Gemini 3.5 Flash Cyber est le nouveau modèle d’intelligence artificielle de Google entièrement dédié à la cybersécurité. À l’heure où les cybercriminels utilisent eux aussi l’IA pour repérer des vulnérabilités toujours plus rapidement, Google mise sur un outil capable d’automatiser l’analyse du code. Son objectif est d’aider les équipes de sécurité à détecter les failles avant qu’elles ne soient exploitées.
Développé par Google DeepMind et intégré à l’agent CodeMender, Gemini 3.5 Flash Cyber analyse les bases de code, vérifie si les vulnérabilités sont réellement exploitables et propose des correctifs automatiques. Grâce à sa rapidité d’exécution, il peut explorer un grand nombre de scénarios en peu de temps. Cette capacité en fait une solution particulièrement adaptée à la sécurisation de logiciels complexes.
Qu’est-ce que Gemini 3.5 Flash Cyber ?
Gemini 3.5 Flash Cyber est un modèle d’IA spécialisé dans la cybersécurité. Basé sur l’outil Gemini 3.5 Flash, il a été entraîné pour accomplir trois tâches essentielles. Il peut détecter des vulnérabilités dans une base de code, vérifier qu’elles sont réellement exploitables et générer automatiquement une proposition de correctif.
Il ne s’agit pas d’un chatbot accessible au grand public, mais d’un composant intégré à CodeMender, l’agent de sécurité développé par Google. L’objectif est d’assister les équipes de développement tout au long du cycle de vie d’un logiciel, depuis l’écriture du code jusqu’à son déploiement.
Pour y parvenir, CodeMender s’appuie sur plusieurs instances de Gemini 3.5 Flash Cyber qui travaillent en parallèle. Au lieu d’analyser un fichier une seule fois, ces sous-agents explorent différents chemins d’exécution, testent diverses hypothèses dans des environnements isolés, puis regroupent leurs résultats dans un rapport unique. Cette approche augmente les chances de découvrir des vulnérabilités complexes qui pourraient passer inaperçues lors d’une analyse classique.
En raison de son potentiel à double usage, Google limite pour l’instant l’accès au modèle. Les mêmes capacités qui permettent d’identifier une faille pourraient aussi servir à l’exploiter si elles étaient utilisées à mauvais escient. Gemini 3.5 Flash Cyber est donc réservé à un programme pilote destiné à des organismes gouvernementaux et à un nombre restreint de partenaires de confiance.
Pourquoi Google mise sur un modèle léger ?
Détecter une vulnérabilité dans un logiciel moderne est une tâche particulièrement complexe. Les applications professionnelles, les systèmes d’exploitation ou les navigateurs comme Chrome représentent parfois plusieurs dizaines de millions de lignes de code. Une faille peut se cacher dans une combinaison très précise de conditions, de fonctions ou de variables, ce qui rend son identification difficile, même pour des outils automatisés.
On pourrait penser qu’un modèle d’IA toujours plus puissant est la meilleure solution. Pourtant, ce n’est pas le choix retenu par Google. Analyser chaque scénario avec un très grand modèle demanderait davantage de ressources, augmenterait les coûts et ralentirait considérablement les analyses. À grande échelle, cette approche deviendrait vite difficile à déployer dans un environnement de développement où des milliers de modifications sont examinées chaque jour.
Gemini 3.5 Flash Cyber is our specialized, lightweight model built to help security teams spot and patch vulnerabilities before they can be exploited. 🧵 pic.twitter.com/XpiKcvwjeI
— Google DeepMind (@GoogleDeepMind) July 23, 2026
Gemini 3.5 Flash Cyber adopte une stratégie différente. Plutôt que de réaliser une seule analyse très coûteuse, le modèle privilégie des analyses rapides et répétées. Au sein de CodeMender, il peut être sollicité plusieurs fois sur un même morceau de code afin d’explorer différents scénarios d’exécution et de tester plusieurs hypothèses.
Cette rapidité permet également d’intégrer l’analyse directement dans les pipelines d’intégration et de déploiement continus (CI/CD). À chaque nouvelle modification du code, CodeMender peut lancer automatiquement une série de contrôles avant la mise en production. Les développeurs obtiennent ainsi un retour rapide sur d’éventuelles failles, sans ralentir le rythme de développement.
Des résultats solides sur plusieurs benchmarks
Les premiers tests réalisés par Google montrent qu’un modèle spécialisé dans la cybersécurité peut obtenir des résultats comparables à ceux de modèles beaucoup plus imposants. En combinant Gemini 3.5 Flash Cyber avec l’agent CodeMender, Google évalue non seulement la capacité du modèle à trouver des failles, mais aussi sa faculté à analyser plusieurs pistes successives pour améliorer ses résultats.
| Évaluation | Périmètre du test | Résultat de Gemini 3.5 Flash Cyber |
| CyberGym | Résolution de vulnérabilités réelles | Résultats proches de modèles beaucoup plus grands |
| Big Sleep Evaluation | Logiciels complexes comme Chrome et Safari | Meilleures performances que les versions généralistes de Gemini |
| Scanner de commits Chrome | Analyse de modifications de code inédites | Détection améliorée face aux modèles standards |
| Moteur JavaScript V8 | Recherche de vulnérabilités uniques | 55 failles détectées contre 36 pour Claude Opus 4.6 |
Google adopte avec Gemini 3.5 Flash Cyber une stratégie basée sur des modèles spécialisés, chacun conçu pour un usage précis plutôt qu’un système unique capable de tout gérer. Alors que Gemini 3.6 Flash cible les usages généraux et Gemini 3.5 Flash-Lite les traitements rapides à grande échelle, Flash Cyber se concentre exclusivement sur la cybersécurité.
Des résultats déjà observés dans les projets de Google
Les benchmarks ne représentent qu’une partie de l’évaluation. Google indique également utiliser Gemini 3.5 Flash Cyber sur plusieurs projets internes, notamment Android, Chrome, Google Cloud, Google Ads et YouTube.
Lors d’un test mené par les équipes de sécurité de Google Cloud, le modèle aurait identifié en moins de deux heures plusieurs vulnérabilités importantes dans des services en production, dont des problèmes liés à la corruption mémoire et à l’exécution de code à distance dans certaines API publiques.
Pour mesurer l’impact réel de ces découvertes, Google a demandé au modèle de démontrer l’exploitabilité de certaines failles. Gemini 3.5 Flash Cyber a alors réussi à produire un scénario d’exploitation fonctionnel capable de contourner plusieurs protections courantes, comme ASLR, qui rend plus difficile la localisation des éléments en mémoire, ou W^X, qui empêche certaines zones mémoire d’être utilisées simultanément pour écrire et exécuter du code.
L’importance des données d’entraînement : OSV.dev et OSS-Fuzz
La qualité d’une IA de cybersécurité dépend largement des données sur lesquelles elle a appris. Dans ce domaine, Google dispose d’importantes ressources grâce à plusieurs initiatives consacrées à la sécurité logicielle.
La base OSV.dev rassemble des centaines de milliers de vulnérabilités identifiées dans des projets open source. Le programme OSS-Fuzz complète ces données avec des années de tests automatisés réalisés sur de nombreux logiciels utilisés par les développeurs du monde entier.
Grâce à ces sources, Gemini 3.5 Flash Cyber ne s’entraîne pas uniquement sur des exemples théoriques. Le modèle apprend à partir de problèmes rencontrés dans des projets réels, ce qui lui permet de mieux comprendre les erreurs courantes, les configurations à risque et les méthodes utilisées par les chercheurs en sécurité. Cette base de connaissances joue un rôle essentiel dans sa capacité à analyser de grandes quantités de code et à proposer des corrections adaptées.
Une technologie qui nécessite un contrôle strict
Les capacités de Gemini 3.5 Flash Cyber soulèvent naturellement des questions de sécurité. Une IA capable d’identifier automatiquement des failles représente un atout important pour les équipes de sécurité. Cependant, on peut également détourner cette technologie pour rechercher des vulnérabilités à des fins malveillantes.
Google limite donc actuellement l’accès au modèle dans le cadre d’un programme pilote avec certains partenaires. Cette approche permet de tester ses capacités tout en réduisant les risques liés à une diffusion trop large.
Pour les entreprises qui n’ont pas accès directement au modèle, Google met plutôt en avant les fonctions de sécurité issues de CodeMender intégrées à ses plateformes générales. L’objectif est de diffuser les bénéfices de l’automatisation sans exposer les fonctionnalités les plus sensibles.
FAQ : Questions clés sur Gemini 3.5 Flash Cyber
Comment Gemini 3.5 Flash Cyber s’intègre-t-il dans un pipeline CI/CD ?
L’intégration passe par CodeMender, qui sert d’intermédiaire entre le dépôt de code et le modèle. Dès qu’une équipe soumet une modification, l’agent analyse le code dans un environnement isolé. Il identifie les failles potentielles et propose des corrections avant la mise en production.
Les données analysées sont-elles utilisées pour entraîner les futurs modèles de Google ?
Selon Google, l’entreprise traite les morceaux de code transmis dans le cadre du programme pilote dans des environnements isolés et ne les utilise pas pour entraîner de futurs modèles.
Peut-on utiliser CodeMender dans un environnement privé ou souverain ?
Google prévoit des déploiements adaptés aux environnements nécessitant un contrôle renforcé, notamment via des infrastructures cloud privées ou des périmètres dédiés.
Un humain doit-il valider les corrections proposées ?
Oui. Le principe reste celui de l’humain dans la boucle. Même si Gemini 3.5 Flash Cyber peut analyser une vulnérabilité et proposer un correctif, un développeur ou un responsable sécurité doit vérifier et approuver la modification avant son intégration dans le code final.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
