What is an AI Worker?

An AI Worker is an autonomous AI agent that works like a real teammate: it has a personality, specialized skills and memory, runs tasks end to end and integrates with your tools (Slack, Teams, Gmail, Notion…).

How many AI Workers are available?

15 specialized AI Workers are available, covering marketing, development, design, data, human resources, finance and customer support.

Can I try it for free?

Yes, a free trial is included with no commitment. You can add or remove AI Workers at any time and cancel whenever you want.

Yes. Your data is encrypted end to end, hosted in isolated environments, and never used to train models. Workers Delos is GDPR-compliant and SOC 2-certified.

Red Teaming IA : Pourquoi 97% des Entreprises se Trompent

By Delos Intelligence — 2026-06-26

97% des entreprises qui font du red teaming IA utilisent les memes methodes que pour les logiciels traditionnels. C est une erreur fondamentale. Voici pourquoi et comment faire un vrai red teaming IA.

Le Red Teaming IA n est pas le Red Teaming Logiciel

Le red teaming traditionnel consiste a simuler des attaques pour identifier les vulnerabilites d un systeme. Applique a l IA, la plupart des entreprises font la meme chose : elles testent si le systeme IA peut etre hacker comme un logiciel classique. C est necessaire mais insuffisant.

L IA presente des vulnerabilites fondamentalement differentes qui necessitent des methodes de test specifiques. Un audit de penetration classique ne detectera pas les hallucinations systematiques, les biais discriminatoires, les vulnerabilites au prompt injection, ou le comportement erratique en conditions limites.

Les 6 Dimensions du Red Teaming IA

1. Robustesse Adversariale

Tester comment le modele se comporte face a des entrees malveillantes deliberement construites pour le faire echouer. Exemples : adversarial examples pour les modeles de vision, inputs contradictoires pour les LLM.

2. Prompt Injection et Jailbreak

Tenter de contourner les garde-fous du modele via des formulations specialement construites. Plus de 10 000 techniques de jailbreak ont ete documentees pour GPT-4 seul.

3. Extraction de Donnees d Entrainement

Tester si le modele peut reveler des donnees privees utilisees lors de son entrainement. Des recherches ont montre que les LLM peuvent memoriser et restituer des informations sensibles.

4. Biais et Discrimination

Evaluer systematiquement si le modele produit des outputs biaises selon le genre, l ethnie, la religion ou d autres caracteristiques protegees. Ce test est requis par l EU AI Act pour les systemes a haut risque.

5. Fiabilite et Hallucinations

Mesurer la frequence et la severite des hallucinations sur des domaines critiques. Un modele utilise pour des decisions medicales ou legales doit avoir un taux d hallucination mesure et acceptable.

6. Securite de la Chaine d Approvisionnement

Tester les modeles open source integres pour verifier l absence de backdoors ou de comportements malveillants inseres lors de l entrainement.

!Red Teaming IA : Les 6 Dimensions

Le Processus de Red Teaming IA

Phase 1 - Cartographie : Identifier tous les composants IA du systeme, leurs roles, leurs entrees/sorties et leurs permissions.

Phase 2 - Modelisation des menaces : Pour chaque composant, lister les scenarios d attaque plausibles et leur impact potentiel.

Phase 3 - Tests techniques : Executer des attaques automatisees et manuelles en suivant les 6 dimensions ci-dessus.

Phase 4 - Tests fonctionnels : Simuler des utilisateurs malveillants et des scenarios d abus dans des conditions realistes.

Phase 5 - Rapport et remediation : Documenter les vulnerabilites trouvees, les quantifier par severite et proposer des remediations specifiques.

Ressources et Standards

Microsoft, Anthropic et OpenAI ont publie des frameworks de red teaming IA. Le NIST AI RMF et l EU AI Act commencent a formaliser les exigences. Des outils comme Garak, PyRIT et PromptBench facilitent l automatisation des tests.

Conclusion

Le red teaming IA est une discipline emergente qui demande des competences hybrides : securite offensive, machine learning et domain expertise. Les entreprises qui le font bien se distinguent par leur capacite a identifier les risques avant qu ils se materialisent en incidents.