Microsoft déploie le scanner IA agentique au code‑nom MDASH sur Azure Government

Le système de balayage agentique multi-modèle de Microsoft destiné à détecter les failles de sécurité dans les logiciels, sous le nom de code MDASH, a été déployé sur Microsoft Azure Government, l’entreprise l’a annoncé le 8 septembre 2026, avec un accès en avant‑première disponible pour certains clients du gouvernement américain et partenaires autorisés.

Une fonctionnalité Defender dans Azure Government

L’annonce a été rédigée par Douglas Phillips, président et directeur technologique de Microsoft Specialized Clouds. Dans Azure Government, MDASH est disponible en tant que fonctionnalité de Microsoft Defender qui fonctionne avec les modèles autorisés par le service Microsoft Foundry certifié FedRAMP High. Azure Government est un cloud distinct et isolé, exploité par des personnes américaines contrôlées, conçu pour répondre aux exigences de conformité des clients fédéraux, de sécurité nationale ainsi que des gouvernements étatiques et locaux, incluant l’autorisation FedRAMP High et l’accréditation du Department of War pour les charges de travail contrôlées et critiques. Microsoft a déclaré que cette configuration permet au code source d’une agence, ainsi qu’à tout ce que le système apprend à son sujet, de rester à l’intérieur d’une frontière déjà approuvée pour le traitement de ces données.

Microsoft a indiqué qu’il utilise le code‑nom MDASH sur ses propres logiciels depuis plusieurs mois, et que des clients issus des agences de sécurité nationale et civiles explorent déjà ses capacités. Selon l’annonce, les agences classent leurs logiciels par importance de mission et progressent régulièrement dans la liste, avec pour objectif déclaré une couverture du code à 100 %.

Comment le scanner agentique fonctionne

Microsoft décrit MDASH comme un scanner de code agentique qui identifie et valide les vulnérabilités exploitables dans le code source. Au lieu de comparer le code à une bibliothèque de modèles connus, comme le font les outils de balayage traditionnels, le système lit et raisonne sur le logiciel de la même manière qu’un chercheur en sécurité expérimenté, en suivant le flux d’informations à travers le programme pour déterminer si une faiblesse pourrait réellement être exploitée. Plus de 100 agents d’IA spécialisés, s’appuyant sur une variété de modèles, travaillent sur le même corps de code, chacun étant entraîné à reconnaître une catégorie différente de faiblesse. Leurs découvertes sont transmises à un second groupe d’agents dont la mission est de débattre, pour et contre, la réelle exploitabilité et dangerosité de chaque défaut suspect. L’enveloppe fusionne ensuite les résultats, élimine les doublons et, lorsque cela est possible, démontre la faille plutôt que de simplement l’affirmer, livrant ainsi ce que Microsoft qualifie de liste raffinée et priorisée de vulnérabilités.

La documentation produit décrit un pipeline multistade: une phase de Préparation qui classe les fichiers par risque à l’aide d’une analyse du graphe d’appels et de métriques de complexité du code ; une phase d’Analyse exécutant des agents spécifiques tels que les auditeurs d’injection, de sécurité mémoire et de contournement d’authentification ; une phase de Validation appliquant une analyse de contamination et un débat multi‑modèle pour affiner la confiance et éliminer les faux positifs ; et une phase de Déduplication qui consolide les découvertes en double. Un article du blog Sécurité du 12 mai 2026 qui détaillait publiquement le système pour la première fois décrivait une phase supplémentaire de Preuve, qui construit et exécute des entrées déclenchantes lorsque la classe de bug le permet.

Les capacités documentées comprennent un score de confiance granulaire pour chaque découverte, des correctifs de code générés par IA via la commande defender fix dans le Defender CLI, la centralisation des résultats dans Microsoft Security Exposure Management, ainsi que des connecteurs pour GitHub et Azure DevOps. La documentation indique que MDASH fonctionne de manière générique sur l’ensemble des bases de code et prend en charge tous les principaux langages de programmation, avec des agents experts spécialement réglés possédant une expertise particulièrement approfondie en C, C++, Java et C#.

Résultats rapportés et développements antérieurs

Microsoft a déclaré que MDASH a obtenu un score de 96,55 sur le benchmark public CyberGym des vulnérabilités du monde réel et a produit des résultats similaires sur du code interne validé par rapport aux cas de vulnérabilités historiques de l’entreprise.

L’article du 12 mai a indiqué que l’enveloppe a trouvé les 21 vulnérabilités délibérément introduites sans aucun faux positif sur StorageDrive, un pilote d’échantillon privé que Microsoft utilise lors des entretiens avec les chercheurs en sécurité offensive. Il a rapporté un rappel de 96 % sur 28 cas confirmés du Microsoft Security Response Center dans le composant Windows clfs.sys et de 100 % sur sept cas dans tcpip.sys, chacun couvrant cinq ans, ainsi qu’un score de 88,45 % sur le corpus CyberGym de 1 507 tâches de reproduction de vulnérabilités réelles, que Microsoft a indiqué être le meilleur score du classement publié à ce moment‑là. Le même article a précisé que le système a aidé les chercheurs à découvrir 16 nouvelles vulnérabilités dans la pile réseau et d’authentification de Windows pour le Patch Tuesday du 12 mai 2026, dont quatre failles critiques d’exécution de code à distance dans des composants tels que la pile TCP/IP du noyau Windows et le service IKEv2. À ce stade, le système était en avant‑première privée limitée auprès d’un petit groupe de clients.

MDASH a été développé par l’équipe Autonomous Code Security de Microsoft, dont les membres comprennent des ingénieurs de Team Atlanta, l’équipe qui a remporté le DARPA AI Cyber Challenge avec un système de raisonnement cybernétique autonome capable de détecter et de corriger des bugs réels dans des projets open‑source.

Le 13 août 2026, Microsoft a introduit MAI‑Cyber‑1‑Flash au sein de MDASH, un modèle de sécurité compact dérivé de la lignée MAI‑Thinking‑1 de l’entreprise, dans un article rédigé par Mustafa Suleyman et Hayete Gallot. Microsoft a indiqué que le modèle est conçu pour gérer jusqu’à 90 % des tâches de balayage, réservant GPT‑5.4 pour les 10 % de tâches exceptionnellement difficiles, et que cette combinaison permet une économie de 50 % des coûts par rapport à la meilleure combinaison de modèles précédemment proposée dans MDASH. L’entreprise a rapporté un score any‑crash de 96 % sur CyberGym pour le système combiné, avec une précision cible any‑of de 90,4 % et un score final de soumission de 86,3 %. Microsoft a précisé que le modèle a été évalué par son AI Red Team, testé à travers des exercices adversariaux automatisés et menés par des experts, et évalué de façon indépendante par un tiers.

Conception multi-modèle et cadrage des menaces

Microsoft a affirmé que la conception de l’enveloppe constitue le principal différenciateur: un système qui dirige et coordonne les modèles les plus adaptés à chaque tâche spécifique, lui permettant d’adopter de nouveaux modèles dès leur arrivée sans reconstruction, de sorte que tout ce qu’une agence a investi en aval du système se poursuit. L’annonce gouvernementale a indiqué que la dernière addition à la famille de modèles MAI devrait réduire le coût d’un scan individuel d’environ la moitié.

L’annonce a présenté la sortie sous l’angle des acteurs de la menace qui investissent dans les capacités d’IA, soutenant que le seul avantage durable dont disposent les défenseurs est le temps, c’est‑à‑dire l’écart entre le moment où une faiblesse peut être découverte et corrigée et celui où quelqu’un d’autre la trouve. Les organisations souhaitant obtenir l’accès sont invitées à contacter leur équipe de compte Microsoft au sujet de MDASH dans Azure Government.