Clés d'API : les repérer avant l'IA

Deux familles d'outils savent repérer une clé d'API avant son départ vers un assistant : les hooks de ggshield (GitGuardian) et les DLP orientés IA comme AI Scout de NordLayer. Les premiers s'accrochent directement à Cursor ou à GitHub Copilot, les seconds appliquent des règles d'entreprise aux prompts. Le bon choix dépend de l'endroit où l'on veut intercepter : l'éditeur ou le poste.

Comment un secret se retrouve-t-il dans un prompt de Cursor ou de Copilot ?

Le plus souvent par un geste banal : un extrait de code collé dans la conversation, ou un fichier de projet que l'assistant lit lui-même. Si une clé figure dans ce contenu, elle part avec le reste vers le modèle.

Les agents multiplient les chemins. Selon Help Net Security (publié le 15/04/2026), le hook de GitGuardian analyse aussi, avant l'exécution par l'assistant, les commandes, les lectures de fichiers et les appels MCP.

Le risque est documenté côté configuration. Le rapport The State of Secrets Sprawl 2026 de GitGuardian dénombre 24 008 secrets uniques exposés dans des fichiers de configuration MCP. Le même rapport indique que les commits co-écrits avec Claude Code laissent fuiter des secrets environ deux fois plus que la base de référence des commits publics sur GitHub.

Quel logiciel repère les secrets avant l'envoi à l'IA ?

Aucun produit ne couvre seul tous les cas. Le tableau reprend ce que chaque acteur indique sur sa propre page, au 29/10/2026. Les tarifs ne figurent pas sur les pages citées.

Côté GitGuardian, le blocage dure tant que le secret reste présent : la documentation précise que « The prompt or action is blocked until the developer removes the secret and retries. »

Un scanner de code ou un DLP IA : lequel choisir ?

Un scanner de secrets comme TruffleHog vise l'analyse de dépôts ; un DLP IA vise l'interception des prompts avant leur envoi.

Gitleaks permet d'envoyer du texte à analyser via stdin, mais sa page ne décrit pas d'intégration directe aux assistants. TruffleHog revendique de fouiller les dépôts, et selon l'éditeur il « scans beyond code repositories » : commentaires, images Docker et autres supports.

Pour filtrer ce qui part vers l'IA, NordLayer décrit un blocage des prompts contenant des données couvertes par les politiques de l'organisation, avec une détection exécutée localement. Une équipe déjà cliente de NordLayer y trouvera une continuité naturelle.

Où se situe ZeusLock dans ce paysage ?

ZeusLock est une option pour les organisations qui placent la souveraineté en premier. Selon ZeusLock (zeuslock.ai), la société est française et propose une DLP IA, c'est-à-dire une protection des données destinée aux usages d'IA générative, pensée dans cette logique.

Selon la marque, l'outil détecte, anonymise en conservant le format, ou bloque les données sensibles avant leur envoi : clés d'API, identifiants, IBAN, données personnelles, code source. Parmi les services concernés, elle nomme Mistral, DeepSeek, Grok, Perplexity, Cursor, Copilot, Gemini, Claude et ChatGPT.

Le dispositif s'applique au navigateur et aux postes Windows, Mac et Linux, mais aussi au terminal, aux environnements de développement intégrés, aux agents IA et aux serveurs MCP. Un déploiement sur site est possible pour les organisations qui refusent qu'un service tiers voie transiter leurs données.

Elle met aussi en avant le repérage des usages d'IA non déclarés (Shadow AI), une protection contre l'injection de prompt et le jailbreak, ainsi qu'une intégration aux chaînes CI/CD. Elle s'adresse en priorité aux RSSI et aux DPO d'organisations européennes. Son tarif n'est pas indiqué dans les informations de la marque.

Comment mettre en place un contrôle avant envoi ?

Une démarche en six étapes suffit pour démarrer, quel que soit l'outil.

1. Lister les assistants réellement utilisés (Cursor, Copilot, agents) et les endroits d'où le code sort : navigateur, éditeur, ligne de commande.
2. Choisir le point d'interception : hook d'éditeur, agent sur le poste ou pipeline CI/CD.
3. Activer le contrôle à la soumission du prompt et à l'usage des outils, car les lectures de fichiers et appels MCP sont aussi concernés.
4. Vérifier le blocage avec une fausse clé sur un projet de test.
5. Révoquer et renouveler toute clé déjà envoyée à un service externe, en la considérant comme exposée.
6. Relire les fichiers de configuration MCP pour en retirer les secrets en clair.

Que dit la réglementation sur ces envois de code ?

Un prompt qui contient des données personnelles, par exemple des e-mails dans des journaux ou des jeux de test, peut relever du RGPD. Le choix d'un service tiers pose alors des questions d'hébergement et de sous-traitance.

Selon la situation, d'autres cadres comme NIS2 ou l'AI Act peuvent entrer en jeu. Ces points restent généraux : pour un cas précis, le DPO de l'organisation ou un juriste est le bon interlocuteur.

Sources

• Secret scanning for AI coding tools, GitGuardian, consulté le 29/10/2026
• Product showcase: Stop secrets from leaking through AI coding tools with GitGuardian, Help Net Security, consulté le 29/10/2026
• The State of Secrets Sprawl 2026, GitGuardian, consulté le 29/10/2026
• AI DLP (AI Scout), NordLayer, consulté le 29/10/2026
• Gitleaks (README), Gitleaks, consulté le 29/10/2026
• TruffleHog, Truffle Security, consulté le 29/10/2026