Intelligence artificielle vs intelligence humaine : qui gagnera la partie ?
Lâaffrontement entre lâintelligence artificielle et lâintelligence humaine est souvent prĂ©sentĂ© comme un duel dans lequel lâune finirait nĂ©cessairement par remplacer lâautre. La rĂ©alitĂ© est beaucoup moins simple. Les deux fonctionnent de maniĂšre trĂšs diffĂ©rente et leurs forces ne se recouvrent pas totalement. LâIA peut traiter des volumes considĂ©rables dâinformations, rĂ©pĂ©ter une tĂąche sans fatigue et exĂ©cuter certaines opĂ©rations Ă une vitesse inaccessible Ă un humain. LâĂȘtre humain dispose dâune capacitĂ© dâadaptation, dâune expĂ©rience du monde rĂ©el et dâune comprĂ©hension du contexte qui restent difficiles Ă reproduire. Mais 2026 montre aussi que la frontiĂšre Ă©volue. Les modĂšles ne se contentent plus de rĂ©pondre Ă une question. Les agents peuvent dĂ©sormais utiliser des outils, dĂ©composer une tĂąche, enchaĂźner plusieurs opĂ©rations et agir avec une autonomie qui, mĂȘme limitĂ©e, change progressivement la nature du problĂšme.
La cybersĂ©curitĂ© permet de mesurer cette Ă©volution trĂšs concrĂštement. Les modĂšles peuvent analyser dâimportantes quantitĂ©s de code, comparer diffĂ©rentes implĂ©mentations et rechercher des vulnĂ©rabilitĂ©s Ă une Ă©chelle difficilement envisageable pour une Ă©quipe humaine. Dans la sĂ©curitĂ© des smart contracts, cette capacitĂ© peut ĂȘtre particuliĂšrement utile pour identifier rapidement des erreurs connues ou des anomalies techniques. Mais les rĂ©sultats restent trĂšs variables selon la nature de la vulnĂ©rabilitĂ©. Un modĂšle peut repĂ©rer efficacement un problĂšme dans un contrat isolĂ© et passer Ă cĂŽtĂ© dâun risque qui apparaĂźt uniquement lorsque plusieurs contrats interagissent. Câest une limite essentielle dans la DeFi, oĂč la sĂ©curitĂ© ne dĂ©pend pas seulement de chaque composant pris sĂ©parĂ©ment, mais Ă©galement des relations entre les protocoles.
Le cas de Curve LlamaLend sDOLA illustre cette difficultĂ©. Les analyses rĂ©alisĂ©es avec des modĂšles dâIA ont montrĂ© quâun systĂšme pouvait examiner les contrats concernĂ©s sans nĂ©cessairement identifier le mĂ©canisme Ă©conomique permettant lâexploitation de leur interaction. Lâattaque combinait notamment des mĂ©canismes de marchĂ©, un systĂšme de prĂȘt, un oracle et des liquidations. Pris sĂ©parĂ©ment, chaque Ă©lĂ©ment pouvait sembler cohĂ©rent. Câest leur combinaison qui crĂ©ait le risque. Ce type de vulnĂ©rabilitĂ© demande donc davantage quâune simple lecture du code. Il faut comprendre les incitations Ă©conomiques, les mouvements de liquiditĂ©, les effets dâune variation de prix et les consĂ©quences dâune action sur plusieurs protocoles. LâIA peut aider Ă explorer cet environnement, mais elle ne garantit pas encore une comprĂ©hension globale et fiable de ses consĂ©quences.
Le mĂȘme phĂ©nomĂšne existe du cĂŽtĂ© offensif. Les Ă©vĂ©nements observĂ©s en 2026 montrent que lâIA peut rĂ©duire le coĂ»t de certaines opĂ©rations malveillantes. Des acteurs peuvent utiliser des modĂšles pour automatiser une partie de la reconnaissance, rechercher des vulnĂ©rabilitĂ©s, analyser des informations, produire du code ou adapter certaines opĂ©rations lorsquâune dĂ©fense est rencontrĂ©e. Anthropic a notamment documentĂ© en septembre des campagnes dans lesquelles Claude Ă©tait intĂ©grĂ© Ă des chaĂźnes dâattaque comportant plusieurs agents et plusieurs Ă©tapes automatisĂ©es. Lâhumain restait prĂ©sent dans certaines dĂ©cisions, mais une partie croissante de lâexĂ©cution pouvait ĂȘtre confiĂ©e aux systĂšmes. Le changement est important. LâIA ne donne pas nĂ©cessairement aux attaquants des capacitĂ©s entiĂšrement nouvelles. Elle leur permet surtout dâexĂ©cuter certaines opĂ©rations plus rapidement et Ă plus grande Ă©chelle.
Câest Ă©galement ce qui explique lâimportance croissante des agents. Un modĂšle traditionnel reçoit une instruction et produit une rĂ©ponse. Un agent peut recevoir un objectif, rechercher les informations nĂ©cessaires, utiliser diffĂ©rents outils, Ă©crire ou exĂ©cuter du code, vĂ©rifier le rĂ©sultat puis recommencer si nĂ©cessaire