L’IA accélère l’exploitation des failles connues

Le rapport entre cybersécurité et IA se joue déjà sur un terrain concret : la vitesse à laquelle une vulnérabilité connue peut devenir exploitable. Les attaquants utilisent des modèles d’IA pour rechercher des informations, comparer des versions de logiciels, préparer des contenus d’ingénierie sociale ou développer des programmes malveillants.

Le risque ne correspond donc pas encore à un scénario où une machine piloterait seule une intrusion complète. Le Google Threat Intelligence Group (GTIG) observe surtout une accélération de certaines tâches, avec une conséquence directe pour les organisations : une faille déjà publiée peut être transformée plus rapidement en outil d’attaque.

Le volume des vulnérabilités augmente, mais toutes ne sont pas urgentes

Dans son analyse couvrant les vulnérabilités divulguées entre le 1er janvier 2025 et le 31 août 2026, le GTIG indique que le nombre de failles publiées chaque mois est passé de 5 045 en janvier 2026 à 10 477 en juillet, puis à 10 740 en août. Le volume mensuel a donc plus que doublé depuis le début de l’année.

Ce total ne suffit pas à mesurer le danger opérationnel. Le GTIG indique que la découverte assistée par l’IA produit proportionnellement moins de vulnérabilités classées à faible risque, mais davantage de failles à risque modéré et de vulnérabilités permettant une exécution de code à distance. La hausse du nombre de publications ne signifie toutefois pas que chaque faille sera exploitée, ni que chaque correctif doit recevoir la même priorité.

Les chiffres d’exploitation évoluent eux aussi. Le nombre moyen de vulnérabilités exploitées chaque mois est passé de 10,5 en 2025 à 18 entre janvier et août 2026. En comparaison, l’exploitation des zero-days, c’est-à-dire des failles exploitées avant qu’un correctif ne soit généralement disponible, est passée de 8 à 11 cas mensuels en moyenne. La progression concerne donc surtout les vulnérabilités déjà connues.

Les n-days raccourcissent le délai de réaction

Une n-day est une vulnérabilité déjà divulguée, souvent accompagnée d’un correctif, d’un avis technique ou d’une preuve de concept. Elle reste dangereuse tant que les systèmes concernés n’ont pas été identifiés, mis à jour et contrôlés.

Le GTIG avance que les acteurs malveillants peuvent utiliser des outils d’IA pour automatiser l’analyse des différences entre deux versions d’un produit, examiner un correctif, trier un avis de sécurité ou adapter un code de preuve de concept. Cette hypothèse explique pourquoi l’IA peut accélérer l’exploitation de failles existantes sans découvrir elle-même un zero-day.

Pourquoi un correctif disponible ne règle pas immédiatement le problème

Après la publication d’une faille, l’organisation doit encore vérifier si elle utilise le produit concerné, localiser les instances exposées, tester la mise à jour, la déployer et confirmer son application. Les passerelles, les VPN, les appliances de sécurité et les interfaces d’administration accessibles depuis Internet réduisent le temps disponible lorsque la correction tarde.

La priorité ne consiste donc pas à appliquer tous les correctifs dans un ordre purement chronologique. Elle consiste à rapprocher les avis de sécurité de l’inventaire réel et des informations d’exploitation disponibles.

1. Recenser les systèmes accessibles depuis Internet et les interfaces d’administration.
2. Vérifier lesquels correspondent à une vulnérabilité exploitée ou à une campagne active.
3. Classer les failles selon l’accès qu’elles permettent, comme l’exécution de code, l’élévation de privilèges ou l’accès à des données sensibles.
4. Déployer le correctif ou une mesure temporaire, puis vérifier que le système n’est plus exposé.

L’IA facilite déjà plusieurs étapes d’une attaque

Le CERT-FR décrit des usages de l’IA générative pour profiler une victime, rédiger des contenus d’ingénierie sociale et développer des programmes malveillants. Pour les groupes expérimentés, le gain porte surtout sur la performance et le passage à l’échelle. Pour les acteurs moins compétents, les modèles peuvent aussi servir d’outil d’apprentissage.

Le CERT-FR précise cependant qu’aucun système d’IA générative n’a, à ce stade, mené de manière autonome toutes les étapes d’une attaque informatique. Cette distinction sépare les outils spécialisés ou supervisés par un opérateur d’un système capable de choisir seul une cible, de pénétrer un réseau, de maintenir son accès et d’exfiltrer des données.

Les travaux du GTIG montrent néanmoins que l’IA peut intervenir pendant l’exécution d’un logiciel malveillant. Le groupe a identifié PROMPTFLUX et PROMPTSTEAL, deux familles expérimentales qui utilisent un grand modèle de langage pendant leur fonctionnement. PROMPTFLUX peut notamment générer des scripts malveillants, modifier son code et produire certaines fonctions à la demande. Ces exemples restent récents et ne démontrent pas une capacité générale à compromettre automatiquement un réseau.

Le risque dépend aussi du modèle économique de l’attaquant

Google DeepMind a étudié plus de 12 000 tentatives réelles d’utilisation de l’IA dans des attaques informatiques, réparties dans 20 pays. Son cadre couvre plusieurs étapes de la chaîne d’attaque, dont l’hameçonnage, les logiciels malveillants et les attaques par déni de service. L’objectif est d’identifier les tâches que l’IA peut rendre plus rapides, moins coûteuses ou plus faciles à automatiser.

Les groupes qui recherchent le volume, comme les opérateurs de rançongiciels et les courtiers en accès initial, ont une raison particulière d’automatiser des tâches répétitives. Une légère perte de précision peut leur sembler acceptable si elle permet de multiplier les tentatives. Les acteurs qui conduisent des opérations très ciblées ont davantage intérêt à conserver un contrôle humain sur les étapes sensibles, car une automatisation imprévisible peut révéler une opération ou faire perdre un accès.

Revoir le triage avant d’accélérer le patching

Le GTIG recommande de passer d’un traitement indifférencié des vulnérabilités à un triage guidé par le renseignement sur les menaces. Cette approche combine une défense renforcée des points d’entrée et une remédiation automatisée lorsque les conditions de contrôle sont réunies.

L’IA réduit déjà certains délais de recherche, d’adaptation et de préparation. Elle ne rend pas chaque attaquant autonome, mais elle augmente la pression sur les systèmes mal inventoriés ou corrigés trop tard. Pour fixer l’ordre des actions, l’exposition du système, la preuve d’exploitation et l’impact potentiel sur l’activité sont plus utiles que le seul nombre de CVE publiées.