<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Deepset on EloNeva</title>
    <link>https://neweloneva.lgrdev.ovh/tags/deepset/</link>
    <description>Recent content in Deepset on EloNeva</description>
    <generator>Astro</generator>
    <language>fr</language>
    <managingEditor>contact@eloneva.com (EloNeva)</managingEditor>
    <webMaster>contact@eloneva.com (EloNeva)</webMaster>
    <lastBuildDate>Mon, 11 May 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://neweloneva.lgrdev.ovh/tags/deepset/rss.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>WinDev 2026 Chat IA : protéger ses prompts des injections</title>
      <link>https://neweloneva.lgrdev.ovh/blog/windev-2026-securiser-chat-ai-prompt-injection/</link>
      <pubDate>Mon, 11 May 2026 00:00:00 +0000</pubDate>
      <author>contact@eloneva.com (EloNeva)</author>
      <guid>https://neweloneva.lgrdev.ovh/blog/windev-2026-securiser-chat-ai-prompt-injection/</guid>
      <description>&lt;p&gt;WinDev 2026 introduit le champ Chat IA, un contrôle natif pour intégrer un LLM dans une application métier. Sans filtrage, n’importe quel utilisateur peut contourner le system prompt via une injection de prompt. Cet article implémente deux niveaux de protection en WLangage : un filtre regex rapide (moins de 1 ms, sans API externe), puis le classificateur ML deepset/deberta-v3-prompt-injection via l’API HuggingFace Inference (92%+ de détection). La stratégie combinée cascade regex puis ML donne la meilleure couverture pour un coût réseau minimal.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
