Prompt injection : protéger votre marque des instructions cachées qui manipulent les IA
Comprendre comment des consignes cachées faussent les réponses des IA sur votre marque, et appliquer les contrôles qui protègent votre site et vos agents.

- Une prompt injection est une consigne cachée dans un texte lu par une IA, qui détourne sa réponse ou ses actions au profit d’un tiers.
- Selon Microsoft (février 2026), 31 entreprises ont tenté en 60 jours de faire retenir leur marque comme source de confiance par des assistants IA.
- Depuis le 15 mai 2026, les règles anti-spam de Google couvrent la manipulation des réponses génératives ; Bing prévoit rétrogradation ou retrait depuis 2024.
- Un audit de prompt injection combine un crawl à la recherche de texte masqué, le contrôle des liens « Résumer avec l’IA » et la modération des champs ouverts.
- Un agent IA doit traiter tout contenu externe comme une donnée, avec moindre privilège, sortie contrôlée et validation humaine des actions à risque.
Une prompt injection est une consigne glissée dans un texte lu par une IA pour détourner sa réponse ou ses actions. Pour une marque, le risque est double : des pages tierces peuvent orienter ce que ChatGPT, Copilot ou Gemini disent d’elle, et cacher soi-même des consignes destinées aux IA est traité comme du spam par Google et Bing.
Cet article réunit les faits observés en 2026, les trois risques pour votre visibilité dans les IA, une checklist d’audit et les garde-fous à poser sur vos agents.
01Qu’est-ce qu’une prompt injection ?
Une prompt injection est une attaque qui insère des consignes dans le texte traité par un grand modèle de langage (LLM) pour modifier sa réponse ou ses actions. L’OWASP la place en tête de son Top 10 des risques des applications LLM (LLM01:2025).
Dans sa fiche LLM01:2025, mise à jour le 17 avril 2025, l’OWASP distingue deux formes :
- Injection directe : l’utilisateur saisit lui-même la consigne qui détourne le modèle.
- Injection indirecte : la consigne se cache dans une source externe que le modèle lit, comme une page web, un fichier ou un e-mail.
La forme indirecte est celle qui concerne le SEO et le GEO. Un LLM reçoit dans le même flux les consignes de l’outil et le contenu à analyser : il ne distingue pas toujours une information d’un ordre.
Deux notions voisines complètent le tableau :
- Le jailbreak est une injection qui vise à faire ignorer au modèle ses règles de sécurité.
- L’empoisonnement de mémoire demande à un assistant de retenir durablement une information, par exemple une marque à recommander.
02Ce que l’on observe vraiment sur le web en 2026
Les injections destinées aux assistants IA existent sur le web public, y compris à des fins marketing. Trois publications de 2026 en mesurent l’ampleur, sans chiffrer leur effet réel sur les réponses des IA.
| Source et date | Constat | Lien avec les marques |
|---|---|---|
| Google, 23/04/2026 | +32 % (relatif) d’injections malveillantes entre novembre 2025 et février 2026 | Une famille « manipulation SEO » vise à faire recommander une entreprise |
| Microsoft, 10/02/2026 | 50 tentatives de 31 entreprises en 60 jours | Boutons « Résumer avec l’IA » qui font retenir la marque comme source de confiance |
| Unit 42, 03/03/2026 | 22 techniques recensées ; 8,1 % des cas visent l’empoisonnement SEO | Texte brut visible (37,8 %), attributs HTML (19,8 %), masquage CSS (16,9 %) |
Google a mesuré ces évolutions sur les archives publiques Common Crawl, selon son billet de sécurité du 23 avril 2026. Les cas relevés vont de la simple farce à la manipulation SEO, jusqu’à des attaques malveillantes encore peu sophistiquées.
Le cas Microsoft parle le plus aux marketeurs. Le bouton ouvre un assistant avec une requête préremplie dans l’URL (paramètre q=), qui demande d’enregistrer l’entreprise en mémoire pour les conversations futures. Microsoft nomme ce procédé AI Recommendation Poisoning.
03Les trois risques pour la visibilité IA d’une marque
Une marque peut subir une prompt injection, la commettre elle-même ou voir ses propres outils IA détournés. Chaque cas appelle des contrôles différents.
| Risque | Exemple | Réponse |
|---|---|---|
| Subir | Une page tierce pousse les IA à recommander un concurrent ou à dénigrer votre offre | Suivre les réponses des IA et les sources citées |
| Commettre | Texte masqué ou bouton qui incite les IA à citer votre site | Supprimer : Google et Bing le traitent comme du spam |
| Être détourné | Votre agent IA lit une page piégée et suit sa consigne cachée | Limiter ses droits et valider ses actions |
Le deuxième risque est le plus sous-estimé. Certains prestataires vendent le texte caché pour les IA comme une technique GEO : c’est une pratique black hat, au même titre que le texte blanc sur fond blanc. Les autres pratiques à fuir sont détaillées dans l’article black hat SEO et GEO : les pratiques à fuir.
Une erreur d’IA n’est pas forcément une manipulation. Quand elle est involontaire, la correction passe par les sources, comme l’explique le guide sur les hallucinations de l’IA au sujet d’une marque.
04Ce que disent Google, Bing et les éditeurs d’IA
Google et Bing sanctionnent les sites qui tentent de manipuler leurs réponses génératives. Les éditeurs d’IA, de leur côté, reconnaissent que le risque ne disparaîtra pas totalement.
- Microsoft Bing : depuis juillet 2024, ses consignes pour webmasters interdisent le contenu qui tente une prompt injection sur ses modèles de langage, sous peine de rétrogradation ou de retrait des résultats (Search Engine Roundtable, 1er juillet 2024).
- Google : depuis le 15 mai 2026, les règles anti-spam de la recherche Google couvrent aussi toute tentative de manipuler les réponses de l’IA générative (page mise à jour le 28 août 2026).
- Google, encore : la règle sur le texte masqué vise le contenu placé pour les moteurs et invisible pour les visiteurs, comme un texte blanc sur fond blanc ou une police de taille 0.
- OpenAI : dans un billet du 22 décembre 2025 sur son navigateur ChatGPT Atlas, l’éditeur juge que la prompt injection, comme les arnaques, ne sera probablement jamais totalement « résolue ».
05Comment auditer son site et repérer une manipulation
Auditer un site contre la prompt injection consiste à chercher des consignes destinées aux IA dans le code, les contenus et les champs ouverts, puis à suivre ce que les IA disent de la marque.
La méthode que j’applique tient en six contrôles :
- Lancer un crawl Screaming Frog avec une recherche personnalisée sur des chaînes suspectes : « ignore », « assistant IA », « remember », « trusted source ».
- Repérer le texte masqué : bloc caché en CSS, police de taille nulle, texte hors écran ou de la couleur du fond.
- Contrôler les attributs alt, aria-label et title : une phrase adressée à une IA n’a rien à y faire.
- Inspecter chaque lien « Résumer avec l’IA » : un paramètre q= ou prompt= qui contient remember, trusted ou cite doit disparaître.
- Passer en revue les extensions et widgets tiers, qui peuvent ajouter ces boutons sans décision de votre part.
- Modérer commentaires, avis et formulaires, et fermer les champs ouverts devenus inutiles.
Suivre les réponses des IA
Pour détecter une manipulation, j’interroge un panel de prompts fixe, plusieurs fois, et je lis les résultats en tendance plutôt qu’en valeur absolue. Une description de marque qui change brusquement déclenche la vérification des sources citées.
La mise en place de ce suivi est détaillée dans le guide pour mesurer la visibilité de votre marque dans les IA.
06Comment sécuriser ses workflows IA et ses agents
Un agent IA qui lit le web doit traiter chaque contenu externe comme une donnée, jamais comme une consigne. Les recommandations de l’OWASP se résument en cinq garde-fous, valables pour n8n, Make ou un agent maison.
- Moindre privilège : l’agent ne dispose que des droits utiles à sa tâche, sans droit d’écriture par défaut.
- Contenus externes séparés : le texte récupéré est balisé comme source non fiable.
- Sortie contrôlée : le format attendu est défini et vérifié avant l’étape suivante.
- Validation humaine : toute action à risque, comme publier, envoyer ou acheter, attend un accord.
- Tests adverses : des pages de test piégées vérifient régulièrement le comportement de l’agent.
Exemple de méthode pour un workflow n8n qui résume des pages concurrentes : le texte de la page entre dans un champ délimité, le modèle a pour seule tâche de le résumer, et le résumé est relu avant d’entrer dans un rapport. Aucun nœud de ce workflow ne publie ni n’envoie de message.
Pour concevoir ce type d’outil, consultez le guide pour construire un agent IA SEO avec Make ou n8n. Ces contrôles font partie d’une démarche d’optimisation pour les moteurs génératifs (GEO).
07Questions fréquentes
Qu’est-ce qu’une prompt injection, en une phrase ?
Une prompt injection est une consigne insérée dans un texte lu par une IA pour détourner sa réponse ou ses actions. Elle peut être saisie directement par l’utilisateur, ou cachée dans une page, un fichier ou un e-mail que le modèle analyse : on parle alors d’injection indirecte, la forme qui concerne le GEO.
Peut-on être pénalisé pour du texte caché destiné aux IA ?
Oui. Microsoft Bing prévoit depuis 2024 une rétrogradation ou un retrait des résultats pour le contenu qui tente une prompt injection. Depuis le 15 mai 2026, les règles anti-spam de Google couvrent aussi la manipulation de ses réponses génératives, et la règle sur le texte masqué vise déjà le contenu invisible pour les visiteurs.
Comment savoir si une IA a été manipulée au sujet de ma marque ?
Suivez un panel de prompts fixe sur plusieurs assistants, à intervalles réguliers. Un changement brusque de description, un concurrent soudain recommandé ou une source inconnue citée sont des signaux d’alerte. Ouvrez alors les pages citées et cherchez-y des consignes adressées aux IA, dans le texte comme dans le code.
Un bouton « Résumer avec l’IA » sur mon site est-il risqué ?
Un bouton qui demande seulement de résumer la page reste acceptable. Il devient problématique quand la requête préremplie demande à l’assistant de retenir votre marque ou de la citer à l’avenir : Microsoft classe ce procédé en empoisonnement des recommandations. Vérifiez le paramètre q= ou prompt= de chaque lien de ce type.
- OWASP : LLM01:2025 Prompt Injection – Prompt injection en tête du Top 10 LLM 2025, définitions de l’injection directe et indirecte, 7 mesures de prévention (page mise à jour le 17/04/2025).
- Microsoft Security : AI Recommendation Poisoning – 50 tentatives de 31 entreprises en 60 jours via des boutons « Summarize with AI » au paramètre ?q= demandant de retenir une source de confiance (10/02/2026).
- Google : prompt injections sur le web – +32 % relatif de la catégorie malveillante entre novembre 2025 et février 2026 sur Common Crawl ; famille « manipulation SEO » (23/04/2026).
- Unit 42 (Palo Alto Networks) : Web-Based Indirect Prompt Injection Observed in the Wild – 22 techniques ; diffusion : texte visible 37,8 %, attributs HTML 19,8 %, masquage CSS 16,9 % ; intention SEO poisoning 8,1 % ; 12 cas (03/03/2026).
- Google Search Central : règles relatives au spam – Le spam inclut les tentatives de manipuler les réponses de l’IA générative dans la recherche Google ; règle sur le texte masqué (page mise à jour le 28/08/2026).
