// CLUBIC — INTELLIGENZA ARTIFICIALE
Codex fonce, Claude Code hésite, Gemini CLI dit non : YesWeHack fait un test qui en dit long sur les IA !
YesWeHack a confronté trois agents IA, Codex, Claude Code et Gemini CLI, à des failles de sécurité cachées. Chacun excelle sur un maillon précis du bug bounty, mais aucun ne gère la chaîne complète.
Les agents IA ont débarqué dans la cybersécurité, et la plateforme française YesWeHack, toujours avide de tests en tous genres, a voulu les mettre à l'épreuve. Elle a lancé Codex, Claude Code et Gemini CLI sur des exercices de piratage où la faille, la vulnérabilité restait cachée. Chacun a réagi à sa façon, avec l'un qui l'exploitait seul, l'autre qui dénichait sans conclure, et le dernier qui refusait même de toucher à la cible. Retour sur un test révélateur des forces et des limites de ces outils, qui nous montre qu'en bug bounty, ces intelligences artificielles accélèrent le travail mais ne remplacent pas encore le jugement humain.
Pour ce comparatif d’agents IA, YesWeHack a opté pour un test à l’aveugle, façon examen surprise. Ces agents en ligne de commande n’ont rien d’un chatbot classique, car installés dans le terminal du hacker, ils agissent en quasi-autonomie, lancent eux-mêmes les commandes et pilotent les outils à sa place. Chacun devait résoudre deux « labs » PortSwigger (des exercices de piratage encadrés) sans qu’on lui révèle la nature de la faille, et sans droit de décoder l’indice dissimulé dans la page. Pour travailler, ils s’appuyaient sur Burp Suite, le couteau suisse des chasseurs de failles, qui capture et dissèque tout le trafic échangé avec le site. Le seul point commun aux trois épreuves fut une faille XSS, ou cross-site scripting, une technique qui consiste à injecter du code malveillant côté navigateur.
Codex, propulsé par GPT-5.6, s’est révélé le plus débrouillard en solo. La faille XSS a été bouclée en moins de quatre minutes. Il a ensuite déjoué un système d’authentification JWT, ces jetons numériques qui servent de carte d’identité le temps d’une session, en à peine une minute et quatorze secondes, avant de se hisser au rang d’administrateur et de le prouver, preuve à l’appui. Là où les autres tâtonnent, on peut dire que lui enchaîne, puisque lorsque sa méthode se complique, il la simplifie, et mène chaque attaque à son terme sans qu’on ait à lui tenir la main.
Claude Code, animé par Opus 4.8, a brillé sur un autre terrain, celui de l’exploration et la découverte. Dans le détail, il dresse vite la carte d’une application, repère ses rouages fragiles et flaire les bonnes pistes. Mais au moment de porter le coup final, il cale. Sur le lab XSS, il a tourné en rond près de vingt minutes, sans voir qu’une simple redirection, le site renvoyait la requête vers une autre adresse, lui barrait la route. Rebelote sur le terrain serveur, il a bien repéré une faille de « contrebande de requêtes », technique retorse qui glisse une requête clandestine dans une autre pour tromper le serveur, mais il lui a fallu trente-quatre minutes et un humain pour reproduire l’attaque et prouver son impact.
Gemini CLI, lui, a joué disons une tout autre partition, sans doute la plus déconcertante du trio. Même averti que le test était autorisé et parfaitement dans les règles, il a refusé net d’attaquer la cible. Du coup, reconverti en analyste, chargé cette fois d’éplucher le trafic déjà capturé, il s’est révélé redoutable, avec des failles repérées en quelques secondes, et des explications limpides à l’appui. Mais tout le travail offensif, à savoir forger la charge malveillante, la lancer, puis démontrer les dégâts, est resté entre des mains humaines.
Attention toutefois à ne pas tirer de conclusions hâtives. YesWeHack le reconnaît volontiers : ces chiffres proviennent de sessions uniques, jouées une seule fois, et non d’un classement définitif. Surtout, chaque agent a affronté côté serveur une faille d’une famille différente, avec contrebande de requêtes pour l’un, contournement de jeton JWT pour l’autre, et désérialisation Java pour le dernier, c’est-à-dire la manière dont un programme reconstruit des données reçues, un