Larssen Consulting
Sûreté et règles

Test d’intrusion par agent

pentest autonome

Le test d’intrusion par agent est une méthode d’évaluation de la sécurité dans laquelle un agent IA tente seul, avec l’autorisation du propriétaire, de compromettre un système réel, en enchaînant reconnaissance, recherche de failles et exploitation, pour mesurer la solidité de ses défenses.

  • Lecture : 4 minutes
  • Mis à jour le 12 novembre 2026
  • 4 sources

En clair

Pour savoir si sa maison est bien protégée, on peut lire la notice de l’alarme, ou bien demander à un serrurier de confiance d’essayer d’entrer. Le second test est plus parlant : il révèle la fenêtre mal fermée et le double des clés oublié sous le paillasson. En informatique, ce serrurier s’appelle un testeur d’intrusion, ou pentesteur : un spécialiste mandaté pour attaquer les systèmes d’une entreprise comme le ferait un pirate, dans un cadre convenu.

Le test d’intrusion par agent confie ce travail à un agent IA. On lui donne une cible, un périmètre et des outils : scanner de réseau, navigateur, terminal. Il explore, repère une faiblesse, essaie de l’exploiter, rebondit sur ce qu’il a obtenu et recommence, sans qu’un humain lui dise quoi faire à chaque étape. À la fin, il décrit les chemins par lesquels il est entré.

Ce n’est pas la même chose que tester le modèle lui-même. Le red teaming d’un modèle cherche à lui faire produire des réponses dangereuses ; un benchmark offensif mesure ses capacités sur des exercices fabriqués. Ici, l’agent est l’attaquant, et la cible est un système bien réel, celui de l’entreprise.

Un exemple

Une enseigne de distribution fait auditer ses applications web une fois par an par un cabinet spécialisé. Entre deux audits, elle met en ligne des dizaines de nouvelles fonctions. Elle décide de faire tourner chaque semaine un agent de test d’intrusion sur une copie de son site de commande, avec un périmètre écrit : pas de déni de service, pas de données réelles, pas de sortie vers d’autres systèmes.

Dès la deuxième semaine, l’agent trouve un formulaire de recherche vulnérable à une injection SQL et parvient à lire la structure de la base. Un ingénieur sécurité vérifie le résultat, l’équipe de développement corrige, et l’agent confirme la semaine suivante que la faille est fermée. Le cabinet externe reste chargé de l’audit annuel, centré sur les scénarios complexes et la logique métier.

Niveau technique

Comment ça marche

Les premiers travaux datent de 2023 et 2024. PentestGPT, présenté en août 2023 par Gelei Deng et ses coauteurs, organise un grand modèle de langage en trois modules qui interagissent, pour pallier sa difficulté à garder une vue d’ensemble d’un test complet ; les auteurs rapportent une hausse de 228,6 % du taux d’accomplissement des tâches par rapport au modèle de référence 2. En février 2024, Richard Fang et ses coauteurs montrent que des agents fondés sur GPT-4 peuvent pirater seuls des sites web, y compris par extraction aveugle du schéma d’une base de données et injection SQL, sans connaître la faille à l’avance, alors que les modèles ouverts testés n’y parviennent pas 1.

  1. CadrerDéfinir par écrit la cible, le périmètre autorisé, les actions interdites et les conditions d’arrêt.
  2. ReconnaîtreL’agent cartographie la cible : services exposés, pages, paramètres, versions des logiciels.
  3. ExploiterIl teste des failles, tente de les exploiter et rebondit sur chaque accès obtenu vers la suite de l’attaque.
  4. RapporterIl décrit les chemins d’attaque réussis avec leurs preuves, qu’un expert humain vérifie avant correction.

La méthode est passée des laboratoires aux systèmes réels. En juin 2025, la société XBOW annonce que son testeur d’intrusion autonome a pris la première place du classement américain de la plateforme de chasse aux failles HackerOne, avec près de 1 060 vulnérabilités soumises, dont 130 corrigées par les programmes concernés ; ses découvertes, entièrement automatisées, étaient relues par son équipe avant envoi, conformément aux règles de la plateforme 3. En octobre 2026, OpenAI indique avoir utilisé ses modèles les plus puissants pour attaquer l’environnement où il entraîne ses propres modèles : les agents y ont trouvé des vulnérabilités inconnues et des erreurs de configuration, dont le nombre a nettement diminué au fil des corrections, et OpenAI a fait de ce test continu une condition de reprise de ses entraînements 4.

Le test d’intrusion par agent se distingue du red teaming, qui évalue le comportement d’un modèle face à des demandes malveillantes, et des benchmarks offensifs, qui mesurent des capacités sur des environnements fabriqués comme des épreuves de capture de drapeau. Ses limites sont connues : faux positifs à trier, risque de dégâts si le périmètre est mal défini, coût de calcul, et difficulté sur les failles de logique métier qui exigent de comprendre l’activité. Il ne remplace pas l’audit humain, il en augmente la fréquence.

Ce que ça change pour une entreprise

Pour l’entreprise, l’intérêt est la fréquence. Un test d’intrusion humain coûte cher et se fait une ou deux fois par an, alors que le système change chaque semaine. Un agent peut tester chaque nouvelle version, et trouver avant un attaquant les failles simples que celui-ci, équipé des mêmes outils, trouverait aussi 13. C’est aussi un moyen de vérifier qu’une correction tient. Les offres se multiplient, sous forme de plateformes ou de services adossés à des cabinets.

Les risques sont réels. Un agent offensif mal cadré peut perturber la production, toucher des données réelles ou sortir du périmètre autorisé, et l’entreprise reste responsable de ce qu’il fait : il faut une autorisation écrite, un environnement de test quand c’est possible, un arrêt d’urgence et une supervision humaine. Les résultats doivent être relus par un expert, ce qu’exige d’ailleurs la pratique des plateformes de chasse aux failles 3. Enfin, un rapport sans faille trouvée ne prouve pas l’absence de faille.

Idées reçues

  • « Un agent de test d’intrusion remplace l’audit d’un expert. »

    Il augmente la fréquence des tests et trouve les failles courantes, mais les failles de logique métier et le tri des résultats demandent encore un expert.

  • « C’est la même chose que le red teaming d’un modèle. »

    Le red teaming teste le modèle et ses réponses. Ici, l’agent est l’attaquant, et la cible est un système réel de l’entreprise.

  • « Comme c’est automatique, on peut le lancer sur la production sans précaution. »

    Un agent offensif peut casser ou exposer des données. Il faut un périmètre écrit, un arrêt d’urgence et, autant que possible, un environnement de test.

Sources

  1. Fang, Bindu, Gupta, Zhan et Kang, « LLM Agents can Autonomously Hack Websites », 2024
  2. Deng et al., « PentestGPT: An LLM-empowered Automatic Penetration Testing Tool », 2023
  3. XBOW, « The Road to Top 1: How XBOW Did It », 2025
  4. OpenAI, « Securing our frontier model training environment », 2026

Voir aussi