---
title: "Que sont les guardrails d’un LLM ? Contrôles entrée/sortie"
description: "Les guardrails sont des contrôles autour d’un appel LLM qui bloquent, corrigent ou signalent les entrées et sorties à risque. Types, latence et emplacement."
url: https://broadrouter.com/fr/glossary/guardrails/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/glossary/guardrails/) (mis à jour le 2026-11-14).

# Guardrails (garde-fous pour LLM)

Mis à jour 2026-11-14

Les guardrails sont des contrôles qu’une application exécute autour d’un appel à un modèle de langage pour le maintenir dans des limites définies. Ceux d’entrée filtrent ce qui entre dans le modèle, ceux de sortie vérifient ce qui en sort, et ceux d’outils valident les actions avant leur exécution. Un contrôle échoué bloque, réécrit ou signale la requête.

Aussi appelé : guardrails, garde-fous, garde-fous IA, garde-fous LLM, guardrails LLM, filtres de sécurité, guardrails d’entrée, guardrails de sortie, LLM guardrails, AI guardrails, input guardrails, output guardrails, safety rails

Les guardrails sont les contrôles que vous placez autour d’un modèle pour qu’une mauvaise entrée ou une mauvaise sortie s’arrête dans votre code, et pas chez votre utilisateur.

## Comment ça marche

L’OpenAI Agents SDK décrit les guardrails comme des « checks and validations of user input and agent output » (traduction : « contrôles et validations des entrées utilisateur et des sorties de l’agent ») et en définit trois types :

| Type | S’exécute | Contrôle typique |
| --- | --- | --- |
| Entrée | Avant ou en parallèle du premier appel au modèle | Requêtes hors sujet, abusives ou injectées |
| Sortie | Après la réponse finale | Secrets divulgués, violations de règles, mauvais format |
| Outil | Avant et après l’exécution d’un outil de fonction | Arguments dans les bornes, aucune action destructrice |

Quand un contrôle échoue, un « tripwire » lève une exception et arrête l’exécution. Les contrôles d’entrée peuvent être bloquants (le modèle principal ne démarre jamais) ou parallèles (latence plus faible, mais des tokens et des appels d’outils peuvent déjà être consommés quand le tripwire se déclenche).

La bibliothèque open source NeMo Guardrails de NVIDIA utilise cinq étapes : rails d’entrée, de récupération, de dialogue, d’exécution et de sortie. La documentation d’Anthropic suggère un « harmlessness screen » (traduction : « filtre d’innocuité ») : un petit modèle rapide qui classe l’entrée utilisateur avant qu’elle n’atteigne la conversation principale, avec une [sortie structurée](https://broadrouter.com/fr/glossary/structured-output/) pour que le verdict soit un true ou false analysable.

Tous les guardrails n’ont pas besoin d’un modèle. Les filtres regex, les listes d’autorisation, la validation par JSON Schema et les limites de longueur sont peu coûteux et déterministes.

## Pourquoi c’est important

-   **Sécurité.** Les guardrails sont une couche de défense contre l’[injection de prompt](https://broadrouter.com/fr/glossary/prompt-injection/) et les [jailbreaks](https://broadrouter.com/fr/glossary/jailbreak/). Aucune couche ne les arrête tous à elle seule.
-   **Coût.** Un filtre bon marché peut rejeter une requête avant qu’un modèle coûteux ne lise 100 000 tokens de contexte.
-   **Agents.** Un [agent](https://broadrouter.com/fr/glossary/agent/) qui envoie des e-mails ou modifie des données a besoin de contrôles au niveau des outils et d’une validation humaine pour les étapes à risque, pas seulement d’un filtre sur le texte final.
-   **Mesurez-les.** Un guardrail qui bloque de bonnes requêtes est un bug. Suivez les faux positifs avec un jeu d’[eval](https://broadrouter.com/fr/glossary/eval/).

## Sur BroadNet Inference

La documentation de BroadNet ne mentionne ni guardrails, ni endpoints de modération, ni filtres de contenu. Considérez les guardrails comme le travail de votre application. Un schéma courant consiste à filtrer avec un modèle plus petit comme [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) ($0.10 par million de tokens d’entrée), puis à faire l’appel principal sur un modèle plus grand. Si les entrées contiennent des données personnelles, voir [envoyer des données sensibles à une API LLM](https://broadrouter.com/fr/blog/llm-api-sensitive-data/).

## Questions fréquentes

### Les guardrails font-ils partie du modèle ?

Non. Les modèles ont leurs propres refus appris à l’entraînement, mais les guardrails sont du code ou des appels de modèle séparés que votre application exécute avant et après l’appel principal. C’est vous qui décidez de ce qu’ils vérifient.

### Les guardrails ajoutent-ils de la latence ?

Un contrôle d’entrée bloquant ajoute un appel avant que le modèle principal démarre. L’OpenAI Agents SDK peut à la place exécuter les guardrails d’entrée en parallèle, ce qui fait gagner du temps mais peut consommer des tokens avant que le contrôle se déclenche.

### BroadNet Inference inclut-il des guardrails ?

La documentation de BroadNet ne mentionne ni guardrails ni filtres de contenu. Construisez-les dans votre application, par exemple avec un petit modèle comme filtre et une validation de schéma sur les sorties.

## Voir aussi

-   [Injection de prompt (prompt injection)](https://broadrouter.com/fr/glossary/prompt-injection/) (terme)
-   [Jailbreak (LLM)](https://broadrouter.com/fr/glossary/jailbreak/) (terme)
-   [Agent IA (AI agent)](https://broadrouter.com/fr/glossary/agent/) (terme)
-   [Sortie structurée (structured output)](https://broadrouter.com/fr/glossary/structured-output/) (terme)
-   [Eval (évaluation de LLM)](https://broadrouter.com/fr/glossary/eval/) (terme)
-   [Prompt système (system prompt)](https://broadrouter.com/fr/glossary/system-prompt/) (terme)
-   [PII (données d’identification personnelle)](https://broadrouter.com/fr/glossary/pii/) (terme)
-   [Faire tourner l’OpenAI Agents SDK sur BroadNet Inference](https://broadrouter.com/fr/guides/openai-agents-sdk-custom-provider/) (guide)
-   [Données sensibles et API LLM : masquer, minimiser, moins journaliser](https://broadrouter.com/fr/blog/llm-api-sensitive-data/) (article)
-   [Sécuriser une clé d’API LLM : stockage, rotation et listes d’IP](https://broadrouter.com/fr/blog/llm-api-key-security/) (article)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-guardrails&utm_content=page-cta) ·

**Sources**

-   [OpenAI Agents SDK, guardrails (guardrails d’entrée, de sortie et d’outils, tripwires)](https://openai.github.io/openai-agents-python/guardrails/)
-   [Documentation de NVIDIA NeMo Guardrails](https://docs.nvidia.com/nemo/guardrails/latest/index.html)
-   [Anthropic, atténuer les jailbreaks et les injections de prompt (filtres d’innocuité)](https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/mitigate-jailbreaks)
