GSP1327

Présentation

Model Armor sur Google Cloud renforce la sécurité des applications d'IA en analysant les prompts des utilisateurs et les réponses générées par les LLM. Il permet de détecter des risques tels que les contenus nuisibles, l'injection de prompt ou les fuites de données sensibles. Model Armor permet aux entreprises de gérer et d'appliquer de manière centralisée des règles de sécurité pour leurs applications d'IA. Il agit comme un filtre pour assurer des interactions sécurisées et conformes. Ce service s'intègre à Security Command Center pour offrir une visibilité unifiée et contribue à protéger les modèles d'IA contre toute exposition ou manipulation non autorisée.

Dans cet atelier, vous allez apprendre à nettoyer les prompts et les réponses à l'aide de Model Armor.

Objectifs

Dans cet atelier, vous devez montrer que vous êtes capable d'effectuer les tâches suivantes :

• Activer l'API Model Armor
• Créer un modèle Model Armor
• Configurer Sensitive Data Protection avec des modèles d'inspection et d'anonymisation
• Exécuter diverses commandes pour assainir les prompts utilisateur par rapport à différentes fonctionnalités de sécurité

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).

• Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la droite, vous trouverez le panneau Préparation et accès à l'atelier, qui contient les éléments suivants :

   • Le bouton Ouvrir la console Google Cloud
   • Les identifiants temporaires (nom d'utilisateur et mot de passe) que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier, si nécessaire

   Notez que le minuteur de l'atelier se trouve en haut de la page et indique le temps restant.

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans une fenêtre en navigation privée si vous utilisez Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

   {{{user_0.username | "Username"}}}

   Vous trouverez également le nom d'utilisateur dans le panneau Préparation et accès à l'atelier.

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

   {{{user_0.password | "Password"}}}

   Vous trouverez également le mot de passe dans le panneau Préparation et accès à l'atelier.

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. N'utilisez pas les identifiants de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires pourront vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Activer l'API Model Armor

Avant de pouvoir utiliser Model Armor, vous devez activer l'API.

1. Dans la console Google Cloud, activez Cloud Shell.

2. Exécutez la commande suivante :

Cliquez sur Vérifier ma progression pour valider l'objectif. Activer l'API Model Armor

Tâche 2 : Ouvrir le notebook dans Agent Platform Workbench

1. Dans la console Google Cloud, dans le menu de navigation (), cliquez sur Agent Platform > Notebooks > Workbench.

2. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Tâche 3 : Configurer le notebook

1. Ouvrez le fichier .

2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

3. Parcourez les sections Getting Started (Premiers pas) et Import libraries (Importer des bibliothèques) du notebook.

Tâche 4 : Créer un modèle Model Armor

Dans cette tâche, vous allez créer un modèle Model Armor nommé ma-template, destiné à définir des règles de sécurité et de filtrage de contenu pour les interactions avec l'IA. Ce modèle établit des règles permettant de détecter et de limiter l'exposition des données sensibles, assurant ainsi la conformité aux normes de protection des données.

Suivez la section Create a Model Armor Template (Créer un modèle Model Armor) du notebook pour créer le modèle ma-template à l'emplacement , en utilisant la configuration de filtres fournie. Une fois que vous avez terminé, revenez ici pour vérifier votre progression et valider l'objectif.

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer un modèle Model Armor

Tâche 5 : Configurer Sensitive Data Protection avec des modèles d'inspection et d'anonymisation

Dans cette tâche, vous allez créer des modèles d'inspection et d'anonymisation Cloud Sensitive Data Protection (DLP), puis les associer à un modèle Model Armor avancé, ma-sdp-template, à l'aide d'advancedConfig. Cela permet d'utiliser des règles d'inspection personnalisées et de masquer automatiquement les données pour nettoyer les prompts et les réponses de l'IA.

1. Parcourez la section Configurer Sensitive Data Protection avec des modèles d'inspection et d'anonymisation du notebook pour créer ma-inspect-template et ma-deidentify-template.

2. Exécutez les cellules pour créer le modèle Model Armor avancé ma-sdp-template à l'aide de advancedConfig.

3. Testez l'assainissement des réponses du modèle pour observer l'anonymisation des infoTypes sensibles.

Cliquez sur Vérifier ma progression pour valider l'objectif. Configurer Sensitive Data Protection avec des modèles d'inspection et d'anonymisation

Tâche 6 : Valider les prompts utilisateur avec Model Armor

Dans cette tâche, vous allez tester différents prompts utilisateur afin d'évaluer la capacité de Model Armor à détecter et filtrer différents types de données sensibles, selon les infoTypes de Sensitive Data Protection (SDP) prédéfinis. Ce processus permet de s'assurer que Model Armor filtre et protège efficacement les données contre toute exposition non autorisée.

Suivez la section Validate user prompts with Model Armor (Valider les prompts utilisateur avec Model Armor) du notebook pour exécuter des commandes permettant de nettoyer les prompts utilisateur à l'aide de différentes fonctionnalités de sécurité. Une fois que vous avez terminé, revenez ici pour vérifier votre progression et valider les objectifs.

1. Saisissez un prompt utilisateur pour que Model Armor vérifie s'il respecte les principes de l'IA responsable.

Cliquez sur Vérifier ma progression pour valider l'objectif. Saisir un prompt utilisateur pour vérifier s'il respecte les principes de l'IA responsable

2. Saisissez un prompt utilisateur pour que Model Armor détecte les URI malveillants.

Cliquez sur Vérifier ma progression pour valider l'objectif. Saisir un prompt utilisateur pour détecter les URI malveillants

3. Saisissez un prompt utilisateur pour que Model Armor applique des règles de protection contre la perte de données.

Cliquez sur Vérifier ma progression pour valider l'objectif. Saisir un prompt utilisateur pour appliquer des règles de protection contre la perte de données

4. Saisissez une réponse générée par le modèle d'IA pour que Model Armor applique des règles de protection contre la perte de données.

Cliquez sur Vérifier ma progression pour valider l'objectif. Saisir une réponse générée par le modèle d'IA pour appliquer des règles de protection contre la perte de données

5. Exécutez la cellule de la sous-section Sanitize file-based prompts (Nettoyer les prompts basés sur des fichiers) pour exécuter un prompt basé sur un fichier qui utilise Model Armor pour nettoyer un prompt utilisateur dans le format de fichier spécifié.

Cliquez sur Vérifier ma progression pour valider l'objectif. Nettoyer un prompt utilisateur basé sur un fichier

Tâche 7 : Afficher les journaux Model Armor dans l'explorateur de journaux

Dans cette tâche, vous allez inspecter les journaux des opérations de nettoyage de Model Armor dans Cloud Logging pour examiner les détails du filtrage des prompts et des réponses, les correspondances de filtres et les métadonnées d'évaluation.

1. Dans le menu de navigation de la console Google Cloud, cliquez sur Monitoring > Explorateur de journaux.

2. Dans le volet Requête, saisissez la requête de journal suivante :

3. Assurez-vous que le filtre de période (en haut à droite, à côté de "Exécuter la requête") est défini sur Dernière heure.

4. Cliquez sur Exécuter la requête.

5. Inspectez les entrées de journal renvoyées pour examiner les résultats du nettoyage de Model Armor et les détails de l'évaluation des filtres.

Félicitations !

Vous avez terminé l'atelier. Vous avez créé des modèles Model Armor, configuré des modèles d'inspection et d'anonymisation Sensitive Data Protection, exécuté des prompts et des réponses de modèle pour détecter et anonymiser les données sensibles, et consulté les journaux de nettoyage dans l'explorateur de journaux.

Dernière mise à jour du manuel : 24 août 2026

Dernier test de l'atelier : 24 août 2026

Copyright 2026 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.