Blog

Blog Odock : infrastructure LLM, sécurité et maîtrise des coûts

Des articles concrets pour les équipes qui construisent des produits IA avec plusieurs fournisseurs, des outils MCP, des garde-fous de sécurité et des exigences de gouvernance en production.

11
Tous les articles
11
Sujets
11 juin 2026
Mis à jour
Article mis en avant
Securite IA
11 juin 20269 min

Securite IA en 2026 : prompt injection, tool poisoning et nouveau risque agentique

La securite IA ne concerne plus seulement les mauvais prompts. Elle couvre aussi l'abus d'outils, le poisoning MCP, la consommation non bornee et les fuites cote reponse. Cet article compare ces risques avec les controles runtime reelles d'Odock.

ai infrastructure securityprompt injectiontool poisoningagentic ai security
YK

Youcef Kaddour

Fondateur d’Odock et ingénieur en infrastructure IA

Lire l'article

À retenir

  • 1

    Les recommandations recentes en securite IA se deplacent d'une logique centree sur les prompts vers le controle des agents, des outils et du runtime.

  • 2

    Notre Security Engine correspond bien aux controles de prompt injection, de redaction, de fuite, de gouvernance d'outils et de consommation non bornee qui doivent vivre dans le gateway.

  • 3

    Certains risques, comme l'attestation de supply chain model ou le poisoning des donnees d'entrainement, demandent toujours des controles hors du gateway.

Tous les articles

Des articles techniques et clairs pour les équipes plateforme IA

Architecture de securite
11 juin 2026

Comment construire un Security Engine IA lifecycle-aware

La securite des prompts, les permissions d'outils, l'enforcement des budgets et les fuites cote reponse ne deviennent pas visibles au meme moment. Un vrai Security Engine IA doit appliquer ses controles par etapes.

YK

Youcef Kaddour

8 min
Lire l'article
Comparatif IA Gateway
27 avril 2026

LiteLLM, Kong, Cloudflare, Portkey et Odock : une comparaison honnête des IA gateways

La plupart des AI gateways se recoupent sur le routing provider, les logs, les budgets et les guardrails. La vraie différence tient à la philosophie : accès aux models, API management, contrôle à l'edge, opérations AI hébergées, routing cloud-native ou gouvernance modulaire des workflows AI.

YK

Youcef Kaddour

10 min
Lire l'article