EN DIRECT
Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|OpenAI va rendre ses modèles disponibles sur Google Cloud21/10/26 · OpenAI|OpenAI dévoile l'architecture publicitaire de ChatGPT21/10/26 · OpenAI|Liquid AI dévoile LFM3, une base pour des modèles multimodaux spécialisés27/10/26 · Liquid AI|Des services de police américains utilisent l'IA pour repérer des comportements de conduite "suspects"27/10/26|AllenAI interroge la capacité des LLM à juger la nouveauté d'une idée de recherche27/10/26 · AllenAI|Des outils d'IA open source pour accélérer la recherche sur la démence27/10/26 · NVIDIA|Des transformateurs électriques à semi-conducteurs pour soutenir l'essor de l'IA27/10/26|OpenAI élargit son partenariat avec Oracle pour intégrer ses applications dans ChatGPT27/10/26 · OpenAI|OpenAI publie une page annonçant « GPT-6.1 Terra », sans détails techniques disponibles26/10/26 · OpenAI|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|OpenAI va rendre ses modèles disponibles sur Google Cloud21/10/26 · OpenAI|OpenAI dévoile l'architecture publicitaire de ChatGPT21/10/26 · OpenAI|Liquid AI dévoile LFM3, une base pour des modèles multimodaux spécialisés27/10/26 · Liquid AI|Des services de police américains utilisent l'IA pour repérer des comportements de conduite "suspects"27/10/26|AllenAI interroge la capacité des LLM à juger la nouveauté d'une idée de recherche27/10/26 · AllenAI|Des outils d'IA open source pour accélérer la recherche sur la démence27/10/26 · NVIDIA|Des transformateurs électriques à semi-conducteurs pour soutenir l'essor de l'IA27/10/26|OpenAI élargit son partenariat avec Oracle pour intégrer ses applications dans ChatGPT27/10/26 · OpenAI|OpenAI publie une page annonçant « GPT-6.1 Terra », sans détails techniques disponibles26/10/26 · OpenAI|
AppAttentionéditeur officiel

Invariant Guardrails

App : Un produit que vous utilisez directement

Règles de sécurité appliquées en temps réel aux appels d'outils des agents.

Le complément runtime de mcp-scan pour bloquer plutôt que seulement détecter.

Score global
6.8 /10
Sécu : rien à signaler
Utilité
7.0
Fiabilité
3.0
Sécurité
Aucune réserve recensée
Facilité
Technique · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Les agents IA qui appellent des outils externes peuvent être détournés par des instructions malveillantes injectées dans les données qu'ils traitent. Invariant Guardrails répond à ce problème en s'intercalant entre votre application et vos serveurs MCP ou votre fournisseur LLM pour analyser et bloquer les appels d'outils suspects avant qu'ils ne s'exécutent.

Le fonctionnement repose sur des règles écrites dans une syntaxe inspirée de Python. Chaque règle décrit un enchaînement de comportements à intercepter, par exemple détecter qu'un agent lit une boîte mail puis tente d'envoyer un courriel vers une adresse inconnue. Guardrails évalue ces règles en temps réel sur chaque requête LLM et MCP, avant et après l'appel.

L'outil s'adresse aux développeurs qui construisent des systèmes agentiques et souhaitent ajouter une couche de sécurité sans modifier leur code applicatif. Il peut être utilisé comme proxy transparent via Gateway, ou intégré directement dans le code Python via le paquet invariant-ai.

Il ne convient pas à des utilisateurs non techniques cherchant une solution clé en main sans configuration : écrire des règles pertinentes demande de comprendre les flux d'appels de son agent et les risques spécifiques à son contexte.

Ce que ça propose

  • ·Interception en temps réel des appels d'outils MCP et des requêtes LLM avant et après exécution.
  • ·Règles de sécurité contextuelles écrites dans une syntaxe Python lisible, capables de détecter des enchaînements d'appels suspects.
  • ·Déploiement transparent comme proxy MCP ou LLM via Gateway, sans modification du code applicatif.
  • ·Utilisation programmatique directe via le paquet Python invariant-ai pour analyser des traces d'agents localement.
  • ·Bibliothèque standard intégrée incluant des détecteurs prêts à l'emploi, comme la détection d'injection de prompt.
  • ·Exécution entièrement locale possible, sans envoi de données vers des serveurs externes.

En pratique

Prix
Freemium
Usage commercial
Usage commercial : oui
Disponible sur
cli, docker
Licence
Apache-2.0

Sécurité et données

Pastille
Sécu : rien à signaler
Vos données
Données en local
Maintenance
Inactive depuis plus de six mois

Liens et dépôt vérifiés le 25 octobre 2026 · ajoutée le 1 septembre 2024

Comment installer Invariant Guardrails

1. Assurez-vous d'avoir Python et pip installés sur votre machine. 2. Installez le paquet via pip : pip install invariant-ai 3. Pour le mode proxy, installez et configurez Gateway en suivant le guide de démarrage rapide sur la documentation officielle. 4. Créez un fichier de règles décrivant les comportements à bloquer dans la syntaxe Python d'Invariant. 5. En mode programmatique, chargez votre politique avec LocalPolicy.from_string() et appelez policy.analyze() sur la trace de votre agent. 6. Vérifiez que vos règles ne bloquent pas de flux légitimes en les testant sur des traces représentatives avant de les déployer en production.
pip install invariant-ai

Dans la même catégorie

Toute la catégorie Surveiller →