Leaders d’opinion
L’IA repère les vulnérabilités à la vitesse de l’éclair. Les corriger, c’est une tout autre histoire.

Points clésL'IA découvre désormais les zero-days plus rapidement que les défenseurs ne peuvent les…
Voir plus
- L'IA découvre désormais les zero-days plus rapidement que les défenseurs ne peuvent les corriger.
- Plus de la moitié des correctifs générés par l'IA n'ont pas réussi à corriger la faille ou en ont introduit de nouvelles.
- S'appuyer uniquement sur les CVE divulguées laisse les défenseurs réagir selon le calendrier des attaquants.
La cybersécurité est confrontée à un nouveau problème qui, ironiquement, découle de notre capacité à détecter les failles plus rapidement que jamais.
Les modèles d’IA les plus avancés sont de plus en plus performants pour découvrir et exploiter les vulnérabilités logicielles. Ainsi, des failles qui auraient pu rester cachées pendant des années sont désormais découvertes à une vitesse presque inimaginable il y a encore quelques mois.
Mais le problème, c’est que le secteur progresse beaucoup plus vite dans la détection des vulnérabilités que dans leur correction. Prenons la dernière étude d’Anthropic. Le modèle GLM-5.3 à poids ouverts de Zhipu AI a réussi à créer des exploits opérationnels de bout en bout lors de 50 tentatives sur 410 dans le cadre du benchmark ExploitBench, tandis que Claude Mythos Preview en a réussi 56.
L’écart est extrêmement faible entre un modèle de pointe à accès restreint et un autre dont les poids sont librement accessibles. Des capacités qui exigeaient autrefois l’expertise très spécialisée des chercheurs en sécurité sont désormais à la portée d’un public beaucoup plus large. Pendant ce temps, les logiciels que nous utilisons tous ne sont pas devenus moins vulnérables du jour au lendemain. Nous sommes entrés dans une époque où trouver une vulnérabilité zero-day peut être plus rapide que de la corriger.
Les récentes vulnérabilités PHP2Shell en sont un exemple frappant. Selon les recherches de Wiz, Calif et de l’équipe de sécurité Codex d’OpenAI, l’IA de pointe a aidé un seul chercheur à découvrir des failles critiques dans le moteur PHP en environ une semaine. Ces vulnérabilités touchaient un environnement d’exécution qui sous-tend une part considérable du Web, notamment des applications conçues avec WordPress, Drupal et Joomla.
Pour les équipes de sécurité, cela soulève une question urgente : que se passe-t-il lorsque les attaquants peuvent découvrir des vulnérabilités plus vite que les défenseurs ne peuvent les corriger ?
La gestion des vulnérabilités n’a pas été conçue pour cette situation
Depuis des années, la gestion des vulnérabilités suit un processus bien établi. Une vulnérabilité est découverte, quelqu’un la signale, un identifiant CVE lui est attribué, un correctif est publié, les outils d’analyse la détectent, les équipes de sécurité évaluent le risque, donnent la priorité à la correction, puis la déploient. Ce processus n’est pas parfait, mais tout l’écosystème de la sécurité s’est construit autour de lui.
Le véritable problème, toutefois, est que ce processus repose largement sur le fait de connaître l’existence de la vulnérabilité. Les outils d’analyse traditionnels indiquent très bien quelles vulnérabilités connues se trouvent dans votre environnement, mais qu’en est-il de celles qui n’ont pas été divulguées ? De celles qui n’ont ni identifiant CVE, ni avis de sécurité, ni correctif ?
La divulgation de PHP2Shell montre à quel point ce modèle nous expose. Les deux vulnérabilités critiques, CVE-2026-109618 et CVE-2026-109619, ont toutes deux reçu un score CVSS de 9,2 et concernaient des failles de sécurité de la mémoire dans PHP lui-même. Des chercheurs ont démontré l’exécution de code à distance et la divulgation de mémoire dans des applications largement utilisées, notamment WordPress, Drupal et Joomla. Même des applications dont le code était par ailleurs sécurisé pouvaient être vulnérables, car la faiblesse se trouvait dans l’environnement d’exécution sous-jacent.
Le calendrier des événements était tout aussi révélateur. Après un premier avertissement public, l’équipe de sécurité de PHP a accéléré le calendrier de publication. Lorsque les correctifs sont devenus disponibles, des premières tentatives d’attaque avaient déjà été observées.
Et PHP n’était pas le seul problème ce jour-là. Une attaque distincte visant la chaîne d’approvisionnement logicielle a compromis LiteLLM version 1.107.0, une passerelle libre très utilisée pour les grands modèles de langage. Les attaquants ont intégré un logiciel voleur d’informations et un cheval de Troie d’accès à distance dans le paquet Python publié, tandis que le dépôt du code source du projet restait intact. Une équipe qui n’aurait examiné que le code source aurait complètement manqué la charge malveillante.
Ces incidents montrent que des vulnérabilités peuvent se loger pendant des années au cœur de composants logiciels de confiance, tandis que du code malveillant peut aussi s’introduire par l’intermédiaire des dépendances que les organisations installent régulièrement. Dans un cas comme dans l’autre, le problème ne provient pas nécessairement du code de l’application elle-même.
Cela montre également que votre outil d’analyse peut donner un bilan rassurant, alors que des vulnérabilités graves subsistent dans les logiciels dont dépendent vos applications. Jusqu’à récemment, découvrir des failles cachées à grande échelle exigeait une expertise et des ressources de recherche considérables, mais l’IA de pointe change la donne.
Trouver la faille, c’est facile. Et maintenant ?
La capacité de l’IA à découvrir des vulnérabilités zero-day suscite beaucoup d’enthousiasme. À juste titre, car les progrès sont extraordinaires. Mais je pense que l’on exagère trop le nombre de vulnérabilités que l’IA peut découvrir et que l’on ne s’intéresse pas assez à la suite.
Découvrir une vulnérabilité ne vous rend pas plus sûr. Il faut d’abord prouver qu’elle est réelle, car les résultats de l’IA ne sont pas automatiquement valides et un exploit qui semble convaincant n’est pas toujours reproductible. Il faut ensuite déterminer quelles versions sont touchées, si la vulnérabilité peut réellement être exploitée et quels risques elle présente.
Il faut ensuite la corriger, et c’est là que les choses deviennent particulièrement intéressantes. Une étude de 1Password a examiné 6 080 correctifs générés par l’IA et constaté que 53,9 % ne corrigeaient pas la vulnérabilité d’origine, introduisaient une nouvelle faille de sécurité, ou faisaient les deux.
Dans cette étude, plus de la moitié des correctifs générés présentaient eux-mêmes un problème de sécurité. Bien sûr, ces résultats reflètent des conditions de test précises. Mais ils illustrent une réalité que connaît tout ingénieur expérimenté : écrire du code qui semble corriger un problème et prouver qu’il le résout effectivement sont deux choses très différentes.
Et même si le correctif est exact, le travail n’est pas terminé pour autant. Va-t-il compromettre des fonctionnalités existantes ? Fonctionne-t-il avec l’ancienne version de la bibliothèque dont dépend votre application ? Peut-on le déployer sans imposer une mise à niveau qui entraînerait une douzaine d’autres problèmes ?
Que se passe-t-il lorsqu’il faut le déployer sur des centaines d’applications, d’équipes et d’environnements ? Un correctif qui fonctionne dans un environnement de test, mais n’est jamais déployé en production, ne protège personne. C’est ce fossé majeur auquel, selon moi, le secteur de la sécurité doit s’attaquer.
Nous accélérons à une vitesse vertigineuse la découverte des vulnérabilités, tandis qu’une grande partie du travail nécessaire pour transformer ces découvertes en protections concrètes reste désespérément lente. Et cet écart devient en soi un risque de sécurité.
Alors, comment combler réellement ce fossé ?
Je ne pense pas que la solution consiste à demander aux équipes de sécurité déjà débordées de travailler davantage ou de traiter plus d’alertes. Nous devons repenser ce que signifie une gestion efficace des vulnérabilités, maintenant que la découverte des failles n’est plus le principal goulot d’étranglement.
Voici les quatre pistes que j’examinerais en premier.
1. Ne considérez pas la base de données CVE comme un tableau complet de la situation
Les CVE et les outils d’analyse des vulnérabilités sont essentiels, mais ils recensent ce que nous savons, et non tout ce qui existe réellement. Les équipes de sécurité doivent commencer à aller au-delà des vulnérabilités divulguées publiquement, en associant l’analyse traditionnelle à la recherche proactive, à l’analyse du code, au renseignement sur les menaces et à une connaissance précise des composants logiciels dont dépendent leurs organisations.
Des ressources comme le catalogue des vulnérabilités exploitées connues de la CISA sont utiles pour hiérarchiser les menaces connues, mais elles ne permettent pas de repérer les vulnérabilités qui n’ont pas encore été divulguées. PHP2Shell a montré que des vulnérabilités graves peuvent exister pendant des années dans des logiciels fondamentaux avant d’être découvertes. Lorsque les modèles d’IA de pointe peuvent mettre au jour ces failles en quelques jours, se fier exclusivement aux avis publiés signifie que les défenseurs réagiront toujours selon le calendrier de quelqu’un d’autre.
2. Comprenez qu’un plus grand nombre de découvertes ≠ une meilleure sécurité
L’IA peut générer un nombre considérable de découvertes potentielles, mais cela ne signifie pas que chacune d’elles justifie qu’une équipe d’ingénierie abandonne tout pour l’examiner.
La véritable valeur réside dans la capacité à déterminer quelles vulnérabilités sont réelles, exploitables et pertinentes dans votre environnement. Pouvez-vous reproduire le problème ? Quelles versions sont concernées ? Existe-t-il un vecteur d’attaque réaliste ? Quel est l’impact réel sur l’activité ?
Sans ce contexte, les organisations risquent de hiérarchiser les vulnérabilités en se fondant uniquement sur les scores de gravité, tout en négligeant les moyens dont pourraient disposer les attaquants pour accéder aux systèmes sensibles et aux identifiants.
3. Faites en sorte que le correctif soit déployable, et pas seulement techniquement valide
C’est l’un des défis les plus sous-estimés de la correction des vulnérabilités. Les entreprises ne travaillent pas dans des environnements parfaitement maîtrisés où chaque dépendance peut être mise à niveau vers la version la plus récente du jour au lendemain. Elles doivent composer avec des applications anciennes, des systèmes interconnectés, des exigences de compatibilité et des versions logicielles qu’elles ne peuvent pas simplement remplacer.
Un correctif qui oblige une organisation à reconstruire la moitié de son infrastructure n’est donc pas particulièrement utile. Nous devons trouver de meilleurs moyens de rétroporter les correctifs de sécurité, de préserver la compatibilité, de réduire les surfaces d’attaque superflues et de fournir les mises à jour au moyen des outils et des processus que les équipes utilisent déjà.
Les recommandations du NIST en matière de gestion des correctifs en entreprise soulignent l’importance de repérer, de hiérarchiser, d’installer et de vérifier les mises à jour. Le défi consiste désormais à accélérer l’ensemble de ce processus pour suivre le rythme des découvertes rendues possibles par l’IA, car le meilleur correctif au monde ne sert à rien si personne ne peut le déployer.
4. Mesurez le délai réel avant d’être protégé
Si l’IA découvre aujourd’hui une vulnérabilité critique, combien de temps faut-il pour la valider, élaborer un correctif fonctionnel, le tester et le déployer en production ?
La réponse à PHP2Shell fournit un point de référence utile. Chez Echo, nous avons livré des paquets PHP corrigés juste après la publication des correctifs en amont, et reconstruit le même après-midi des images mises à jour pour les versions de PHP prises en charge.
Les équipes de sécurité devraient mesurer l’ensemble du cycle de correction, depuis la découverte et la validation jusqu’au développement du correctif, aux tests de compatibilité et au déploiement. Elles devraient savoir à quelle vitesse elles peuvent reconstruire les logiciels concernés, si elles sont en mesure de repérer chaque application utilisant une dépendance vulnérable et quelle quantité d’interventions manuelles est nécessaire pour être protégées.
À mesure que l’IA de pointe rend la découverte des vulnérabilités plus rapide et plus accessible, le délai entre leur découverte et leur exploitation potentielle continuera de se réduire. Nous ne pouvons pas supposer que les cycles traditionnels de divulgation et de déploiement des correctifs suivront le rythme. La prochaine ère de la gestion des vulnérabilités sera définie par la capacité à transformer ces découvertes en correctifs fiables et déployables avant que les attaquants aient l’occasion d’agir.












