Les alertes de sécurité cloud s’empilent plus vite que les équipes ne les traitent. Tamnoon veut combler le trou avec Tami, un agent qui enquête sur les problèmes détectés, évalue le risque d’une correction, puis peut la préparer et l’exécuter avec des garde-fous. L’entreprise affirme avoir réduit de plus de 90 % les expositions critiques en 90 jours, sans incident en production.
Le chiffre est costaud. La source, elle, est un billet publié par AWS et coécrit avec Tamnoon : utile pour comprendre comment l’outil fonctionne, moins convaincant comme validation indépendante de ses résultats. Pas de période de comparaison détaillée, de méthode de calcul ni d’audit externe dans le texte fourni. On garde donc le « 90 % » au conditionnel de la prudence journalistique, pas au rang de fait certifié.
L’agent ne cherche pas les failles, il s’occupe de l’après
Tami se branche aux outils de détection déjà employés par les équipes, notamment Wiz, CrowdStrike, Palo Alto Cortex, Orca, AWS Security Hub et GuardDuty. Il rassemble leurs alertes dans un format commun, ajoute des éléments de contexte et aide à déterminer lesquelles traiter en priorité.
La promesse ne se limite pas à produire un correctif à la volée. Tamnoon décrit plusieurs agents spécialisés pour enquêter sur la cause d’une alerte, valider une correction et examiner le code généré. Avant toute intervention, chaque constat reçoit un indicateur de confiance : « SAFE », « RISKY » ou « AWAITING DATA ». Les deux dernières catégories impliquent qu’il reste du travail ou qu’un humain doit reprendre la main.
C’est la partie la plus sensée du dispositif. Corriger automatiquement une mauvaise configuration peut réduire le risque. Corriger automatiquement la mauvaise configuration, sur le mauvais service, au mauvais moment, peut aussi transformer un mardi ordinaire en exercice d’incendie. La sécurité ne se résume pas à cliquer plus vite sur « réparer ».
Bedrock fournit les modèles, pas la preuve
Tamnoon s’appuie sur Amazon Bedrock pour faire appel à différents modèles via une seule interface. Les tâches de raisonnement approfondi peuvent utiliser des modèles plus capables, tandis que les vérifications répétitives passent par des modèles plus légers. AWS met aussi en avant son routage entre régions et l’exécution dans l’environnement AWS de Tamnoon, avec des permissions IAM.
Cette architecture peut simplifier le choix et le remplacement des modèles. Elle ne prouve pas, à elle seule, que les données ne présentent aucun risque, ni que chaque correction sera sûre. Le billet affirme que les données sensibles restent dans la frontière de confiance de Tamnoon, mais ne donne pas de détails permettant d’évaluer indépendamment les contrôles, les journaux d’action ou les procédures de retour arrière.
Et Tami ne remplace pas les outils qui repèrent les failles : il se place après eux. Les scanners signalent, l’agent enquête et propose ou orchestre la correction. C’est une distinction importante, parce que l’étiquette « agentique » fait parfois croire qu’une IA gère toute la sécurité du cloud d’un bout à l’autre. Ici, elle intervient dans une chaîne conçue et surveillée par des humains.
Le vrai test n’est donc pas le nombre d’agents ni le nom du modèle derrière l’API. C’est la qualité des corrections, la proportion de cas envoyés à une validation humaine et la transparence sur les incidents évités ou provoqués. « Zéro problème en production » est une bonne ligne dans un billet d’entreprise. Pour en faire une preuve, il faudra davantage qu’une ligne bien tournée.
Sources :
Comments are closed