IA et cybersécurité : la vitesse devient le nouvel avantage défensif

Anthropic indique que les partenaires de son programme Glasswing ont identifié au moins 129 000 vulnérabilités vérifiées entre avril et juillet 2026. L’entreprise précise que cette donnée repose sur un sous-ensemble de rapports partenaires et que moins de la moitié d’entre eux ont communiqué le nombre de correctifs appliqués.

Cette réserve est essentielle. Trouver une vulnérabilité ne signifie pas la supprimer.

Entre le signal et la réduction du risque, plusieurs décisions restent nécessaires : confirmer que la faille est réelle, comprendre les actifs exposés, évaluer l’impact métier, identifier le propriétaire du système, choisir entre correction et mesure compensatoire, tester le changement, puis le déployer sans provoquer d’incident.

L’IA peut accélérer chacune de ces étapes. Mais si les responsabilités sont floues, si les actifs sont mal inventoriés ou si les fenêtres de maintenance sont rares, elle accélère surtout la production d’un nouveau stock : la dette de remédiation.

Le risque économique change alors de nature. L’entreprise n’est plus seulement exposée parce qu’elle ignore certaines failles. Elle peut devenir incapable d’arbitrer le volume croissant de failles qu’elle connaît.

1. La valeur se déplace vers la remédiation

Lorsque la découverte devient moins chère, la rareté se déplace vers la qualification, la correction et le déploiement.

Le meilleur scanner ne crée aucune valeur si les équipes applicatives n’ont ni le temps, ni le budget, ni l’autorité pour agir. À l’inverse, une organisation capable de relier automatiquement une vulnérabilité à un actif, un propriétaire, un niveau d’exposition et une procédure de correction peut réduire fortement le temps pendant lequel elle reste exploitable.

Les dépenses cyber doivent donc être évaluées sur le délai de fermeture du risque, pas seulement sur le nombre d’alertes produites.

2. Le coût de l’attaque baisse aussi

Les mêmes capacités peuvent aider un défenseur à rechercher une faiblesse et un attaquant à l’exploiter. Anthropic organise d’ailleurs son accès en plusieurs niveaux précisément parce que la cybersécurité est un domaine à double usage.

L’ENISA observe une utilisation croissante de l’IA par les groupes malveillants pour faciliter leurs opérations. Elle souligne également que les systèmes d’IA intégrés à l’entreprise deviennent eux-mêmes des cibles : modèles, connecteurs, données, secrets, outils et chaînes d’approvisionnement ajoutent de nouveaux chemins d’attaque.

Le temps disponible entre la publication d’une faille et son exploitation probable se réduit. Une procédure de correction fondée sur des comités mensuels et des traitements manuels devient progressivement incompatible avec cette vitesse.

3. La transparence de la chaîne d’approvisionnement devient un actif

Un agent cyber ne peut pas prioriser correctement ce que l’entreprise ne sait pas cartographier.

En mai 2026, l’ANSSI a relayé les éléments minimaux d’une nomenclature des composants pour l’IA, ou « SBOM for AI ». L’objectif est de documenter les composants, modèles et dépendances d’un système afin d’améliorer sa traçabilité et de réduire le temps de réaction face aux vulnérabilités.

Pour un dirigeant, cette cartographie n’est pas un livrable de conformité supplémentaire. Elle permet de répondre rapidement à des questions très concrètes : quelles applications utilisent ce modèle ? Quelles données lui sont accessibles ? Quels fournisseurs interviennent dans la chaîne ? Quelle activité s’arrête si un composant doit être isolé ?

Donner à un modèle accès au code source, aux journaux, aux configurations et aux outils d’administration peut considérablement augmenter sa valeur. Cela augmente également les conséquences d’une erreur, d’une compromission ou d’un détournement.

Un système capable de comprendre un chemin d’attaque et de proposer un correctif manipule des informations très sensibles. S’il peut agir directement, il devient lui-même un composant privilégié du système d’information.

Quatre risques doivent être traités dès la conception :

1. L’excès de privilèges. L’agent dispose de droits plus larges que ceux nécessaires à sa mission.

1. La contamination du contexte. Des instructions malveillantes présentes dans un ticket, un dépôt ou un journal orientent son comportement.

1. La fuite d’informations. Le code, les secrets ou les données d’incident sortent du périmètre prévu.

1. La correction dangereuse. Un patch techniquement plausible dégrade la disponibilité, la conformité ou le fonctionnement métier.

L’ANSSI et le BSI recommandent une conception fondée sur le principe Zero Trust pour les systèmes utilisant de grands modèles : aucune identité, aucune donnée et aucune action ne doivent être considérées comme fiables par défaut.

Le bon modèle de gouvernance n’est donc pas « laisser l’IA tout faire » ou « conserver une validation humaine partout ». Il consiste à adapter le niveau d’autonomie aux conséquences possibles de l’action.

Niveau 1 : observer et expliquer

L’IA analyse le code, les alertes ou les configurations, puis produit des hypothèses et des priorités. Elle ne modifie rien.

Ce niveau est adapté à un premier déploiement. Il permet de mesurer la qualité des constats, les faux positifs et le gain de temps sans créer de nouveau pouvoir d’action.

Niveau 2 : préparer la correction

L’IA propose un patch, un changement de configuration ou une procédure de réponse. Le changement est testé automatiquement, mais son déploiement reste soumis à une règle d’approbation.

Ce niveau concentre souvent le meilleur rapport entre vitesse et maîtrise. L’IA absorbe une grande partie du travail technique répétitif ; l’organisation conserve un contrôle explicite sur les changements à fort impact.

Niveau 3 : corriger automatiquement dans un périmètre borné

L’IA peut intervenir sans validation humaine systématique lorsque l’action est réversible, testée et limitée à un environnement ou à une classe d’incidents précise.

Une rotation automatique de secret compromis, l’isolation temporaire d’un poste ou le déploiement d’un correctif déjà validé peuvent entrer dans ce périmètre. La règle n’est pas l’absence de contrôle. Le contrôle est déplacé en amont, dans les permissions, les tests, les seuils et les mécanismes de retour arrière.

Une entreprise n’a pas besoin de confier immédiatement son infrastructure à un agent autonome. Elle doit d’abord reconstruire sa chaîne de décision autour de la vitesse.

Première étape : choisir un flux de risque réel

Prendre un périmètre où les données existent et où le délai de traitement est mesurable : vulnérabilités applicatives, alertes d’identité, incidents sur postes de travail ou dépendances open source.

Deuxième étape : mesurer le temps de bout en bout

Mesurer le délai entre la découverte, la qualification, l’attribution à un propriétaire, la décision, le test et la correction. Cette chronologie révèle souvent davantage que le volume brut d’alertes.

Troisième étape : cartographier les actifs et dépendances

Associer chaque système à ses composants, ses données, ses fournisseurs, son exposition, son propriétaire et son niveau de criticité. Sans cette base, la priorisation par l’IA reste approximative.

Quatrième étape : introduire l’IA avant l’action

Commencer par la synthèse, la corrélation et la proposition de correctifs. Comparer les résultats aux décisions de l’équipe et documenter les erreurs.

Cinquième étape : automatiser une action réversible

Choisir une action limitée, journalisée et assortie d’un retour arrière. Définir à l’avance les conditions d’exécution, les seuils d’arrêt et l’escalade.

Sixième étape : arbitrer l’architecture

Décider quelles données peuvent être traitées par le fournisseur, où les modèles sont exécutés, comment les secrets sont protégés, quelles traces sont conservées et comment un agent est désactivé en urgence.

L’IA peut rendre la cybersécurité beaucoup plus efficace. Elle peut aussi augmenter brutalement la quantité de vulnérabilités découvertes, la vitesse des attaquants et le nombre de composants à protéger.

Une entreprise mature ne cherchera pas seulement à déployer le modèle le plus performant. Elle organisera une boucle complète : découvrir, comprendre, décider, corriger, vérifier et apprendre.

Le nouvel avantage défensif ne vient pas de l’IA seule. Il vient de la capacité à la relier à des actifs connus, des responsabilités claires et des actions exécutables.

À mesure que les attaques et la défense se rapprochent de la vitesse des machines, la lenteur organisationnelle devient elle-même une vulnérabilité.