DeepMind utilise des agents IA pour vérifier formellement le code cryptographique de Signal

Les chercheurs de Google DeepMind ont réussi à utiliser l'intelligence artificielle pour vérifier formellement le code source du protocole Signal, marquant ainsi une étape significative dans la sécurité logicielle. Publiés le 10 novembre 2026, ces travaux démontrent comment les frameworks d'IA agentique peuvent combler le fossé entre la conception théorique et l'implémentation réelle dans les systèmes cryptographiques critiques.

Ce qui s'est passé

Pendant des décennies, la vérification formelle a été considérée comme la référence absolue pour garantir la correction des logiciels, mais elle reste prohibitivement coûteuse et longue pour les systèmes à grande échelle. La plupart des efforts précédents se concentraient uniquement sur les conceptions de haut niveau ou de petits fragments de code, laissant un fossé dangereux où les bugs d'implémentation pouvaient compromettre les garanties de sécurité. La nouvelle recherche de Google DeepMind change la donne en appliquant une approche pilotée par l'IA à l'ensemble du cœur du protocole Signal, qui protège des milliards de messages privés via des applications comme Signal et Google Messages.

L'équipe a utilisé un nouveau framework appelé AlphaProof Code pour guider des agents d'IA à travers le processus complexe de génération de preuves mathématiques. Cet effort a abouti à la première vérification formelle jamais réalisée de l'implémentation réelle d'un protocole cryptographique largement déployé, plutôt que de sa seule conception abstraite. Le processus a confirmé que le code compilé exécuté sur les appareils des utilisateurs respecte strictement les propriétés clés de sécurité, telles que le maintien de la confidentialité des messages même si un appareil est temporairement compromis.

Pour valider la fiabilité du système, les chercheurs ont réintroduit deux bugs connus, précédemment corrigés, dans une version isolée de la base de code de Signal. Dans les deux cas, AlphaProof Code a correctement identifié les vulnérabilités et produit des preuves vérifiées par machine démontrant que les versions boguées étaient non sécurisées. Ce test a confirmé que le framework peut distinguer avec une grande précision les implémentations sûres des implémentations défaillantes.

Comment cela fonctionne

AlphaProof Code fonctionne comme un framework agentique multi-LLM qui imite le flux de travail d'une équipe de recherche humaine. Le processus commence par la collaboration entre experts humains et modèles d'IA pour traduire les objectifs de sécurité de Signal en spécifications mathématiques formelles. Chaque spécification est revue par des humains pour garantir son exactitude avant le début de la phase automatisée. Cette approche hybride assure que les cibles mathématiques sont correctes avant que le gros œuvre de la génération de preuves ne commence.

Une fois les spécifications établies, des agents alimentés par le modèle Gemini Carbon prennent le relais pour générer les preuves. Ces agents écrivent du code en Lean, un langage de programmation conçu pour la vérification mathématique. Au cours du projet de quatre semaines, les agents ont généré plus de six millions de lignes de code Lean. Le système audite ensuite automatiquement ces preuves, ne signalant qu'environ un pour cent de la base de code pour une revue humaine. Cette réduction drastique de la charge de travail manuelle permet aux experts de se concentrer uniquement sur les domaines nécessitant un jugement nuancé, tandis que Lean vérifie automatiquement le reste.

Détails clés

• La vérification a été achevée en quatre semaines, une tâche qui exige historiquement plusieurs années pour des équipes d'experts.
• Le framework a généré plus de six millions de lignes de code Lean pour prouver mathématiquement l'exactitude de l'implémentation de Signal.
• Les experts humains n'ont revu qu'un pour cent du code généré, s'appuyant sur la vérification automatique de Lean pour le reste.
• Le système a détecté avec succès deux bugs réels réintroduits, prouvant sa capacité à identifier du code non sécurisé.
• C'est la première fois que l'implémentation d'un protocole cryptographique largement déployé est vérifiée formellement par quelque méthode que ce soit.
• Google DeepMind publie en open source les artefacts de vérification formelle pour utilisation par la communauté.

Pourquoi c'est important

Pour les ingénieurs logiciels et les architectes de sécurité, cette percée répond au « fossé d'implémentation » persistant où les conceptions sûres échouent en raison d'erreurs de codage. Les protocoles cryptographiques sous-tendent des services essentiels, allant de la banque en ligne aux soins de santé, et une seule faille peut exposer des millions d'utilisateurs. En prouvant que le code compilé réel correspond à la spécification de sécurité, les développeurs peuvent atteindre un niveau d'assurance que les tests et audits traditionnels ne peuvent fournir. Cela fait passer la sécurité d'une confiance probabiliste à une certitude mathématique.

Les gains d'efficacité démontrés par AlphaProof Code suggèrent que la vérification formelle pourrait enfin devenir scalable pour les infrastructures critiques. Alors que les cybermenaces évoluent et deviennent plus automatisées, la capacité de vérifier rapidement les firmwares des dispositifs médicaux, les logiciels des réseaux électriques et autres systèmes vitaux devient cruciale. Cette approche permet aux organisations de se défendre contre les menaces pilotées par des agents en garantissant que leurs logiciels fondamentaux sont mathématiquement sains, réduisant ainsi significativement la surface d'attaque.

Ce que vous pouvez faire

• Examinez les artefacts de vérification formelle publiés en open source par Google DeepMind pour comprendre la structure des preuves vérifiées par machine.
• Explorez le langage de programmation Lean pour vous familiariser avec les outils utilisés pour la vérification mathématique des logiciels.
• Évaluez vos protocoles de sécurité actuels afin d'identifier les composants critiques qui pourraient bénéficier d'une spécification formelle, même si une vérification complète n'est pas encore réalisable.
• Restez informé des frameworks d'IA agentique comme AlphaProof Code pour anticiper la manière dont la preuve automatique de théorèmes pourrait s'intégrer dans les futures pipelines CI/CD.
• Envisagez de collaborer avec des chercheurs en sécurité pour traduire les exigences de sécurité de haut niveau en spécifications formelles pour vos actifs les plus critiques.
• Suivez les développements des outils de sécurité assistés par IA pour vous préparer à une transition vers des normes de logiciels vérifiés mathématiquement dans les industries réglementées.