Calipia : le blog

Il y a quelque chose d’assez vertigineux à confier l’audit du système nerveux central de l’argent mondial à un modèle de langage. C’est pourtant le choix qu’a fait Visa, et l’entreprise ne s’en cache pas : elle en a fait la démonstration publique lors de VB Transform 2026, par la voix de Rajat Taneja, son président technologie depuis 2019, passé par Electronic Arts puis quinze ans chez Microsoft avant cela.

Le terrain de jeu n’a rien d’anodin. Le réseau visé s’étend sur plus de 200 pays et territoires, fait circuler l’argent dans environ 160 devises, et relie près de 5 milliards de moyens de paiement à plus de 175 millions de points de vente marchands. Face à cette infrastructure, Anthropic a proposé à Visa de tester Claude Mythos, son modèle non encore disponible au grand public, dans le cadre du programme Project Glasswing, qui invite des organisations opérant des systèmes critiques à stresser le modèle sur des environnements de production réels plutôt que sur de simples benchmarks. 

Le résultat mérite qu’on s’y attarde, moins pour le chiffre brut que pour sa nature. Le modèle n’a pas se contenté de repérer des failles isolées : il a assemblé des faiblesses mineures, disséminées à différents niveaux de la pile technique, en véritables chaînes d’exploitation, un travail de corrélation qui aurait normalement émergé beaucoup plus tard dans un exercice de pentest classique. C’est là tout l’argument de vente de l’IA agentique en sécurité : là où un scanner traditionnel liste des CVE isolées, un modèle capable de raisonnement peut relier les points et reconstituer un scénario d’attaque complet. Sur le papier, c’est un vrai changement de paradigme. Dans les faits, cela suppose aussi de faire confiance à un modèle pour explorer, sans filet, l’infrastructure qui fait tourner une bonne partie du commerce mondial. 

Visa a visiblement anticipé l’objection, puisque le harnais qui a encadré l’exercice ne laisse pas le modèle libre de ses mouvements. Baptisé Visa Vulnerability Agentic Harness (VVAH), il combine le raisonnement du modèle avec des garde-fous déterministes, des politiques de contrôle et une supervision humaine, en séparant la modélisation des menaces de l’analyse plus fine qui suit, pour concentrer l’effort sur les surfaces d’attaque pertinentes. Plusieurs processus de raisonnement indépendants doivent en outre converger vers des conclusions similaires avant qu’une vulnérabilité ne progresse dans le pipeline, une forme de vote entre agents censée limiter les faux positifs et les hallucinations. Selon la presse spécialisée, l’outil en est désormais à sa cinquième génération et couvre quatre phases et onze étapes, de l’ingestion du code jusqu’à la validation du correctif. 

Le point le plus intéressant, pour un DSI, n’est peut-être pas la technique mais la gouvernance de la mesure. Plutôt que de continuer à piloter avec les métriques classiques de remédiation, l’équipe de Taneja a introduit un indicateur maison, le Mean Time to Adapt : l’idée que corriger un correctif est une posture réactive, alors qu’une organisation devrait mesurer sa capacité à s’adapter en continu face à une menace elle-même mouvante. Concrètement, cet indicateur combine la fraîcheur de l’inventaire des actifs, le nombre de chemins d’exploitation encore possibles par version livrée, et le temps de cycle de validation. L’intention est louable, mais on notera qu’il s’agit d’un métrique propriétaire, défini et calculé par Visa selon ses propres critères : difficile, pour l’instant, de le comparer d’une organisation à l’autre ou d’en vérifier la robustesse de l’extérieur. 

Reste un fait notable, presque contre-intuitif : l’architecture zero-trust et la segmentation réseau existantes de Visa ont empêché l’exploitation effective de la moindre des vulnérabilités identifiées durant l’exercice. Autrement dit, l’IA a trouvé des failles bien réelles, mais les défenses en profondeur, construites sur des années, ont tenu. C’est un bon rappel que l’IA excelle à la découverte, pas nécessairement à la démonstration d’impact, et que l’architecture reste, pour l’instant, la meilleure ligne de défense.

Côté ouverture, Visa a choisi de ne pas garder l’outil pour elle. Le 10 juin 2026, Taneja et la RSSI de Visa, Subra Kumaraswamy, ont annoncé la publication du VVAH en open source sur GitHub. Une couche d’abstraction permet de brancher le harnais sur Claude, sur des modèles compatibles OpenAI, ou sur un mélange des deux, sans toucher au plan de contrôle. La documentation du dépôt est cependant honnête sur ses limites : l’application effective d’un correctif nécessite des outils d’édition de fichiers que seuls les backends Anthropic exposent, ce qui signifie que les étapes de remédiation et de validation restent aujourd’hui pleinement fonctionnelles uniquement avec les modèles Anthropic, un modèle compatible OpenAI se limitant à produire un rapport. Difficile de ne pas y voir un habillage habile : l’outil est ouvert, certes, mais son cœur utile reste attaché à l’écosystème de celui qui a fourni le crédit de calcul. 

Et sur ce point, les chiffres méritent d’être posés noir sur blanc. Anthropic a fourni à Visa jusqu’à 100 millions de dollars de crédits dans le cadre de Project Glasswing, auxquels s’ajoutent 4 millions spécifiquement fléchés vers le travail d’open source. Claude Mythos, lui, reste indisponible au grand public. L’opération a donc aussi valeur de vitrine pour Anthropic, qui peut afficher un cas d’usage extrême, chez l’un des opérateurs financiers les plus scrutés au monde, pour un modèle qu’elle n’a pas encore mis sur le marché. 

Enfin, Visa ne s’arrête pas au cas isolé : l’entreprise a mis à jour ses pratiques de développement sécurisé pour exiger la remédiation des chemins d’exploitation avant mise en production, renforcé ses exigences de sécurité fournisseurs avec validation continue des vulnérabilités, SBOM et bases de référence MTTA, et rejoint Project Lightwell, une initiative portée par IBM et Red Hat visant à améliorer la sécurité des logiciels open source largement utilisés grâce à la validation par l’IA et au patch coordonné.

Pour un DSI ou un RSSI, l’enseignement à retenir n’est pas tant « Visa a trouvé 10 000 failles grâce à l’IA », chiffre spectaculaire mais peu actionnable en soi, que la manière dont l’entreprise a construit un cadre de gouvernance autour du modèle plutôt que de lui déléguer un pouvoir d’action. Le vote entre agents, la séparation stricte des phases, la supervision humaine obligatoire avant remédiation : c’est probablement cette discipline d’ingénierie, plus que la puissance brute du modèle, qui mérite d’être copiée. Le reste, le métrique maison et la dépendance persistante à un seul fournisseur pour la partie qui compte, s’apparente davantage à une opération de communication bien exécutée qu’à une rupture technologique universelle.