Sécurité des LLM : quand un habillage trompe le juge

Le centre de gravité · Sep 14, 2026 · 6m

Il suffit d'un vernis éducatif ou d'une fausse formule de refus pour qu'un contenu toxique soit validé par les arbitres automatisés de l'IA. Une étude démontre que jusqu'à 20 % des alertes de sécurité disparaissent sans que la réponse dangereuse ne change d'un mot. Sommes-nous en train de certifier des modèles sur la base de simples artifices de style ?

#cybersec #meta-evergreen #redteam #guardrails #benchmark