Unit 42 confie ses tests d’intrusion continus à plusieurs IA

Trouver une faille une fois par année ne suffit plus lorsque les applications et les services infonuagiques changent chaque jour. Une correction peut fermer une porte, tandis qu’un nouveau déploiement en ouvre une autre.

Palo Alto Networks a lancé le 22 septembre 2026 Unit 42 Continuous Frontier AI Defense, un service qui utilise plusieurs modèles d’intelligence artificielle pour chercher continuellement des faiblesses dans les systèmes d’une organisation. Des spécialistes humains doivent ensuite confirmer les résultats et guider les corrections.

Ce n’est ni un antivirus ni une garantie contre les intrusions. Il s’agit plutôt d’un test d’intrusion récurrent, effectué dans un périmètre autorisé.

Une équipe rouge assistée par l’IA

Un test d’intrusion traditionnel donne généralement un portrait à un moment précis. Le nouveau service commence lui aussi par une analyse de référence, mais relance ensuite des essais lorsque l’environnement ou une application change.

Avec le client, Unit 42 définit d’abord les actifs qui peuvent être testés. Ses modèles tentent ensuite de repérer des failles et d’enchaîner plusieurs étapes afin de démontrer un chemin d’attaque plausible.

Le fabricant indique que les essais peuvent couvrir les applications Web internes ou tierces, les interfaces de programmation, l’infrastructure infonuagique, les dépôts de code source et certains actifs réseau.

Cette portée exige des limites précises. Tester sans autorisation un service appartenant à un fournisseur, provoquer une charge excessive ou manipuler des données réelles pourrait créer un incident au lieu de le prévenir.

Plusieurs modèles aux angles morts différents

Le système combine Claude Mythos 5 d’Anthropic, GPT-5.6-Cyber d’OpenAI et des modèles à poids ouverts. Un logiciel de répartition choisit le modèle jugé le plus approprié pour chaque tâche.

Selon des résultats internes rapportés par Axios, aucun modèle seul n’a trouvé plus de 40 % des vulnérabilités dans des environnements complexes. Les découvertes de Mythos et de GPT-5.6-Cyber se chevauchaient dans moins de 10 % des cas.

Ces chiffres soutiennent l’approche multimodèle, mais ils proviennent de Palo Alto Networks. Aucune évaluation indépendante n’a encore reproduit les essais avec la même portée, les mêmes systèmes et les mêmes critères.

L’IA ne prend pas seule la décision finale. Les experts offensifs de Unit 42 doivent vérifier qu’une faiblesse est réellement exploitable, relier les étapes d’une attaque et prioriser les risques. Le service transmet ensuite des recommandations, notamment des changements au code et des correctifs virtuels, dans les outils de suivi du client.

Corriger plus vite, sans confondre recommandation et réparation

Un rapport qui énumère des centaines de problèmes peut paralyser une équipe. L’intérêt annoncé du service est de mettre en évidence les chemins qui permettraient réellement à un attaquant d’atteindre une donnée ou un système important.

Le communiqué de lancement affirme que plus de 100 clients ont participé à des évaluations pendant six mois. Des expositions auraient été trouvées chez tous, dont 37 % classées élevées ou critiques. Il s’agit de données du fabricant, sans échantillon détaillé ni audit indépendant publié.

Le service peut recommander un correctif virtuel, soit une règle qui bloque temporairement l’exploitation d’une faille. Son application automatique exige toutefois le produit distinct Frontier Virtual Patching. Un correctif virtuel ne répare pas nécessairement le logiciel vulnérable; il peut servir de protection transitoire jusqu’à une mise à jour durable.

Prix et disponibilité au Canada

Palo Alto Networks affirme que le service est offert mondialement depuis le 22 septembre sous forme d’abonnement annuel. Le Canada devrait donc être admissible, mais les modalités contractuelles, la résidence des données et la disponibilité des différents modèles doivent être confirmées pour chaque organisation.

Aucun prix public ni tarif canadien n’a été communiqué. Reuters rapporte que le coût dépend notamment de la combinaison de modèles choisie.

Le prix final pourra aussi varier selon le nombre d’actifs, la complexité de l’environnement, les intégrations, le soutien, la portée des essais, les services connexes, le contrat et la région.

Limites ou points à considérer

Un système qui reçoit du code source, des configurations ou des résultats d’exploitation manipule des renseignements très sensibles. Avant l’utilisation, une organisation devrait vérifier où ces données circulent, combien de temps elles sont conservées et si les fournisseurs de modèles peuvent s’en servir.

Les modèles peuvent manquer une faille, inventer un problème ou proposer une correction inadéquate. Une simulation agressive peut également perturber un service. La supervision humaine, les journaux détaillés, des mécanismes d’arrêt et un environnement d’essai demeurent essentiels.

Enfin, une analyse continue ne remplace pas la gestion des accès, les sauvegardes, les mises à jour, la formation du personnel ou un plan d’intervention. Elle ne prouve pas qu’une organisation est à l’abri d’une attaque future.

Conclusion

Continuous Frontier AI Defense applique l’IA offensive à un besoin concret : vérifier à répétition si les changements quotidiens créent de nouveaux chemins d’attaque.

Son architecture multimodèle et la validation par des spécialistes sont plus crédibles qu’un agent entièrement autonome. Sa valeur réelle dépendra toutefois de résultats indépendants, du prix, de la protection des données et de sa capacité à améliorer la sécurité sans perturber les systèmes testés.