Alice, société spécialisée dans la confiance, la sécurité et la protection des systèmes d’intelligence artificielle, annonce une levée de 140 millions de dollars. L’objectif est clair : mieux défendre les modèles IA contre des vulnérabilités récentes et des attaques dites adversariales, qui évoluent avec les usages.
Ce nouveau tour porte le financement total d’Alice à 280 millions de dollars. Les fonds doivent soutenir le développement de sa plateforme, renforcer l’équipe qui alimente un jeu de données propriétaires, et accélérer les efforts de commercialisation.
Un investissement pour renforcer la sécurité des modèles IA
La stratégie d’Alice repose sur une approche progressive, pensée pour suivre le cycle de vie des modèles. En amont, l’entreprise s’engage avec des développeurs d’IA pour tester des modèles fondamentaux avant leur mise à disposition au public.
Selon la société, l’idée est de mettre en évidence des comportements instables et des failles potentielles avant qu’elles ne se traduisent en incidents. Pour cela, ses équipes réalisent des essais avec des entrées malveillantes simulées, ainsi que des tâches complexes faisant intervenir des agents, afin de révéler des comportements imprévus.
Tester avant la mise en production
Ces exercices cherchent notamment à exposer deux catégories de menaces : les tentatives de prompt injection et les attaques visant à contourner des garde-fous, souvent qualifiées de jailbreak. En identifiant ces risques tôt, Alice entend contribuer à rendre les modèles plus robustes face à des abus.
Des garde-fous dynamiques une fois le modèle déployé
Quand un modèle passe en environnement opérationnel, la protection ne s’arrête pas au moment du lancement. Alice propose alors des mécanismes de red teaming continu et des garde-fous exécutés au moment de l’utilisation, pour mieux aligner les opérations avec des règles métiers.
Concrètement, les organisations peuvent définir des directives internes adaptées à leur contexte. Elles peuvent aussi simuler des scénarios de rupture, puis surveiller le trafic du système en temps réel afin de repérer des comportements suspects ou des écarts par rapport aux attentes.
Rabbit Hole : une base de données propriétaire pour contrer les actions hostiles
Pour alimenter ses capacités de détection, Alice s’appuie sur une base de données propriétaire baptisée Rabbit Hole. La société indique que cet ensemble a été constitué pendant près d’une décennie.
Les données proviennent du suivi de contenus liés à la fraude numérique, à l’extrémisme idéologique et à des campagnes de manipulation. L’enjeu est de disposer d’un vaste historique de contenus potentiellement nuisibles afin d’améliorer la capacité du système à repérer et à interrompre des actions hostiles visant des systèmes d’IA générative.
Une division de recherche dédiée à l’anticipation des failles
Alice entretient également une installation de recherche consacrée à l’étude des vulnérabilités affectant des architectures de machine learning. Cette partie du travail vise à anticiper des modes de défaillance avant qu’ils ne soient exploités.
Le laboratoire regroupe plus de 150 spécialistes qui collaborent avec des développeurs de modèles de premier plan. Leur rôle consiste à analyser des vecteurs possibles de manipulation, à étudier des faiblesses de conception et à travailler à la fermeture proactive de gaps de sécurité.
Pourquoi une approche proactive est essentielle
La logique derrière cette démarche est simple : les attaques évoluent et les scénarios d’abus peuvent être nombreux. En renforçant la compréhension des mécanismes de vulnérabilité, Alice cherche à réduire l’écart entre les capacités offertes aux utilisateurs et la solidité des protections mises en face.
Un tour de table conduit par Apax Digital Funds
Le tour de financement est mené par Apax Digital Funds. Il s’accompagne de la participation de plusieurs investisseurs, dont MoreTech, Phoenix Financial, Resolute Ventures, Grove Ventures, CRV, Highland Europe, Vintage Investments, Norwest, NFX et Claltech.
Avec ce soutien, la société prévoit d’élargir son équipe et de consolider ses ressources techniques, en particulier autour de sa plateforme et de son corpus de renseignement.
Continuer à combler l’écart entre capacités et défenses
Le directeur général et cofondateur d’Alice, Noam Schwartz, souligne un point central : il existe de multiples façons de mettre un système en échec, et il est difficile de se défendre contre des attaques qu’on n’a jamais observées.
Le dirigeant explique que l’entreprise a appris, au fil des années, comment les personnes abusent de la technologie à grande échelle. L’approche d’Alice consiste désormais à transférer cette compréhension vers les modèles que ces mêmes acteurs testent et interrogent, tout en accélérant le développement de protections.
Le financement, de son point de vue, sert à réduire le décalage entre la démocratisation des capacités d’IA et celle des défenses correspondantes.
D’une ancienne identité à une portée internationale
Alice opère auparavant sous le nom ActiveFence. La société annonce avoir son siège à New York et Tel Aviv, ce qui lui permet de couvrir des équipes et des partenaires répartis sur plusieurs régions.
Cette implantation internationale s’inscrit dans une dynamique plus large du secteur, où la protection des modèles IA devient un sujet majeur pour les entreprises qui déploient des assistants, des systèmes de génération de contenu ou des applications décisionnelles.
Conclusion : un nouveau cap pour la sécurité des modèles IA
La levée de 140 millions confirme la volonté d’Alice de prendre une place active dans le renforcement de la sécurité des modèles IA. En combinant des tests avant publication, des mécanismes de protection en production, une base de données propriétaire et une recherche dédiée aux vulnérabilités, l’entreprise cherche à rendre les modèles plus résistants aux attaques adversariales et aux contournements.
Pour les organisations, l’intérêt est de disposer d’une démarche structurée : anticiper les comportements à risque, puis maintenir des garde-fous adaptés une fois le modèle utilisé en conditions réelles.
