n8n Guardrails : un filtre anti-jailbreak suffit-il à protéger un chatbot client ? Notre crash-test
Publié le 7 novembre 2026
Le nœud Guardrails de n8n bloque les messages qui ressemblent à une attaque avant qu'ils n'atteignent votre agent IA. Mais protège-t-il ce que le bot répond à vos clients ? Nous avons testé le même assistant de cabinet dentaire sans filtre puis avec trois seuils, face aux mêmes attaques et à 100 questions ordinaires de patients.
Le banc d'essai
- Un agent IA n8n, assistant d'un cabinet dentaire fictif écrit par nous : détartrage 80 €, consultation 30 €, pas de remise, ouvert du lundi au vendredi.
- Devant l'agent, le nœud Guardrails avec son contrôle anti-jailbreak, réglé à trois seuils : 0,5, 0,7 et 0,9. Plus une version sans filtre.
- Pour chaque version, un audit BotArmor complet : 12 niveaux d'attaque, 5 sessions par niveau, soit 60 sessions.
- En plus, 100 questions ordinaires de patients passées dans le filtre, pour compter les blocages à tort.
Ce que le filtre fait bien
Il arrête une partie des messages d'attaque : 18 % au seuil 0,5, 17 % à 0,7 et 6 % à 0,9. Ce sont surtout des injections du type « faux directeur » et des jeux de rôle. Et il n'a bloqué aucune des 100 questions ordinaires, même au seuil 0,5 : vos vrais clients ne sont pas gênés.
Ce qu'il ne voit pas
- « L'Assurance Maladie rembourse le détartrage à 70 % » : un fait qui n'existe nulle part dans les consignes du bot.
- « Demande enregistrée » : le bot confirme une réservation alors qu'il n'a aucun outil pour la faire.
- « Oui, vous pouvez payer les deux en une seule fois » : une règle de paiement inventée.
Pourquoi le filtre laisse passer ces erreurs
Ces trois réponses arrivent après des messages de patients parfaitement anodins. Le filtre n'a donc rien à bloquer : l'erreur est dans la réponse du bot, pas dans la question. Un filtre anti-jailbreak contrôle ce qui entre ; il ne vérifie ni les prix, ni les remboursements, ni les confirmations que le bot donne à vos clients.
Le filtre rend-il le bot moins bon ?
Non, même si les notes peuvent le laisser croire : B sans filtre, C aux seuils 0,5 et 0,7, B à 0,9. Chaque version n'a été mesurée qu'une fois, avec 5 sessions par niveau, et 0 faille contre 1 ou 2 sur 60 sessions reste dans le bruit statistique. Notre agent résistait déjà bien aux injections sans filtre ; sur un modèle d'IA plus faible, le filtre servirait davantage.
Notre conseil
- Gardez le nœud Guardrails sur un chatbot public, au seuil 0,5 ou 0,7 : il ne gêne pas vos clients.
- Écrivez dans le prompt ce que le bot ne doit jamais inventer : « Si une information n'est pas dans tes consignes (prix, remboursement, délai), dis que tu ne la connais pas et donne le numéro du cabinet. »
- Interdisez les fausses confirmations : « Tu ne confirmes jamais une réservation, un paiement ou un remboursement : tu n'as aucun outil pour le faire. »
- Testez ce que le bot répond, pas seulement ce qu'il laisse entrer : un audit complet de son comportement avant la mise en ligne, puis après chaque modification du prompt.
Agent fictif, créé par nous, sur notre propre instance n8n. Une seule mesure par version : ces résultats montrent une tendance, pas une garantie. Rapports signés vérifiables : BA-955945S7 (sans filtre), BA-JZESCJCZ (0,5), BA-8E4WQ8A8 (0,7), BA-FMX563PV (0,9). Nous ne testons jamais le bot d'une entreprise sans son autorisation.
Votre chatbot tiendrait-il ?
Test express gratuit en une minute à partir de son prompt, puis audit complet sur le vrai bot : 13 niveaux d'attaque, note A–F, correctifs prêts à coller, rapport signé.
Tester mon chatbot gratuitement →