Cloakroom masque les secrets aux agents de codage IA avant qu'ils ne les voient

Shanjeev Rajendran a publié Cloakroom, un utilitaire open-source qui masque les clés API, les mots de passe et les informations personnellement identifiables (PII) sur les machines locales avant leur traitement par les agents de codage IA. Publié sur GitHub en novembre 2026, l'outil s'intègre directement aux agents populaires, notamment Claude Code, Codex CLI, Gemini CLI et Cursor, afin d'empêcher la fuite accidentelle de secrets lors des flux de travail de développement.

Ce qui s'est passé

Les développeurs comptent de plus en plus sur les agents de codage IA pour lire des fichiers, exécuter des commandes et générer du code, ce qui crée un risque significatif que des identifiants sensibles ou des données privées intégrés dans les dépôts soient exposés à des modèles externes. Cloakroom répond à cette problématique en agissant comme une couche intermédiaire qui analyse les données entrant et sortant de ces agents. Il identifie les secrets et les PII à l'aide de règles de motifs et d'un modèle de détection local, substituant les valeurs réelles par des espaces réservés spécifiques à la session, tels que PII_SECRET_1, avant que l'agent ne les voie.

L'outil fonctionne entièrement sur la machine de l'utilisateur, garantissant qu'aucun secret brut ne quitte l'environnement local, sauf lors du téléchargement initial unique de son modèle de détection. Lorsque l'agent IA écrit des fichiers ou exécute des commandes contenant ces espaces réservés, Cloakroom intercepte la sortie et restaure les valeurs originales juste avant qu'elles ne soient écrites sur le disque ou exécutées dans le shell. Ce masquage bidirectionnel permet aux développeurs d'utiliser des assistants IA sans devoir nettoyer manuellement leurs bases de code ni risquer une exposition des identifiants via une injection de prompt ou une inclusion accidentuelle dans le contexte.

L'installation varie selon l'agent. Pour Claude Code sur Mac, Windows ou Linux, les utilisateurs installent un plugin qui initialise le programme Cloakroom. Pour Codex, Gemini CLI et Cursor sur Mac et Linux, l'outil est installé via le gestionnaire de paquets Python uv. Le système inclut des mécanismes de sécurité où les agents ne peuvent pas approuver leurs propres appels mis en attente ni désactiver les hooks, nécessitant une confirmation explicite de l'utilisateur via des commandes terminal pour toute action bloquée.

Comment ça marche

Cloakroom fonctionne en injectant des hooks dans le pipeline d'appel d'outils de l'agent. Lorsqu'un agent tente de lire un fichier, de visualiser la sortie d'une commande ou de traiter des résultats MCP, Cloakroom intercepte le flux de données. Il applique une combinaison de correspondance de motifs basée sur les expressions régulières et un petit modèle d'apprentissage automatique local appelé PII-Tracer pour identifier les chaînes sensibles. Une fois détectés, chaque secret est remplacé par un espace réservé unique qui reste cohérent tout au long de la session. Ces mappages sont stockés dans un coffre-fort chiffré sur la machine locale, avec des clés de chiffrement sécurisées dans le magasin de clés natif du système d'exploitation, tel que macOS Keychain ou Windows Credential Manager.

Sur le chemin de retour, lorsque l'agent génère du code ou des commandes contenant ces espaces réservés, Cloakroom les reconvertit en leurs valeurs originales. Cela se produit immédiatement avant que les données ne soient écrites sur le système de fichiers ou transmises au shell pour exécution. Si l'outil rencontre des données qu'il ne peut pas vérifier ou masquer en toute sécurité, il met l'opération en attente plutôt que de la laisser passer sans contrôle, forçant le développeur à examiner et autoriser explicitement l'action. Cette approche de sécurité par défaut privilégie la sécurité sur la commodité, garantissant que les secrets non masqués n'atteignent jamais accidentellement le modèle IA.

Détails clés

• Zéro fuite dans les tests : Sur des ensembles de test retenus, Cloakroom a permis à zéro détail personnel sur 1 005 et à zéro clé au format fournisseur sur 77 de passer, tandis que d'autres outils testés ont laissé entre 119 et 992 détails s'échapper.
• Traitement local uniquement : Aucune donnée ne quitte la machine, sauf lors du téléchargement initial du modèle ; le modèle de détection fonctionne localement pour identifier les secrets sans envoyer de contenu à des API externes.
• Stockage dans un coffre-fort chiffré : Les mappages secret-vers-espace-réservé sont stockés dans un coffre-fort local chiffré, avec des clés protégées par le magasin de clés du système d'exploitation, empêchant l'agent IA d'accéder à la clé de déchiffrement.
• Large support d'agents : Fonctionne avec Claude Code (Mac, Windows, Linux), Codex CLI, Gemini CLI et Cursor (Mac, Linux), couvrant les lectures de fichiers, les sorties de commandes et l'OCR d'images.
• Défense contre l'injection de prompt : L'outil empêche les agents d'approuver leurs propres appels mis en attente, de désactiver Cloakroom ou d'injecter des hooks dans les fichiers de configuration sans autorisation explicite de l'utilisateur via cr: allow.
• Compromis faux positifs : Pour atteindre une fuite nulle, l'outil masque plus de texte inoffensif que les scanners dédiés aux secrets seuls, bien que les utilisateurs puissent ajuster les règles via un tableau de bord pour réduire les futures fausses alertes.

Pourquoi c'est important

Pour les ingénieurs logiciels et les responsables techniques, l'intégration des agents IA dans les flux de travail quotidiens a brouillé la frontière entre le développement local et le traitement externe. Les outils traditionnels de gestion des secrets se concentrent souvent sur la prévention des commits vers le contrôle de version ou l'analyse statique des fichiers, mais ils ne traitent pas le contexte dynamique d'exécution où les agents lisent des fichiers en direct et exécutent des commandes. Cloakroom comble cette lacune en sécurisant le pipeline de données au point d'interaction, garantissant que même si un développeur oublie de rédiger un fichier, l'agent ne reçoit jamais l'identifiant brut. Cela réduit la charge cognitive des développeurs qui n'ont plus besoin de nettoyer méticuleusement chaque fenêtre de contexte avant d'inviter un assistant IA.

L'architecture de l'outil souligne également un glissement vers des contrôles de sécurité côté client pour les interactions IA. En gardant le modèle de détection et le coffre-fort de secrets locaux, il atténue les risques associés aux services d'analyse basés sur le cloud qui pourraient eux-mêmes devenir des cibles ou des responsabilités de conformité. La capacité de scanner rétroactivement d'anciennes conversations pour y détecter des données personnelles exposées étend son utilité au-delà de la protection en temps réel, aidant les équipes à auditer les interactions passées pour d'éventuelles violations. Cependant, les développeurs doivent rester conscients qu'il ne s'agit pas d'un bac à sable ; il prévient les fuites accidentelles mais n'arrête pas les injections de prompts malveillantes si l'agent est compromis, ce qui signifie qu'il doit être utilisé en complément d'autres bonnes pratiques de sécurité.

Ce que vous pouvez faire

• Installez Cloakroom pour votre principal agent IA en utilisant les commandes spécifiques pour Claude Code, Codex, Gemini ou Cursor trouvées dans la documentation officielle.
• Exécutez cloakroom doctor après l'installation pour vérifier que tous les hooks sont actifs et que le contrôle de santé renvoie ok pour chaque composant.
• Utilisez cloakroom exposure --personal pour scanner les anciennes histoires de chat des agents pris en charge à la recherche de données personnelles ou d'identifiants précédemment divulgués.
• Configurez le cloakroom dashboard pour examiner les faux positifs et marquer les éléments masqués inoffensifs afin que le moteur de règles les ignore lors des sessions futures.
• Évitez de coller des secrets directement dans les prompts ; utilisez plutôt la commande cloakroom give NAME pour injecter des identifiants via des prompts cachés qui fournissent des espaces réservés à l'agent.
• Exécutez régulièrement cloakroom update pour vous assurer que le modèle de détection et les intégrations de hooks sont à jour, surtout après avoir mis à jour le logiciel de l'agent IA sous-jacent.