CodeMender : Google veut que l'agent qui trouve la faille écrive aussi le correctif

Le 21 juillet 2026, Google Cloud a ouvert en preview CodeMender, un agent qui cherche les failles d'un dépôt, construit un exploit pour prouver qu'elles sont réelles, puis écrit le correctif⁵. En octobre 2025, CodeMender n'était qu'un projet de recherche de Google DeepMind, non diffusé, crédité de 72 correctifs de sécurité soumis à des projets open source¹⁷. En passant du laboratoire au cloud, l'agent a gagné une règle : une faille ne compte que s'il la prouve par un exploit. L'autre règle date de 2025 : un correctif ne part que s'il est testé puis relu par un humain.

D'un projet DeepMind à un produit Google Cloud

Le 6 octobre 2025, Raluca Ada Popa et Four Flynn ont présenté CodeMender sur le blog de Google DeepMind¹. L'agent raisonne avec les modèles Gemini Deep Think et s'appuie sur les outils classiques de l'analyse de programme : analyse statique et dynamique, fuzzing, tests différentiels, solveurs SMT. Un outil de critique fondé sur un LLM compare le code d'origine et le code modifié pour repérer les régressions, et l'agent se corrige à partir de ses remarques. CodeMender prolonge les travaux de Google sur la découverte de failles par IA, Big Sleep et OSS-Fuzz⁸.

En six mois, l'équipe a soumis 72 correctifs à des projets open source, dont l'un compte jusqu'à 4,5 millions de lignes. Raluca Ada Popa a précisé sur X que ces résultats venaient d'un run à puissance de calcul modeste, et que les mainteneurs avaient accepté et intégré les correctifs². Demis Hassabis y a vu un gain possible pour la productivité des développeurs comme pour la sécurité³. The Hacker News a résumé l'enjeu en une ligne : « The next bug bounty? Might go to a bot »⁴.

Le 21 juillet 2026, Michael Gerstenhaber (VP produit Gemini chez Google Cloud) et Clemens Viernickel (directeur produit Cloud AI) ont annoncé la preview⁵. Les entreprises y accèdent par deux portes :

• Gemini Enterprise Agent Platform, avec les modèles Gemini en disponibilité générale, au choix selon le coût, la vitesse et la profondeur d'analyse ;
• AI Threat Defense, la plateforme de sécurité de Google, dont CodeMender devient un composant central, orchestré par Wiz (Google a finalisé son rachat en mars 2026). Wiz enrichit les failles avec le contexte de déploiement, déclenche des tests d'intrusion par son agent Red Agent et confie à CodeMender, via son agent Green Agent, la génération et le test des correctifs. Google annonce pour plus tard le lancement de l'analyse du code depuis Wiz.

Une troisième version, couplée au modèle spécialisé Gemini 3.5 Flash Cyber, reste réservée à un petit nombre de gouvernements et de partenaires de confiance ; Google prévoit d'en élargir l'accès avec le temps. Google annonce le support de modèles tiers de frontière d'ici la fin de l'année. CodeMender couvre C/C++, Go, Java, Python, Ruby, Rust et TypeScript. Salesforce, Robinhood et Palo Alto Networks témoignent dans l'annonce ; Scott Ponte, responsable des opérations de sécurité de Robinhood, affirme que l'agent a trouvé des failles critiques que leurs autres outils dotés d'IA avaient entièrement manquées⁵.

Chercher, prouver, corriger, faire relire

Dans la preview, chaque étape du travail de CodeMender filtre la suivante⁵⁶.

1. Chercher. L'agent parcourt le dépôt à la recherche de classes de failles précises : corruption mémoire, injections, failles web, erreurs cryptographiques, mauvaise gestion des données. Il classe ce qu'il trouve par gravité et par type.
2. Prouver. Pour chaque hypothèse, l'agent établit un plan de vérification, écrit un exploit et l'exécute dans un bac à sable isolé que le client gère lui-même. Google présente cette étape comme sa réponse aux faux positifs des outils d'analyse statique.
3. Corriger. L'agent génère un correctif sous forme de diff. Un second modèle, en position de juge, vérifie que le patch ne casse pas le fonctionnement de l'application. Les équipes peuvent fournir leurs conventions de code pour que le correctif leur ressemble.

Un développeur relit et approuve chaque patch avant qu'il n'entre dans le dépôt. La version de recherche de 2025 appliquait déjà la même discipline : un patch n'était proposé à la revue que s'il corrigeait la cause racine, restait correct sur le plan fonctionnel, ne provoquait aucune régression et suivait les conventions de style du projet ; des chercheurs le relisaient ensuite avant toute soumission aux mainteneurs¹.

Côté exploitation, Google annonce un trafic acheminé par le VPC du client, des données isolées et chiffrées, et aucune conservation du code source. L'agent s'intègre aux chaînes CI/CD ou tourne sur le poste du développeur via une CLI légère, avec VS Code ou Antigravity. Il analyse le code maison comme les composants open source et tiers⁵.

Fermer une classe de failles plutôt qu'un bug

DeepMind a donné à CodeMender deux modes. Le mode réactif corrige une faille dès qu'on la découvre. Le mode proactif réécrit du code existant pour qu'une famille entière de failles ne puisse plus être exploitée¹.

L'exemple choisi par l'équipe est libwebp, la bibliothèque de décodage d'images WebP. CodeMender y a posé des annotations -fbounds-safety : le compilateur Clang ajoute alors des vérifications de bornes sur les accès mémoire annotés. D'après DeepMind, ces annotations auraient rendu inexploitables CVE-2023-4863, la faille utilisée dans une attaque zero-click contre iOS, et la plupart des autres débordements de tampon des zones annotées¹.

Pour une DSI, ce second mode compte davantage que le premier. Corriger un bug ferme une porte ; annoter ou réécrire un module ferme toutes les portes du même type dans ce module, y compris celles que personne n'a encore trouvées.

Ce que CodeMender laisse à votre charge

Les 72 correctifs de 2025 portent sur de l'open source, du code que des milliers de chercheurs et de chasseurs de primes relisent déjà. Vos back-offices, vos API métier et le code livré par un prestataire il y a dix ans n'ont pas ce public. Un agent qui trouve des failles dans libwebp en trouve dans ce code, et un attaquant qui dispose du même type de modèle les trouvera s'il passe le premier (nous détaillons ce raisonnement dans notre analyse sur GLM-5.3 et le code interne).

L'annonce de Google laisse ces questions ouvertes :

• Où tourne le modèle. La preview s'appuie sur Gemini Enterprise Agent Platform et les modèles Gemini ; les modèles tiers arrivent plus tard, et la version Cyber reste réservée. L'annonce ne décrit ni analyse réseau coupé ni exécution sur une infrastructure hors Google Cloud. Votre politique de sécurité doit trancher avant le premier scan.
• Qui confine l'agent. CodeMender écrit et exécute des exploits dans un bac à sable que vous gérez. Un agent qui lance du code d'attaque a besoin d'un poste, de conteneurs et de droits cadrés avant d'ouvrir le premier dépôt.
• Qui relit. Chaque patch passe par un développeur. Quand l'agent produit des correctifs plus vite que l'équipe ne les relit, la revue devient le goulot.
• Quelle trace reste. Google met à jour en continu le harnais de l'agent avec les derniers travaux de DeepMind (compétences, outils de sécurité, prompts système)⁵ : un scan de juillet ne vaut plus pour un scan d'octobre. L'annonce ne dit pas comment dater et conserver chaque passage, alors que le Cyber Resilience Act demande aux fabricants qui mettent un logiciel sur le marché européen de traiter et de documenter les vulnérabilités de leurs produits (voir CRA et SBOM).

AI Cyber : la même discipline, appliquée au code que personne ne relit

L'offre AI Cyber de SFEIR part du même principe que CodeMender : pas de faille remontée sans preuve. Nos agents relisent votre code en boîte blanche, un type de faille à la fois, et livrent chaque faille avec un test qui échoue sur le code actuel, puis avec son correctif. Nous commençons par le legacy, les applicatifs internes et le code sous-traité, là où ni les chercheurs open source ni les contrôles des outils de développement ne passent.

Votre politique de sécurité choisit le modèle et le lieu d'exécution : votre infrastructure, un hébergeur souverain, ou un fournisseur dont vous avez validé les conditions, réseau coupé si besoin. Nous cadrons le confinement des agents avant la première analyse (pourquoi un agent d'analyse n'est pas un bac à sable). Nous relançons l'analyse du stock à chaque nouvelle génération de modèle, et nous consignons chaque passage dans un registre daté : application, type de faille, modèle, date, bugs prouvés, correctifs livrés.

Quand un module accumule les bugs prouvés, nous appliquons la logique du mode proactif de CodeMender : réécrire dans un langage qui ferme la classe de failles trouvée, Rust par exemple pour la mémoire.

Sources

1. Raluca Ada Popa et Four Flynn, « Introducing CodeMender: an AI agent for code security » (Gemini Deep Think, outils d'analyse de programme, outil de critique LLM, 72 correctifs en six mois, projet jusqu'à 4,5 millions de lignes, modes réactif et proactif, libwebp et -fbounds-safety, CVE-2023-4863, critères de validation, revue humaine, Big Sleep et OSS-Fuzz) — deepmind.google, 6 octobre 2025.
2. Raluca Ada Popa (@ralucaadapopa), post sur X (« From only a modest-compute run, our agent submitted 72 high-quality fixes […] and maintainers accepted and upstreamed them ») — x.com, 6 octobre 2025.
3. Demis Hassabis (@demishassabis), post sur X — x.com, 7 octobre 2025.
4. The Hacker News (@TheHackersNews), post sur X — x.com, 7 octobre 2025.
5. Michael Gerstenhaber et Clemens Viernickel, « Now in preview: Find and fix software vulnerabilities with CodeMender » (accès par Gemini Enterprise Agent Platform et AI Threat Defense, rôle de Wiz, Gemini 3.5 Flash Cyber, modèles tiers, langages, étapes scan / verify / remediate / judge, revue humaine, VPC et conservation des données, CLI, VS Code et Antigravity, mise à jour du harnais, témoignages Salesforce, Robinhood et Palo Alto Networks) — cloud.google.com, 21 juillet 2026.
6. Sinisa Markovic, « Google gives developers an AI bug hunter that also writes patches » — helpnetsecurity.com, 24 juillet 2026.
7. Thomas Claburn, « Google DeepMind minds the patch with AI flaw-fixing scheme » (outil non diffusé au public en 2025, revue humaine de chaque patch) — theregister.com, 7 octobre 2025.
8. Duncan Riley, « Google DeepMind unveils CodeMender, an AI agent that autonomously patches software vulnerabilities » (CodeMender présenté comme le prolongement de Big Sleep et d'OSS-Fuzz) — siliconangle.com, 6 octobre 2025.