Qu’est-ce que Lakera Guard (Check Point AI Guardrails) ?
Lakera Guard est une API de filtrage pour applications LLM, désormais propriété de Check Point et documentée sous le nom Check Point AI Guardrails. Check Point a racheté Lakera en 2025, et la documentation, les conditions et les documents de confidentialité portent maintenant son nom. Votre application envoie chaque message utilisateur, document récupéré, réponse d'outil ou sortie de modèle à un seul endpoint, POST /v2/guard, et reçoit un résultat signalé sur lequel elle peut agir.
Les garde-fous gérés couvrent les attaques par prompt (injection directe et indirecte, jailbreaks), la modération de contenu, la prévention des fuites de données personnelles et du prompt système, la détection de liens malveillants et une défense du comportement des agents avec une liste d'outils autorisés et interdits. Des garde-fous personnalisés rédigés en langage courant sont en bêta. Chaque détecteur fonctionne à l'un des quatre niveaux de sévérité, de L1 indulgent à L4 paranoïaque, et L4 est la valeur par défaut.
L'offre gratuite Community donne 10 000 requêtes par mois sur le service hébergé, avec des prompts jusqu'à 8 000 tokens. Enterprise, sur devis, ajoute l'auto-hébergement sur Kubernetes ou Docker (y compris en environnement isolé), le SSO, le contrôle d'accès par rôles, l'intégration SIEM et le choix d'une résidence des données dans l'UE ou aux États-Unis.
Lakera Guard (Check Point AI Guardrails) vaut-il le coup ?
Un chatbot IA qui lit des pages web ou des documents peut se laisser convaincre. Une ligne cachée dans une page récupérée, qui lui dit d'ignorer ses instructions, suffit à l'orienter, et on ne s'en rend compte en général que lorsque quelque chose fuit.
Lakera Guard se place entre vos utilisateurs et votre modèle et vérifie le texte à la recherche de ces instructions implantées et des données qui s'échappent, sans que vous ayez à entraîner ou héberger quoi que ce soit. Vous lui envoyez les messages au format de chat d'OpenAI, appels et définitions d'outils compris. Il ne filtre que le dernier échange et traite les tours précédents comme du contexte, ce qui convient aux agents, chez qui le texte dangereux arrive généralement dans une page récupérée ou une réponse d'outil plutôt que de l'utilisateur.
Le traitement des données est plus clair que chez la plupart des concurrents, car Check Point publie une fiche de confidentialité. Le service hébergé traite les prompts, les prompts système, les informations sur les outils, les sorties des modèles et les embeddings des prompts, et les conserve pendant la durée de l'abonnement plus trois mois. Vous pouvez supprimer des prompts et restreindre la conservation des prompts pseudonymisés. Les journaux sont stockés dans l'UE, sauf si vous choisissez une autre région à la création de l'organisation, et ce choix ne peut plus être modifié ensuite. Les déploiements auto-hébergés gardent les données dans votre environnement.
Par défaut, il est strict. Chaque détecteur est livré en L4, le réglage le plus prudent, et la documentation dit clairement que les niveaux élevés réduisent les oublis au prix de davantage de faux positifs. La politique par défaut, sans projet, est décrite comme « volontairement stricte ». Passez en production sans réglage et vous bloquerez du trafic légitime : la voie raisonnable consiste à commencer par le mode Detect, qui journalise sans bloquer, sur un échantillon de trafic réel. Les listes d'autorisation et d'interdiction peuvent corriger des erreurs ponctuelles, mais la documentation de Check Point prévient elle-même qu'elles peuvent ouvrir des failles de sécurité.
Le hic : seule l'offre gratuite a un prix. Il n'y a ni tarif par requête, ni limite de débit publiée, ni chiffre de latence au-delà de l'argument marketing de Lakera, moins de 50 ms. Chaque élément filtré compte comme une requête : un agent qui vérifie le prompt de l'utilisateur, deux documents récupérés et la réponse finale dépense quatre requêtes par tour et épuise les 10 000 gratuites en 2 500 tours.
Notre avis : Lakera vend la partie des garde-fous que personne n'aime faire. NeMo Guardrails ou un classifieur comme Llama Guard ne coûtent rien en licences, mais vous laissent la charge des modèles, des GPU et du réglage des faux positifs que Lakera assure à votre place.
Là où il fait la différence
Un ingénieur backend qui ajoute un chatbot de support avec RAG sur les articles du centre d'aide
Empêcher les instructions injectées dans les pages récupérées d'orienter le bot
Envoyez les extraits récupérés et le tour de l'utilisateur à /v2/guard avant l'appel au modèle, puis la réponse avant affichage. Commencez en mode Detect pour mesurer les faux positifs en L4, puis assouplissez les détecteurs qui se trompent. Gratuit jusqu'à 10 000 requêtes par mois, soit environ 3 300 conversations si chaque tour exige trois filtrages.
Une équipe plateforme dans une banque qui fait tourner des agents internes ayant accès à des outils
Garder le filtrage sur site et restreindre les outils qu'un agent peut appeler
Une licence Enterprise débloque le chart Helm ou l'image Docker, qui peuvent fonctionner en environnement isolé avec des GPU NVIDIA ; les données restent alors dans l'environnement de la banque. La liste d'outils autorisés et interdits bloque les appels hors du mandat de l'agent. Les prix et le dimensionnement matériel ne viennent que des commerciaux de Check Point.
Une responsable conformité dans un éditeur de logiciels européen de 200 personnes
Valider un fournisseur de garde-fous hébergé au regard du GDPR
Utilisez l'endpoint de traitement européen et gardez le stockage des journaux dans l'UE, réglage fixé à la création de l'organisation et non modifiable. La fiche de confidentialité indique une conservation égale à la durée de l'abonnement plus trois mois et cite l'hébergement AWS ; la documentation du tableau de bord indique que le service est certifié SOC 2 Type II, mais le rapport lui-même s'obtient via les commerciaux.
Avant de vous engager
- Mise en route
- Créez un projet, associez-lui une politique et appelez POST https://api.lakera.ai/v2/guard avec une clé bearer ; le démarrage rapide prend quelques minutes, mais le vrai travail consiste à régler la sévérité sur du trafic réel.
- Intégrations
- API REST avec spécification OpenAPI ; endpoints régionaux pour l'UE, les États-Unis et Singapour ; API de plateforme pour les politiques, projets, journaux et statistiques ; chart Helm et images Docker pour l'auto-hébergement.
- Données et confidentialité
- Le service hébergé conserve prompts, sorties et embeddings pendant l'abonnement plus trois mois, sur AWS dans l'UE, aux États-Unis ou à Singapour ; les clients peuvent supprimer des prompts et limiter la conservation. Les données auto-hébergées restent chez le client. La documentation du tableau de bord mentionne une certification SOC 2 Type II, et le contrôle de la conservation est une fonction Enterprise.
- Coût à grande échelle
- Non publié au-delà des 10 000 requêtes gratuites. Un agent qui filtre quatre éléments par tour, à 100 000 tours par mois, a besoin de 400 000 requêtes, donc d'un devis Enterprise.
- Limites
- Les prompts Community sont plafonnés à 8 000 tokens, alors que la documentation autorise jusqu'à 1 Mo de contexte par requête Enterprise ; seul le texte est filtré ; les limites de débit ne sont pas publiées ; les sorties en streaming doivent être filtrées par morceaux d'au moins 10 tokens.
Les points forts
- Un seul endpoint filtre prompts, documents récupérés, sorties d'outils et réponses
- Accepte le format de chat d'OpenAI, appels et définitions d'outils compris
- Quatre niveaux de sévérité documentés par détecteur, plus un mode Detect seul
- Conservation publiée : durée de l'abonnement plus trois mois
- Auto-hébergement en environnement isolé sur Enterprise
Les points faibles
- Réglé par défaut sur L4, le niveau le plus strict : attendez-vous à des faux positifs sans réglage
- Seule l'offre gratuite a un prix ; tout le reste passe par un commercial
- Limites de débit et chiffres de latence non publiés
- La région de stockage des journaux est fixée à la création de l'organisation
- Auto-hébergement, SSO et SIEM réservés à Enterprise
Idéal pour
Équipes qui veulent un filtre géré contre l'injection de prompt et les fuites de données devant leurs chatbots et agents, sans exploiter leurs propres classifieurs.
Alternatives à Lakera Guard (Check Point AI Guardrails)
Lakera Guard (Check Point AI Guardrails) : questions fréquentes
- Lakera Guard (Check Point AI Guardrails) vaut-il le coup ?
- Lakera Guard est un filtre bien documenté contre l'injection de prompt, qui s'ajoute en un seul appel d'API, mais au-delà de 10 000 requêtes par mois, vous négociez avec l'équipe commerciale entreprise de Check Point. Nous lui donnons 4.0 sur 5.
- Combien coûte Lakera Guard (Check Point AI Guardrails) ?
- Community gratuit : 10 000 requêtes/mois, prompts de 8k tokens, SaaS uniquement. Enterprise sur devis : volume flexible, SaaS ou auto-hébergé, SSO, RBAC, intégration SIEM. Aucun prix publié au-delà de l'offre gratuite.
- Quels sont les inconvénients de Lakera Guard (Check Point AI Guardrails) ?
- Réglé par défaut sur L4, le niveau le plus strict : attendez-vous à des faux positifs sans réglage; seule l'offre gratuite a un prix ; tout le reste passe par un commercial; limites de débit et chiffres de latence non publiés; la région de stockage des journaux est fixée à la création de l'organisation; auto-hébergement, SSO et SIEM réservés à Enterprise.
- À qui s’adresse Lakera Guard (Check Point AI Guardrails) ?
- Équipes qui veulent un filtre géré contre l'injection de prompt et les fuites de données devant leurs chatbots et agents, sans exploiter leurs propres classifieurs.
- Combien coûte Lakera Guard (Check Point AI Guardrails) pour une équipe ou en production ?
- Non publié au-delà des 10 000 requêtes gratuites. Un agent qui filtre quatre éléments par tour, à 100 000 tours par mois, a besoin de 400 000 requêtes, donc d'un devis Enterprise.
- Lakera Guard (Check Point AI Guardrails) est-il sûr pour les données de l’entreprise ?
- Le service hébergé conserve prompts, sorties et embeddings pendant l'abonnement plus trois mois, sur AWS dans l'UE, aux États-Unis ou à Singapour ; les clients peuvent supprimer des prompts et limiter la conservation. Les données auto-hébergées restent chez le client. La documentation du tableau de bord mentionne une certification SOC 2 Type II, et le contrôle de la conservation est une fonction Enterprise.
- Quelles sont les meilleures alternatives à Lakera Guard (Check Point AI Guardrails) ?
- Les alternatives les plus proches que nous avons testées sont Amazon Bedrock et Google Agent Platform (Vertex AI).
Réponses vérifiées le 26 oct. 2026.