Tenable AI Security rejoint Tenable One, mais la visibilité ne suffit pas à contrôler

La sécurité de l’IA de Tenable est passée d’un aperçu privé en 2025 à une fonctionnalité de Tenable One désormais disponible de manière générale, malgré un défi bien plus difficile pour les entreprises. Identifier les applications d’IA n’est que la première étape. Les équipes de sécurité doivent aussi relier les utilisateurs, les données, l’infrastructure, les agents et les comportements dangereux avant qu’une exposition ne se transforme en incident.

Cette évolution place Tenable dans une compétition grandissante autour de la couche de contrôle de l’IA en entreprise. Palo Alto Networks, Microsoft, Cisco et de nouveaux fournisseurs de sécurité de l’IA se disputent des territoires qui se chevauchent. Tous cherchent à aider les organisations à découvrir les systèmes d’IA, à évaluer leurs risques et à appliquer des politiques lors de leur utilisation quotidienne.

L’argument de Tenable diffère sur un point important. L’entreprise considère l’IA comme une surface d’attaque interconnectée supplémentaire dans la gestion de l’exposition, plutôt que comme un programme de sécurité distinct. Cette approche apporte un contexte utile, mais elle impose aussi une exigence élevée. Tenable doit démontrer qu’une visibilité unifiée conduit à une réduction des risques plus rapide et réellement applicable.

Tenable One couvre désormais la surface d’attaque de l’IA

Le changement important n’est pas l’arrivée d’un tableau de bord d’IA supplémentaire. Tenable a intégré la découverte de l’IA, la gouvernance des usages et la protection dans son modèle plus large de gestion de l’exposition.

Tenable a présenté pour la première fois Tenable AI Exposure à Black Hat USA le 6 août 2025. Le lancement visait des plateformes d’entreprise telles que ChatGPT Enterprise et Microsoft Copilot. Le produit est entré en aperçu privé auprès de clients, avec une disponibilité générale prévue avant la fin de cette année-là.

Le produit décrit dans cette annonce pouvait identifier les utilisateurs, les données échangées, les configurations risquées, les intégrations tierces, les injections de prompts et les tentatives de jailbreak. L’injection de prompt est une attaque qui manipule un modèle d’IA au moyen d’instructions conçues à cette fin. Un jailbreak vise à contourner les garde-fous qui limitent le comportement du modèle.

Tenable a également indiqué que cette fonctionnalité était sans agent. Dans ce contexte, un déploiement sans agent signifie que le client n’installe pas de logiciel de surveillance sur chaque appareil des employés. La plateforme dépend plutôt des intégrations et de la télémétrie disponible provenant des systèmes pris en charge.

Cette conception peut réduire les frictions de déploiement, même si la couverture dépend toujours de ce que ces intégrations exposent. Une connexion sans agent ne peut pas automatiquement observer chaque compte grand public non géré, modèle local ou application non enregistrée.

Le lancement initial de la sécurité de l’IA mettait l’accent sur le dépassement de la simple découverte. Tenable voulait combiner visibilité, gestion des risques et application des politiques. L’entreprise présentait cette offre comme une extension de Tenable One, et non comme une catégorie de produit déconnectée.

Le 27 janvier 2026, Tenable a annoncé la disponibilité générale de Tenable One AI Exposure. Cette version étendue couvre l’IA dans les applications de logiciel en tant que service, les services cloud, les API, les agents, les systèmes sur site et les environnements cloud.

Cette portée plus large est importante, car l’IA en entreprise existe rarement au sein d’un seul assistant approuvé. Une entreprise peut utiliser ChatGPT Enterprise pour la recherche, Microsoft Copilot pour le travail de bureau et des modèles personnalisés dans des applications destinées aux clients. Les équipes de développement peuvent aussi connecter des agents à des bases de données, des dépôts de code ou des API internes.

Tenable affirme que la plateforme découvre continuellement ces composants et cartographie leurs relations. Elle peut relier l’utilisation de l’IA aux identités, aux applications, à l’infrastructure et aux données. Le résultat recherché est une vue des risques montrant comment une faiblesse se combine à une autre.

Prenons l’exemple d’un agent interne de support ayant accès aux dossiers clients. Son modèle peut être correctement configuré, tandis que le compte de service qui le soutient détient des autorisations excessives sur la base de données. Un inventaire conventionnel de l’IA pourrait qualifier l’agent d’approuvé. La cartographie de l’exposition devrait révéler le chemin dangereux lié à l’identité et aux données qui l’entoure.

La publication de disponibilité générale de Tenable fait de cette cartographie des relations sa promesse centrale. Elle élargit aussi le produit au-delà des assistants d’entreprise mis en avant durant l’aperçu.

La chronologie est importante. Il ne s’agit pas d’un lancement de produit en août 2026, malgré le titre réapparu dans les flux d’actualités. L’annonce initiale a eu lieu en août 2025, suivie d’une disponibilité générale en janvier 2026.

Cette distinction modifie la manière dont les acheteurs doivent évaluer cette actualité. La question pertinente n’est plus de savoir si Tenable a annoncé une orientation en matière de sécurité de l’IA. Les acheteurs peuvent désormais examiner sa couverture en production, ses intégrations, ses flux de travail et les limites de son application des contrôles.

Pourquoi Tenable AI Security met les outils autonomes sous pression

Tenable parie que les acheteurs préféreront un graphe d’exposition unique à une console isolée supplémentaire, surtout lorsque les risques liés à l’IA commencent en dehors du modèle lui-même.

Les équipes de sécurité d’entreprise gèrent déjà des scanners de vulnérabilités, des produits de sécurité cloud, des systèmes d’identité, des contrôles des terminaux, des outils de prévention des pertes de données et des plateformes de test d’applications. Un produit de sécurité de l’IA dédié ajoute une source supplémentaire de résultats. Il ne crée pas automatiquement une équipe supplémentaire pour les examiner.

La stratégie de Tenable met sous pression les fournisseurs qui voient la sécurité de l’IA principalement comme de la découverte d’applications ou du filtrage en exécution. Ces fonctions restent importantes. Cependant, une équipe de sécurité ne peut pas prioriser un agent exposé sans comprendre ses privilèges, les actifs qu’il peut atteindre, son accès aux données et son rôle métier.

C’est le principal avantage de placer l’exposition de l’IA dans Tenable One. Un résultat peut hériter du contexte de l’environnement qui l’entoure. Une configuration faible devient plus urgente lorsqu’elle se trouve sur un service exposé à Internet disposant d’un accès sensible.

La même logique s’applique à l’utilisation ordinaire par les employés. Le téléversement d’un document vers un assistant approuvé ne présente pas le même risque dans tous les cas. Les questions pertinentes concernent la sensibilité du document, l’identité de l’utilisateur, la politique de l’organisation et les contrôles de traitement des données de la plateforme.

Tenable affirme que sa plateforme peut surveiller les schémas d’utilisation, les données échangées, le comportement des assistants et les flux de travail connectés. Elle affirme également prendre en charge les politiques d’utilisation acceptable, qui définissent les activités d’IA autorisées et interdites au sein d’une organisation.

Ces capacités répondent à un réel problème de responsabilité. Les déploiements d’IA proviennent souvent d’unités métier, de développeurs ou d’équipes produit. Le personnel de sécurité les découvre fréquemment après que les autorisations, intégrations et flux de données existent déjà.

Un inventaire peut aider les équipes de sécurité à trouver ces déploiements. Une carte des relations peut montrer quels systèmes comptent le plus. L’application des politiques peut ensuite limiter les comportements, à condition que la plateforme dispose à la fois d’une télémétrie suffisante et d’un point de contrôle disponible.

Cette dernière condition distingue la gestion de l’exposition du simple reporting. Un produit peut identifier une configuration risquée sans pouvoir la modifier. Il peut signaler une activité de prompt suspecte sans bloquer la requête. Les acheteurs doivent distinguer la détection, la remédiation recommandée, les changements automatisés et l’application en temps réel.

L’approche de Tenable exerce également une pression sur les plateformes établies disposant de vastes bases installées. Palo Alto Networks a réuni la découverte, l’analyse de modèles, la gestion de posture, le red teaming et la protection en exécution dans Prisma AIRS. Son produit actuel met l’accent sur les applications et les agents autonomes tout au long du développement et de la production.

La plateforme Prisma AIRS défie donc Tenable sur le terrain de la portée, et pas seulement de la notoriété de marque. Palo Alto Networks peut relier les contrôles de l’IA à l’application des politiques sur le réseau et dans le cloud. Tenable peut relier les résultats liés à l’IA à ses renseignements sur les vulnérabilités et l’exposition.

Microsoft occupe une autre position stratégique, car Copilot, Azure, les produits d’identité, de terminaux et de gouvernance des données produisent déjà une télémétrie pertinente. Cisco a de même relié la sécurité de l’IA aux infrastructures réseau et applicatives.

Cette carte concurrentielle ne désigne pas un vainqueur simple. Elle déplace la question d’achat du nombre de fonctionnalités vers l’adéquation architecturale. Les clients doivent déterminer quelle plateforme voit une part suffisante de leur environnement et contrôle les points importants.

Les organisations qui utilisent déjà Tenable One disposent d’un argument opérationnel évident en faveur de la consolidation. Leurs équipes peuvent examiner les résultats liés à l’IA aux côtés des expositions liées au cloud, aux identités, aux technologies opérationnelles et aux vulnérabilités. Elles peuvent également préserver leurs processus existants de priorisation et de remédiation.

Les clients centrés sur une autre plateforme de sécurité auront besoin de preuves plus solides. Un graphe Tenable unifié n’est utile que s’il reçoit des données suffisantes et s’intègre aux flux de travail existants. Dans le cas contraire, il risque de devenir une vue partielle supplémentaire dans une pile déjà encombrée.

La pression est donc la plus forte sur les produits de découverte autonomes. L’identification seule devient une fonctionnalité au sein de plateformes de sécurité plus larges. Les fournisseurs spécialisés doivent se différencier par des tests plus approfondis, l’analyse des modèles, les contrôles des données ou l’intervention en exécution.

La véritable concurrence oppose le contexte à l’application des contrôles

Le mécanisme de Tenable est convaincant parce que les défaillances de l’IA franchissent les frontières entre systèmes, mais le contexte ne peut pas remplacer un contrôle qui arrête un comportement dangereux.

Tenable présente le problème comme un « AI Exposure Gap ». Cette expression décrit l’écart entre l’adoption croissante de l’IA et la capacité de l’équipe de sécurité à voir les systèmes, identités, données et comportements associés.

Le concept correspond à la manière dont de nombreux incidents se développent. Une application d’IA n’a pas besoin d’une nouvelle faille de modèle pour causer des dommages. Des autorisations excessives, des services cloud exposés, une authentification faible, des intégrations dangereuses ou des données mal gérées peuvent offrir une voie plus simple.

C’est pourquoi le modèle de gestion de l’exposition est pertinent. Il recherche des combinaisons de faiblesses plutôt que de traiter chaque alerte de manière indépendante. Tenable peut théoriquement classer un problème d’IA selon le chemin d’attaque environnant et son impact potentiel sur l’activité.

Un chemin d’attaque est une chaîne de conditions connectées qui permet à un attaquant de se rapprocher d’une cible de valeur. Une identité d’agent disposant de privilèges excessifs peut devenir une étape dans une telle chaîne. Un point de terminaison public ou un compte utilisateur compromis peut fournir le point d’entrée.

Les agents d’IA augmentent les enjeux parce qu’ils peuvent effectuer des actions, et non seulement générer du texte. Un agent peut récupérer des documents, modifier des enregistrements, appeler des services externes ou déclencher des flux de travail internes. Son risque effectif dépend à la fois du comportement du modèle et de l’autorité qui lui est accordée.

Tenable affirme qu’AI Exposure peut identifier les intégrations risquées, les mauvaises configurations, les échanges de données et les tentatives de manipulation. L’entreprise affirme également que la plateforme peut contenir des agents risqués ou compromis. Ces affirmations méritent une évaluation précise lors des tests du produit.

Les acheteurs devraient demander où s’effectue le confinement. Tenable pourrait désactiver une configuration par le biais d’une intégration, invoquer un autre contrôle de sécurité ou alerter un opérateur qui intervient. Chaque méthode présente des différences en matière de rapidité, de fiabilité et de couverture.

Ils devraient également demander comment le système distingue l’expérimentation légitime des violations de politiques. Un développeur qui teste l’injection de prompt dans un environnement autorisé peut ressembler à un attaquant. Le contexte aide, mais la classification automatisée peut toujours produire des faux positifs.

La documentation AI Exposure de la plateforme donne aux clients un point de départ concernant les fonctions et versions prises en charge. La documentation compte davantage que les annonces de lancement générales lorsque les équipes planifient des contrôles opérationnels.

Le problème technique dépasse les invites visibles. Une injection indirecte de prompt peut provenir d’un document, d’un site web, d’un e-mail ou d’un enregistrement de base de données traité par une application d’IA. Les instructions de l’attaquant deviennent partie intégrante du contexte du modèle sans apparaître comme une demande directe de l’utilisateur.

Les recommandations de l’OWASP identifient l’injection de prompt comme un risque majeur pour les applications de grands modèles de langage. Elles soulignent également que la récupération d’informations et la personnalisation des modèles ne résolvent pas totalement le problème. Aucun graphe d’exposition ne peut donc, à lui seul, éliminer le comportement sous-jacent du modèle.

Tenable peut néanmoins réduire les conséquences périphériques. Un agent aux autorisations strictement limitées présente un risque moindre qu’un agent disposant d’un accès étendu. La surveillance des flux de données et des paramètres d’intégration peut également révéler les conditions qui rendent une manipulation plus dangereuse.

C’est le compromis central de l’article. Tenable offre une couverture étendue de l’environnement, tandis que des contrôles spécialisés peuvent intervenir plus près du modèle ou de la transaction d’exécution. Les acheteurs d’entreprise ont souvent besoin à la fois de contexte et d’intervention.

Une plateforme étendue peut identifier qu’un agent atteint une base de données sensible par l’intermédiaire d’une identité aux privilèges excessifs. Une couche de sécurité à l’exécution peut inspecter la requête et bloquer une instruction malveillante. Un système d’identité peut révoquer l’accès, tandis qu’un contrôle des données empêche la divulgation.

L’implémentation la plus solide relie ces décisions. La plus faible produit plusieurs alertes sans réponse coordonnée. Le succès de Tenable dépendra de sa capacité à faire de Tenable One cette couche de liaison, plutôt qu’une vue principalement analytique.

C’est aussi pourquoi « plateforme unique » ne devrait pas signifier « source unique de vérité » sans nuance. Les systèmes d’IA couvrent des fournisseurs cloud, des éditeurs de modèles, des plateformes de développement, des suites de productivité et des applications internes. Aucun fournisseur ne possède tous les signaux ou points d’application pertinents.

Tenable a reconnu cette réalité distribuée à travers ses intégrations et sa stratégie plus large de données d’exposition. Sa tâche consiste à normaliser ces signaux sans effacer les détails essentiels. Un score de risque de haut niveau doit rester traçable jusqu’aux éléments de preuve qui le sous-tendent.

Les équipes de sécurité devraient exiger cette traçabilité. Les analystes doivent comprendre pourquoi la plateforme a classé une exposition IA au-dessus d’une autre. Ils doivent également savoir quel actif, quelle identité, quelle autorisation et quelle relation de données ont contribué au résultat.

Sans éléments de preuve explicables, la priorisation devient une recommandation opaque de plus. Avec des preuves mais sans voie d’action, elle devient un meilleur rapport. Le juste milieu utile relie le contexte, la responsabilité, la remédiation et la vérification.

Ce que les affirmations de Tenable n’établissent toujours pas

La disponibilité générale établit la maturité du produit, mais pas une visibilité complète, une priorisation précise ou une prévention avérée dans tous les environnements d’IA d’entreprise.

Les annonces de Tenable décrivent un vaste éventail de capacités. Elles ne publient pas de mesures indépendantes concernant la couverture de découverte, la précision de détection, les taux de faux positifs, le délai de remédiation ou les attaques bloquées.

Cette absence est courante lors des lancements de produits de sécurité. Elle limite néanmoins les conclusions que les acheteurs peuvent en tirer. Une liste de fonctions prises en charge ne démontre pas avec quelle régularité ces fonctions opèrent dans différentes architectures.

La découverte constitue la première incertitude. Les plateformes d’entreprise approuvées fournissent souvent des API administratives et des journaux d’audit. Les outils grand public non gérés, les extensions de navigateur, les assistants intégrés, les modèles locaux et les passerelles personnalisées peuvent être bien plus difficiles à observer.

La télémétrie réseau peut révéler des connexions à des services connus, mais le trafic chiffré limite l’inspection du contenu. Les contrôles des terminaux peuvent voir l’activité locale, mais exigent un déploiement et des autorisations. Les connecteurs cloud fournissent des données de configuration, bien qu’ils dépendent des services pris en charge et de l’accès aux comptes.

L’approche sans agent de Tenable réduit les exigences d’installation. Elle n’élimine pas ces limites de visibilité. Les acheteurs devraient associer chaque cas d’utilisation de l’IA à une source de données spécifique avant d’accepter les affirmations de découverte continue.

La deuxième incertitude concerne l’interprétation des données. Une plateforme peut détecter qu’un utilisateur a téléversé un fichier sans en comprendre la sensibilité. Elle peut identifier une intégration d’IA sans savoir si le flux de travail est expérimental, critique pour la production ou abandonné.

Un contexte précis nécessite des enregistrements d’identité, une classification des données, la propriété des actifs, des métadonnées applicatives et des priorités métier. Ces sources sont souvent incomplètes avant le début d’un projet de sécurité de l’IA.

La troisième incertitude concerne l’inspection au niveau des prompts. La surveillance des prompts peut exposer des informations sensibles sur les employés ou les clients à un autre système. Les organisations ont besoin de politiques claires de conservation, d’accès, de masquage, de résidence et d’audit pour la télémétrie de sécurité elle-même.

Cela crée un équilibre difficile. Une plus grande visibilité sur le contenu peut améliorer la détection des partages dangereux et des manipulations. Elle peut aussi accroître la quantité de matériel sensible collectée par la plateforme de sécurité.

La quatrième incertitude est l’application des contrôles. Tenable indique que AI Exposure peut arrêter les attaques spécifiques à l’IA et contenir les agents à risque. Les clients devraient vérifier quelles plateformes prises en charge permettent un blocage en temps réel et lesquelles fournissent une détection ou des actions recommandées.

La latence compte également. Un contrôle qui se met à jour après une synchronisation planifiée ne peut pas arrêter l’appel immédiat à un outil par un agent. Il peut toujours soutenir l’enquête et la remédiation, mais il s’agit d’un résultat de sécurité différent.

La cinquième incertitude est la qualité de la priorisation. La gestion de l’exposition repose sur la combinaison de la gravité technique avec l’accessibilité et le contexte métier. L’IA introduit des facteurs comportementaux que la notation conventionnelle des vulnérabilités n’a pas été conçue pour capturer.

Un agent disposant de faibles privilèges d’infrastructure peut néanmoins influencer une décision de grande valeur. Un chatbot sans accès au système pourrait divulguer du texte sensible. Un modèle techniquement exposé pourrait ne traiter que des données de test synthétiques.

Tenable doit tenir compte de ces différences sans transformer chaque constat lié à l’IA en alerte critique. Les équipes de sécurité peinent déjà à gérer un volume excessif de constats. Ajouter un autre vaste inventaire sans classement rigoureux alourdirait encore cette charge.

Les recommandations du secteur peuvent aider à définir les questions, mais elles ne peuvent pas valider l’implémentation d’un fournisseur. Le cadre de l’IA du NIST organise le travail sur les risques autour de la gouvernance, de la cartographie, de la mesure et de la gestion de l’IA. Son profil consacré à l’IA générative ajoute des risques et des actions suggérées pour cette technologie.

Ces fonctions s’alignent étroitement sur le discours de Tenable. Toutefois, l’alignement sur un cadre ne certifie pas l’efficacité d’un produit. Les organisations ont toujours besoin de tests, de gouvernance, de processus de réponse aux incidents et de responsabilité humaine.

L’annonce initiale de Tenable mettait également en avant ChatGPT Enterprise et Microsoft Copilot. Le produit actuel présente une couverture plus large des plateformes et agents d’IA. Les acheteurs devraient confirmer les services exacts pris en charge, la profondeur des fonctionnalités et la disponibilité régionale.

Une mention de prise en charge peut masquer des différences majeures. Une intégration peut exposer les identités et la configuration, tandis qu’une autre fournit l’activité des prompts et l’application des contrôles. Les équipes achats devraient comparer les champs, les actions, la fréquence des mises à jour et le comportement en cas de défaillance.

Les responsables de la sécurité devraient également éviter de considérer l’achat d’une plateforme comme l’aboutissement de la gouvernance de l’IA. Les responsables produit doivent définir les usages acceptables. Les équipes juridiques et de protection de la vie privée doivent établir les exigences relatives aux données. Les équipes identité doivent restreindre les autorisations, et les développeurs doivent concevoir des actions d’agent plus sûres.

Tenable One peut coordonner une partie de ce travail. Il ne peut pas décider de la tolérance au risque de l’organisation. Il ne peut pas non plus corriger chaque conception d’application dangereuse après son déploiement.

Trois signaux montreront si la stratégie fonctionne

La prochaine phase devrait être jugée à travers la profondeur des intégrations, la réduction vérifiée des risques et la réponse concurrentielle, et non à travers une nouvelle liste de fonctionnalités d’IA.

Le premier signal est l’élargissement de la couverture en production. Tenable devrait documenter quelles plateformes d’IA, quels services cloud, quelles API et quels frameworks d’agents bénéficient d’une prise en charge approfondie. Le détail important n’est pas le nombre d’intégrations.

Les acheteurs doivent savoir ce que chaque connexion peut observer et modifier. Les informations utiles incluent les données d’identité disponibles, la couverture de configuration, la visibilité des prompts, les actions de politique, le calendrier de synchronisation et les options de remédiation.

Une couverture plus approfondie renforcerait l’argument de Tenable en faveur d’une exposition unifiée. Une longue liste de connecteurs avec une télémétrie superficielle l’affaiblirait. Les équipes de sécurité devraient rechercher des notes de version ajoutant des actions applicables, et pas seulement de nouvelles sources d’inventaire.

Le deuxième signal est une amélioration opérationnelle mesurable. Tenable devrait fournir des preuves clients montrant que le contexte IA modifie la priorisation, réduit le temps d’enquête ou empêche les comportements à risque.

Les preuves les plus utiles compareraient les flux de travail avant et après le déploiement. Elles pourraient montrer comment une exposition combinant identité, cloud et IA est passée devant des constats à plus faible impact. Elles pourraient également documenter la rapidité avec laquelle l’équipe a fermé cette voie.

Des tests indépendants auraient davantage de poids qu’une simple citation client. Des chercheurs pourraient évaluer la couverture de découverte, la détection des attaques, l’application des politiques et les faux positifs dans des scénarios reproductibles.

Un résultat solide montrerait que Tenable détecte des expositions significatives manquées par des outils isolés. Il devrait aussi montrer que les analystes peuvent comprendre le constat et achever la remédiation sans travail manuel excessif.

Le troisième signal est la manière dont les plateformes de sécurité concurrentes réagissent. Palo Alto Networks propose déjà des fonctions de posture, de modèle, d’exécution, de red team et de sécurité des agents via Prisma AIRS. D’autres fournisseurs peuvent relier les contrôles d’IA à la télémétrie des identités, des données, des terminaux, du réseau ou du cloud.

Si les concurrents adoptent le même langage centré sur l’exposition, le cadrage de Tenable gagne en validation. S’ils offrent une application des contrôles plus forte tandis que Tenable reste axé sur l’analyse, le marché pourrait favoriser les plateformes plus proches du contrôle à l’exécution.

Les partenariats façonneront ce résultat. Aucune plateforme de gestion de l’exposition ne peut gouverner nativement chaque modèle, framework d’agent, magasin de données et application métier. Tenable a besoin d’un accès fiable à la télémétrie tierce et aux interfaces de remédiation.

Les interfaces ouvertes protègent également les clients contre le verrouillage architectural. Les entreprises utiliseront plusieurs fournisseurs de modèles et piles de développement. Elles ont besoin de politiques de sécurité qui résistent aux changements de ces services sous-jacents.

Pour les responsables de la sécurité, l’action immédiate consiste en une évaluation contrôlée. Sélectionnez plusieurs flux de travail réels liés à l’IA, dont un assistant approuvé, une application personnalisée et un agent avec accès à des outils. Documentez chaque identité, source de données, autorisation et connexion externe.

Testez ensuite séparément la découverte, le contexte, la détection, l’application des contrôles et la remédiation. Introduisez une mauvaise configuration, un privilège excessif, un transfert de données interdit et un scénario contrôlé d’injection de prompt. Consignez quelle étape Tenable observe et quelle étape il peut modifier.

Incluez les équipes de protection de la vie privée et de gouvernance dans cette évaluation. La surveillance des prompts et la collecte d’activité peuvent créer leurs propres enregistrements sensibles. Confirmez la conservation, le contrôle d’accès, le masquage, l’audit et le traitement régional avant un déploiement à grande échelle.

Enfin, comparez le résultat avec les contrôles déjà présents dans les plateformes cloud, d’identité, de données et de productivité. La consolidation ne crée de valeur que lorsqu’elle supprime des angles morts ou raccourcit la réponse. Un nouveau tableau de bord ne fait ni l’un ni l’autre.

Tenable One deviendra-t-il la couche de risque qui relie l’IA d’entreprise au reste de la cybersécurité ? Son architecture lui offre une voie crédible. Les acheteurs devraient désormais exiger des preuves que cette voie mène à une réduction des risques applicable et mesurable.