Isolation des locataires pour RAG sur Amazon S3 Vectors : pourquoi l’ARN est important.
Pourquoi un index par locataire disposant de son propre ARN est supérieur aux filtres de métadonnées pour l’isolation, la résidence, la suppression, l’audit et la traçabilité de niveau GDPR dans Amazon S3 Vectors.
Sources: Multi-Tenant RAG on Amazon S3 Vectors - Part 1: The Isolation Model
Imaginez un produit SaaS destiné aux organismes publics de l’UE. Chaque client est un responsable du traitement des données au titre du RGPD distinct, et l’assistant intégré répond en s’appuyant sur les documents propres à ce client : dossiers, directives internes et lois applicables. Derrière ce système se trouve un système RAG accueillant des centaines d’utilisateurs, où une réponse erronée n’est pas simplement embarrassante : c’est une violation qui échappe à toute détection.
C’est ainsi que les choses tournent mal. Un index vectoriel partagé stocke les données de chaque locataire. Un agent chargé des dossiers du locataire B demande quels sont les critères d’éligibilité pour une prestation destinée aux personnes ayant une capacité de travail réduite. Parmi les résultats les plus similaires figurent des extraits des notes du dossier d’un candidat du locataire A, car une recherche de similarité traite cette phrase comme un seul sujet, quel que soit son auteur. Le modèle répond correctement en indiquant ses sources, parmi lesquelles se trouve l’historique médical d’un citoyen détenue par une autre organisation. L’appel renvoie un code HTTP 200 et tous les tableaux de bord restent en état vert.
Rien de tout cela n’est un problème lié au modèle. Le modèle a fait ce à quoi il a été conçu. Les vraies questions portent sur ce qui lui est fourni et sur qui veille à ce que cela soit respecté.
Exigences
Partez des lois qui protègent les données et demandez ce que chacune exige d’un système de récupération, maintenant que les données existent sous forme de blocs dans un index vectoriel et non plus sous forme de lignes dans une table. Six exigences en ressortent, et chacune peut être formulée de manière testable et présentable à un auditeur : isolation, résidence, supprimabilité, auditableté, provenance et limites honnêtes.
Deux d’entre elles sont souvent confondues. La provenance se réfère à la réponse pour indiquer à l’utilisateur à l’écran d’où elle provient. L’auditableté se réfère aux données pour indiquer ultérieurement à un auditeur qui les a consultées. Même système, directions opposées.
Pourquoi un seul utilisateur est simple tandis que des centaines ne le sont pas
Avec un seul utilisateur, les cinq premières exigences sont presque automatiquement remplies. Avec des centaines d’utilisateurs dans un seul index, elles ne sont satisfaites que si le code de l’application est parfaitement correct, et chacune d’elles pose des problèmes à sa manière.
- Isolation se réduit à une clause
WHERE tenant_id = ?associée à chaque requête. Même en l’absence de cette clause, ou si un bug la modifie, la recherche a quand même lieu. - Residence se limite à une seule région pour tous. Un client dont le contrat désigne une autre région nécessite un second stock dimensionné et facturé pour un seul client, et en pratique, le contrat fait l’objet d’une note en bas de page.
- Deletability consiste à trouver et supprimer des blocs marqués par un client et un document. L’effacement dépend uniquement des étiquettes ou de la recherche, et une recherche par voisinage approximatif ne peut pas prouver qu’un élément est absent.
tenant inscrite au moment de l’ingestion. De nombreux locataires disposeront d’un document intitulé « Benefit guidance 2026 », de sorte qu’une citation n’est valable que si le locataire est associé, et une étiquette incorrecte ressemble à une étiquette correcte.La solution est celle que la documentation de tout stock vectoriel recommande déjà : une partition, une collection, un index ou un schéma par locataire. La question qui reste est de savoir quel type de limite par locataire répond aux critères mentionnés ci-dessus, car tous les types ne le font pas. Le coût, objection habituelle, est abordé par la suite.
Trois endroits où tracer la limite
Une limite de locataire peut exister en trois endroits, et ils diffèrent par la personne qui les applique et par la manière dont ils échouent.
Un filtre dans le code de l’application
L’index est partagé, chaque vecteur contient des métadonnées tenant_id et chaque requête effectue un filtrage sur celles-ci.
await client.send(new QueryVectorsCommand({
indexArn: SHARED_INDEX,
queryVector: { float32: embedding },
topK: 10,
filter: { tenant_id: { $eq: "org-b" } }, // ← the boundary
}));
Votre code est le seul à garantir le respect des règles. Lorsqu’il échoue, le résultat est une réponse valide avec un code HTTP 200, et rien à l’extérieur du processus ne peut refuser ou enregistrer l’erreur.
Structure sélectionnée par le code de l’application
Chaque utilisateur dispose de son propre index, de sa propre table, de son propre schéma ou de sa propre collection, et l’application choisit celui à utiliser.
const index = indexFor(session.tenantId); // ← the boundary
await client.send(new QueryVectorsCommand({ indexArn: index, ... }));
La mise en œuvre est répartie entre le code qui sélectionne l’index et, dans une base de données, les droits configurés. Si indexFor renvoie la mauvaise valeur, la requête s’exécute sur l’index d’un autre utilisateur et retourne les données du mauvais client, toujours avec un code HTTP 200. Cela est moins visible qu’un filtre, mais tout aussi erroné. Avec un schéma par utilisateur sur Postgres, la base de données refuse elle-même toute lecture depuis le mauvais schéma, ce qui aide. Cependant, les droits restent ceux de l’équipe elle-même, et le fournisseur de services cloud considère un cluster comme une seule ressource, sans rien à refuser ni à enregistrer par utilisateur.
Une ressource que le fournisseur contrôle
Chaque utilisateur dispose d’un index qui constitue une ressource cloud de premier ordre possédant son propre ARN, et les identifiants de l’appelant correspondent précisément à l’un d’eux.
{
"Version": "2012-10-17",
"Statement": [{
"Effect": "Allow",
"Action": ["s3vectors:QueryVectors", "s3vectors:GetVectors"],
"Resource": "arn:aws:s3vectors:eu-west-1:123456789012:bucket/kb-eu-west-1/index/org-b"
}]
}
IAM applique cette règle à chaque appel, avant même que le service ne démarre. Le même bug indexFor se solde désormais par une AccessDeniedException et rien n’est retourné, tandis que CloudTrail enregistre la tentative refusée en fonction de l’ARN demandé. Plus on progresse dans cette hiérarchie, plus l’échec devient évident. Le troisième niveau nécessite une propriété dans le stockage qui est facile à manquer : l’unité de location doit disposer d’un ARN.
Pourquoi l’ARN résout le problème
Chaque instruction IAM représente une action sur un ressource, et cette ressource est soit un ARN, soit un joker. IAM ne peut protéger que les éléments disposant d’un ARN, et CloudTrail suit la même règle en enregistrant les appels API en fonction des ARN des ressources.
Amazon S3 Vectors attribue à chaque index un ARN ayant la forme arn:aws:s3vectors:<region>:<account>:bucket/<bucket>/index/<index>. Toutes les opérations liées au plan des données (PutVectors, QueryVectors, GetVectors, DeleteVectors et ListVectors) sont considérées comme des actions IAM sur cet ARN ainsi que comme des événements de données CloudTrail enregistrés à son sujet. Ce détail relève la frontière entre les tenants du deuxième au troisième niveau.
Le modèle de ressources et les six exigences
S3 Vectors est un type de bucket de stockage, et non une base de données. Un bucket de vecteurs est créé de manière similaire à un bucket S3 ordinaire et se trouve dans une région donnée. Il contient des index, chacun définissant une dimension, choisissant une métrique de distance et indiquant quels clés de métadonnées ne peuvent pas être filtrées. Un index stocke des vecteurs, et chaque vecteur associe une clé choisie par l’utilisateur à un tableau de nombres flottants ainsi qu’à des métadonnées, dont certaines sont filtrables. L’appel QueryVectors renvoie les k vecteurs les plus proches ainsi que ces métadonnées.
// Tenant onboarding = one call. No capacity to choose.
await client.send(new CreateIndexCommand({
vectorBucketName: "kb-eu-west-1",
indexName: "org-b",
dataType: "float32",
dimension: 1024, // Titan Text Embeddings V2
distanceMetric: "cosine",
metadataConfiguration: {
nonFilterableMetadataKeys: ["chunk_text"], // stored and returned, never scanned or filtered
},
}));
L’intégration d’un client se fait par un seul appel, sans possibilité de choix. Voici comment les exigences s’adaptent au modèle.
- Isolation : chaque client correspond à un index unique. Les identifiants de connexion renvoient vers l’ARN de cet index, de sorte qu’une requête ne peut physiquement pas atteindre un autre index, quel que soit la demande de l’application.
- Résidence : la région est intégrée dans l’ARN de l’index. Conservez un bucket vectoriel par région servie, et créez l’index du client dans le bucket correspondant à son nom de contrat. Pour les contrats nécessitant une partition gérée en UE, le AWS European Sovereign Cloud propose également S3 Vectors. La liste des indices de chaque bucket permet d’établir le rapport de résidence.
DeleteVectors puis GetVectors qui ne renvoie rien ; la forte cohérence garantit que cette absence soit fiable immédiatement. Supprimer un utilisateur complet se fait par une seule appel à DeleteIndex.Ce que la frontière ne fait pas
Le troisième niveau définit quel utilisateur peut accéder à quels données. Il ne couvre pas les rôles au sein d’un utilisateur, la manière dont un modèle gère l’existence même d’un document restreint, ni la qualité des réponses selon les langues. Ce sont des problématiques liées à l’application, et elles absorbent la majeure partie du temps d’ingénierie. Le code présenté est à titre illustratif et utilise le AWS SDK pour JavaScript v3 ; par conséquent, les noms des paramètres doivent être vérifiés selon la version actuelle du SDK, et les identifiants d’utilisateur, de région et de compte sont des placeholders.