MIND dévoile cinq agents IA pour automatiser la sécurité des données en entreprise

Cinq agents pour les tâches les plus chronophages

Les cinq agents autonomes de MIND se répartissent les principales opérations d'un programme DLP :

• Custom Classifier Agent — déjà disponible, il automatise la création et l'ajustement de classificateurs adaptés aux données sensibles propres à chaque organisation .
• Issue Investigator Agent — également déjà disponible, il enquête sur les incidents DLP afin de réduire le tri manuel des alertes .
• Policy Producer Agent — nouvel agent, il traduit les objectifs de sécurité en règles et en syntaxe de politique, puis les affine à partir de l'activité réelle sur les données .
• Rapid Response Agent — nouvel agent, il automatise les mesures de remédiation lorsqu'une exposition de données est détectée .
• Reason Reviewer Agent — nouvel agent, il examine et traite les demandes d'exception ou de dérogation qui pouvaient auparavant s'accumuler dans les équipes .

L'entreprise présente ces agents comme une équipe coordonnée : chacun prend en charge une étape distincte de la protection des données, de la classification initiale jusqu'au traitement d'une exposition ou d'une exception .

Une commande en langage naturel grâce à MCP

MIND ajoute à cette suite une interface Model Context Protocol (MCP). Elle permet aux équipes de sécurité de diriger les agents depuis n'importe quel client d'IA compatible MCP qu'elles utilisent déjà, sans devoir ouvrir une console distincte .

En pratique, une équipe pourrait demander en langage courant : « enquête sur les alertes liées aux données personnelles de la nuit dernière » ou « mets à jour le classificateur des cartes bancaires ». Les agents exécutent ensuite les opérations correspondantes dans la plateforme .

Le MCP est ici présenté comme une couche d'interopérabilité entre les outils d'IA et les fonctions de sécurité des données de MIND. Il ne s'agit donc pas seulement d'ajouter de l'automatisation, mais aussi de rendre ces opérations accessibles depuis les interfaces conversationnelles déjà adoptées par les équipes.

Des gains de temps revendiqués par des clients

D'après les organisations utilisant la plateforme, le temps nécessaire à l'investigation d'un incident serait passé de trois ou quatre heures à quelques minutes. Mike Morrato, directeur de la sécurité des systèmes d'information de Noname Security, évoque ainsi une économie de temps de 25 à 50 % par incident et par jour .

Al Faiella, directeur senior de l'ingénierie sécurité chez ThoughtSpot, résume pour sa part le bénéfice en termes de « tranquillité d'esprit » : les incidents arrivent avec une investigation déjà réalisée et les politiques s'affinent progressivement . Ces résultats et témoignages sont rapportés par MIND et ses sources ; ils ne constituent pas une mesure indépendante de la performance de la solution.

Le défi : sécuriser des flux de données plus rapides que la gouvernance humaine

MIND inscrit cette annonce dans un problème plus large de gouvernance de l'IA en entreprise. Les applications d'IA générative, les agents autonomes et les workflows automatisés peuvent créer, consulter, transformer et partager des données plus rapidement que les équipes ne peuvent les gouverner manuellement .

Dans ce contexte, les équipes de sécurité consacrent encore une grande partie de leur temps à des opérations répétitives : construire des classificateurs, examiner les alertes, ajuster les politiques et traiter les demandes d'exception, plutôt qu'à la stratégie .

« L'IA a fondamentalement changé la manière dont les données sont créées et circulent, mais elle n'a pas changé la manière dont la plupart des organisations les sécurisent », a déclaré Eran Barak, PDG de MIND . Les nouveaux agents cherchent précisément à réduire cet écart entre la vitesse des systèmes d'IA et celle des processus de sécurité.

Une extension de la protection DLP pour les agents autonomes

Cette annonce s'appuie sur le lancement par MIND de DLP for Agentic AI, présenté en janvier 2026 comme une approche de sécurité centrée sur les données. Cette offre devait notamment permettre d'identifier les agents IA actifs dans l'entreprise, de détecter les données sensibles auxquelles ils accèdent et de prévenir les fuites lors des interactions entre agents .

Cette première couche fournissait la visibilité et les contrôles de politique nécessaires pour surveiller les flux de travail agentiques . La suite annoncée en juillet ajoute une couche d'exécution opérationnelle : les agents peuvent désormais construire des classificateurs, enquêter sur les incidents, produire des politiques et remédier aux expositions de manière autonome .

La trajectoire revendiquée par MIND est donc la suivante : d'abord comprendre ce que font les agents IA et quelles données ils utilisent, puis laisser des agents spécialisés faire fonctionner une partie du programme DLP lui-même.