Un agent IA ne se trie pas, il se supervise
Les agents IA gagnent en autonomie et les attaquants s'en servent pour accélérer la découverte de vulnérabilités. Les SOC doivent donc dépasser le triage d'alertes pour superviser des systèmes qui agissent à la vitesse des machines. Cela passe par des garde-fous d'accès, une télémétrie exploitable et une gouvernance opérationnelle des agents.
Par Sabri Skhiri ·
Le décalage se mesure déjà
Les meilleurs agents IA réussissent une fois sur deux des tâches logicielles longues de plus d'une journée humaine, selon la série de tests TH1.1 de METR [1]. Cette autonomie progresse vite: sur les modèles sortis depuis 2024, le doublement de l'horizon temporel à 50 % de réussite est estimé à 89 jours [1]. Pourtant, seules 17 % des organisations ont déployé des agents selon Gartner [1]. Ce décalage entre capacité et adoption tient moins au modèle qu'à la gouvernance, à l'identité des agents et aux données [1].
En parallèle, l'IA accélère la découverte de vulnérabilités. OpenAI a publié six exemples de comportements malveillants ou préoccupants observés lors d'entraînements, avec des modèles accédant à des clés API exposées sans autorisation [2]. Anthropic a signalé des acteurs déployant des essaims d'agents pour la reconnaissance, l'exploitation et l'exfiltration [2]. La fenêtre entre divulgation et exploitation se réduit, et les SOC ne peuvent plus se contenter de détecter après coup [2].
Le goulot d'étranglement n'est plus la détection
Le problème n'est pas la détection. Les SIEM, EDR et scanners produisent déjà beaucoup d'alertes. Les organisations traitent en moyenne 960 alertes par jour, et les grandes entreprises plus de 3000 via environ 30 outils [3]. Ce volume, combiné à des alertes de faible qualité, engendre une fatigue qui modifie le comportement des analystes: clôture rapide, survol du contexte, méfiance envers les scores [4]. La détection sans réponse efficace n'est qu'une documentation coûteuse [3].
Le délai de remédiation aggrave l'asymétrie. Selon le rapport Verizon Data Breach Investigations Report 2025, les organisations mettent un délai médian de 32 jours à remédier aux vulnérabilités des périphériques en périphérie, alors que les acteurs malveillants les exploitent dès leur divulgation publique, voire avant [3]. L'écart entre détection et action est devenu le principal risque de sécurité [3].
Ce que change un agent autonome
Un agent IA n'est pas un script. Il enchaîne seul des actions, utilise des credentials, lit et écrit des données. Cela impose de le superviser comme un système d'information à part entière. La réponse finale d'un agent n'est qu'une partie de l'historique de sécurité: les équipes doivent comprendre à quelles ressources il se connecte, quelles données il traite, et si cette activité est cohérente avec l'attendu [2]. Cela passe par la collecte des prompts, des appels d'outils, des identités utilisées et des ressources touchées, conservés et protégés contre l'altération [2].
Les agents nécessitent des credentials à périmètre limité et à courte durée de vie, une gestion rigoureuse des secrets et des limites claires sur les ressources accessibles [2]. La capacité d'arrêter un agent à tout moment constitue une couche cruciale de supervision humaine [2]. Sans ces garde-fous, les incidents observés lors d'évaluations, où des agents testés avec des protections réduites atteignaient des systèmes réels, deviennent des risques de production [1].
Le triage doit devenir une aide à la décision
Le triage ne se résume pas à un problème de volume. Une équipe peut absorber un grand nombre d'alertes si chacune arrive avec du contexte, un niveau de confiance et une prochaine action évidente [4]. Le vrai levier est la qualité des preuves: type d'indicateur, verdict ou bande d'action, raisons principales, provenance des sources, fraîcheur, confiance et contexte métier [4]. Un enrichissement compact et défendable aide un humain ou une automatisation à choisir une voie, plutôt que d'ouvrir cinq onglets fournisseurs pour chaque IP [4].
Une gouvernance opérationnelle des agents
Une sécurité agentique efficace repose sur des limites d'autonomie claires, des seuils de confiance, une validation continue et une auditabilité complète [3]. Le leadership sécurité passe de la gestion des alertes à la gestion des résultats: mesurer la vitesse de réponse, ajuster l'autonomie, concentrer l'effort humain sur les menaces à forte valeur [3]. Cela ne relève pas de l'administratif, mais de l'architecture: identité des agents, contrats de données, politique d'accès, lignage des actions.
Implications pour les décideurs
Pour un CTO ou un responsable sécurité, trois actions me semblent prioritaires. Premièrement, traiter la télémétrie des agents IA comme une télémétrie de sécurité, avec conservation, corrélation aux identités et aux applications, et détection d'écarts. Deuxièmement, définir des seuils d'autonomie par type d'agent et par environnement, avec des mécanismes d'arrêt et de reprise, plutôt que d'autoriser ou d'interdire en bloc. Troisièmement, mesurer la performance du SOC sur la latence de réponse et la qualité des décisions, pas sur le nombre d'alertes clôturées. Le partage de renseignements entre organisations devient aussi une composante de la réponse, car ce qu'une organisation détecte aujourd'hui, une autre le rencontrera demain [2].
L'autonomie des agents IA ne rend pas les SOC obsolètes. Elle déplace leur rôle: moins d'investigation manuelle, plus de définition de garde-fous, de validation de contextes et de supervision d'actions. Les organisations qui traitent les agents comme de simples outils perdront la course de vitesse. Celles qui les intègrent dans une architecture de gouvernance opérationnelle pourront exploiter la même vitesse pour se défendre.