Failles logicielles : une prépublication examine les capacités des agents d'IA fondés sur des LLM
Prépublication sur l'archive arXiv, non relue par d'autres chercheurs : elle fait le point sur ce que des agents fondés sur de grands modèles de langage savent faire face aux failles logicielles, et sur ce que cela change dans les registres de vulnérabilités. Elle relève une hausse du nombre de failles divulguées en 2026, sans changement visible, pour l'instant, dans les délais entre signalement, correctif et attaque.
Des agents qui trouvent et corrigent seuls des failles
Il s'agit d'une prépublication, mise en ligne sur l'archive arXiv et non relue par d'autres chercheurs. Elle porte sur des agents fondés sur des grands modèles de langage (LLM, pour large language models : des programmes d'intelligence artificielle entraînés sur d'immenses volumes de textes), capables d'enchaîner plusieurs actions seuls. Selon l'étude, ces agents savent de plus en plus découvrir des failles dans des logiciels réels, les valider et les corriger.
Le point central concerne la date. Selon l'étude, des agents avaient déjà découvert, validé et corrigé des failles dans des logiciels réels sans intervention humaine avant l'arrivée des modèles de pointe à accès restreint, en 2026. Les modèles à poids ouverts, dont les paramètres sont publics, ont ensuite atteint une autonomie comparable pour la découverte et la validation.
Les registres publics de vulnérabilités montrent en 2026 une hausse : le nombre de failles divulguées a plus que doublé, avec une part croissante classée critique ou élevée. Des bogues graves, restés dix ans ou plus dans des logiciels très utilisés, ont été signalés plusieurs fois plus souvent qu'auparavant. Les délais, eux, n'ont pas sensiblement changé pour l'instant, ni entre le signalement et le correctif, ni entre la divulgation et l'attaque.
Comment les auteurs l'ont établi
Il s'agit d'une synthèse systématique (SoK, pour systematization of knowledge : une mise en ordre de l'ensemble des travaux publiés sur un sujet). Les auteurs ont rassemblé les résultats publiés sur les capacités des LLM en recherche de vulnérabilités, dans des articles, des rapports d'éditeurs de logiciels et des divulgations. Ces affirmations étant dispersées et rarement comparables, ils ont conçu un cadre de notation : une échelle d'autonomie calquée sur les niveaux d'automatisation de la conduite automobile, et une qualification de chaque affirmation selon son exactitude, sa disponibilité et la solidité de ses preuves.
Pour mesurer les effets, ils ont exploité dix ans de registres publics de vulnérabilités, d'avis de sécurité (advisories : documents qui décrivent une faille et les mesures à prendre) et de données sur l'exploitation, c'est-à-dire sur les attaques qui utilisent ces failles. Les mesures d'atténuation proposées dans la littérature sont aussi notées selon une grille explicite, et l'étude en tire des orientations pour chaque catégorie d'acteurs, à partir des mesures les mieux étayées.
Ce que cela change
Si ces tendances se confirment, la recherche de failles s'appuie de plus en plus sur ces agents, et le volume de failles connues et graves augmente. Des éditeurs de logiciels et des chercheurs estiment que cette évolution change déjà la façon dont les failles sont trouvées et corrigées. Pour les équipes qui conçoivent, maintiennent et protègent des logiciels très utilisés, l'étude suggère un rythme de failles plus soutenu, sans que le temps de correction ait encore changé.
Ce que l'étude ne prouve pas
Une prépublication n'a pas encore été examinée par d'autres chercheurs : ses conclusions restent à confirmer. Le résumé ne donne pas le chiffre exact de la hausse des failles divulguées.
Un lien observé n'est pas une cause. La hausse des failles déclarées coïncide avec l'essor de ces agents, mais les données décrites ne suffisent pas à établir ce qui la produit. On peut supposer qu'une partie de cette hausse tient à d'autres facteurs, que le résumé ne mesure pas.
Une partie des éléments vient des affirmations elles-mêmes : publications, rapports d'éditeurs et divulgations, rarement comparables entre eux. Les modèles de pointe à accès restreint sont, par construction, difficiles à vérifier de l'extérieur. Enfin, l'échelle d'autonomie et la grille de qualité sont des choix de méthode : une autre grille pourrait classer les mêmes travaux autrement.
Ce qui reste à établir
La question la plus importante reste ouverte : les délais entre signalement, correctif et attaque vont-ils se raccourcir ou non ? Pour l'instant, ils n'ont pas sensiblement bougé, mais l'étude ne dit pas si cela changera.
D'autres points restent à vérifier : l'autonomie comparable des modèles à poids ouverts pour la découverte et la validation, et l'efficacité réelle des mesures d'atténuation les mieux étayées. Une relecture par d'autres chercheurs permettra de juger du poids de ces conclusions.
- arXiv (prépublication), 19 novembre 2026