L’IA transforme la course entre découverte des failles et défense informatique

Les résultats annoncés par Mandiant

Google indique qu’AVDH est utilisé en interne depuis environ dix mois et qu’il a permis de découvrir des dizaines de failles pouvant faire l’objet d’un identifiant dans des extensions web et des projets open source largement utilisés. Ces travaux ont abouti à l’attribution de 12 CVE, tandis qu’environ une douzaine d’autres vulnérabilités font encore l’objet d’une divulgation coordonnée.

Lors d’une enquête de réponse à incident portant sur des dépôts d’entreprise volés, des sources externes rapportent que le dispositif a contribué à identifier plus de 100 vulnérabilités vérifiées de gravité élevée en deux jours.

Ces chiffres illustrent le potentiel d’une analyse assistée par l’IA, mais ils doivent être interprétés avec prudence. Il s’agit de résultats opérationnels communiqués par Mandiant et relayés par des sources associées, et non d’une comparaison indépendante et auditée avec les méthodes classiques. Par ailleurs, une vulnérabilité nouvellement découverte ou jamais signalée ne doit pas automatiquement être qualifiée d’exploit zero-day actif : elle peut ne faire l’objet d’aucune exploitation connue dans la nature.

NOVA : plusieurs modèles pour trouver des failles dans l’open source

L’unité 42 de Palo Alto Networks décrit NOVA — pour Network and Open-Source Vulnerability Analyzer — comme un système autonome de découverte, de validation et de signalement des vulnérabilités, fondé sur des environnements d’agents propriétaires et plusieurs modèles d’IA de pointe.

Dans le test rapporté par l’entreprise, NOVA a analysé 3 915 projets open source en deux mois et identifié 14 090 vulnérabilités auparavant inconnues. L’unité 42 affirme que 99,4 % n’avaient pas encore été signalées et qu’environ 40 % étaient classées comme graves ou critiques.

L’intérêt de NOVA ne tient pas seulement au nombre de résultats. Selon les comptes rendus de cette recherche, beaucoup de failles relevaient de la sémantique ou de la logique applicative, plutôt que des erreurs de corruption mémoire traditionnellement ciblées par l’analyse automatisée. Il peut s’agir de défauts dans le contrôle des accès, la gestion des chemins, les requêtes côté serveur ou les protections contre l’injection de code — des domaines où il est indispensable de comprendre le comportement attendu de l’application.

Là encore, les chiffres sont communiqués par le fournisseur. L’expression « auparavant inconnues » ne prouve pas à elle seule que chaque découverte constitue un zero-day exploitable en pratique, et la gravité peut dépendre du référentiel de notation utilisé. La conclusion la plus solide est que les systèmes multi-agents et multi-modèles sont désormais capables de faire émerger un grand nombre de pistes de sécurité que les processus classiques n’examineraient pas aussi rapidement.

Pourquoi découvrir plus vite ne suffit pas

Repérer les vulnérabilités plus rapidement peut renforcer les capacités de défense, mais aussi aggraver la situation si les organisations restent prisonnières de cycles de correction trop lents. Le CERT-EU cite un délai moyen estimé avant exploitation de moins sept jours, ce qui signifie que l’exploitation peut commencer avant qu’un correctif ne soit largement disponible.

Cette mesure change la place du patch. La correction permanente du code reste indispensable, mais elle n’est plus forcément la première — ni la seule — action utile. Pendant que les développeurs analysent la faille, testent le correctif, coordonnent sa divulgation et organisent son déploiement progressif, les équipes de sécurité doivent aussi réduire immédiatement l’exposition.

Les « correctifs virtuels » agissent au niveau du réseau

Le programme Frontier AI Critical Defense de Palo Alto Networks cherche à coordonner des laboratoires d’IA, des éditeurs de logiciels, des acteurs de l’open source et des secteurs comme les technologies opérationnelles ou la santé. L’objectif annoncé consiste à déployer des « correctifs virtuels » au niveau du réseau afin de bloquer le trafic d’exploitation ou certains comportements abusifs d’un protocole avant la disponibilité d’une correction logicielle définitive.

Palo Alto Networks affirme que sa fonction Advanced Virtual Patching peut déployer des protections en quelques heures, contre une moyenne annoncée de 55 jours pour un correctif classique dans le secteur.

Un correctif virtuel doit toutefois être compris comme une mesure compensatoire, et non comme un substitut à la réparation du code vulnérable. Son efficacité dépend de la capacité à identifier précisément le chemin d’exploitation et à le bloquer sans perturber les usages légitimes. La couverture peut aussi être limitée lorsque l’attaque passe par des canaux de confiance, du trafic chiffré, une élévation de privilèges locale ou un comportement difficile à distinguer d’une activité normale.

Les défenseurs peuvent-ils reprendre l’avantage ?

Peut-être — mais pas en ajoutant simplement un scanner dopé à l’IA.

L’architecture défensive la plus crédible relie plusieurs étapes au sein d’une même boucle opérationnelle :

1. Cartographier le code et la surface d’attaque afin que les agents comprennent le fonctionnement du système.
2. Construire et faire vérifier un modèle de menace avant de générer des hypothèses à grande échelle.
3. Mobiliser plusieurs agents et modèles pour analyser le problème sous différents angles et mettre à l’épreuve les résultats fragiles.
4. Reproduire et hiérarchiser les vulnérabilités avec des experts humains et des preuves d’exploitabilité.
5. Divulguer la faille et développer un correctif permanent dans le cadre de la coordination appropriée.
6. Réduire immédiatement l’exposition grâce à des contrôles réseau ou à d’autres mesures compensatoires.
7. Vérifier la remédiation une fois le correctif logiciel déployé.

C’est la leçon stratégique d’AVDH et de NOVA : l’avantage vient de l’orchestration, pas des résultats d’un modèle pris isolément. L’IA peut comprimer les délais de découverte et de validation, mais les défenseurs ont toujours besoin de preuves fiables, d’une priorisation rigoureuse, d’une architecture résiliente et de systèmes de déploiement capables d’agir au même rythme.

Les attaquants peuvent utiliser des modèles comparables, tandis que les correctifs virtuels restent temporaires et dépendent de leur couverture. L’objectif réaliste n’est donc pas d’éliminer le risque des zero-days. Il consiste à rendre la boucle défensive — de la découverte au confinement, puis à la remédiation — plus rapide et plus fiable que le parcours de l’attaquant, de la découverte à l’exploitation.