Tech • IA • Robotique • Jeu

ENFR

J'ai testé l'IA locale sans aucune limite : Cybersécurité offensive - (Tuto complet)

7/10
IAParlons IA20 novembre 2026 à 14:1328:35
Lecteur audio

⏱ Résumé en ≈ 4 min · vidéo de 29 min — 25 min gagnées

INTRO

Non censurés et faiblement restreints, les modèles d’IA peuvent aider à automatiser une partie du travail en cybersécurité, mais ils abaissent aussi la barrière pour repérer des secrets exposés et tester des attaques, ce qui accroît les risques juridiques et de sécurité pour les applications mal conçues.

POINTS CLÉS

Tests d’attaque à faible friction

Des tests menés avec plusieurs modèles ont montré des garde-fous très différents. Kimi 3.1 Pro a refusé une demande visant à récupérer des clés API, tandis que Minimax M3 Flash a poursuivi et a révélé des identifiants exposés via des recherches dans du code public. Dans une démonstration, l’analyse de 150 dépôts d’applications a produit 10 clés extraites, montrant à quel point des secrets peuvent fuiter facilement lorsque des développeurs publient du code ou des fichiers de configuration non sûrs.

Les modèles locaux non censurés sont accessibles

Les variantes dites Heretic de Qwen 2.5 et Qwen 3 ont été présentées comme des modèles à faible taux de refus pouvant s’exécuter localement via Open WebUI. Le matériel détermine la taille du modèle: un modèle 27B demanderait environ 32 GB of VRAM, soit la classe d’une Nvidia RTX 4090, tandis que des versions plus petites 3.8B ou 7B peuvent tourner sur des GPU disposant d’environ 10 GB. La version Qwen 2.5 32B Heretic Obliterated a été décrite comme l’une des options les moins restreintes.

Les taux de refus varient fortement

Les modèles grand public ont été décrits comme fortement entraînés à rejeter les requêtes non autorisées ou dangereuses, tandis que les versions non censurées ont été présentées comme n’ayant que 1% à 22% de blocage, contre un refus quasi total pour les systèmes standard réglés pour la sécurité. Cet écart compte, car une même invite peut être rejetée par un modèle et exécutée par un autre, faisant du choix du modèle un enjeu central d’exploitation et de gouvernance.

L’IA locale n’est pas vraiment illimitée

Malgré les affirmations selon lesquelles l’IA locale peut remplacer les systèmes de pointe, les limites pratiques restent fortes. Même un matériel coûteux n’offrirait qu’environ 256K context, bien loin des fenêtres de 1 million-token proposées par certains services distants. Cela rend les modèles locaux utiles pour des tâches plus petites et des prompts flexibles, mais moins adaptés à des audits complets de grandes applications ou de sites web.

Les audits cyber nécessitent plusieurs modèles

Le travail de sécurité a été présenté comme une chaîne multi-modèles plutôt qu’une tâche confiée à un seul chatbot. Parmi les benchmarks cités figuraient CyberGym, SecBench Pro, ExploitBench, ExploitGym, CWE et Cyber Defense Benchmark. Selon le propos, différents modèles seraient meilleurs selon les tâches: des variantes de DeepSeek pour certains benchmarks de sécurité, Mimo V2 Flash pour CyberGym, et Kimi pour les tests orientés exploitation.

La détection et la correction sont deux problèmes distincts

Un avertissement central était qu’un modèle performant pour trouver des failles peut être moins bon pour les corriger. Un audit efficace exige donc détection, proposition de correctif, redéploiement et nouveau test. Le processus doit aussi vérifier qu’un correctif ne casse pas les fonctions essentielles, d’où la nécessité de sauvegardes, de tests de régression et de validations de sécurité répétées.

L’automatisation agentique change l’économie du travail

Au lieu d’exécuter les vérifications manuellement, une configuration d’orchestration d’agents IA a été décrite comme capable d’effectuer environ 400 tests sur plusieurs heures ou plusieurs jours. Cette approche peut comprimer un travail autrefois réalisé par des équipes, mais elle élève aussi le niveau d’exigence technique. L’idée est que les gains de productivité profiteront surtout aux opérateurs capables de construire des workflows, des mémoires et des boucles récursives en plusieurs passes, plutôt qu’à ceux qui s’appuient sur des prompts uniques.

La conformité reste un obstacle majeur

L’argument général était que générer rapidement du code ou des sites web est bien plus facile que livrer un produit conforme. En Europe, surtout sous le RGPD et d’autres règles de protection des données, les organisations sont censées fournir des contrôles de sécurité, une planification de l’architecture et une maintenance continue. Un chatbot ou un site généré par IA peut devenir un passif s’il expose des données, manque de traces d’audit ou ne résiste pas à un examen juridique après une violation.

Des démos bon marché peuvent masquer des faiblesses coûteuses

Les exemples ont mis en avant un problème récurrent du développement logiciel piloté par l’IA: des interfaces soignées peuvent dissimuler une architecture non sûre. Des applications publiques construites rapidement par des méthodes fondées sur des prompts peuvent sembler impressionnantes tout en exposant des bases de données, des secrets ou des chemins de code dangereux. Dans ce contexte, le “vibe coding” a été présenté moins comme un raccourci que comme une voie possible vers des amendes, des violations et des échecs opérationnels.

CONCLUSION

L’IA avancée peut accélérer à la fois la cyberdéfense et les tests offensifs, mais ces mêmes outils rendent aussi le développement non sécurisé plus facile à exploiter. Le facteur décisif n’est plus seulement l’accès à l’IA, mais la capacité à auditer, corriger et gouverner les systèmes selon des standards professionnels.

Poser une question

Sur le même sujet : IA