Google Threat Intelligence Group : la moitié des vulnérabilités découvertes par l'intelligence artificielle permettent une exécution de code à distance

Le Google Threat Intelligence Group a publié un rapport analysant les tendances de la découverte et de l'exploitation des vulnérabilités à l'ère de l'intelligence artificielle. L'étude met en évidence que les failles présumées découvertes par des systèmes d'intelligence artificielle conduisent à une exécution de code à distance dans cinquante pour cent des cas, un taux nettement supérieur à la moyenne de l'industrie qui s'établit à vingt-six pour cent. Cette analyse porte sur les vulnérabilités divulguées entre janvier 2025 et août 2026 et souligne un changement qualitatif majeur dans la nature des failles identifiées par les nouvelles technologies.

Le volume des identifiants de vulnérabilités publiés mensuellement a doublé au cours de la période étudiée. Le nombre est passé de 5 045 en janvier 2026 à 10 740 en août de la même année. Parallèlement, le nombre d'attaques réelles exploitant ces failles est passé d'une moyenne de 10,5 par mois en 2025 à 18 par mois. Le groupe de recherche précise toutefois que ces chiffres bruts ne reflètent pas proportionnellement le risque réel, car les politiques d'attribution automatique des identifiants dans les systèmes open source gonflent la base de données. Par exemple, le noyau Linux a vu environ 5 000 identifiants émis sur la même période, sans qu'aucune faille du type jour zéro n'y soit réellement exploitée en attaque.

La qualité des vulnérabilités constitue le point central du rapport. Les failles découvertes par l'intelligence artificielle présentent une proportion de risque faible de seulement 39 pour cent, contre 69 pour cent pour les méthodes traditionnelles. En revanche, le niveau de risque moyen augmente de 28 pour cent à 58 pour cent. Cette différence s'explique par le fait que les équipes de recherche confient aux agents d'intelligence artificielle la vérification de systèmes d'infrastructure critiques et de permissions sensibles, plutôt que de simples scans d'erreurs génériques. Les modèles parviennent à suivre des chemins de code complexes dans les bibliothèques de base et les hyperviseurs, détectant des corruptions de mémoire comme les dépassements de tampon que les analyseurs statiques classiques manquent.

La vitesse d'exploitation des vulnérabilités est un autre facteur déterminant. Les attaques du type jour zéro n'ont augmenté que légèrement, passant de 8 à 11 par mois. En revanche, les attaques exploitant des vulnérabilités à haut risque sont passées de 28 en 2025 à 75 au cours des huit premiers mois de 2026. Les attaquants utilisent désormais des modèles de langage pour comparer automatiquement les versions de produits, les correctifs et les preuves de concept, transformant rapidement les failles connues en armes. Un exemple notable est la vulnérabilité CVE-2026-1731 sur BeyondTrust, exploitée par un premier groupe d'attaquants quatre jours après sa divulgation, puis par cinq autres groupes en sept jours, entraînant des compromissions de données et l'installation de malwares.

Les systèmes d'intelligence artificielle deviennent eux-mêmes des cibles privilégiées. Le groupe a recensé 2 076 vulnérabilités liées à l'intelligence artificielle, dont plus de 1 500 survenues au premier semestre 2026. Les cadres d'orchestration et d'agents comme Flowise, Langflow et LangChain représentent 50 pour cent de ce total, avec une hausse de 347 pour cent cette année. Ces outils exécutent souvent du code dynamique, permettant aux attaquants de transformer des injections de prompt ou des fichiers de flux modifiés en exécution de code à distance sans authentification. Bien qu'aucune attaque du type jour zéro sur l'infrastructure d'intelligence artificielle n'ait encore été observée, des failles comme CVE-2026-42271 sur BerriAI LiteLLM et CVE-2025-3248 sur Langflow ont été exploitées après leur divulgation. Le rapport recommande aux organisations d'abandonner la correction systématique de toutes les failles au profit d'un filtrage guidé par l'intelligence de la menace, de l'isolation des charges de travail des agents et de l'utilisation de l'intelligence artificielle pour la revue de code avant mise en production.