Lors de l'événement Protect 2026 à San Diego aujourd'hui, nous avons présenté le système Proofpoint de sécurité de la collaboration pour les environnements agentiques. Ce système centralisé réunit la détection basée sur l'intention, l'investigation agentique et les agents d'analyse du risque utilisateur dans le but de protéger les communications et les interactions de collaboration. Il comprend trois composantes imbriquées : la détection basée sur l'intention raisonne à propos du contexte pour déterminer le véritable objectif d'une interaction, puis les agents transforment ces décisions en investigation, réponse et gestion du risque utilisateur – des éléments qui ont nécessité jusque-là l'intervention manuelle d'un analyste.
Pourquoi maintenant ?
Les attaques les plus difficiles à détecter aujourd'hui ont toutes les apparences d'une activité ordinaire. La boîte email d'un fournisseur est compromise et le cybercriminel prend connaissance de plusieurs mois de correspondance légitime avant de répondre au sein d'un fil de discussion actif, en citant un bon de commande réel, depuis un compte authentique. Il n'y a pas de malware, pas de lien et pas de domaine similaire, rien en somme qu'une règle existante puisse détecter. Une attaque visant un cadre dirigeant peut ne jamais se répéter, elle ne constitue donc jamais un schéma récurrent. Une demande qui sort du périmètre d'accès habituel d'un utilisateur provient toujours d'une personne autorisée à l'envoyer.
L'analyse comportementale est conçue pour détecter les écarts par rapport à une base de référence. Cette conception échoue dès lors que le compte, la conversation et la demande semblent tout à fait normaux. Détecter ces attaques implique de raisonner sur l'objectif que poursuit réellement un message, et pas seulement de vérifier s'il semble différent des activités observées précédemment dans les emails, les outils de collaboration et le navigateur.
Parallèlement, le travail de réponse aux détections dépasse désormais les capacités de traitement manuel des équipes de sécurité. Une seule investigation peut nécessiter d'extraire des preuves au niveau de la messagerie, de l'identité, des endpoints, du navigateur et d'une demi-douzaine d'autres outils avant que l'on puisse déterminer précisément les événements survenus ou la portée de l'attaque. Un programme de sensibilisation à la sécurité reposant sur des modules de formation statiques ne peut pas suivre le rythme d'un paysage des menaces qui se transforme chaque semaine, et une liste de VIP gérée manuellement est obsolète dès qu'une nouvelle personne devient une cible. Pour combler cet écart, améliorer la qualité de la détection ne suffit pas. Il faut disposer d'agents capables de prendre en charge le travail d'investigation, de réponse et de gestion des risques qui a toujours nécessité une intervention humaine manuelle.
Résoudre ce problème nécessite un système où le contexte, le raisonnement et l'action sont connectés de bout en bout. Nous en décrivons chaque composante ci-dessous : le graphe qui fournit le contexte, le modèle qui raisonne par-dessus et les agents qui agissent en fonction.
Les signaux ne sont pertinents que s'ils sont connectés : Proofpoint Knowledge Graph
De plus en plus, les fournisseurs mettent en avant le nombre de signaux qu'ils ingèrent dans le cadre de la détection. Or, un signal n'est utile que s'il est relié à un élément que le système connaît déjà. Un modèle qui s'arrête au niveau du domaine ne peut pas indiquer si la personne contactée par email aujourd'hui est quelqu'un déjà signalé comme étant à haut risque, ou quelles données cette personne peut atteindre. La plupart des fournisseurs n'ont aucun moyen d'examiner l'activité au-delà des données de collaboration pour prendre en considération le reste de la pile de sécurité d'un client, de sorte que leur image de chaque utilisateur reste limitée.
Nous faisons évoluer notre Behavior Graph en Proofpoint Knowledge Graph, en étendant le profilage du niveau du domaine aux groupes et aux utilisateurs individuels, et en ajoutant une modélisation des thèmes et du ton via une fabrique de thèmes qui transmet directement ces nouvelles informations à la passerelle. Le graphe dépasse alors le cadre de la sécurité de la collaboration pour s'appliquer au reste de la plate-forme, en tirant parti des signaux provenant de la sécurité des données et de la sécurité de l'IA. La détection peut ainsi dépasser le stade de savoir si un message semble correct, pour déterminer si la personne qui le reçoit constitue déjà un risque établi et quelles ressources pourraient être exposées si cette personne était compromise.
Rapidité sans sacrifier la profondeur d'analyse : la détection basée sur l'intention de Nexus
Un modèle de détection unique doit choisir entre rapidité et rigueur, et appliquer ce choix à chaque message qu'il traite. Les fournisseurs qui privilégient la rapidité acceptent une analyse superficielle. Ceux qui optent pour la rigueur tolèrent un certain délai, généralement en conservant un message pour examen après qu'il a déjà atteint la boîte de réception. Aucune de ces approches ne permet de faire la distinction entre un message qui semble inhabituel et un message qui exprime une demande inappropriée.
Le modèle de détection basée sur l'intention Nexus, qui se repose sur le Knowledge Graph décrit ci-dessus, évalue l'objectif d'un message, la plausibilité de cet objectif compte tenu de la relation, et la technique utilisée pour le poursuivre. Il résout la plupart des décisions en moins d'une demi-seconde à l'aide de modèles légers, en vérifiant le contexte métier, l'infrastructure cybercriminelle connue et le profil de risque de l'expéditeur, ce qui en fait la seule passerelle de messagerie sécurisée à fournir une détection basée sur l'intention avant qu'un message n'atteigne l'utilisateur.
Lors de la conférence, nous avons annoncé la disponibilité générale de deux nouveaux modèles légers basés sur l'intention qui protègent les entreprises contre les menaces et les perturbations de l'activité :
- Reconstitution avancée des campagnes : le modèle relie des menaces par email apparemment sans rapport en une seule campagne, même lorsque les objets, le contenu des messages ou d'autres attributs diffèrent. En rapprochant l'intention de l'attaquant plutôt que le contenu exact, il révèle des campagnes sophistiquées conçues pour échapper à la détection.
- Protection contre le bombardement militant : le modèle détecte les campagnes email militantes coordonnées ciblant les entreprises, même lorsque les messages proviennent de plusieurs expéditeurs. En mettant en correspondance l'intention partagée entre les emails, il identifie les campagnes de bombardement militant susceptibles d'échapper à la détection des menaces traditionnelle.
Le prochain ensemble de messages réellement ambigus passe à une réflexion approfondie, hors de la boîte de réception, où le modèle évalue l'historique des relations, la corrélation des campagnes et le contexte comportemental avant de prendre une décision. Les cas les plus difficiles font l'objet d'une reconstruction complète lors de l'investigation. Parce que Proofpoint exploite sa propre passerelle, ce raisonnement s'exécute avant la remise, dans la boîte de réception et pendant l'investigation, et ce que le modèle apprend en aval est réinjecté dans ce qu'il intercepte avant la remise.
Chaque détection bénéficie également d'un enrichissement selon trois axes : individuel, organisationnel et vertical, de sorte qu'une technique interceptée une fois est testée sur tous ceux qu'elle menace de manière plausible. Une technique qui paraît isolée au niveau individuel peut s'avérer incontestable une fois comparée au reste de l'entreprise, et une campagne demeurant invisible au sein d'une entreprise peut se révéler incontestable lorsqu'elle est comparée aux seules organisations de son secteur. Les détections bénéficient de la plus grande communauté au monde dédiée à la protection de la messagerie. Proofpoint analyse 2,37 billions d'emails, 19,5 billions d'URL et 1,27 billion de pièces jointes par an pour plus de 3,4 millions de clients, ce qui signifie que nous observons souvent la compromission d'un fournisseur ou partenaire qui n'est même pas client Proofpoint, avant que la menace n'atteigne votre entreprise.
Protection basée sur l'intention conçue pour les utilisateurs critiques : protection des utilisateurs à privilèges
Une attaque conçue pour un seul cadre dirigeant ne se répète pas, de sorte qu'elle ne présente jamais des caractéristiques récurrentes à partir duquel un modèle au niveau des utilisateurs pourrait apprendre. Un message hostile ou une campagne soutenue visant une seule personne n'est ni du malware ni du spam, et passe outre les filtres conventionnels sans déclencher d'alerte. Les protections des VIP existantes appliquent des règles plus strictes à une liste tenue manuellement, mais cela n'équivaut pas à déterminer quels éléments sont normaux pour une personne donnée.
La protection des utilisateurs à privilèges crée et maintient un modèle de détection dédié pour chaque individu protégé, formé à partir de ses relations spécifiques, de ses schémas de communication et de ses workflows. l'objectif est qu'une attaque conçue pour une personne puisse être détectée dès la première tentative plutôt qu'après l'apparition des mêmes caractéristiques chez d'autres victimes. Elle couvre également les communications indésirables visant spécifiquement cette personne, et abaisse automatiquement le seuil d'analyse approfondie pour toutes les communications qui lui sont exclusivement adressées.
Automatisation des investigations autrefois chronophages : investigation autonome des menaces
Lorsqu'une alerte se déclenche, quelqu'un doit encore déterminer ce qui s'est réellement passé. Il faut extraire des preuves à partir des emails, de l'identité, des endpoints, du navigateur et des outils SIEM un par un et reconstituer manuellement une chronologie. La plupart des équipes de sécurité ne disposent pas des heures d'analyste nécessaires pour le faire minutieusement pour chaque alerte ; l'investigation n'a donc pas lieu, ou elle se déroule trop lentement pour être fructueuse.
L'investigation autonome des menaces automatise ce travail. Elle peut être invoquée manuellement ou déclenchée automatiquement lorsqu'un événement nécessite une analyse plus approfondie. Elle raisonne à partir des données télémétriques de Proofpoint et de données tierces, notamment celles provenant de l'identité, des endpoints, du navigateur, du SIEM, du proxy Web et d'autres outils connectés via MCP, afin de reconstituer l'attaque, d'établir sa chronologie et son périmètre, ainsi que de recommander ou d'exécuter une réponse. Les analystes reçoivent une investigation complète plutôt qu'un ensemble d'alertes qu'ils doivent eux-mêmes corréler. Chaque investigation alimente également un processus en boucle fermée : les enseignements tirés des faux positifs, des faux négatifs ou des signalements effectués par les clients permettent de mettre à jour la logique de détection, réduisant ainsi la probabilité qu'une même faille de détection se reproduise.
Une nouvelle approche proactive pour réduire le risque utilisateur croissant : agents de risque utilisateur Proofpoint
Un petit nombre d'utilisateurs représente une part disproportionnée du risque d'une entreprise. Pourtant, de nombreuses équipes de sécurité peinent à les identifier et à comprendre pourquoi ils sont exposés à des risques majeurs. Sans ce contexte, les équipes sont réduites à deviner où concentrer leurs efforts, quels utilisateurs nécessitent une attention particulière et comment atténuer efficacement les risques.
Parallèlement, les tactiques des cybercriminels évoluent rapidement. Les attaquants utilisent l'IA pour étudier leurs cibles, identifier les utilisateurs vulnérables et rechercher les points faibles. Le fossé se creuse entre les attaques à la vitesse des machines utilisant des leurres hautement personnalisés d’une part, et les défenses qui traitent encore le risque utilisateur comme un problème de sensibilisation à la sécurité ou qui reposent sur des outils cloisonnés.
Les agents de risque utilisateur Proofpoint comblent ce fossé en réunissant deux agents coordonnés, le Red Team Agent et le Blue Team Agent, dans une boucle continue pour renforcer la protection et réduire le risque utilisateur. Le Red Team Agent recherche, synthétise et orchestre en permanence la découverte des risques liés aux utilisateurs en élaborant un contexte à partir de signaux publics concernant les collaborateurs, les entreprises et les partenaires. Il utilise ensuite ce contexte pour créer des leurres personnalisés et orchestrer des événements en chaîne, y compris des attaques simulées en conditions réelles.
Le Blue Team Agent établit des profils dynamiques d'utilisateurs à haut risque, recommande et applique des contrôles et des protections adaptatifs, et dispense un coaching ciblé et informé sur les menaces au moment opportun. Ensemble, les agents créent un système qui s'améliore continuellement, chaque agent fonctionnant indépendamment, ce qui aide les entreprises à réduire de manière proactive le risque utilisateur avec un effort administratif minimal.
Étendre la protection au-delà du point de remise : protection avancée du navigateur Proofpoint
Les attaques s'adaptent à l'évolution de l'environnement de travail. Environ 85 % des tâches d'une journée de travail se déroulent désormais dans le cadre du navigateur et des applications cloud, et les cybercriminels ont suivi le mouvement1. Le phishing et la prise de contrôle de comptes aboutissent dans le navigateur, où les identifiants de connexion sont saisis, les jetons de session transmis et le consentement accordé. De plus en plus souvent, ils commencent au même endroit, sans qu'aucun email ne soit impliqué. En outre, 95 % des attaques par navigateur observées en 2025 utilisaient une forme de protection contre les bots pour échapper à l'analyse en sandbox2 ; par exemple, une sandbox chargeant cette page depuis notre infrastructure se voit présenter une page saine ou des URL situées derrière les contrôles d'authentification des utilisateurs finaux. De plus, environ un tiers des charges virales interceptées l'année dernière n'ont jamais transité par la messagerie, mais ont atteint leur destination par le biais de résultats de recherche, de publicités malveillantes, etc.2
La protection de la messagerie n'a aucune visibilité sur les événements qui se déroulent après le clic. Un outil de navigation déconnecté de la threat intelligence relative à la messagerie dispose d'une visibilité beaucoup plus limitée. La fonction de protection avancée du navigateur, fournie par Proofpoint en partenariat avec Push Security, comble cette lacune. Elle étend au navigateur la threat intelligence qui protège les emails entrants ; elle valide les URL en temps réel lors du clic et elle contre les techniques natives du navigateur : attaques de type adversary-in-the-middle, vol de jetons de session, utilisation abusive d'OAuth, extensions malveillantes.
Proofpoint est le seul fournisseur disposant d'une threat intelligence partagée concernant la messagerie et le navigateur. Proofpoint Core Email Protection voit le leurre, l'expéditeur, la campagne et chaque destinataire ciblé. La protection avancée du navigateur voit les actions que l'utilisateur réalise effectivement dans le navigateur. Chaque composante renforce l'autre : le contexte de l'email oriente le navigateur sur ce qu'il doit considérer comme suspect, et les verdicts du navigateur comblent l'angle mort lors de la remise. Grâce au partenariat avec Push Security combiné à la détection native de Proofpoint ainsi qu'à la threat intelligence en matière de messagerie et d'identité, nous sommes en mesure de fournir des fonctions uniques de détection et de réponse pour les attaques basées sur le navigateur. De plus, une technique repérée dans le navigateur affine ce qui est intercepté avant la remise, et une technique interceptée dans un email affine ce que le navigateur surveille. Les détections apparaissent dans le même Threat Protection Workbench, de sorte que les investigations sur la messagerie et le navigateur partagent le contexte au lieu de s'exécuter comme des outils distincts.
Ce qui nous attend
La compromission d'un fournisseur décrite au début de cet article ne possède aucune signature qui peut servir de base à la détection. Aucun malware, aucun domaine usurpé, aucun expéditeur anormal, bref aucun élément que la conception du moteur de règles soit susceptible de signaler. C'est le changement de paradigme pour lequel ce système est conçu : passer de la détection d'anomalies comportementales au raisonnement sur l'intention, et des alertes qui attendent qu'une personne intervienne à des agents qui analysent, répondent et gèrent les risques de manière autonome. Il ne s'agit pas ici d'une solution ponctuelle. Les cybercriminels continueront à trouver des techniques sans empreinte numérique, à agir après la remise d'un message et à rechercher la personne la plus facile à atteindre. Combler chacune de ces lacunes est la raison pour laquelle ce système raisonne avant la remise, agit après le déclenchement d'une alerte et suit le risque d'un utilisateur à mesure qu'il évolue, dans le navigateur tout autant que dans la boîte de réception.
Ce que nous contrôlons, c'est la part de ce travail qui nécessite encore l'intervention humaine, et la précision avec laquelle la détection, les agents et la protection du navigateur fonctionnent comme un seul système plutôt que comme trois outils distincts. Nous sommes impatients de pouvoir présenter, au premier trimestre 2027, de plus amples informations sur ce nouveau système de détection et ses capacités dans le cadre d'une mise à jour du système Proofpoint de sécurité de la collaboration pour les environnements. Merci à nos clients et partenaires pour les retours qui ont inspiré ce lancement, et à tous ceux qui nous ont rejoints à San Diego cette semaine.
Citations
- Omdia, The State of Workforce Security (2025), commandé par Palo Alto Networks
- Push Security, Browser Attack Techniques Report (2026)