Comment l’IA MDASH de Microsoft a détecté 16 failles Windows avant les pirates

Ces failles faisaient partie d’un ensemble d’environ 120 vulnérabilités corrigées lors du Patch Tuesday de mai 2026, selon les analyses de sécurité publiées autour de la mise à jour.

MDASH : une plateforme d’IA dédiée à la recherche de failles

MDASH est décrit comme une plateforme de sécurité multi‑modèles basée sur des agents, conçue pour automatiser certaines tâches traditionnellement réalisées par des chercheurs en sécurité.

Plutôt que de s’appuyer sur un seul modèle ou un scanner statique, le système coordonne plus de 100 agents d’IA spécialisés capables d’examiner de très grandes bases de code en parallèle.

Le projet a été développé par l’équipe Autonomous Code Security de Microsoft en collaboration avec le groupe Windows Attack Research and Protection.

L’objectif est simple : identifier des failles exploitables dans des logiciels massifs comme Windows plus rapidement que les chercheurs humains seuls.

Comment fonctionne l’approche multi‑agents

Les descriptions publiques de MDASH évoquent un pipeline en plusieurs étapes où différents agents examinent le même code sous des angles distincts.

Le processus comprend généralement plusieurs phases :

1. Préparation et modélisation des menaces
Le système ingère le code source et construit une cartographie de la surface d’attaque afin d’identifier les zones les plus sensibles.

2. Analyse massive par agents
Des dizaines — parfois plus de cent — agents d’audit spécialisés analysent le code simultanément et formulent des hypothèses de vulnérabilités accompagnées d’indices techniques.

3. Débat et vérification entre agents
Un second groupe d’agents examine ces résultats, conteste certaines hypothèses et valide les failles plausibles.

4. Déduplication
Les résultats similaires sont regroupés afin d’éviter les rapports en double.

5. Génération de preuve
Enfin, le système tente de démontrer l’exploitabilité de la faille en produisant une preuve ou un déclencheur démontrant qu’elle peut réellement être exploitée.

Cette approche imite le fonctionnement d’une équipe humaine de chercheurs — hypothèses, vérification et preuve — mais à une vitesse automatisée.

Des résultats prometteurs en tests

Les premiers indicateurs montrent que MDASH obtient de bons résultats sur certains benchmarks de recherche de vulnérabilités.

Dans les évaluations rapportées autour des travaux de Microsoft, le système a atteint environ 88 % de performance sur le benchmark CyberGym, surpassant d’autres outils testés dans cet environnement.

Lors d’expériences internes, MDASH a également réussi à détecter toutes les vulnérabilités injectées dans un pilote de test, ce qui suggère une forte capacité de détection dans des scénarios contrôlés.

Ces tests ne garantissent pas une précision parfaite dans tous les cas réels, mais ils indiquent que des agents d’IA coordonnés peuvent aider concrètement à rechercher des failles dans des bases de code très vastes.

Des résultats déjà visibles dans le monde réel

Le point le plus marquant est que la première démonstration publique de MDASH n’est pas restée au stade expérimental.

Les vulnérabilités identifiées ont été réellement corrigées dans une mise à jour Windows distribuée à grande échelle. Cela montre que l’outil peut produire des résultats exploitables pour la sécurité des produits.

Le fait que ces failles se situent dans les couches réseau et d’authentification de Windows indique aussi que le système est capable d’analyser des surfaces d’attaque particulièrement critiques.

Une stratégie de sécurité « à la vitesse de l’IA »

Pour Microsoft, MDASH s’inscrit dans une stratégie plus large décrite comme une « défense à la vitesse de l’IA ».

Le principe est simple : si les attaquants utilisent l’IA pour découvrir des failles plus rapidement, les défenseurs doivent utiliser les mêmes technologies pour les trouver et les corriger avant eux.

Microsoft prévoit d’ailleurs de proposer MDASH en préversion privée à des clients entreprises, afin qu’ils puissent tester l’analyse de vulnérabilités assistée par IA dans leurs propres environnements.

Si cette approche se confirme, des systèmes comme MDASH pourraient transformer les pratiques de sécurité logicielle en :

• accélérant la recherche de vulnérabilités dans d’immenses bases de code
• réduisant le délai entre découverte d’un bug et correctif
• assistant les chercheurs humains grâce à la génération et à la validation automatisées d’hypothèses

En résumé, MDASH suggère un futur où des agents d’IA deviennent des membres permanents des équipes de sécurité, analysant en continu les systèmes complexes pour détecter les faiblesses avant qu’elles ne soient exploitées.

Les correctifs publiés en mai 2026 montrent déjà une chose : la découverte de vulnérabilités pourrait de plus en plus venir de la collaboration entre humains et machines plutôt que de chercheurs humains seuls.