No. 02 · Conceptual

L’impératif cybernétique

Alors que les menaces externes augmentent chaque jour, la modernisation appuyée par l’IA permet de renforcer la cybersécurité de façon durable et efficace.

L’Alberta exploite l’un des programmes de cybersécurité les plus solides au Canada, et au cours des 24 derniers mois, elle a tenu la ligne face à une série croissante d’attaques, ses contrôles de défense en profondeur à plusieurs couches et sa surveillance étendue interceptant les incursions avant qu’elles n’aboutissent. Tenir cette ligne devient plus difficile, et pour deux raisons à la fois. Les vagues d’attaques à l’extérieur des murailles augmentent à la fois en volume et en sophistication, et les murailles elles-mêmes vieillissent, car une grande partie du parc a été bâtie il y a des décennies sur des technologies qui glissent maintenant hors du soutien des fournisseurs. Voilà l’impératif cybernétique, exprimé clairement : la modernisation appuyée par l’IA n’est plus dissociable de la sécurité.


## §01 Une menace grandissante

En 2024‑2025, les contrôles de cybersécurité de l’Alberta ont bloqué en moyenne 189 millions de tentatives de connexion par jour au réseau gouvernemental. L’année précédente, ce chiffre était de 126,3 millions, et de 81,2 millions l’année d’avant, ce qui signifie que le volume a plus que doublé en deux ans. Le rapport annuel 2024 de Technologie et Innovation attribue cette hausse à des acteurs étatiques sophistiqués et à des groupes criminels motivés par des gains financiers. Cela illustre bien le niveau de pression auquel les équipes font face chaque jour, une pression qui ne cesse d’augmenter.

Ce qui a le plus changé, c’est la vitesse des cybercriminels. Nous avons déjà subi des attaques appuyées par l’IA où une faille passe du stade de preuve de concept à un exploit opérationnel en quelques heures, souvent avant même qu’un correctif soit disponible. L’IA permet ainsi aux attaquants d’augmenter rapidement l’ampleur de leurs campagnes, tout en réduisant les compétences, le temps et les coûts nécessaires.

De leur côté, nos équipes de cybersécurité sont actives. En Alberta, nous utilisons ces mêmes technologies pour réagir efficacement : elles nous aident à repérer et corriger des failles restées cachées pendant des années dans du code largement utilisé, des vulnérabilités qui, auparavant, n’auraient été détectées que par des experts très spécialisés.

De nouveaux outils et modèles apparaissent chaque jour pour soutenir cet effort. Par exemple, le projet Glasswing d’Anthropic réunit plusieurs partenaires et utilise le modèle Mythos pour détecter et corriger des vulnérabilités dans des systèmes critiques avant qu’elles ne soient exploitées. En seulement deux mois après son lancement limité, Mythos a permis d’identifier plus de 10 000 failles dans des logiciels essentiels, comme les systèmes d’exploitation et les navigateurs. Ces vulnérabilités existaient depuis longtemps, mais n’avaient jamais été détectées par les méthodes classiques. Grâce à Mythos, Mozilla a par exemple pu corriger 271 bogues de sécurité dans Firefox en un seul mois, soit bien davantage que ce que permettaient ses approches précédentes. Chaque faille corrigée représente une porte fermée avant même qu’un attaquant ne puisse l’exploiter.

En Alberta, nous utilisons aussi des outils d’IA avancés pour renforcer notre défense. Deux agents spécialisés, un Rouge et un Bleu, fonctionnent désormais en continu sur notre propre code et font partie intégrante de notre arsenal de cybersécurité en pleine expansion. Le document Agents rouge, bleu, vert et jaune en décrit les détails. L’essentiel à retenir ici est que les défenseurs disposent désormais, eux aussi, de capacités comparables, appuyées par l’IA.


## §02 Une surface d’attaque tentaculaire

La forme actuelle du parc élargit la surface d’exposition. Au fil des années, différentes équipes ont adopté une grande variété de technologies, ce qui a mené à une accumulation de systèmes, de langages et de dépendances. Chacun représente un point d’entrée potentiel supplémentaire à protéger. Pour être en mesure de sécuriser cet ensemble, il fallait d’abord en comprendre clairement la structure.
Nous avons donc utilisé des agents d’IA pour analyser l’historique des contributions dans GitHub. Cela nous a permis d’identifier, entre autres, des contributions provenant de sources externes et de retirer les dépendances associées lorsque nécessaire. Les agents ont aussi détecté des cas où des secrets avaient été accidentellement déposés dans le code. Une fois identifiés, ces éléments ont été retirés, remplacés ou invalidés, éliminant ainsi des risques importants. L’IA a permis de repérer ces problèmes, et les équipes humaines se sont chargées de les corriger.
Ces constats ont poussé Technologie et Innovation à adopter une approche plus structurée et plus rigoureuse en matière de normes. En définissant des standards clairs pour les nouveaux développements et en les appliquant à l’aide de méthodes soutenues par l’IA (comme présenté dans le document Le harnais bien conçu), nous réduisons la surface d’attaque et recentrons nos efforts sur des plateformes ouvertes, mieux supportées et plus sécuritaires.


## §03 L’évolution du paysage des menaces

Aussi vite que nous fermons des problèmes, de nouveaux défis émergent. Ce qui change le plus en 2026, c’est la nature des attaques. Elles ne visent plus seulement à franchir directement le périmètre, mais à compromettre la source elle‑même. En infiltrant des bibliothèques open source utilisées par des millions de systèmes, des acteurs malveillants peuvent toucher des milliers d’organisations en une seule attaque. Par exemple, une campagne récente a injecté du code malveillant dans plus de 5 500 dépôts open source, permettant de récupérer des jetons d’API, des clés SSH et des identifiants infonuagiques. Dans un autre cas, une version compromise du paquet JavaScript Axios téléchargé des millions de fois chaque semaine a servi à introduire des outils d’accès à distance directement dans les environnements de développement et les chaînes d’intégration. L’IA accélère et amplifie ces attaques. Elle permet aux acteurs malveillants d’agir plus vite, à plus grande échelle et avec moins de moyens. Dans ce contexte, les défenses doivent évoluer au même rythme, en s’appuyant elles aussi sur l’IA pour détecter, analyser et corriger les vulnérabilités plus rapidement.


## §04 Le coût de l’exposition cybernétique

La détection des vulnérabilités est devenue beaucoup plus facile grâce à l’IA. Le véritable défi est désormais de trouver les ressources et le temps pour les corriger. Lorsqu’un changement législatif impose une échéance ferme, il ne reste aucune marge de manœuvre pour ajuster les priorités. Historiquement, Technologie et Innovation a constitué des équipes de livraison agiles en faisant appel à des ressources contractuelles individuelles, appelées « main‑d’œuvre d’appoint », pour développer de nouvelles solutions. Ces équipes travaillent en parallèle de celles chargées de la maintenance et des améliorations. En pratique, une fois qu’une application est livrée, il est difficile d’y revenir pour corriger en profondeur ses problèmes. Les demandes sont alors traitées de manière réactive, et il reste souvent peu ou pas de budget pour effectuer des correctifs après coup. Seules les situations les plus critiques, où le risque est immédiat et évident, reçoivent l’attention nécessaire.

Coût approximatif d’un seul incident cybernétique gouvernemental 5 M$ par mois. Même dans le meilleur des scénarios, les conséquences peuvent être importantes. Une fuite de données majeure ou une attaque par rançongiciel entraîne des coûts bien plus élevés, tant sur le plan opérationnel que sur la réputation. L’Alberta maintient une politique stricte de ne jamais payer de rançon, mais les impacts peuvent tout de même être durables.

Pour rester en avance, l’Alberta investit de façon proactive dans le maintien de son parc numérique. En 2024‑2025, 47 millions de dollars ont été consacrés à des mises à niveau et à des correctifs de sécurité pour réduire les vulnérabilités et la dette technique. Le budget du programme de cybersécurité a aussi augmenté, passant à 14,5 millions de dollars, comparativement à 12,3 millions l’année précédente. Parmi les 115 applications jugées critiques, 97 % disposent maintenant de plans de reprise après sinistre testés, contre 91 % auparavant. Ces investissements montrent une réalité claire : les coûts sont réels et en hausse, et ils représentent le prix à payer pour maintenir une posture de sécurité efficace dans un environnement en constante évolution. La lutte entre professionnels de la cybersécurité et cybercriminels est continue ; rester immobile, c’est prendre du retard.

Les informations les plus récentes sur ces enjeux sont accessibles via notre plateforme CyberAlberta, un chef de file de l’industrie.

L’IA réduit fortement le coût de la cybersécurité. Nous pouvons maintenant analyser les applications pour repérer des failles et, dans bien des cas, les corriger pour un coût de seulement un à deux dollars. Cela est rendu possible grâce à des agents d’IA capables d’effectuer des tests, d’analyser les journaux et de proposer des correctifs de façon rapide et systématique. Mais encore faut‑il savoir précisément quoi corriger.


## §05 Évaluer l’entreprise

Défendre un parc de cette taille commence par être capable de le voir dans son ensemble, afin de comprendre réellement nos systèmes et nos processus. Aucune personne, ni aucun ensemble de documents, ne permettait d’avoir cette vision complète. Il fallait un moyen d’obtenir des faits directement à partir du code, plutôt que de s’appuyer sur la mémoire ou des informations partielles. C’est ce que nous avons mis en place. Le document suivant, sur les constats Git explore en détail comment nous avons utilisé l’IA pour analyser l’ensemble de notre parc GitHub, ce qu’elle a permis de découvrir et comment ces données orientent désormais nos priorités en matière de sécurité.

Sources de ce livre blanc : Projet Glasswing, Anthropic (2026); Renforcement de Firefox, Mozilla (2026); Alerte de la CISA sur la chaîne d’approvisionnement (2026); Recherche de Zscaler sur la chaîne d’approvisionnement (2026); Unit 42 sur les attaques de la chaîne d’approvisionnement npm; Rapport annuel 2024-2025 de Technologie et Innovation.

Tags: cybersecurity, supply-chain, technical-debt, drivers, ai-agents

Open the interactive version