Impact des Modèles d’IA de Frontière sur la Cybersécurité : le Guide du Défenseur – Mise à Jour (Mai 2026)

This post is also available in: English (Anglais) Deutsch (Allemand) 日本語 (Japonais) 한국어 (Coréen) Português (Portugais - du Brésil) Español (Espagnol)

Vous avez très probablement entendu parler des derniers modèles d’IA de frontière, et surtout de leur incroyable capacité à détecter des vulnérabilités dans le code et à concevoir des exploits potentiels. Une capacité telle que leur usage général a été considérablement restreint, histoire de donner aux équipes de sécurité le temps de détecter et de corriger les brèches avant que les attaquants ne s’y engouffrent.

En tant que partenaire de lancement du projet Glasswing, nous avons commencé à tester le modèle Claude Mythos d’Anthropic dès le 7 avril 2026. Et le verdict n’a pas tardé à tomber : les derniers modèles sont extrêmement efficaces pour identifier les vulnérabilités et définir des chemins d’exploitation critiques en quasi temps réel. J’ai présenté nos premières observations et recommandations dans un précédent article intitulé Impact des modèles d’IA de frontière sur la cybersécurité : le guide du défenseur.

Depuis, dans le cadre du programme Trusted Access for Cyber, nous avons poursuivi nos tests des derniers modèles d’IA de frontière, parmi lesquels Mythos et Claude Opus 4.7 d’Anthropic, ou encore GPT-5.5-Cyber d’OpenAI. Il y a quelques semaines, la question centrale était « Surestime-t-on les capacités de ces modèles ? ». À en croire les derniers tests, la réponse est clairement non. À dire vrai, leur capacité à détecter des vulnérabilités est sans doute supérieure à ce que nous pensions initialement. Le moment est donc venu de faire le point sur nos recherches en cours, les enseignements tirés de ce processus et les approches que nous adoptons pour protéger nos clients.

Identifier et corriger avant que les attaquants ne détectent et n’exploitent

L’édition de mai de « Patch Wednesday » est parue aujourd’hui, dans le cadre de notre cycle mensuel de divulgation transparente des vulnérabilités et de leurs remédiations. Pour la première fois, la plupart de nos observations sont issues de l’analyse de notre code par des modèles d’IA de frontière.

• Plus de 130 produits, répartis entre nos trois plateformes, ont été passés au crible.
• À ce jour, nous avons corrigé toutes les vulnérabilités importantes de nos offres SaaS, et des correctifs sont d’ores et déjà disponibles pour l’ensemble des produits exploités par nos clients.
• Cet avertissement de sécurité couvre 26 CVE (soit 75 problèmes), contre un volume habituel de moins de 5 CVE par mois. Aucune de ces vulnérabilités n’est actuellement exploitée activement sur le terrain. Précisons que ce chiffre n’inclut pas les vulnérabilités CyberArk, rendues publiques selon le processus habituel.

J’insiste sur le fait qu’il ne s’agit pas d’une initiative ponctuelle. Nous procédons actuellement à de nouvelles analyses, en tenant compte des leçons apprises pour fournir le bon contexte et les bonnes données de Threat Intelligence aux modèles. Notre objectif est de corriger toutes les vulnérabilités identifiées avant que les attaquants n’aient accès à ces capacités d’IA avancées.

Bien qu’extrêmement puissants, les modèles d’IA ne font pas de miracles. Pour obtenir des résultats précis, il faut développer des outils de tests et d’analyse de l’IA, exploiter le contexte, établir des garde-fous et mobiliser la dernière Threat Intelligence disponible. Nous avons également observé des disparités entre les modèles, lesquelles s’expliquent par des différences dans les méthodes d’entraînement. Il est essentiel d’adopter une approche multi-modèles pour identifier l’ensemble le plus complet possible de vulnérabilités. Enfin, si la priorité immédiate consiste à détecter et corriger les vulnérabilités actuelles au sein des organisations, la transformation à long terme repose sur l’intégration directe de ces modèles dans le cycle de développement logiciel. C’est en effet la promesse que nous espérons concrétiser : un futur où les logiciels seront sécurisés dès la conception.

Quatre mesures à prendre immédiatement

Même si leur accès est actuellement limité, nous pensons que ces capacités seront bientôt disponibles sur davantage de modèles. Selon nos estimations, les équipes de sécurité ne disposent que de trois à cinq mois pour prendre de l’avance sur les attaquants, après quoi les exploits boostés à l’IA deviendront la nouvelle norme. Cette vague imminente de vulnérabilités exige une réponse urgente. Les entreprises qui n’auront pas mis en place les mesures de protection appropriées seront confrontées à des risques sans précédent. Voici donc nos recommandations :

1. Détectez et corrigez les vulnérabilités dans vos applications, vos produits et votre code
   Identifiez et corrigez les failles avant que les attaquants ne les exploitent.
   • Utilisez des modèles d’IA pour détecter les vulnérabilités dans l’ensemble de votre codebase.
   • Analysez votre supply chain open-source au
   • moyen des mêmes outils basés sur l’IA, et corrigez ou atténuez les problèmes identifiés.Accélérez le déploiement des correctifs (patching), en coordination étroite avec vos équipes produit et développement.
2. Évaluez, réduisez et éliminez votre exposition
   Réduisez la surface exposée et sécurisez ce qui doit rester accessible, notamment les applications à usage des clients.
   • À l’image de Cortex Xpanse®, les solutions de gestion de la surface d’attaque jouent un rôle plus crucial que jamais dans la détection et la réduction des expositions.
   • Associés à un système d’analyse IA adapté, les derniers modèles d’IA de frontière sont particulièrement performants pour évaluer les expositions, détecter les erreurs de configuration de sécurité et trouver en priorité les chemins d’attaque exploitables.
   • Auditez votre supply chain, y compris votre infrastructure IA, vos environnements d’exécution (runtime) et les dépendances des modèles.
3. Renforcez vos défenses contre les attaques
   L’exploitation des vulnérabilités ne constitue généralement qu’une des étapes dans un cycle d’attaque multiphases. Aujourd’hui plus que jamais, il est primordial d’ériger les défenses les plus robustes pour prévenir les compromissions.
   • Évaluez la couverture actuelle de vos capteurs afin d’identifier les angles morts en matière de détection, de prévention et de télémétrie.
   • Déployez une solution XDR best-in-class à l’échelle de tous vos environnements, en mettant l’accent sur la détection et la prévention en temps réel basées sur le machine learning, et ce pour l’ensemble de vos hôtes on-prem et cloud.
   • Déployez une solution de protection des terminaux agentiques afin de sécuriser l’adoption à grande échelle du vibe coding et des outils de sécurité basés sur l’IA dans toute votre entreprise. Prisma AIRS® et les produits de Koi, suite à notre récent rachat, sont désormais indispensables pour sécuriser les terminaux agentiques.
   • Les navigateurs d’entreprise intégrant une sécurité pilotée par IA sont devenus essentiels pour protéger les espaces de travail numériques des utilisateurs.
   • De même, le modèle Zero Trust et la sécurité des identités constituent le fondement de la protection de chaque utilisateur et chaque connexion, jusqu’à la segmentation interne et aux connexions sortantes des applications.
4. Déployez vos opérations de sécurité en temps réel
   Les attaques autonomes boostées à l’IA sont appelées à raccourcir les cycles d’attaque à quelques minutes seulement, obligeant les SOC à atteindre un temps moyen de détection (MTTD) et un temps moyen de réponse (MTTR) extrêmement courts.
   • D’où l’importance de piloter la détection par IA/ML afin d’identifier à grande échelle des attaques à la fois nouvelles et en mutation permanente.
   • Ces détections basées sur l’IA doivent exploiter un large éventail de sources de données propriétaires et tierces. Pour qu’un SOC piloté par IA soit parfaitement efficace, il est impératif qu’il agisse sur la base de toutes les sources de données pertinentes.
   • La réduction du MTTR passe nécessairement par l’automatisation, intégrée à la fois nativement et sur l’ensemble du cycle de vie du SOC. Une automatisation qui, progressivement, deviendra de plus en plus agentique.
   • Ces capacités doivent être proposées sous forme de plateforme afin d’éliminer les silos et les angles morts créés par les solutions spécialisées.
   • Évaluez votre posture et agissez sans tarder.

Combattez l’IA par l’IA, avec bientôt de nouveaux renforts sur le front des modèles d’IA de frontière

Jusqu’à présent, les modèles d’IA de frontière ont su détecter de nouvelles attaques, mais pas de nouvelles techniques d’attaque. Cette nuance a son importance, car dès lors que nous déployons les bonnes innovations, nous pouvons élargir l’usage de l’IA pour répondre aux défis de sécurité des entreprises, et leur donner une longueur d’avance sur des menaces en constante évolution. Nous pouvons notamment :

• Réinventer le virtual patching, avec des mises à jour de contenu proactives et haute-fidélité couvrant la sécurité du réseau, des terminaux et du cloud. Nous anticipons une avalanche de correctifs dans l’écosystème open-source et chez les éditeurs. En ce sens, le virtual patching fournira une couche de remédiation essentielle, le temps que les équipes s’organisent pour appliquer les correctifs. Nous prévoyons de déployer la première phase de ces capacités dans un avenir très proche.
• Renforcer la prévention, avec des modèles ML entraînés sur des cyber-LLM, des petits modèles de langage (SML) et des protections comportementales. Les premiers tests réalisés avec Cortex XDR® et nos services de sécurité réseau, notamment la prévention des malwares WildFire®, indiquent une forte couverture contre les types d’attaque créés par les nouveaux modèles d’IA de frontière.
• Utiliser ces modèles pour analyser notre code, nos applications et même nos configurations de sécurité. Notre objectif est de les transformer en produits et de les intégrer à nos plateformes.

Unit 42 vous accompagne

Nous savons que toutes les entreprises ne disposent pas des capacités et/ou de l’expertise nécessaires pour mettre en œuvre l’ensemble de ces recommandations et contrer efficacement les risques posés par les modèles d’IA de frontière, sachant que l’innovation IA ne leur donne que très peu de temps. C’est là qu’intervient Unit 42 Frontier AI Defense, un service conçu pour découvrir et corriger vos expositions actuelles avant les attaquants, renforcer les contrôles qui réduisent l’exposition et limitent l’impact, et moderniser vos opérations de sécurité pour faciliter la détection et la réponse à vitesse machine.

Le secteur de la sécurité se trouve à un tournant majeur. Si l’ampleur du défi est bien réelle, je suis convaincu que nous saurons le relever. Nous accompagnons nos clients dans cette transition afin de maintenir le rapport de force en leur faveur face à une menace en perpétuelle évolution.

Déclarations prospectives

Ce blog contient des déclarations prospectives sur des risques, des incertitudes et des hypothèses, notamment des déclarations concernant les avantages, l’impact ou la performance, y compris potentiels, de nos produits et technologies (existants ou futurs). Ces déclarations prospectives ne constituent pas des garanties de performances futures, et nombreux sont les facteurs susceptibles d’influer sensiblement sur les résultats, créant un écart avec les déclarations faites dans cet article. Nous identifions certains risques et incertitudes importants qui pourraient affecter nos résultats et nos performances dans notre dernier rapport annuel (formulaire 10-K), notre dernier rapport trimestriel (formulaire 10-Q) et nos autres documents déposés occasionnellement auprès de l’autorité fédérale américaine de réglementation et de contrôle des marchés financiers. Chacun de ces documents est disponible sur notre site web (investisseurs.paloaltonetworks.com) et sur le site web de la SEC (www.sec.gov). Toutes les déclarations prospectives énoncées dans le présent article s’appuient sur les éléments dont nous disposons à la date mentionnée. Nous ne sommes en aucun cas soumis à l’obligation de mettre à jour lesdites prévisions pour refléter les circonstances ou événements postérieurs à cette date.