Datadog: Observabilité et Sécurité à l'ère de l'IA

Les agents IA sont entrés dans nos stacks de production. Ils répondent à des incidents, analysent des alertes sécurité, génèrent et déploient du code. Les équipes DevSecOps sont en première ligne: adopter l’IA pour aller plus vite, sans perdre le contrôle sur ce qu’elles mettent en production.

Nous verrons dans un premier temps comment les agents autonomes Datadog changent concrètement le cycle d’un incident, de l’investigation à la remédiation, et ce que ça implique pour les équipes qui restent aux commandes.

Nous nous intéresserons ensuite aux systèmes reposant sur l’IA: que se passe-t-il vraiment dans vos chaînes LLM et vos workflows agentiques? Hallucinations, dérives silencieuses, coûts qui s’emballent: autant de signaux qui peuvent rester invisibles sans observabilité dédiée. Ces mêmes systèmes ouvrent aussi de nouvelles surfaces d’attaque: nous verrons comment identifier et se protéger contre ces menaces (prompt injection, jailbreak, exfiltration de données), qui échappent bien souvent aux méthodes de détection conventionnelles.

Nous conclurons enfin sur un enjeu souvent sous-estimé: la fiabilité des données qui alimentent ces systèmes. Un pipeline corrompu, un schéma qui change en amont, une anomalie silencieuse: c’est le modèle entier qui dérive sans que personne ne le remarque. L’observabilité des données permet de fermer la boucle, et de s’assurer que l’ensemble des systèmes, de l’IA jusqu’aux tableaux de bord business, repose sur des données fiables et sûres.