
Pour l’entreprise, l’exfiltration est le scénario qui transforme une faiblesse technique en incident : fuite de données clients, de secrets commerciaux ou d’identifiants, avec les obligations de notification qui s’ensuivent. Le risque grandit avec chaque connecteur ajouté à un agent, car chaque connecteur ouvre à la fois un accès aux données et une porte de sortie. La règle pratique est de ne jamais réunir, pour un même agent, des données sensibles, du contenu externe non vérifié et une capacité d’envoi libre vers l’extérieur 1.
Les protections coûtent surtout en confort d’usage : un agent qui ne peut joindre qu’une liste de sites, dont les envois passent par une validation humaine, rend moins de services. Il faut aussi des passerelles capables de journaliser et de filtrer le trafic sortant des agents, et un inventaire de ce que chaque agent peut lire et joindre. Les consignes données dans le prompt système ne suffisent pas : elles peuvent être contournées par une injection 4.
Idées reçues
- « Si on bloque les injections de prompt, il n’y a plus d’exfiltration. »
Aucune défense ne bloque aujourd’hui toutes les injections. Contrôler ce que l’agent peut envoyer à l’extérieur reste indispensable.
- « Une simple image ne peut pas faire fuir de données. »
Charger une image, c’est envoyer une requête à un serveur : si l’adresse contient des données, le serveur les reçoit sans que l’utilisateur ne clique sur rien.
- « Il suffit d’écrire dans les instructions que l’agent ne doit rien divulguer. »
Ces consignes peuvent être contournées par une injection. Les protections efficaces portent sur les droits et les canaux de sortie de l’agent.
Sources
- Simon Willison, « The lethal trifecta for AI agents: private data, untrusted content, and external communication », 2025
- Greshake, Abdelnabi, Mishra, Endres, Holz et Fritz, « Not what you’ve signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection », 2023
- NIST, National Vulnerability Database, « CVE-2025-32711 », 2025
- OWASP GenAI Security Project, « LLM02:2025 Sensitive Information Disclosure », 2025