GitHub et Microsoft font état de 55 problèmes de sécurité corrigés après un essai d’analyse par AI
L’essai a produit 99 rapports privés vérifiés, accompagnés de propositions de correctifs, sur six projets à code source ouvert. Parmi les correctifs, 14 avaient été intégrés à des versions publiées des logiciels.
Les numéros entre crochets renvoient aux sources ci-dessous.
GitHub a annoncé le 17 novembre 2026 que son essai d’analyse de sécurité mené avec Microsoft avait produit 99 rapports privés vérifiés, assortis de propositions de correctifs, sur six projets à code source ouvert[1The GitHub BlogMaintainers don’t need more AI bug reports. They need fixes.Ouvrir la sourceSources [1]]. Selon SecurityBrief, les responsables de la maintenance avaient corrigé 55 problèmes et publié 14 correctifs[2SecurityBrief USGitHub & Microsoft pilot AI bug scans in open sourceOuvrir la sourceSources [2]].
Selon SecurityBrief, le système a d’abord signalé 9 791 problèmes potentiels, soumis à un filtrage automatique et à une vérification humaine avant l’envoi des rapports aux responsables de la maintenance[2SecurityBrief USGitHub & Microsoft pilot AI bug scans in open sourceOuvrir la sourceSources [2]]. L’essai associait le système d’analyse Codename MDASH de Microsoft au filtrage par AI de GitHub Security Lab et aux vérifications manuelles de chercheurs de Microsoft[2SecurityBrief USGitHub & Microsoft pilot AI bug scans in open sourceOuvrir la sourceSources [2]]. Il portait sur AutoGPT, Caddy, Express, FastMCP, ImageMagick et Netty[2SecurityBrief USGitHub & Microsoft pilot AI bug scans in open sourceOuvrir la sourceSources [2]].
Microsoft présente MDASH comme un analyseur de code intégré à Microsoft Defender, dont les agents d’AI spécialisés procèdent par étapes pour repérer les vulnérabilités et établir les preuves de leur existence[3Microsoft LearnCodename MDASH overview (preview)Ouvrir la sourceSources [3]]. Durant la phase de préparation, le système classe les fichiers par priorité en évaluant les risques à partir de la complexité du code et des relations entre les appels de fonctions[3Microsoft LearnCodename MDASH overview (preview)Ouvrir la sourceSources [3]].
GitHub a indiqué que les responsables de la maintenance font déjà face à un afflux de signalements de sécurité générés par AI, dont des rapports en double et des résultats qui ne correspondent pas à des vulnérabilités[1The GitHub BlogMaintainers don’t need more AI bug reports. They need fixes.Ouvrir la sourceSources [1]]. Si l’AI accélère et réduit le coût de la détection des failles potentielles, les correctifs exigent toujours un jugement humain, a précisé l’entreprise[1The GitHub BlogMaintainers don’t need more AI bug reports. They need fixes.Ouvrir la sourceSources [1]]. GitHub a invité toute personne qui analyse un projet avec un nouveau modèle à demander au préalable l’accord des responsables de sa maintenance et à fournir des correctifs avec les résultats[1The GitHub BlogMaintainers don’t need more AI bug reports. They need fixes.Ouvrir la sourceSources [1]].
Sources
- 1Maintainers don’t need more AI bug reports. They need fixes.
PrimaireThe GitHub BlogConsultée
- 2GitHub & Microsoft pilot AI bug scans in open source
IndépendanteSecurityBrief USConsultée
- 3Codename MDASH overview (preview)
PrimaireMicrosoft LearnConsultée
Le système éditorial d’ITANU a produit cet article avec l’IA et l’a vérifié auprès des sources citées ci-dessus. Notre méthode


