Backend source de vérité
Les actions sensibles doivent être contrôlées côté serveur avec rôle, plan, facturation et workspace, pas seulement masquées dans l’UI.
Sécurité & confiance
Kadryn est pensé pour les équipes qui utilisent l’IA en production et qui ont besoin de visibilité, ownership, guardrails et auditabilité sans exposer de secrets ni de données inutiles.
Principes
Le modèle de sécurité de Kadryn repose sur les contrôles serveur, l’isolation tenant, la limitation des données exposées et des intégrations encadrées.
Les actions sensibles doivent être contrôlées côté serveur avec rôle, plan, facturation et workspace, pas seulement masquées dans l’UI.
Chaque objet métier doit être relié à l’organisation ou au workspace qui en est propriétaire.
Les clés API, tokens providers, credentials OAuth et secrets webhooks ne doivent jamais apparaître en clair dans les dashboards, logs ou audits.
Les changements de budgets, routing, policies, exceptions et intégrations doivent laisser une trace opérationnelle claire.
Contrôles
Kadryn sépare accès, secrets, livraison, observabilité et gouvernance pour que le contrôle des coûts IA ne devienne pas un angle mort sécurité.
Identité
L’accès repose sur les utilisateurs, organisations, rôles et capacités liées au plan.
Parcours owner, admin, member et viewer pour contrôler le workspace.
Google OAuth, OIDC/SAML et workflows SCIM selon le plan.
RBAC avancé, rôles custom, mapping groupes SSO et politiques d’accès renforcées.
Secrets
Les identifiants providers et secrets de livraison sont traités comme des éléments opérationnels sensibles.
Les clés applicatives doivent être stockées sous forme de hash avec seulement un préfixe affichable.
Les clés providers et tokens OAuth doivent être chiffrés au repos et jamais retournés bruts.
Les livraisons webhook doivent utiliser signatures, timestamps, idempotence et retries.
Données
Kadryn est conçu pour raisonner depuis les coûts et métadonnées opérationnelles plutôt que collecter du contenu sensible inutile.
Provider, modèle, projet, feature, équipe, client et owner.
Les fenêtres de rétention peuvent varier selon le plan et la catégorie de données.
Les exports sensibles doivent être vérifiés par rôle, scope et auditabilité.
Opérations
La confiance production dépend du diagnostic, des logs redacted, des erreurs sûres et de workflows d’incident encadrés.
Erreurs, jobs de fond, webhooks, livraison email et santé des intégrations.
Les changements sensibles doivent enregistrer acteur, action, cible et résultat.
Confinement, investigation, correction, communication et revue post-incident.
Frontières data
Le FinOps IA fonctionne mieux quand les métadonnées opérationnelles suffisent à comprendre le coût, la responsabilité et le risque. Les clients doivent éviter d’envoyer des secrets, données personnelles inutiles ou contenus sensibles bruts dans des champs non prévus pour cela.
Documents de confiance
La sécurité n’est pas seulement une promesse marketing. Les clients doivent pouvoir accéder à la confidentialité, au DPA, aux sous-traitants, au support et aux guides d’implémentation.
Comment Kadryn traite les données personnelles sur le site, le SaaS, le support et la facturation.
Ouvrir →
Comment Kadryn traite les données client lorsqu’il agit comme sous-traitant.
Ouvrir →
Prestataires d’infrastructure, email, billing, observabilité et intégrations.
Ouvrir →
Guides d’implémentation pour gateway, ingestion, intégrations et mise en production.
Ouvrir →
Contacter Kadryn pour une question sécurité, confidentialité, implémentation ou enterprise.
Ouvrir →
Commencez avec un setup minimal, vérifiez les données que vous prévoyez d’envoyer, puis ajoutez des contrôles plus stricts quand votre usage IA devient critique.