CrowdStrike redéfinit l'IA en cybersécurité globale

CrowdStrike publie, le 6 août 2026, une réflexion consacrée à l’élargissement des benchmarks d’intelligence artificielle appliqués à la cybersécurité. Signé Keegan Hines et Chase Midler, l’article estime que l’évaluation des modèles ne doit plus se concentrer uniquement sur la découverte de vulnérabilités, la génération d’exploits ou la création automatisée de preuves de concept.

Les vulnérabilités ne suffisent plus

Ces capacités occupent aujourd’hui une place centrale dans les discussions sur l’IA en cybersécurité. Leur intérêt tient notamment à la clarté de leurs résultats : une vulnérabilité existe ou n’existe pas, et un modèle peut réussir ou échouer à produire un exploit ou une preuve de concept. Ces tâches offrent ainsi des indicateurs binaires, utiles pour mesurer les progrès des modèles et illustrer l’évolution de leurs capacités techniques.

CrowdStrike reconnaît l’importance de la découverte de vulnérabilités pour les défenseurs. Selon le Verizon 2026 Data Breach Investigations Report, l’exploitation de vulnérabilités est devenue le vecteur d’accès initial le plus fréquent, avec 31 % des compromissions recensées dans l’échantillon du rapport. L’entreprise décrit cette proportion comme une part importante et croissante du problème, ce qui justifie la poursuite des travaux sur les capacités d’IA dans ce domaine.

69 % des brèches par d’autres voies

Le même chiffre souligne toutefois la limite d’une évaluation centrée sur les vulnérabilités : 69 % des compromissions commencent par d’autres moyens. CrowdStrike cite notamment l’abus d’identifiants, le phishing, l’ingénierie sociale et les relations de confiance. Ces techniques d’accès restent au cœur des méthodes employées par les adversaires et doivent donc être prises en compte dans l’évaluation des systèmes d’IA destinés à la défense.

L’entreprise propose ainsi un cadre plus large, qui mesurerait non seulement la capacité d’une IA à découvrir et exploiter une vulnérabilité, mais aussi son utilité pour les équipes de sécurité. Les critères évoqués incluent la détection des abus d’identité, l’investigation d’activités suspectes, la conception de détections efficaces, la chasse aux adversaires et la réponse aux incidents sur l’ensemble du cycle d’attaque.

Évaluer l’IA face au travail réel

Pour CrowdStrike, une IA efficace pour la défense doit être évaluée à partir de la réalité opérationnelle des équipes de sécurité. Cela implique de tenir compte de la diversité des techniques utilisées pour obtenir un accès initial, du travail nécessaire tout au long de la chaîne d’attaque et des tâches qui mobilisent le plus de temps chez les défenseurs.

L’article commence notamment par le cas de la détection des comportements adverses après l’accès initial. À ce stade, les équipes doivent repérer et trier les activités suspectes au milieu d’un volume massif d’alertes, en distinguant le signal du bruit. CrowdStrike souligne que la rapidité de cette étape détermine la capacité à contenir l’adversaire, mais la source s’interrompt avant de détailler la suite de cette analyse.