La montée en puissance des outils d’intelligence artificielle submerge les programmes de signalement de bogues de rapports de sécurité truffés d’erreurs, poussant Apple à limiter les soumissions. De son côté, un rapport de Veracode publié en août 2026 révèle que la sécurité du code généré par l’IA stagne à 56 % de réussite.
L’essor de l’intelligence artificielle générative transforme profondément la manière dont les logiciels sont conçus et audités, mais elle crée des effets secondaires indésirables pour les équipes de cybersécurité. Les chercheurs en sécurité légitimes disposent d’un multiplicateur de force considérable, leur permettant de découvrir des vulnérabilités complexes à un rythme soutenu. Cependant, cette même accessibilité technologique inonde les plateformes de signalement de bogues de faux rapports et d’erreurs d’analyse générées automatiquement, un phénomène qualifié de véritable pollution numérique.
Apple limite les signalements de bogues face au volume massif de rapports d’intelligence artificielle
La plateforme de récompense des bogues de l’entreprise fait face à un afflux ingérable de rapports de sécurité erronés concernant iOS et macOS. Ce déluge comprend une quantité massive de contenus générés par des hallucinations d’intelligence artificielle, des rapports qui semblent authentiques au premier abord mais s’avèrent totalement inopérants à l’examen. Pour faire face à cette surcharge qui mobilise excessivement ses équipes d’évaluation humaine, l’entreprise a dû introduire des restrictions strictes sur son portail de sécurité.
La nouvelle politique impose un plafond sur le nombre de nouveaux rapports qu’un chercheur peut ouvrir simultanément, ainsi qu’une période de refroidissement de trente jours pour les soumissions. Les chercheurs doivent désormais formuler une demande spécifique pour obtenir un quota supérieur. L’entreprise a indiqué que, compte tenu du volume croissant de soumissions de sécurité générées par l’IA dans l’ensemble du secteur, elle a récemment ajusté le nombre de nouveaux rapports qu’un chercheur peut ouvrir en même temps, tout en précisant que les utilisateurs peuvent demander à tout moment une augmentation de cette limite pour s’assurer que les rapports critiques parviennent aux équipes de sécurité, selon des propos rapportés par l’entreprise.
Les conséquences sur la détection des failles critiques en cybersécurité
Cette saturation engendre des risques directs pour la sécurité des systèmes d’exploitation. Des vulnérabilités légitimes et hautement critiques risquent d’être ignorées ou retardées dans leur traitement en raison du volume de données à trier. La firme de cybersécurité Bynario, établie en Italie, a ainsi découvert plus de 50 bogues en l’espace de seulement trois semaines lors de la mise à jour récente de macOS, incluant une chaîne d’exploitation de privilèges permettant d’obtenir un accès complet à un Mac cible. Malheureusement, les limites imposées par Apple ont bloqué la transmission de ces découvertes, bien que des échanges soient en cours pour examiner les soumissions de l’entreprise.
Pour tenter de contenir cette crise, Apple utilise l’intelligence artificielle comme mécanisme de tri initial pour filtrer les réclamations, bien que la validation finale nécessite toujours l’intervention d’experts humains. En parallèle, l’entreprise déploie des outils internes sophistiqués, tels que le modèle Claude Mythos dans le cadre du projet Glasswing, pour renforcer sa propre sécurité face aux menaces émergentes.
Le rapport Veracode 2026 sur la sécurité du code généré par l’intelligence artificielle
Pendant que les plateformes de signalement s’asphyxient, les données de l’industrie confirment que la qualité sécuritaire du code produit par les machines ne progresse plus. Dans son rapport publié à Burlington au Massachusetts, Veracode indique que le taux de réussite moyen aux tests de sécurité stagne à 56 %, un niveau pratiquement inchangé par rapport à l’année précédente, malgré l’analyse de plus de 100 modèles sur quatre phases de test.
Le contraste est particulièrement net entre la syntaxe et la sécurité : si les modèles génèrent du code compilable avec un taux de réussite frôlant les 100 %, ils échouent dans environ 44 % des cas dès lors qu’aucune consigne de sécurité spécifique n’est fournie. Chris Wysopal, cofondateur et évangéliste en chef de la sécurité chez Veracode, a expliqué dans le communiqué publié par l’agence de presse qu’à mesure que le rythme de développement du code s’accélère grâce à l’intelligence artificielle, les développeurs se trouvent submergés par une multitude de risques de non-conformité, d’alertes de sécurité et de problèmes de qualité.
Analyse des performances des modèles de langage et des langages de programmation
Le classement établi pour l’été 2026 place le modèle GPT-5.5 d’OpenAI en tête avec un taux de réussite de 68 %, tandis que d’autres solutions se positionnent entre 50 % et 53 %, à l’image du modèle Qwen3.7-max d’Alibaba qui ferme la marche à 50 %. Les données tordent le cou à certaines idées reçues : les modèles spécialisés en programmation n’affichent pas de résultats plus sécuritaires que les intelligences artificielles à usage général, obtenant une moyenne de 51 % contre 52 %. De même, la taille des modèles ne garantit aucune supériorité en matière de sécurité.
En revanche, la provenance géographique des modèles évolue notablement, les solutions Kimi-K2.6 et MiMo-V2.5 surpassant désormais plusieurs concurrents occidentaux. Sur le plan technique, les modèles dotés de capacités de raisonnement avancé conservent un avantage constant avec 56 % de réussite, agissant de fait comme un système de revue de code interne. Du côté des langages de programmation, Python domine avec 63 % de réussite, tandis que Java reste le plus risqué avec seulement 30 %, bien qu’il enregistre la progression la plus constante sur un an.
À lire aussi