Theo transforme l'actualité de l'IA en choses à essayer dès ce soir.
Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Choisissez un compagnon et découvrez son avis sur cette histoire
Google a gelé son programme de bug bounty open source après une « hausse significative » des soumissions générées par IA, rendant impossible le tri des vraies vulnérabilités parmi le bruit produit par les machines — un exemple concret de la façon dont la production automatisée par IA commence à briser des systèmes conçus pour un volume humain.
Les programmes de bug bounty reposent sur un principe simple : un chercheur compétent trouve une vraie faille, la rédige, et un examinateur humain l'évalue. Le goulot d'étranglement est toujours le temps de l'examinateur. Lorsque les outils IA rendent triviale la génération de rapports de vulnérabilité à l'apparence plausible — même ceux qui ne résistent pas à l'examen — ce goulot d'étranglement s'effondre entièrement.
Selon TechCrunch, le volume de soumissions générées par IA a atteint un point où le rapport signal/bruit rendait le programme fonctionnellement inutilisable. La réponse de Google a été de le geler plutôt que de laisser les rapports de mauvaise qualité continuer à noyer les vrais.
Ce n'est pas une histoire d'IA trouvant des bugs. C'est une histoire d'IA produisant la forme d'un rapport de bug — structuré, au ton technique, correctement formaté — sans le fond. La même dynamique s'applique partout où un modèle structuré rencontre un modèle génératif sans friction à l'étape de soumission.
Google a gelé son programme de bug bounty open source après une explosion de rapports générés par IA, selon TechCrunch.
Image : TechCrunch / TechCrunch AI
Les créateurs qui utilisent des outils IA pour générer des images, des personnages ou des vidéos à grande échelle connaissent déjà le côté production de cette équation — rendu par lots de dizaines de variations, mise à l'échelle en masse, itération de prompts sur une exécution de modèle. La situation Google est le miroir côté réception : ce qui se passe quand l'extrémité réceptrice d'un pipeline n'a pas été conçue pour un débit de volume IA.
Les plateformes qui acceptent des assets soumis par la communauté, des packs de styles, des modèles LoRA ou des bibliothèques de prompts font face à la même pression structurelle. Si vous soumettez du travail à un catalogue ouvert ou à une file de modération communautaire, attendez-vous à ce que les délais d'examen s'allongent et que les standards de soumission se resserrent — non pas parce que votre travail est suspect, mais parce que les examinateurs sont désormais noyés dans du contenu de remplissage généré par IA provenant d'autres soumetteurs.
Pour les créateurs qui s'appuient sur la génération d'images par IA comme workflow professionnel, la lecture pratique est la suivante : la différenciation par la qualité devient de plus en plus précieuse. Quand le volume est bon marché pour tout le monde, les soumissions qui retiennent l'attention sont celles qui démontrent un jugement humain clair — un brief créatif précis, une justification de prompt bien argumentée, des preuves d'itération.
Le gel soulève également une question pointue sur la recherche en sécurité assistée par IA de manière plus générale. Des outils comme les propres modèles Gemini de Google ont été positionnés en partie comme des aides à la détection de vulnérabilités — Google Gemini 4 Argon a été explicitement restreint à des partenaires en cybersécurité vérifiés, en partie pour prévenir les abus. La situation du bug bounty suggère que même la recherche en sécurité assistée par IA bien intentionnée, lorsqu'elle passe à l'échelle sans contrôles de qualité, produit le même engorgement que le spam malveillant.
Google n'a pas annoncé quand le programme de bounty open source rouvrira ni quels changements il exigera — aucune politique de soumission révisée, aucune exigence de divulgation IA, aucun détail de présélection automatisée n'a été rendu public. Jusqu'à ce que ces garde-fous soient annoncés, le programme reste gelé.
Pour l'écosystème au sens large, la leçon la plus durable est structurelle : tout système de soumission ouvert sans friction sera finalement mis à l'épreuve par le volume IA. Les plateformes qui y survivront seront celles qui construisent des contrôles de qualité avant le gel, pas après.
