Lakera
Lakera est une plateforme de sécurité pour les applications d’IA, les agents et l’usage de l’IA par les employés. L’éditeur suisse appartient aujourd’hui à Check Point. Sa documentation présente le filtre d’exécution, autrefois Lakera Guard, sous le nom AI Guardrails.
Des détecteurs passent chaque prompt et chaque réponse au crible pour repérer injections, jailbreaks et fuites de données. Selon les politiques, l’outil bloque, masque ou signale. Il fonctionne avec n’importe quel LLM, s’intègre par API et existe en SaaS ou en auto-hébergé.
Lire plus Lire moins
lakera.ai
- Offre gratuite
- Oui
Lakera en bref
C’est quoi ?
Lakera est une couche de sécurité placée entre ton application et le modèle de langage. Elle inspecte les entrées et les sorties en temps réel, repère les attaques par prompt et les fuites de données, puis applique la décision fixée par ta politique. La même analyse couvre plus de cent langues, ainsi que des contextes image et audio.
Pourquoi ?
L’outil sert à empêcher qu’une instruction cachée prenne le dessus sur le comportement du modèle. Il protège aussi contre les fuites de données, les usages d’outils dangereux et les usages d’IA non repérés dans les applications et les navigateurs. Les agents restent sous contrôle.
Pour qui ?
Une équipe sécurité qui protège des applications GenAI, des chatbots ou des agents IA à l’échelle. Un développeur d’applications IA y trouve aussi un filtre de sécurité API-first à intégrer sans changer le modèle sous-jacent. Les organisations soumises à SOC2, au RGPD ou au référentiel NIST y voient enfin un cadre de contrôle compatible avec leurs contraintes.
Avantages et inconvénients
Les plus
- Détection en temps réel Sur les flux d’entrée et de sortie, la détection couvre les injections de prompt, les jailbreaks, les injections indirectes et les prompts obfusqués. Tu gardes ainsi une couche de contrôle au moment où l’attaque tenterait de passer.
- Blocage, masquage ou alerte Chaque politique décide de bloquer, de masquer ou de simplement signaler, avec des listes d’autorisation et des règles par projet. Chaque équipe peut donc adapter la réponse au niveau de risque qu’elle accepte.
- Protection contre les fuites de données La plateforme ajoute une protection contre les fuites et l’exfiltration de données, avec détection des usages d’outils non sûrs par les agents. Le produit couvre donc la sortie autant que l’entrée.
- Contrôle fin des politiques Les règles se gèrent par utilisateur, par application et par action, avec un contrôle centralisé. Tu peux séparer les usages sensibles des usages courants sans changer le modèle.
- Déploiement SaaS ou auto-hébergé Le produit fonctionne en SaaS ou en auto-hébergé, avec une intégration d’abord par API. Cette souplesse facilite l’intégration dans des environnements d’entreprise déjà en place.
Les moins
- Quota gratuit serré Le quota mensuel de la formule Community s’épuise vite dès que les tests deviennent réguliers. Il faut alors passer à l’offre Enterprise, négociée sur devis.
- Taille d’invite limitée Sur la formule gratuite, la taille maximale d’un prompt coupe court aux longs contextes et aux gros documents. Elle devient configurable sur l’offre Enterprise.
- Fonctions d’entreprise réservées L’authentification unique, la gestion des rôles, l’intégration SIEM et l’auto-hébergement manquent à la formule gratuite. Il faut l’offre Enterprise pour les obtenir.
- Tarif entreprise sur devis Le palier Enterprise passe par un contact commercial. Le coût ne se lit donc pas d’un coup d’œil et dépend de la négociation.
Tableau des prix
Lakera suit un modèle freemium à deux formules, relevées le 20 octobre 2026 sur platform.lakera.ai/pricing. Community est gratuite, à 0 $ par mois, avec un quota mensuel et une taille de prompt plafonnée. Enterprise se négocie sur devis avec l’équipe commerciale, et la page détaille ce que cette offre ajoute à la formule gratuite.
| Palier | Prix au 20 octobre 2026 | Quota | Inclus | Non inclus | Pour qui |
|---|---|---|---|---|---|
| Community | 0 $ | 10 000 requêtes par mois | Hébergement SaaS, prompt de 8 000 jetons au plus, API, tableaux de bord et rapports | Authentification unique, gestion des rôles, intégration SIEM, auto-hébergement | équipes qui testent la protection sur un usage limité |
| Enterprise | sur devis | Hébergement SaaS ou sur tes serveurs, taille de prompt configurable, authentification unique, gestion des rôles, intégration SIEM, données en Europe ou aux États-Unis | organisations qui déploient la sécurité IA à l’échelle |
Tarifs officiels de Lakera, relevés le 20/10/2026
Ce que permet la formule gratuite
Lakera laisse la formule Community servir de test d’entrée, avec 10 000 requêtes par mois et un prompt de 8 000 jetons au plus. Tu restes donc sur un usage de preuve et d’évaluation, pas sur une mise en production à gros volume. Ce palier donne pourtant accès à l’API, aux tableaux de bord et aux rapports, avec un hébergement SaaS et des données conservées dans l’Union européenne.
Le quota mensuel fixe la cadence, tandis que la taille de prompt borne les cas d’usage qui passent sans friction. Quand le besoin dépasse ce cadre, l’offre Enterprise sur devis prend le relais pour la production, avec un volume et une taille de prompt réglés au contrat.
Ce que fait Lakera
Lakera passe par une intégration API qui inspecte chaque entrée et chaque sortie en temps réel, puis applique des politiques centrales pour bloquer, masquer ou signaler ce qui doit l’être. Ses détecteurs rendent un niveau de confiance, et chaque politique fixe le seuil au-delà duquel une alerte se déclenche.
Côté modèle, l’outil reste agnostique et fonctionne avec n’importe quel LLM, qu’il s’agisse de chatbots, de bots audio ou d’agents. Tu ne changes donc pas le modèle pour l’installer : tu branches la couche de sécurité au-dessus, et l’éditeur ajoute chaque jour plus de 100 000 nouveaux exemples d’attaques à ce qui entraîne sa détection.
Comment utiliser Lakera
Prise en main initiale
Tu crées un compte sur platform.lakera.ai, par e-mail ou par authentification unique, puis tu testes la détection dans le bac à sable de démonstration. Pour l’intégration, tu génères une clé d’API, tu crées un projet et tu lui assignes une politique, par exemple celle prévue pour une application ouverte au public.
Navigation dans l’interface
Tu retrouves les réglages de protection dans la plateforme web, avec des politiques par projet, des listes d’autorisation et une sensibilité réglable pour chaque détecteur. Un bac à sable de test sert à soumettre un texte et à voir la réponse de la détection.
Utilisation et gestion de projets
Chaque projet reçoit ses propres règles, ce qui permet d’adapter la détection aux usages visés sans toucher au reste du périmètre. Tu peux gérer des protections pour des applications GenAI, des chatbots ou des agents, puis suivre les incidents dans les tableaux de bord. L’auto-hébergement, réservé à l’offre Enterprise, garde la même logique de contrôle.
Fonctionnalités principales
Lakera repère en temps réel les attaques qui passent par les prompts, sur le texte comme sur les contextes image et audio. Chaque protection applique la décision prévue par la politique du projet, du simple signalement au blocage. Les fonctions qui suivent relèvent du filtre d’exécution, sauf le red teaming, vendu à part.
Détection des prompt injections et jailbreaks
L’outil analyse les entrées et les sorties en temps réel pour repérer les instructions cachées ou contradictoires qui visent à détourner le modèle.
Accessible dès la formule gratuite Community.
Blocage, masquage ou signalement des attaques
Tu peux choisir une réponse de sécurité par politique centrale. Le filtrage s’appuie sur des listes d’autorisation distinctes et des règles propres à chaque projet.
Protection contre les fuites de données
La plateforme détecte les sorties à risque et limite l’exfiltration de données depuis les applications d’IA et les agents. Le produit Workforce AI Security étend ce contrôle aux outils d’IA employés dans les applications et les navigateurs.
Apprentissage des menaces adversariales
Lakera enrichit sa détection avec plus de 100K nouveaux échantillons adversariaux par jour. Le système adapte ses défenses à mesure que les attaques évoluent.
Red teaming mené par des experts
Un service à part, AI Red Teaming, teste les systèmes GenAI par des attaques ciblées, classe les risques et guide les remédiations selon leur gravité.
Journal d’audit et intégrations SIEM
Les tableaux de bord et les rapports suivent les détections dès la formule gratuite. L’intégration SIEM, avec Grafana ou Splunk, envoie les événements et les alertes vers les outils habituels des équipes sécurité.
Intégration SIEM réservée à l’offre Enterprise.
Protection multimodale
Lakera prend en charge les contextes image et audio, avec une couverture de plus de 100 langues. Cette protection s’applique aux interactions multimodales des modèles et des agents.
Déploiement SaaS ou auto-hébergé
L’architecture autorise un déploiement dans le nuage de l’éditeur ou sur tes serveurs, avec une latence annoncée sous 50 ms. L’intégration passe par API et ne demande pas de modifier les modèles ni les prompts.
Auto-hébergement réservé à l’offre Enterprise.
Contrôle granulaire des politiques
Une console centrale applique les mêmes règles à toutes les applications, sans toucher au code. Le pilotage se règle selon l’utilisateur, l’application et l’action, pour les équipes comme pour les agents.
Usages et métiers
Lakera sert d’abord aux équipes de sécurité qui veulent bloquer les attaques par prompt, les jailbreaks et les instructions adverses avant qu’elles n’atteignent le modèle. Elle sert aussi aux entreprises qui déploient des applications GenAI, des chatbots et des agents à grande échelle, ainsi qu’aux équipes produit et aux développeurs qui doivent ajouter une couche de sécurité sans ralentir la livraison. Le même outil couvre la détection, la remédiation et le contrôle des usages.
Équipes de sécurité
Elles surveillent les attaques par prompt en temps réel, bloquent les jailbreaks et appliquent des politiques centrales sur les interactions avec l’IA. Lakera remplace des contrôles manuels dispersés et une surveillance réactive des abus.
Avec des applications, agents ou usages IA à protéger.
Entreprises qui déploient des applications GenAI
Elles protègent des chatbots, des agents et d’autres usages GenAI à l’échelle, avec blocage, masquage ou avertissement selon la politique choisie. Lakera remplace une couche de filtrage construite en interne autour de chaque projet.
Équipes de développement d’applications IA
Elles branchent une sécurité API-first pour inspecter les entrées, contrôler les sorties et gouverner les actions des agents. Lakera remplace des garde-fous intégrés au cas par cas dans chaque modèle ou prompt.
Quand l’équipe livre des fonctionnalités IA sans revoir le modèle.
Organisations soumises au SOC2, au RGPD et au NIST
Elles utilisent la plateforme pour renforcer la conformité, garder des journaux d’audit et appliquer des règles de protection des données. Lakera remplace des contrôles documentaires manuels et des vérifications ponctuelles avant mise en production.
Équipes chargées de la protection des données
Elles détectent les fuites de données, empêchent l’exfiltration et encadrent l’usage d’outils sensibles dans les prompts. Lakera remplace des règles ad hoc et des vérifications humaines après coup.
Quand les échanges avec l’IA manipulent des données sensibles.
Équipes chargées de l’usage de l’IA par les collaborateurs
Elles découvrent le shadow AI dans les applications et les navigateurs des employés, puis appliquent des règles d’usage par utilisateur, application et action. Lakera remplace des contrôles éclatés entre postes, navigateurs et outils SaaS.
Équipes de red team IA
Elles testent les systèmes GenAI, identifient les vulnérabilités et reçoivent des pistes de remédiation fondées sur le risque. Lakera remplace des scénarios de test artisanaux et des revues de sécurité non centralisées.
Équipes chargées des intégrations de plateformes
Elles connectent Lakera à Amazon Bedrock, Google Cloud, Microsoft Copilot Studio, Salesforce Agentforce, n8n ou Relevance AI. La protection s’applique au plus près des flux, dans chaque environnement. Cela remplace des points de contrôle épars dans chaque plateforme.
Équipes qui exploitent plusieurs types d’agents
Elles appliquent la même protection à des chatbots, des agents et des assistants audio, avec un moteur indépendant du modèle utilisé. Lakera remplace des règles différentes selon chaque LLM.
Équipes qui doivent inspecter des contenus multimodaux
Elles couvrent des contextes image et audio en plus du texte, avec une protection adaptée aux échanges multimodaux. Lakera remplace des filtres uniquement textuels qui laissent passer une partie du risque.
Conseils d’utilisation
Conseils pour une utilisation efficace
Lakera gagne en précision quand tu relies l’application ou l’agent dès le départ, puis que tu règles les politiques centrales selon le niveau de risque visé. Tu peux aussi adapter les règles par projet, par utilisateur et par action pour éviter un blocage trop large. Sur le palier gratuit, le quota mensuel et la taille maximale d’un prompt bornent déjà les essais. Intègre enfin les alertes avant le déploiement en production.
Erreurs communes à éviter
Blocages trop larges : des usages légitimes sautent quand la politique centrale couvre tout le trafic. Cause : aucune allow-list ni règle par projet n’isole les cas sûrs. Faux négatifs sur des attaques indirectes : l’injection passe quand l’inspection n’est pas appliquée à chaque entrée et à chaque sortie. Cause : l’intégration API n’est pas reliée à tout le flux. Alertes manquées : l’équipe découvre l’attaque trop tard. Cause : les journaux d’audit et l’envoi vers un SIEM ne sont pas activés.
Modèles et droits sur les créations
Aucune création générée
Lakera ne produit ni texte ni image : il analyse les échanges entre tes utilisateurs et n’importe quel LLM, puis bloque, masque ou signale, sans modifier le modèle protégé.
Détecteurs réglables
Chaque détecteur rend un niveau de confiance, et la politique de chaque projet fixe la sensibilité au-delà de laquelle le contenu est signalé.
Données traitées
La page de prix annonce le chiffrement en transit et au repos ainsi que la conformité SOC2 et RGPD, sur la formule gratuite comme sur l’offre Enterprise.
Résidence des données
Les données restent dans l’Union européenne sur Community ; l’offre Enterprise laisse choisir entre l’Europe et les États-Unis.
Gel de version
Figer la version des détecteurs n’est possible qu’en déploiement auto-hébergé, donc avec l’offre Enterprise.
Accès
Plateforme web
Lakera s’atteint depuis le navigateur sur platform.lakera.ai, où l’on crée un compte par e-mail ou par authentification unique.
API
La clé d’API se crée dans la plateforme, puis l’application interroge l’API de filtrage à chaque échange avec le modèle.
Langues
La détection couvre plus de cent langues. Le site et la plateforme s’affichent en anglais, même depuis un navigateur réglé en français.
Appareils, applications et systèmes compatibles
Le point d’entrée principal passe par le navigateur, avec l’interface web de platform.lakera.ai, et par l’API que ton application appelle à chaque échange. Aucune application de bureau ni mobile n’existe. Les intégrations listées couvrent Amazon Bedrock, Google Cloud, Copilot Studio, Agentforce, n8n et Relevance AI.
Disponible sur
Accès & intégrations
IntégrationsOui
Amazon Bedrock / Bedrock AgentCore, Google Cloud (agent registry), Microsoft Copilot Studio, Salesforce Agentforce, n8n, Relevance AI
API publiqueOui
Intégration disponible pour brancher l’outil sur des applications et des agents.
Avis et notes par Aikiwi
Note Globale de Lakera 4,3
Lakera se concentre sur la sécurité des interactions avec les modèles en temps réel, sans modifier le modèle protégé. Le filtre repère les attaques par prompt, les fuites de données et les appels d’outils risqués des agents, puis trace chaque détection dans des tableaux de bord. Check Point, son propriétaire, vend à côté la sécurité des usages employés et le red teaming.
Lakera s’adresse aux équipes de sécurité qui protègent des applications d’IA, aux entreprises qui déploient des chatbots ou des agents à grande échelle, et aux équipes produit en quête de sécurité additionnelle. Le positionnement vise aussi les organisations soumises à des exigences de conformité comme SOC2, le RGPD de l’Union européenne ou NIST. L’outil s’adresse enfin aux usages d’IA côté employés, avec un contrôle par utilisateur, application et action.
Côté prix, la formule gratuite Community donne un quota mensuel de requêtes et une taille de prompt plafonnée, de quoi juger la détection sur un vrai projet avant tout engagement. Au-delà, l’offre Enterprise se négocie sur devis, sans montant publié, et ajoute la résidence des données aux États-Unis et l’auto-hébergement.
Avis détaillé sur Lakera
Design et Ergonomie 4,0
Lakera ne publie aucune information sur la hiérarchie de l’écran, l’accessibilité ou la cohérence visuelle de son interface. Le jugement porte donc sur un produit pensé d’abord comme une couche de sécurité, pas comme une surface d’interaction riche à évaluer sur le plan graphique. Pour un acheteur technique, cette absence de signal visuel est secondaire si l’intégration API et les politiques centralisées priment. Pour un responsable métier, elle limite la capacité à juger le confort d’usage avant test, surtout quand la décision dépend aussi de l’adoption par des équipes non spécialisées.
Facilité d’Utilisation 4,1
Lakera s’intègre par API et annonce un déploiement en quelques minutes, sans toucher aux modèles ni aux prompts. Cette logique place l’outil comme une brique d’infrastructure, avec une entrée courte pour une équipe déjà habituée à brancher un service de sécurité sur un flux applicatif. Le premier test s’accélère, car la friction initiale baisse côté développeur ou équipe plateforme. En revanche, la prise en main reste plus exigeante pour un profil non technique, puisque la valeur dépend de politiques et de contrôles précis plutôt que d’une interface guidée.
Fonctionnalités et Outils 4,8
Lakera couvre un périmètre large autour de la sécurité des applications d’IA : détection des injections de prompt, jailbreaks, injections indirectes, prompts obfusqués, protection contre les fuites de données, intégrations SIEM et détection multimodale. La plateforme ajoute des politiques granulaires et trois réponses possibles : bloquer, masquer ou avertir. Cette étendue en fait un outil très complet pour une organisation qui veut traiter la sécurité au runtime et la conformité dans un même cadre. Le red teaming et la sécurité des usages employés existent aussi, mais comme produits distincts du même éditeur.
Performance et Fiabilité 4,0
Lakera n’affiche ni engagement de disponibilité ni historique propre. status.lakera.ai renvoie vers la page d’état des services de Check Point, commune à tout le groupe. Cette limite compte pour une équipe qui déploie des garde-fous sur des flux sensibles. Cette fiabilité opérationnelle reste à valider dans l’environnement cible. La sécurité doit rester continue et sans rupture.
Innovation et Singularité 4,7
Lakera se distingue par une approche centrée sur la sécurité des interactions IA en temps réel, avec détection contextuelle, apprentissage à partir de nouveaux échantillons adversariaux chaque jour et protection multimodale. Le positionnement couvre à la fois les applications GenAI, les agents et l’usage employé de l’IA, avec une logique de politique centralisée. Cette singularité intéresse surtout les organisations qui veulent sécuriser des usages très divers sans changer de socle entre applications internes et produits exposés. La valeur vient moins d’une fonction isolée que de la combinaison entre détection, contrôle et gouvernance au même endroit.
Support et Ressources Disponibles 4,2
Lakera met à disposition une documentation, un support par email et un chat intégré dans la plateforme. L’éditeur propose aussi des intégrations documentées avec plusieurs environnements d’entreprise, ce qui donne un cadre d’implémentation plus lisible qu’un simple point d’accès technique sans accompagnement. Pour une équipe qui doit sécuriser un déploiement sensible, cette combinaison facilite le passage du prototype au projet exploitable. Le support semble surtout adapté à des usages B2B où la mise en œuvre demande des réglages précis, des échanges techniques et une lecture claire des intégrations disponibles.
Rapport Qualité-Prix 4,3
Lakera fonctionne en freemium avec un palier gratuit et un palier Enterprise au prix personnalisé. Le gratuit inclut un quota mensuel, une taille maximale de prompt et un hébergement SaaS, ce qui donne une porte d’entrée utile avant engagement commercial. Pour une équipe qui veut tester la logique de protection avant d’acheter, le rapport est bon parce que la valeur technique se vérifie sans achat immédiat. En revanche, le modèle devient surtout pertinent quand le besoin dépasse le simple essai et que l’organisation cherche une couverture d’entreprise avec politiques, audit et déploiement flexible.
Questions fréquentes
Quel est le prix d’un abonnement à Lakera ?
Lakera fonctionne sur un modèle freemium. La formule Community est gratuite, à 0 $ par mois, avec 10 000 requêtes mensuelles, un prompt de 8 000 jetons au plus et un hébergement SaaS. L’offre Enterprise se négocie sur devis, après un échange avec l’équipe commerciale.
Existe-t-il une version gratuite de Lakera ?
Lakera propose un palier gratuit permanent. Il inclut l’hébergement SaaS, une limite mensuelle de dix mille requêtes et une taille maximale de prompt de huit mille jetons. Au-delà, la seule offre payante est Enterprise, sur devis.
Sur quelles plateformes Lakera est-il disponible ?
Lakera est disponible sur le web, via la plateforme en ligne. Il n’est pas disponible sur Windows, macOS, Linux, iOS, Android, Discord ni Slack. L’accès passe aussi par une API.