Bootcamp Gen AI - Security Microsoft Gen AI - Zero Trust

Avant de sécuriser les plateformes Microsoft, il faut comprendre ce que l'on protège et contre quoi. Ce module pose les fondations techniques et conceptuelles indispensables à toute la suite du parcours.

Au programme :

• Démystification de l'IA Générative : LLM, embeddings, RAG, agents autonomes

• Cartographie complète des surfaces d'attaque GenAI (modèle, données, infrastructure, identité, agentic)

• OWASP Top 10 LLM 2025 en profondeur : prompt injection, sensitive disclosure, supply chain, excessive agency, system prompt leakage, vector & embedding weaknesses

• Frameworks de référence : MITRE ATLAS, NIST AI RMF, ISO/IEC 42001, EU AI Act

• Application des principes Zero Trust à la stack IA : verify explicitly, least privilege, assume breach

Lab : Red team your first LLM — exécution d'attaques OWASP réelles avec PyRIT contre un endpoint Azure OpenAI.

À l'issue, vous saurez : identifier les risques spécifiques aux LLM, parler le langage des frameworks de référence, et challenger toute architecture GenAI sur ses surfaces d'attaque.

Ps : Un livrable Security Assessment Readiness sera aussi livré dans cet module 😀

Microsoft 365 Copilot est probablement le déploiement IA le plus rapide jamais vu en entreprise — et c'est aussi celui qui expose le plus rapidement les failles de gouvernance des données existantes. Ce module couvre le déploiement sécurisé de bout en bout.

Au programme :

• Architecture Copilot et frontières de confiance : où vivent les prompts et les réponses ?

• Le problème #1 : l'oversharing — détection, remédiation, Restricted SharePoint Search

• Sensitivity Labels & auto-labeling : taxonomie, héritage par Copilot, mandatory labeling

• Microsoft Purview DLP pour Copilot (les nouveautés Ignite 2025) :

  • DLP par sensitivity label

  • DLP sur les prompts utilisateurs (nouveauté majeure, désormais GA)

  • Blocage de la recherche web externe sur prompts sensibles

• Endpoint DLP contre les IA tierces (ChatGPT, Claude, Gemini via navigateur)

• DSPM for AI : visibilité usage Copilot et Shadow AI

• Audit, Insider Risk Management, intégration Sentinel

Lab : déploiement end-to-end d'un Copilot Readiness Pack — labels + DLP prompts + DLP labels + Endpoint DLP + dashboard d'audit.

À l'issue, vous saurez : auditer la maturité Copilot d'un tenant, déployer les contrôles Purview adéquats, et présenter un plan de remédiation oversharing à un CISO.

L'explosion des agents IA pose un problème inédit : comment gouverner des centaines, voire des milliers d'identités non-humaines opérant sur vos données ? Ce module couvre Copilot Studio et la nouvelle pierre angulaire Microsoft Entra Agent ID.

Au programme :

• Architecture Copilot Studio : topics, knowledge sources, actions, tools, MCP connectors

• Surfaces d'attaque spécifiques aux agents low-code

• Microsoft Entra Agent ID (focus majeur) :

  • Agent Identity Blueprints — provisioning à l'échelle

  • Conditional Access pour agents — Zero Trust appliqué aux identités non-humaines

  • Sponsors d'agents et Lifecycle Workflows

  • Access Packages et Access Reviews pour agents

• DLP Power Platform : connecteurs Business / Non-business / Blocked, isolation d'environnements

• Sécurisation des actions et custom connectors : Managed Identity systématique, scoping Graph fin (Sites.Selected)

• Prompt Shields dans Copilot Studio : détection de jailbreak et injection indirecte

• Gouvernance via Power Platform Center of Excellence (CoE) Kit

Lab : création d'un agent RH end-to-end avec Entra Agent ID, blueprint, Conditional Access, DLP grounding, Prompt Shields

À l'issue, vous saurez : concevoir une stratégie de gouvernance pour des centaines d'agents, configurer Entra Agent ID en production, et empêcher la prolifération d'agents shadow IT.

Pour les workloads IA custom et pro-code, Azure AI Foundry est la plateforme de référence. Ce module livre l'architecture de référence Zero Trust complète — réseau, identité, contenu, observabilité — avec le code Bicep prêt à déployer.

Au programme :

• Architecture Foundry : Hub vs Project vs AI Services, modes de déploiement (Serverless / Managed Compute / PTU)

• Réseau Zero Trust : Managed VNet, Private Endpoints sur tous les composants (AI Services, AI Search, Storage, Key Vault), DNS privé, intégration Azure Firewall

• Identité sans secrets : Managed Identity partout, disableLocalAuth, RBAC fin, Workload Identity Federation depuis AKS et GitHub Actions

• Azure AI Content Safety & Prompt Shields : filtres Hate/Sexual/Violence/Self-harm, détection de prompt injection (direct + indirect), Groundedness Detection anti-hallucination, Protected Material Detection, custom categories

• Pattern AI Gateway avec Azure API Management : rate limiting, semantic caching, token quotas, policies Content Safety

• RAG sécurisé avec Azure AI Search : security trimming Entra ID, CMK, isolation indexes pour mitiger l'injection indirecte

• Observabilité & détection : OpenTelemetry, logs Azure OpenAI, KQL hunting dans Sentinel, intégration Defender for Cloud

• DevSecOps pour l'IA : scan Bicep (PSRule), évaluations automatisées (promptflow), red teaming PyRIT en CI/CD, GitOps des system prompts

Lab : déploiement complet d'une architecture RAG Zero Trust production-ready — Bicep modulaire, end-to-end Managed Identity, Content Safety + Prompt Shields, KQL hunting queries, pipeline GitHub Actions avec évaluations sécurité automatisées.

À l'issue, vous saurez : architecturer, déployer et opérer une plateforme GenAI custom alignée Zero Trust, prête pour des workloads régulés (santé, finance, secteur public).