Vulnérabilités : l’IA redéfinit la cybersécurité

L’intelligence artificielle transforme la cybersécurité. Dans la course effrénée entre attaquants et défenseurs, l’IA est le nouvel accélérateur.

Elle offre des moyens inédits d’analyser le code, de repérer les comportements anormaux et de déceler les failles que les outils traditionnels ne pourraient pas. La détection devient quasi instantanée, mais où se situe la nouvelle bataille ?

L’IA a bouleversé la chronologie de la réponse aux vulnérabilités, mais elle a également mis en lumière un maillon faible souvent négligé : notre capacité à savoir exactement ce qui tourne dans nos systèmes.

L’IA, un accélérateur à double tranchant

L’impact le plus visible de l’IA réside dans la découverte des failles, notamment les plus redoutables : les vulnérabilités « zero-day ».

Ces failles inconnues des éditeurs sont une mine d’or pour les pirates. Aujourd’hui, l’IA rend leur découverte plus accessible.

Pour les attaquants : la menace des zero-days assistés par IA

Récemment, le groupe d’analyse des menaces de Google a rapporté un cas éloquent. Un acteur malveillant aurait utilisé l’IA pour développer un exploit zero-day.

Le code, un script Python, était particulièrement sophistiqué. Il parvenait à contourner une authentification à deux facteurs sur un outil d’administration open source très répandu.

Ce qui a alerté les chercheurs ? Un style de code très structuré, des commentaires exceptionnellement détaillés et même un score de vulnérabilité inventé, des marqueurs typiques d’un code généré par une IA.

Cette faille n’était pas un simple bug ou une erreur de mémoire. Il s’agissait d’une faille logique complexe, liée à une relation de confiance mal implémentée dans le code. L’IA excelle à identifier ce type de problème, là où les outils classiques peinent.

Les chiffres confirment cette tendance. Selon Google, 90 vulnérabilités zero-day ont été exploitées en 2025, contre 78 en 2024. Une augmentation qui montre que la course s’accélère.

Pour les défenseurs : une analyse de code surpuissante

Heureusement, les défenseurs ne sont pas en reste. Les mêmes technologies renforcent les lignes de défense.

Les modèles d’IA peuvent scanner des millions de lignes de code pour y déceler des interactions complexes entre permissions, fonctions et comportements attendus. Ils peuvent ainsi mettre en évidence des contradictions logiques qui ne laissent aucune trace technique évidente.

L’IA devient un partenaire indispensable pour les équipes de sécurité, capable d’analyser en profondeur des bases de code gigantesques et de suggérer des pistes là où un humain mettrait des semaines à enquêter. La découverte des failles est donc plus rapide pour tout le monde. Mais alors, quel est le défi majeur ?

Le véritable défi : savoir où chercher

Une fois qu’une vulnérabilité est rendue publique, une nouvelle course contre la montre commence.

Il ne s’agit plus de la découvrir, mais de la localiser dans ses propres infrastructures. Cela représente souvent un problème, surtout dans les environnements modernes basés sur des conteneurs.

Le défi des conteneurs et des dépendances cachées

Imaginez une image de conteneur comme une poupée russe. À l’intérieur, votre application. Mais celle-ci repose sur des librairies, qui elles-mêmes dépendent d’un système d’exploitation de base, qui contient des dizaines de paquets et d’utilitaires.

Un composant vulnérable peut donc se nicher à plusieurs couches de profondeur, hérité d’une image de base que vous n’avez même pas choisie directement.

L’exemple le plus marquant reste celui de Log4Shell en 2021. La librairie Java vulnérable, Log4j, était intégrée dans des milliers de produits et services.

Pour de nombreuses entreprises, obtenir le correctif n’était que le début du calvaire. Il fallait ensuite identifier chaque serveur, chaque application et chaque conteneur qui embarquait une version compromise de la librairie. Une tâche titanesque.

La solution : visibilité et images minimalistes

La clé pour éviter ce scénario réside en deux points :

• La visibilité : Utiliser une « Software Bill of Materials » (SBOM), ou nomenclature logicielle, est devenu indispensable. C’est simplement la liste des ingrédients de votre logiciel. En cas d’alerte sur un composant, vous pouvez consulter votre SBOM et savoir immédiatement si vous êtes concerné.
• Le minimalisme : Construire des images de conteneurs plus petites et plus ciblées réduit la surface d’attaque. En n’incluant que les paquets strictement nécessaires au fonctionnement de l’application, on limite le nombre de points d’entrée potentiels et on simplifie grandement les recherches en cas de faille.

De la détection à la correction : l’IA sur tous les fronts ?

L’intelligence artificielle ne se limite pas à la détection. Elle joue également un rôle majeur dans la création des correctifs, raccourcissant encore les délais entre la divulgation et la disponibilité d’un patch.

Quand l’IA propose elle-même les correctifs

Des projets comme CodeMender de Google DeepMind montrent le potentiel de cette approche. Cet agent IA a déjà contribué à des dizaines de correctifs de sécurité sur des projets open source bien établis.

Le système combine le raisonnement d’un grand modèle de langage avec des outils d’analyse traditionnels pour produire et évaluer des patchs de manière autonome.

Cependant, nous n’en sommes pas encore à une automatisation totale. Chaque proposition de l’IA a été scrupuleusement vérifiée par des chercheurs humains avant d’être soumise. Il fallait s’assurer que le correctif réglait bien la cause profonde du problème et n’introduisait pas de nouvelles régressions.

L’étape décisive : l’inventaire avant tout

Même avec un correctif généré par IA et validé par un humain en un temps record, le travail est loin d’être terminé. C’est ici que nous abordons la question principale.

Ce patch ultra-rapide ne sert à rien si vous ne savez pas où l’appliquer.

Dans un environnement mal documenté, localiser chaque instance du composant vulnérable peut prendre bien plus de temps que de produire le correctif lui-même. C’est là que se situe l’avantage compétitif en matière de sécurité aujourd’hui.

Disposer d’inventaires précis et à jour permet aux outils automatisés de connecter une nouvelle faille à la version du paquet, à l’image et à la charge de travail qui nécessitent une intervention immédiate.

L’IA a transformé la cybersécurité en accélérant l’analyse de code pour les attaquants comme pour les défenseurs. La phase de découverte d’une faille n’est peut-être plus l’étape la plus lente du processus. Désormais, l’efficacité d’une équipe de sécurité se mesure à sa capacité à répondre à une question simple : « Où sommes-nous vulnérables ? ».

La différence entre une organisation qui passera des heures à inspecter manuellement ses conteneurs et une autre qui consultera son inventaire pour identifier les systèmes affectés en quelques secondes est colossale. Cet écart ne dépend pas de la sophistication de l’IA, mais de décisions prises bien en amont sur la gestion des inventaires, la composition des images et les processus de reconstruction et de déploiement.

Alors que la recherche de vulnérabilités s’accélère, l’avantage pratique appartient à ceux qui peuvent cartographier leur exposition et déployer un correctif testé sans avoir à deviner ce que leurs systèmes contiennent. Et vous, dans votre organisation, êtes-vous prêts à suivre ce nouveau rythme ?

Simone

Simone, rédactrice principale du blog, est une passionnée de l’intelligence artificielle. Originaire de la Silicon Valley, elle est dévouée à partager sa passion pour l’IA à travers ses articles. Sa conviction en l’innovation et son optimisme sur l’impact positif de l’IA l’animent dans sa mission de sensibilisation.