Si le modèle est le levier de sécurité le plus faible, qu'est-ce qui rend réellement le code généré par l'IA plus sûr ?

L’année 2026 aura véritablement été celle de l’avènement des agents d’IA : les entreprises, en particulier dans le secteur technologique, ont commencé à s’investir pleinement, cherchant à intégrer des flux de travail agentiques et automatisés au cœur de leur cycle de développement logiciel (SDLC). Le rapport Hype Cycle for Agentic AI 2026 de Gartner a révélé que si seulement 17 % des organisations avaient déjà déployé des agents d’IA, 60 % prévoyaient de le faire dans les 24 prochains mois.
Si les outils d’IA ont bouleversé de nombreux secteurs, leur impact sur le développement logiciel a été massif, fulgurant et particulièrement déconcertant du point de vue d’un expert en sécurité. La violation très médiatisée de Medicare, causée par des agents OpenAI incontrôlés, a mis en lumière certains des défis de sécurité majeurs auprès du grand public, incitant plusieurs experts de renom à réclamer d’urgence la mise en place de garde-fous pour l’usage de l’IA.
Il y a un petit (ou plutôt un gros) problème : la plupart des organisations ne savent pas où elles en sont dans l'adoption de l'IA, quels outils d'IA sont utilisés (et par qui), et surtout, quels problèmes de sécurité spécifiques au modèle elles pourraient rencontrer. Ceux qui naviguent à l'aveugle sur ces points auront beaucoup de mal à mettre en place et à maintenir un programme de sécurité adapté à l'IA.
Plus tôt cette année, nous avons publié le SCW AI Trust Index et, en collaboration avec l’université RMIT, nous avons évalué 16 modèles d’IA de premier plan issus notamment d’OpenAI, d’Anthropic et de Google. Nous avons ainsi généré 1 760 bases de code et identifié en moyenne 15 vulnérabilités dans chacune d’elles. Grâce à notre méthodologie inédite, ces données nous ont enfin permis d’établir que le risque de sécurité est prévisible selon le modèle et le framework utilisés.
Aujourd'hui, nous publions la deuxième version du SCW AI Trust Index, avec une méthodologie mise à jour et plus complète qui intègre d'autres points de données utiles pour attribuer un classement et un score de risque à chaque modèle. Pour la première fois, nous évaluons également l'exhaustivité fonctionnelle du code généré par l'IA que nous avons testé, afin d'indiquer sa viabilité globale, en plus de ses indicateurs de sécurité.
Quoi de neuf dans le SCW AI Trust Index ?
Pour cette deuxième version, nous avons soumis 30 modèles de huit fournisseurs au même banc d'essai neutre, sur 11 piles de langages et de frameworks. Les fournisseurs vont d'OpenAI, Anthropic et Google à Mistral, Alibaba, Moonshot, Zhipu AI et xAI. Chaque modèle a construit 10 applications par pile, et au total, le banc d'essai v2 a généré et analysé 15 000 applications et 41,3 millions de lignes de code.
Le secteur évolue à un rythme effréné : 22 des 28 modèles que nous avons pu répertorier par date de lancement sont sortis en 2026, dont neuf rien qu’en septembre. C’est la raison pour laquelle cet indice se veut un benchmark évolutif et non un classement ponctuel.
Le résultat le plus probant réside dans l'impact des règles de sécurité sélectionnées appliquées à un modèle. Sur 284 combinaisons comparables de modèles et de stacks logicielles issues de 26 modèles, les deux ensembles de règles testés ont réduit le risque total mesuré de 33 % et 46 %. Une consigne générique du type « respecter les bonnes pratiques de sécurité » ne l’a diminué que de 18 %, allant même jusqu’à accroître le risque dans 83 de ces 284 combinaisons. La même tendance se confirme en prenant en compte le volume de code rédigé par chaque modèle. Nous avons pu constater de réels progrès et une nette amélioration des modèles au cours des 12 derniers mois.
Les règles ne sont toutefois pas la solution miracle que nous espérions tous. Elles ont été plus efficaces pour les modèles présentant déjà un risque plus faible, réduisant le risque de 54 à 56 % sur les 13 bases de référence à faible risque, contre 25 à 43 % sur les 14 à haut risque. Certains modèles ont continué à produire des résultats à haut risque malgré l'application de règles.
Le choix du modèle reste déterminant, mais le prix ne saurait à lui seul déterminer l'option la plus sûre pour votre entreprise. De plus, aucun modèle ne surpasse tous les autres sur l'ensemble des critères. Par exemple, si GPT 6 Astra présente le risque moyen par application le plus faible dans l'ensemble, Sonnet 5.5 s’est avéré moins risqué sur Java EE JSP. Dépenser plus ne garantit généralement pas d'obtenir un code plus sûr.
S'il est vrai que les nouveaux modèles sont en moyenne plus sûrs, il est dangereux de supposer que chaque nouvelle version est automatiquement une amélioration : ce test, par exemple, a montré que Gemini 3.8 Flash comporte plus de risques que Gemini 3.5 Flash.
Vous pouvez découvrir ces éléments, ainsi que notre nouvelle méthodologie et l'ensemble des résultats, sur notre site web.
Comment utiliser ces données pour améliorer la sécurité ?
En clair, vous ne pouvez plus ignorer l'impact des outils d'IA sur le profil de risque de cybersécurité global de votre entreprise. Ces données vous offrent de véritables points de comparaison pour déterminer la viabilité sécuritaire des modèles utilisés, ou qui pourraient être mis en œuvre à l'avenir, au sein de vos équipes.
Nous devons également clarifier un point concernant l'utilisation des modèles par les développeurs : ne vous attendez pas à ce qu'ils changent leur outil favori simplement parce que vous leur montrez des données sur les implications sécuritaires de leur usage. Cela ne provoquera probablement aucun changement, et les responsables de la sécurité doivent le comprendre implicitement et composer avec.
C'est là que le SCW AI Trust Index peut vous aider à identifier les lacunes des modèles que vous utilisez et vous donner des options pour ajouter des contrôles de sécurité viables, qu'il s'agisse de harnais, de jeux de règles détaillés, ou des deux, afin d'atténuer les risques inhérents qu'ils présentent.
Prêt pour la suite ?
Pour savoir comment le SCW AI Trust Index accompagne les dirigeants dans la structuration de leurs programmes de sécurité autour des processus et outils d’IA, contactez-nous : nous vous révélerons en avant-première quelques-uns de nos projets à venir.
Gouvernez le développement assisté par IA avant la mise en production
Évaluez les risques liés à l'IA, appliquez des politiques de codage sécurisé dès le commit et accélérez la livraison sécurisée tout au long de votre cycle de développement.
Explorer plus d'articles
Accédez à du contenu expert sur le codage sécurisé, la gouvernance de l'IA et la gestion des risques logiciels.

Une culture de la sécurité : comment Sage a bâti son programme de champions
Découvrez comment Sage a renforcé sa sécurité grâce à une approche flexible axée sur l'humain, en formant plus de 200 ambassadeurs de la sécurité et en obtenant une réduction mesurable des risques.

Kamer van Koophandel : La sécurité pilotée par les développeurs à grande échelle
La Kamer van Koophandel explique comment elle a intégré le codage sécurisé au développement quotidien grâce à des certifications basées sur les rôles, à l'étalonnage des scores de confiance et à une culture de responsabilité partagée en matière de sécurité.

Comment « Game of Codes » guide le groupe IAG vers un avenir de codage plus sécurisé
IAG Group est la société mère de nombreuses compagnies d'assurance de premier plan dans la région Asie-Pacifique, couvrant des millions de clients pour un volume de primes annuel d'environ 11,4 milliards de dollars australiens.

Si le modèle est le levier de sécurité le plus faible, qu'est-ce qui rend réellement le code généré par l'IA plus sûr ?
Plus tôt cette année, nous avons publié le SCW AI Trust Index et, en collaboration avec l’université RMIT, nous avons évalué 16 modèles d’IA de premier plan issus notamment d’OpenAI, d’Anthropic et de Google. Nous avons ainsi généré 1 760 bases de code et identifié en moyenne 15 vulnérabilités dans chacune d’elles. Grâce à notre méthodologie inédite, ces données nous ont enfin permis d’établir que le risque de sécurité est prévisible selon le modèle et le framework utilisés.
Pilotez votre programme de codage sécurisé depuis votre outil d'IA
Suivez la progression de la formation, rédigez des Quests et générez des rapports sur votre programme de codage sécurisé SCW depuis n'importe quel outil d'IA compatible MCP. Inclus dans chaque plan SCW.

PHP2Shell : comment l'IA a réduit le délai de correction de quelques jours à quelques heures
PHP2Shell : comment l'IA a réduit le délai de correction de plusieurs jours à quelques heures, et pourquoi les équipes de sécurité doivent repenser leur approche des anciennes vulnérabilités et de la dette technique.
Sécurisez le développement piloté par l'IA avant le déploiement
Identifiez les risques de développement, appliquez vos politiques et prévenez les vulnérabilités tout au long du cycle de vie de vos logiciels.
