Les entreprises indiennes de cybersécurité utilisent l’IA pour réduire les tests de vulnérabilités à quelques heures

Des entreprises indiennes de cybersécurité, dont Indusface et Astra Security, adoptent des agents IA construits sur de grands modèles de langage afin d’accélérer les tests de vulnérabilités logicielles, faisant passer les délais de quelques jours ou semaines à quelques heures, d’après The Economic Times. Ce changement reflète l’augmentation de la vitesse des attaquants et le fait que les outils d’IA développent désormais la capacité d’identifier des exploits de façon autonome, poussant les entreprises à mettre en place des tests automatisés pour rester à la hauteur des menaces en constante évolution.

Accélération du temps de test

Les évaluations de sécurité pour de gros clients, qui nécessitaient auparavant quatre à cinq jours — voire jusqu’à 20 jours pour des applications plus importantes — se terminent désormais en quelques heures, selon Ashish Tandon, PDG d’Indusface. Cette accélération permet aux équipes de sécurité d’identifier et de traiter les vulnérabilités plus rapidement à mesure que le paysage des menaces évolue.

Vitesse des attaquants et croissance des vulnérabilités

L’urgence de tests plus rapides est soulignée par des données émergentes sur les capacités des attaquants. CrowdStrike a indiqué que le délai moyen d’aboutissement d’une intrusion (breakout) est tombé à 48 minutes en 2025. De son côté, Gartner prévoit que les vulnérabilités documentées annuelles dépasseront 1 million d’ici 2030, contre environ 277 000 en 2025 — une hausse proche d’un quadruplement.

Expansion des capacités de l’IA

Proofpoint, qui a étendu ses opérations en Inde l’an dernier, a noté que les agents IA permettent de passer en revue des milliers d’alertes de menace chaque jour. Cette automatisation répond à un défi majeur : les entreprises font face à un resserrement des réglementations sur les données et à une pénurie d’analystes sécurité qualifiés. La capacité dépasse le simple tri des alertes ; selon Anthropic, l’aperçu de Claude Mythos a identifié un bug dans OpenBSD, un système d’exploitation open source, qui était resté non détecté pendant 27 ans. Le même modèle a aussi atteint un taux de réussite de 72,4 % pour convertir des vulnérabilités connues en exploits opérationnels, contre 14,4 % pour Opus 4.6, un modèle plus ancien d’Anthropic.

Remédiation et disparité organisationnelle

Si l’IA accélère la découverte des vulnérabilités, la remédiation — le processus de correction des problèmes de sécurité — demeure un goulot d’étranglement qui exige une validation et une revue humaine. D’après Arctic Wolf, une entreprise de cybersécurité, 76 % des compromissions dans ses cas de réponse à incident impliquaient une ou plusieurs des 10 vulnérabilités connues pour lesquelles des correctifs étaient disponibles avant l’exploitation. Cet écart pourrait s’accentuer dans l’écosystème de la sécurité : les grandes entreprises dotées de capacités de détection et de remédiation pilotées par l’IA pourraient dépasser les organisations plus petites, dépourvues de personnel ou de budget suffisants pour gérer le volume de vulnérabilités identifiées.