Nouvelle étude · Secure Code Warrior & Université RMIT

Une nouvelle étude pour vous aider à maîtriser le développement piloté par l'IA

Tous les LLM ne produisent pas du code sécurisé de la même manière. Une nouvelle étude comparative complète révèle les failles de sécurité des principaux modèles de codage par IA — ainsi qu'un modèle de maturité pour aider chaque entreprise à réagir.

Taux de sortie sécurisé le plus bas parmi les modèles évalués
~32%
Taux de sortie sécurisé le plus élevé — un écart de 2× entre le meilleur et le pire
~65%
Certains modèles produisent deux fois plus de code non sécurisé que d'autres
2x

Pourquoi cette recherche est importante

Le LLM utilisé par votre équipe est une décision de sécurité

L'IA accélère le développement logiciel à chaque étape — du code écrit par l'humain au codage assisté par IA, jusqu'aux systèmes entièrement autonomes prenant des décisions dans les bases de code en production. Et à chaque étape, les entreprises sont confrontées au même problème fondamental : le code généré peut ne pas être sécurisé.

Une nouvelle étude de Secure Code Warrior et de l'Université RMIT présente les premiers benchmarks complets sur la fréquence à laquelle les principaux LLM produisent du code non sécurisé, fournissant aux responsables de la sécurité les données nécessaires pour prendre des décisions éclairées concernant l'adoption de l'IA.

  • Une variation significative selon les modèles.Les taux de sortie sécurisés varient d'environ 32 % à près de 65 % — ce qui signifie que le choix du modèle détermine directement votre niveau d'exposition au risque.
  • Même tâche, résultats très différents.Les modèles ont été évalués sur des problèmes de développement identiques. L'écart en matière de sécurité n'est pas théorique : il se reflète directement dans le code que vos équipes déploient aujourd'hui.
  • Des implications concrètes pour la gouvernance de l'IA en entreprise.À mesure que les systèmes agents gagnent en autonomie, savoir quelle IA a fait quoi — et avec quel niveau de sécurité — devient essentiel pour la conformité et la gestion des incidents.

‍

Le modèle de maturité

Comprenez où se situe votre organisation — et quelles sont les prochaines étapes

En complément des données de benchmarking, cette recherche s'appuie sur le modèle de maturité de gouvernance logicielle IA de Secure Code Warrior : un cadre clair pour évaluer la posture actuelle de votre organisation et les lacunes spécifiques qui génèrent le plus de risques liés à l'IA.

Ce modèle couvre l'intégralité de la transition vers le développement assisté par IA et identifie les angles morts de la plupart des organisations. Il offre aux responsables de la sécurité une vision exploitable des lacunes, ainsi que les mesures à prendre pour les combler.

Étapes de maturité

Ad hoc → Conscient → Défini → Géré → Leader

‍

Trois piliers

  • Observer— Une visibilité sur les contributions de l'IA et les signaux de risque au niveau du commit
  • Gouverner— Des garde-fous sur ce que l'IA peut ou ne peut pas modifier dans votre base de code
  • Apprendre— Des compétences de développement qui évoluent à chaque étape de la transition
Rapport complet · bientôt disponible

Soyez les premiers à accéder à l'étude complète

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.

Réserver une démo
trust score