Spellune est une entreprise de cybersécurité qui développe des produits de sécurité natifs de l'IA, intégrant l'intelligence artificielle directement dans ses plateformes de détection et de réponse aux menaces. L'entreprise a été fondée en 2021 par une équipe d'anciens chercheurs de Google et du MIT, notamment la PDG, Dr Elena Vasquez, ancienne ingénieure en apprentissage automatique chez Google DeepMind, et le CTO, Dr Raj Patel, qui a précédemment dirigé la recherche en sécurité au laboratoire d'informatique et d'intelligence artificielle du MIT (MIT CSAIL). Basée à San Francisco, en Californie, Spellune se concentre sur l'utilisation de l'apprentissage profond et des grands modèles de langage pour automatiser et améliorer les opérations de sécurité.
Le principe fondamental de l'entreprise est que les outils de sécurité traditionnels sont réactifs et basés sur des signatures, tandis que les approches natives de l'IA peuvent identifier de manière proactive les menaces nouvelles. La plateforme de Spellune, appelée SentinelAI, utilise des modèles basés sur les transformeurs pour analyser le trafic réseau, le comportement des utilisateurs et les journaux système en temps réel. Cette approche permet à la plateforme de détecter des anomalies pouvant indiquer des exploits zero-day ou des menaces internes, sans dépendre de signatures d'attaque connues. En 2025, SentinelAI est déployé auprès de plus de 200 clients entreprises, notamment des institutions financières, des prestataires de soins de santé et des agences gouvernementales.
Fondation et historique initial
Spellune a été constituée en mars 2021, avec un financement d'amorçage de 12 millions de dollars provenant de sociétés de capital-risque, dont Sequoia Capital et Accel. L'équipe fondatrice possédait une expertise approfondie à la fois en IA et en sécurité : Elena Vasquez avait travaillé sur la détection d'anomalies chez Google DeepMind, et Raj Patel avait développé des systèmes de détection d'intrusion au MIT CSAIL. Ils ont été rejoints par la Dr Priya Sharma, ancienne chercheuse chez OpenAI, qui est devenue directrice de l'IA.
Le premier produit de l'entreprise, Spellune Shield, a été lancé début 2022. Shield était un outil de détection et de réponse aux points de terminaison (EDR) alimenté par l'IA, qui utilisait l'apprentissage profond pour classer les logiciels malveillants et les rançongiciels. Lors d'une évaluation indépendante réalisée en 2022 par la MITRE Corporation, Shield a atteint un taux de détection de 99,2 % pour les familles de logiciels malveillants connues et de 94,7 % pour les variantes jamais vues auparavant, surpassant de manière significative les produits EDR traditionnels.
En 2023, Spellune a publié son produit phare, SentinelAI, qui intégrait des capacités de traitement du langage naturel. Cela permettait aux analystes de sécurité d'interroger le système en anglais courant, par exemple « Montrez-moi toutes les tentatives de connexion suspectes au cours des dernières 24 heures », et de recevoir des rapports détaillés. Le produit a été construit sur un grand modèle de langage personnalisé, affiné sur des données spécifiques à la sécurité, notamment des flux de renseignements sur les menaces et des rapports d'incidents.
Technologie et architecture
La pile technologique de Spellune repose sur plusieurs techniques clés de l'IA. Le cœur de SentinelAI est un modèle basé sur les transformeurs, similaire à ceux utilisés dans le traitement du langage naturel, mais adapté aux données de séries temporelles. Le modèle traite des séquences d'événements - telles que les connexions réseau, les accès aux fichiers et les authentifications des utilisateurs - et apprend à prédire un comportement normal. Les écarts par rapport à ce comportement prédit sont signalés comme des menaces potentielles.
L'entreprise utilise également des réseaux de neurones graphiques pour modéliser les relations entre les entités, telles que les utilisateurs, les appareils et les applications. Cela aide à identifier les mouvements latéraux au sein d'un réseau, une tactique courante dans les menaces persistantes avancées. Par exemple, si un compte utilisateur accède soudainement à un serveur auquel il n'a jamais accédé auparavant, et que ce serveur est ensuite compromis, le modèle graphique peut corréler ces événements.
Spellune emploie une technique appelée apprentissage par renforcement à partir de retours d'IA (RLAIF) pour améliorer continuellement ses modèles. Le système génère des hypothèses sur les menaces potentielles, et les analystes de sécurité fournissent des retours sur la validité de ces hypothèses. Ces retours sont utilisés pour mettre à jour le modèle, le rendant plus précis au fil du temps. En 2025, l'entreprise rapporte que ses modèles améliorent leur précision de détection d'environ 1,5 % par mois en moyenne.
Produits et services
Spellune propose une gamme de produits sous la marque SentinelAI :
- SentinelAI Core : La principale plateforme de détection et de réponse aux menaces, qui ingère des données provenant de diverses sources, notamment des capteurs réseau, des agents de points de terminaison et des journaux cloud. Elle fournit des alertes en temps réel et des actions de réponse automatisées, telles que l'isolement des appareils compromis.
- SentinelAI Cloud : Une version native cloud conçue pour les organisations utilisant Amazon Web Services (AWS), Microsoft Azure ou Google Cloud. Elle s'intègre aux outils de sécurité spécifiques au cloud et offre une visibilité sur les charges de travail cloud.
- SentinelAI SOAR : Un module d'orchestration, d'automatisation et de réponse à la sécurité qui utilise l'IA pour automatiser les flux de travail de réponse aux incidents. Il peut automatiquement contenir les menaces, bloquer les adresses IP malveillantes et générer des rapports d'incidents.
- Spellune Threat Intelligence : Un service par abonnement qui fournit des flux de renseignements sur les menaces organisés, enrichis par l'analyse de l'IA. Le service identifie les modèles d'attaque émergents et fournit des informations exploitables.
En 2024, Spellune a introduit un niveau gratuit pour SentinelAI Core, ciblant les petites et moyennes entreprises. Cette décision visait à renforcer la notoriété de la marque et à collecter davantage de données pour entraîner ses modèles. En 2025, le niveau gratuit avait attiré plus de 10 000 organisations, et l'entreprise a rapporté un taux de conversion de 40 % vers des plans payants.
Financement et croissance
Spellune a levé un total de 85 millions de dollars de financement sur trois tours. Le tour de série A, en 2022, a levé 30 millions de dollars et a été mené par Accel. Le tour de série B, en 2024, a levé 43 millions de dollars et a été mené par Sequoia Capital. La valorisation de l'entreprise a atteint 500 millions de dollars lors du tour de série B, selon les communiqués de presse.
L'entreprise est passée de 15 employés en 2021 à plus de 300 employés en 2025. Elle possède des bureaux à San Francisco, Londres et Bangalore. Le bureau de Bangalore, ouvert en 2023, se concentre sur la recherche et le développement, en particulier dans le domaine de l'optimisation des modèles d'IA. L'entreprise a également établi des partenariats avec les principaux fournisseurs de cloud, notamment Amazon Web Services et Google Cloud, pour proposer ses produits via leurs places de marché.
Recherche et contributions
Spellune a contribué à la communauté académique par le biais de publications et de projets open source. En 2023, des chercheurs de Spellune ont publié un article à la Conférence internationale sur l'apprentissage automatique (ICML) sur la « Détection d'anomalies basée sur les graphes pour les réseaux d'entreprise », qui a introduit une méthode novatrice pour détecter les mouvements latéraux. L'article a été cité plus de 200 fois d'ici 2025.
L'entreprise a également publié une bibliothèque open source appelée « SpellunePy », qui fournit des outils pour construire et entraîner des modèles d'IA spécifiques à la sécurité. La bibliothèque a été téléchargée plus de 50 000 fois et est utilisée par des chercheurs dans des institutions telles que l'Université Carnegie Mellon et l'Université de Toronto.
En 2024, Spellune a lancé le programme « AI Security Research Grant », fournissant 1 million de dollars par an à des chercheurs académiques travaillant sur des défis de sécurité liés à l'IA. Les premiers bénéficiaires comprenaient des projets sur la robustesse adversarial et l'apprentissage automatique préservant la confidentialité.
Défis et controverses
Spellune a été confrontée à des défis liés aux limites de l'IA en matière de sécurité. En 2023, un incident de faux positif a conduit un important client de la vente au détail à bloquer des comptes utilisateurs légitimes, entraînant une interruption temporaire du service. L'entreprise a reconnu le problème et amélioré l'étalonnage de son modèle, mais l'incident a mis en évidence les risques de s'appuyer sur l'IA pour des décisions critiques.
Des préoccupations ont également été soulevées concernant l'utilisation de grands modèles de langage en sécurité, notamment en matière de confidentialité des données. Spellune traite des données clients sensibles, et des questions ont été posées sur la manière dont ces données sont utilisées pour entraîner les modèles. L'entreprise déclare utiliser des techniques de confidentialité différentielle pour protéger les données clients, mais certains experts restent sceptiques.
En 2025, un groupe de chercheurs de l'Université de Californie à Berkeley a publié un article critiquant le manque de transparence des produits de sécurité basés sur l'IA, y compris ceux de Spellune. Ils ont fait valoir que les modèles sont des « boîtes noires » et que les clients ne peuvent pas comprendre pleinement pourquoi certaines alertes sont générées. Spellune a répondu en introduisant une fonctionnalité d'« explicabilité des modèles » dans son produit, qui fournit des explications en langage naturel pour les alertes.
Orientations futures
Spellune explore plusieurs nouveaux domaines en 2025. L'entreprise développe des agents d'IA capables de répondre de manière autonome aux cybermenaces, réduisant potentiellement le besoin d'intervention humaine. Ces agents utiliseraient l'apprentissage par renforcement pour prendre des décisions concernant le confinement et la remédiation.
Un autre axe est l'apprentissage automatique adversarial - défendre les systèmes d'IA eux-mêmes contre les attaques. Spellune dispose d'une équipe dédiée à la recherche sur la manière de rendre ses modèles robustes face aux exemples adversariaux, qui sont des entrées conçues pour tromper les systèmes d'IA. Cela est particulièrement pertinent car les attaquants ciblent de plus en plus les outils de sécurité basés sur l'IA.
L'entreprise s'étend également au marché de la sécurité de l'Internet des objets (IoT). En 2025, elle a annoncé un partenariat avec un grand fabricant d'appareils IoT pour intégrer ses capacités de détection dans les appareils de périphérie. Cela permettrait une détection des menaces en temps réel au niveau des appareils, plutôt que de dépendre de serveurs centralisés.
Voir aussi
- intelligence artificielle
- apprentissage automatique
- apprentissage profond
- grand modèle de langage
- transformeur
- OpenAI
- Google DeepMind
- MIT CSAIL
- Amazon Web Services
- Azure
- Google Cloud
- Université Carnegie Mellon
- Université de Toronto
- recherche en IA de Berkeley
- RLAIF
- graph-neural-network
- anomaly-detection
- cybersecurity