03 / ARTEFACTS TECHNIQUES
Trois prototypes, un statut de preuve explicite.
Les artefacts de recherche privés distinguent les vérifications logicielles déterministes des observations exploratoires sur modèles. Le code et les documents détaillés peuvent être examinés sur demande, sous réserve de la confidentialité et de la revue des conditions de diffusion.
PROTOTYPE DE CONTRÔLE D’AUTORITÉAutorisation liée à l’action
Implémenté · conformité synthétiqueObjectif : empêcher qu’une revendication d’autorisation inventée par l’agent conduise à une action externe permise.
Niveaux de risque fiables, périmètres, empreintes d’action, expiration, révocation, anti-rejeu et rapports exploitables.
Un correctif ciblé vérifie les limites de montant et de destinataire sur les paramètres de l’action et rejette les divergences avec le contexte déclaré. Neuf tests de régression couvrent ce correctif, sans vérifier intégralement toutes les contraintes contextuelles.
Limite : Approbateur simulé et clé de démonstration : aucune authentification d’une vraie personne ni évaluation de modèles avancés.
TRACEPROOFContrôle d’intégrité des traces
Implémenté · conformité synthétiqueObjectif : vérifier la cohérence des actions et des autorisations enregistrées après une tentative d’altération.
Événements chaînés par SHA-256, point de contrôle HMAC authentifié, cohérence des actions, autorisations et résultats.
Des tests d’altération hors ligne vérifient l’intégrité de la séquence et la cohérence entre actions, autorisations et résultats. Ils établissent certaines propriétés logicielles dans les hypothèses de confiance du simulateur.
Limite : La vérification suppose un enregistreur et un point de contrôle fiables ; elle ne prouve ni l’approbation humaine ni l’exécution réelle.
INTEGRATED AGENT SANDBOXBanc d’essai d’exécution
Conformité hors ligne + pilote exploratoire ClaudeObjectif : relier planification, décision d’autorisation, outils simulés et preuve d’exécution dans un même cycle.
Intégration hors ligne scriptée et harnais distinct utilisant les outils natifs d'Anthropic ; factures et paiements exclusivement simulés, manifestes de résultats traçables.
V3, novembre 2026 : 192 trajectoires multi-tours Claude Sonnet 5.5 et 96 Claude Haiku 5.5 sur les mêmes 48 tâches synthétiques conçues localement, avec politiques et répétitions distinctes. Il ne s’agit pas de 288 attaques indépendantes.
Limite : L’avantage apparent vient de quatre variantes d’une seule famille de requêtes sans approbation et reflète la métrique et la politique de comparaison. Les cas d’injection testés n’ont suscité aucune proposition de paiement illicite, et les cas de rejeu aucune proposition de second paiement non autorisé. Ils ne démontrent donc aucun bénéfice supplémentaire de la passerelle. Les paiements sont restés fictifs et en mémoire.