Les trois moteurs
8200.dev exécute trois moteurs sur un modèle de permissions normalisé unique. Ce même modèle — ressources, identités et les droits qui les relient — alimente les trois moteurs, pour chaque connecteur de la plateforme.
Agent Guard — le produit phare
Les agents IA, copilotes, bots, comptes de service et enregistrements d'application accumulent discrètement des accès étendus, et ils agissent sans intervention humaine. Agent Guard inventorie chaque identité non humaine, évalue son risque à partir du rayon d'impact × historique d'actions, et répond aux deux questions essentielles : à quoi peut-il accéder, et qu'a-t-il fait ?
Chaque agent porte une politique d'accès modifiable ; son enregistrement réévalue l'activité de l'agent au regard des nouvelles limites et prévisualise ce qui aurait été bloqué. Les agents IA sont rendus visuellement distincts dans tout le produit afin qu'ils ne se cachent jamais parmi les utilisateurs humains.
Explicabilité : chaque verdict d'agent indique, en langage clair, pourquoi une action a été autorisée, signalée ou bloquée — avec les preuves et une étape de remédiation.
Posture Guard
Un moteur pur de 16 règles réparties sur six catégories — exposition publique, accès externe, surdroits, accès obsolète, risque lié aux agents d'IA et erreur de configuration — signale les endroits où les données sont surexposées ou mal partagées. La sévérité s'intensifie selon les données : un lien public vers un fichier sensible est CRITICAL, et non HIGH.
Les résultats sont priorisés selon le rayon d'impact (sensibilité × ampleur × niveau d'accès), et non selon la seule sévérité, afin que l'exposition la plus accessible et la plus sensible remonte en tête. Un score de posture de 0 à 100 assorti d'une note de A à F résume l'organisation.
L'historique des analyses et un diff inter-analyses classent chaque résultat comme NEW, RECURRING ou auto-RESOLVED, afin que vous puissiez voir exactement ce qui a changé à la source entre deux analyses.
Flow Guard
Flow Guard est une prévention des pertes de données contextuelle. Il apprend, par organisation, une référence des mouvements de données normaux — destinations connues et volumes typiques — puis signale les anomalies par rapport à cette référence plutôt que par rapport à une liste de règles générique.
Chaque mouvement de données devient un verdict accompagné d'une justification en langage clair. Les exfiltrations hors schéma, les exports en masse et les nouvelles destinations externes apparaissent comme des anomalies contextuelles.
Ce qui est réel et ce qui est simulé
Les moteurs eux-mêmes — les règles, le scoring, le diff inter-analyses, la fusion des verdicts et les explications — sont réels, purs et testés unitairement. Aujourd'hui, ils s'exécutent sur des jeux de données simulés réalistes par connecteur ; le flux de données en direct s'active par source dès que vous connectez de véritables identifiants. Les résultats et les rapports indiquent toujours leur mode de données.
La couverture détective — observer, expliquer, scorer — est active dès maintenant. L'application préventive (agir au niveau du fournisseur) est une étape distincte, optionnelle, couverte par Active Prevention.