aperçu console — schéma illustratif
Kydra
Contexte gouverné et permission-checked pour agents AI
Kydra tourne dans votre VPC, entre votre plateforme data et vos agents AI. Les agents se connectent en MCP et reçoivent du contexte — schémas, termes de glossaire, join paths, métriques, lineage — seulement après vérification de leurs permissions, avec la provenance estampillée sur chaque réponse. Les permissions sont appliquées avant le retrieval et revérifiées avant l'assemblage du contexte ; le moindre écart fail closed. Pas de lac de données brutes dans Kydra, pas de contexte que votre policy n'a pas autorisé.
Alpha privée — self-hosted, façonnée avec une poignée de design partners
01 — Problème
Pourquoi ce produit existe
Les checks de schéma passent pendant que le sens casse : des cents deviennent des euros, une timezone glisse, un enum est recyclé — et tous les tests de contrat restent verts. Les assistants AI amplifient le risque au lieu de le réduire : ils récupèrent tout ce qu'ils peuvent atteindre, ancrent leurs réponses dans la mauvaise table avec aplomb, et ignorent quel contexte ils n'avaient pas le droit de voir.
02 — Capacités
Ce que ça fait aujourd'hui
Serveur MCP gouverné
Six tools read-only à scopes appliqués — search_assets, get_asset_context, get_join_path, resolve_metric, list_glossary_terms, check_access. Les agents obtiennent exactement le contexte que leurs grants autorisent, rien d'autre.
Privé par défaut
Des capability grants avec deny explicite et expiration, des refus no-oracle qui ne révèlent pas ce qui existe, et un break-glass limité dans le temps et audité pour les vraies urgences.
Postgres, Kafka, Elasticsearch
Des connecteurs read-only pour PostgreSQL, Apache Kafka — Confluent Schema Registry compris — et Elasticsearch : les systèmes où vit réellement le sens de vos données.
Lineage & fraîcheur, avec preuves
Les FKs déclarées sont la ground truth ; le lineage inféré porte un score de confiance ; un humain peut se porter garant. La fraîcheur sépare event-time et observation-time, sonde les offsets Kafka et signale le schema drift.
Scrubbing PII & firewall d'egress
Microsoft Presidio détecte et scrub les PII, un garde anti prompt-injection filtre le contenu récupéré, et un firewall role × sensibilité contrôle ce qui sort — avant qu'un modèle ne le voie.
Re-scans à coût zéro
Content fingerprints et scan budgets : une donnée inchangée n'est jamais reprofilée — re-scanner un périmètre stable coûte zéro spend LLM.
03 — Comment ça marche
De la connexion à la production
- 01
Connexion en lecture seule
Branchez Kydra sur PostgreSQL, Kafka (avec Confluent Schema Registry) et Elasticsearch en credentials read-only. Tout tourne self-hosted, dans votre propre VPC.
- 02
Discovery avec preuves
La discovery construit le catalogue avec content fingerprints et scan budgets — une donnée inchangée ne coûte aucun spend LLM. Le lineage porte des niveaux de preuve : foreign keys déclarées comme ground truth, liens inférés avec score de confiance, liens validés par un humain marqués comme tels.
- 03
Des grants, pas des espoirs
L'accès est privé par défaut. Vous accordez des capabilities — discover, understand, ask, sample, review — avec deny explicite, expiration et break-glass audité. Les agents AI sont des identités à part entière : les permissions effectives sont l'intersection agent ∩ user.
- 04
Requêtes avec provenance
Les agents passent par le serveur MCP gouverné, les humains par la console. Chaque réponse embarque sa provenance ; les permissions sont revérifiées avant l'assemblage du contexte, et un écart fail closed — pas de fuite, pas d'oracle.
04 — Cas d'usage
Là où ça s'insère
Équipes platform, data et sécurité qui veulent des assistants AI sur leurs données — sans leur donner les clés.
Donner l'accès data aux assistants — pas les clés
Vos équipes veulent des assistants AI sur le warehouse et les streams. Kydra est la couche qui décide ce que chaque assistant peut voir, prouve d'où vient chaque réponse et refuse le reste — fail closed, audité.
Publier des assets qui restent gouvernés
En tant que data owner, rendez un dataset discoverable et compréhensible — glossaire, join paths, lineage — tout en gardant ask et sample derrière des grants que vous contrôlez et pouvez faire expirer.
Least privilege sur données sensibles
Pour les équipes qui manipulent des données sensibles ou réglementées : grants avec expiration, refus no-oracle, scrubbing PII sur chaque sample et une piste d'audit pour chaque accès — break-glass compris.
05 — Où ça va
Sur la roadmap — pas encore livré
Du travail planifié, dans l'ordre dont les design partners ont besoin. Rien de ce qui suit n'est présenté comme disponible aujourd'hui.
- R-01
Asset Families
Reconnaître que des assets dev, staging et prod forment le même dataset logique, même quand les noms physiques diffèrent.
- R-02
Semantic Profiles
Des profils versionnés du sens d'un dataset — unités, populations, distributions — sous forme d'artefact reviewable.
- R-03
Semantic Watch
Détecter les changements de sens que les schémas ratent : des cents devenus euros, des enums recyclés, des populations filtrées en silence.
- R-04
Promotion Risk Reviews
Évaluer une promotion avec des preuves et rendre un verdict — SAFE, REVIEW, BREAKING ou UNKNOWN. L'inconnu est un résultat valide, jamais converti en réassurance.
- R-05
Incident Time Machine
Rejouer ce qu'un dataset signifiait à un instant donné, pour expliquer ce qu'un incident a réellement changé.
FAQ
FAQ produit
Où tourne Kydra ?
Self-hosted dans votre propre VPC : PostgreSQL comme system of record, un backend FastAPI et une console React. Rien de vos données ne quitte votre infrastructure.
Kydra stocke-t-il mes données ?
Il n'y a pas de lac de données brutes dans Kydra. Il stocke des métadonnées, des fingerprints et des preuves. Le sampling est une capability séparée, accordée explicitement — lectures bornées, PII scrubbées, auditées.
Quels providers LLM puis-je utiliser ?
Kydra est provider-agnostic via LiteLLM — utilisez le provider et les clés que votre entreprise a déjà validés. Et la preuve passe avant l'AI : chaque décision critique pour la sécurité appartient à une policy déterministe, pas à un modèle.
Comment les agents AI se connectent-ils ?
En MCP, comme des identités à part entière. Les permissions effectives d'un agent sont l'intersection de ses propres grants et de ceux de l'utilisateur pour qui il agit — chaque tool call est vérifié en scope et loggé.
Construisez-le avec nous
Un petit groupe de design partners a un accès direct au fondateur et un vrai poids sur ce qui sort en premier. Si le problème décrit plus haut est le vôtre, parlons-en.