Un juge se place devant l’agent et filtre chaque demande. Des règles numérotées, regroupées en familles nommées, écrites en langage clair, désactivées par défaut, et modifiables par vous. Ce qui est légitime passe sans être touché.
La plupart des filtres bloquent sur le vocabulaire. Celui-ci juge la demande, et un mot seul ne prouve jamais rien.
Le prompt est jugé à l’entrée. Rien n’atteint l’agent, aucun outil ne s’exécute, aucun fichier n’est touché tant que le verdict n’est pas rendu.
Armes, cyberattaques, exploitation sexuelle, fraude et atteinte aux personnes, tentatives de contourner les règles elles-mêmes, et une catégorie fourre-tout pour le reste.
Un utilisateur bloqué voit Guardrail No:204, et rien d’autre. Les règles ne fuitent jamais, donc personne n’apprend à les contourner.
Un garde-fou qui bloque du vrai travail est désactivé en une semaine, et il ne protège alors plus rien du tout.
Le texte cité, les journaux, les emails et le code contenus dans un message sont traités comme des données, jamais comme des instructions. Et une demande enveloppée en base64, en hexadécimal ou à l’envers est décodée avant d’être jugée, parce que l’emballage n’a jamais été le sujet.
Rien ne filtre quoi que ce soit par défaut. Vous l’activez pour l’instance, et il s’applique à chaque prompt à partir de cet instant.
Changez la formulation, ajoutez votre propre famille, retirez ce qui ne concerne pas votre métier. Ou ouvrez le fichier brut et réécrivez-le entièrement.
Tenez une liste de ce qui ne doit jamais être bloqué : recherche en sécurité, réponse à incident, tests autorisés, enseignement. Elle prime sur les règles.
Et placez cette limite là où votre activité en a besoin, pas là où quelqu’un d’autre l’a tracée.
