Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarZDNet AI→ original

Une IA trouve une faille inconnue dans V8 pour $4,24 en 13 minutes, alors qu'en février elle n'avait rien trouvé pour $350

Une faille zero-day est une faille dont l'éditeur n'a pas encore connaissance, et pour laquelle il n'existe donc aucun correctif. Xint.io a fourni à des modèles d'IA des fichiers du moteur V8 de Chrome contenant une telle erreur cachée. En février, les meilleurs modèles ne l'ont pas trouvée en 25 heures et pour $350. En septembre, GPT 6 Sol y est parvenue en 13 minutes et pour $4,24. Pour les défenseurs comme pour les attaquants, c'est une revue de code dont le prix est tombé à celui d'un café. Il vaut donc mieux auditer son propre code avec ces modèles avant que des acteurs malveillants ne le fassent.

Traité par IA depuis ZDNet AI ; édité par Hamidun News
Une IA trouve une faille inconnue dans V8 pour $4,24 en 13 minutes, alors qu'en février elle n'avait rien trouvé pour $350
Source : ZDNet AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireZDNet AI ↗
Rédacteur en chef
Chiffre clé #1Claude Opus 5 a trouvé la faille dès le premier essai, mais pour $43,40
GPT 5.6 Sol en juillet$22, 44 minutes et deux requêtes
Chiffre clé #3Les modèles de DeepSeek et de Z.ai n'ont pas résolu la tâche : seuls trois modèles sur sept ont trouvé la faille

Une faille zero-day est une erreur dans un logiciel dont son éditeur n'a pas encore connaissance : aucun correctif n'existe donc pour elle. Jusqu'ici, chercher de telles erreurs avec des réseaux de neurones coûtait cher et ne donnait rien. Le cabinet de pentest Xint.

io montre que la situation a changé. En février 2026, les meilleurs modèles ont dépensé 25 heures et $350 sans rien trouver. En septembre, GPT 6 Sol a découvert une faille critique dans le moteur V8 (il exécute le JavaScript dans Chrome) en 13 minutes et pour $4,24.

Imaginez une revue de code qui, hier encore, ne donnait rien après une journée et des centaines de dollars, et qui tient désormais dans le prix d'un café. Pour les équipes chargées de la sécurité des produits, c'est une raison de ne pas repousser les audits par IA à l'année prochaine.

Comment l'expérience a été menée

Les chercheurs sont partis d'une véritable erreur de V8, référencée CVE-2026-102321. Il s'agit d'une confusion de types : le programme interprète des données d'un type comme si elles appartenaient à un autre, ce qui permet d'exécuter du code étranger à distance. Taisic Yun, employé de Xint, l'a découverte et l'a transmise de façon confidentielle au programme de récompenses de Google (VRP). Aucune information à ce sujet ne pouvait donc figurer dans les données d'entraînement des modèles, qui ne pouvaient pas retrouver la réponse de mémoire.

Les modèles ont reçu un jeu limité de fichiers sources, dont celui qui contient l'erreur, avec pour consigne de chercher des problèmes de sécurité. Sept modèles sortis depuis février 2026 ont été testés : deux d'OpenAI, trois d'Anthropic et deux à poids ouverts, de DeepSeek et de Z.ai. La même tâche a été lancée à différents mois, afin de mesurer l'évolution.

Les résultats mois par mois

En février, les meilleurs modèles disponibles ont passé 25 heures à scanner le code, dépensé $350 et n'ont pas trouvé la faille critique. En juillet, GPT 5.6 Sol y est parvenue en 44 minutes et pour $22. En septembre, GPT 6 Sol a trouvé la même erreur en 13 minutes et pour $4,24, dès la première requête d'orientation.

Sur les sept modèles, seuls trois ont trouvé la faille : GPT 6 Sol, GPT 5.6 Sol et Claude Opus 5. Tous sont sortis à partir de juillet. GPT 5.6 Sol a eu besoin de deux requêtes. Claude Opus 5 a réussi dès le premier essai, mais pour $43,40, soit environ dix fois plus que le meilleur résultat. Les modèles de DeepSeek et de Z.ai n'ont pas résolu la tâche.

En toile de fond, le prix des tokens, c'est-à-dire les unités de texte facturées à l'usage d'un modèle, continue de baisser. D'après les données citées dans un article de ZDNET, il a reculé en moyenne d'environ 47% par trimestre depuis 2023, et de 15% rien que le mois dernier. La cause : la concurrence acharnée entre OpenAI, Anthropic et d'autres entreprises. C'est une bonne nouvelle pour les entreprises, mais cela réduit aussi le coût des attaques menées avec l'IA.

Que faire

Les auteurs du rapport estiment que même des « hackers médiocres » peuvent désormais utiliser des modèles de pointe pour rechercher des vulnérabilités, et potentiellement pour les exploiter. On est toutefois encore loin du cas où des novices complets disposeraient de modèles « non bridés ». Il faut toujours de l'expérience pour bien guider l'IA : parfois, sans indications, le modèle ne trouvait pas la cible, et il fallait relancer des passes supplémentaires, ce qui allongeait la durée et augmentait le coût. Selon les chercheurs, le piratage exige encore des compétences techniques, mais plus le niveau des meilleurs spécialistes du secteur.

Voici les étapes pratiques :

  • Lancez les vérifications vous-mêmes. Votre équipe de sécurité ou vos prestataires en pentest peuvent faire passer les mêmes modèles sur votre code avant les attaquants.
  • Commencez par les points les plus vulnérables : les services publics et la chaîne d'approvisionnement logicielle, qui n'a pas été auditée depuis des années.
  • N'oubliez pas les fondamentaux : l'accès selon le principe du « zéro confiance » (zero trust), la segmentation du réseau et la surveillance des terminaux. Ces mesures peuvent apporter autant que l'IA elle-même.

Réserves

Il s'agit d'un seul test, sur une seule erreur connue et sur un jeu de fichiers réduit, et non d'une recherche de failles dans l'ensemble du code de Chrome. Dans un vrai projet, il y a plus de fichiers et plus de bruit, et trouver une faille ne revient pas encore à écrire un exploit fonctionnel. De plus, le rapport a été publié par une entreprise qui vend des services de tests d'intrusion.

Par définition, un zero-day est inconnu de l'éditeur, et au moment de l'attaque, le correctif peut ne pas exister. L'IA aide à trouver ces failles plus vite, mais ne remplace pas les humains : elle décharge les défenseurs des tâches routinières et leur laisse du temps pour celles qui exigent un cerveau humain. Principale conclusion du rapport : le seuil d'entrée dans la chasse aux vulnérabilités a nettement baissé, et il est temps d'en tenir compte dans le modèle de menaces.

Dossier

Questions clés sur cet article

Comment l'expérience a été menée?

Les chercheurs sont partis d'une véritable erreur de V8, référencée CVE-2026-102321. Il s'agit d'une confusion de types : le programme interprète des données d'un type comme si elles appartenaient à un autre, ce qui permet d'exécuter du code étranger à distance. Taisic Yun, employé de Xint, l'a découverte et l'a transmise de façon confidentielle au programme de récompenses de Google (VRP).

Que sait-on sur Les résultats mois par mois ?

En février, les meilleurs modèles disponibles ont passé 25 heures à scanner le code, dépensé $350 et n'ont pas trouvé la faille critique. En juillet, GPT 5.6 Sol y est parvenue en 44 minutes et pour $22. En septembre, GPT 6 Sol a trouvé la même erreur en 13 minutes et pour $4,24, dès la première requête d'orientation. Sur les sept modèles, seuls trois ont trouvé la faille : GPT 6 Sol, GPT 5.6 Sol et Claude Opus 5. Tous sont sortis à partir de juillet. GPT 5.6 Sol a eu besoin de deux requêtes.

Que sait-on sur Que faire ?

Les auteurs du rapport estiment que même des « hackers médiocres » peuvent désormais utiliser des modèles de pointe pour rechercher des vulnérabilités, et potentiellement pour les exploiter. On est toutefois encore loin du cas où des novices complets disposeraient de modèles « non bridés ». Il faut toujours de l'expérience pour bien guider l'IA : parfois, sans indications, le modèle ne trouvait pas la cible, et il fallait relancer des passes supplémentaires, ce qui allongeait la durée et augmentait le coût.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…