Comparaison des agents de sécurité IA : Claude, Codex, Mantis, Cloudflare

Anthropic, OpenAI, Cloudflare et Google livrent désormais chacun un agent IA qui traque les failles de sécurité dans le code source. Nous avons examiné les dépôts, la documentation et les détails techniques derrière chacun.

La conclusion clé : les 4 outils convergent vers un même design. Un agent trouve une faille, un agent distinct tente de la réfuter, et seuls les survivants reçoivent un correctif. Les différences résident dans l’endroit où ils s’exécutent, qui peut les utiliser et le niveau de preuve qu’ils exigent.

Points clés à retenir

• 4 laboratoires, 1 schéma : trouver, réfuter indépendamment, puis corriger.
• Claude Security s’exécute dans Claude Code ; aucune clé API supplémentaire n’est nécessaire.
• La CLI de Codex Security est sous Apache-2.0, mais le scan nécessite toujours un accès OpenAI.
• La compétence de Cloudflare est sous MIT, indépendante du modèle et la plus étoilée avec 47.5K.
• Le Mantis de Google reproduit les failles dans un bac à sable ; Google recommande de l’isoler.

Pourquoi 4 laboratoires ont livré la même chose en 2026

Le problème que chacun d’entre eux résout est le bruit. L’équipe de sécurité de Google écrit que les scans de code IA bâclés produisent des failles hallucinées et des taux de vrais positifs inférieurs à 7%. Un scanner qui se trompe 93% du temps coûte plus cher aux relecteurs qu’il ne leur en fait gagner.

La solution commune est la séparation des responsabilités. L’agent qui signale une découverte ne peut jamais la confirmer lui-même. Cloudflare énonce la règle directement dans son README : le vérificateur n’est jamais l’agent qui a trouvé la faille. Anthropic, OpenAI et Google décrivent chacun une étape de validation similaire avant que quoi que ce soit n’aboutisse à un rapport.

Le second moteur est l’offensive. L’équipe d’Anthropic indique avoir construit son scanner en partie parce que les attaquants utilisaient déjà des modèles d’IA pour trouver des failles exploitables, selon The Hacker News. Google ouvre son article sur Mantis en notant que les modèles peuvent désormais découvrir et exploiter des failles avec peu d’aide humaine.

1. Claude Security d’Anthropic

Ce que c’est : Un scanner de vulnérabilités multi-agents qui s’exécute dans une session Claude Code. C’est la version locale du produit hébergé Claude Security d’Anthropic, selon le README du plugin.

Comment ça fonctionne : Les agents cartographient l’architecture, construisent un modèle de menace, traquent dans chaque composant et vérifient chaque découverte de manière indépendante. Le plugin propose 3 tâches depuis un même menu : scanner la base de code, scanner les modifications, ou suggérer des correctifs, selon la documentation de Claude Code.

Sortie : Un rapport Markdown accompagné d’un fichier SARIF 2.1.0 pour l’analyse de code GitHub. Chaque découverte indique la gravité, une catégorie CWE, l’impact et les étapes de reproduction. Les correctifs sont rédigés dans une copie de travail et arrivent sous forme de fichiers F<n>.patch. Le plugin ne committe, ne pousse et n’ouvre jamais de pull request de lui-même.

Coût et accès : Il ne fait aucun appel de modèle propre, donc il n’y a pas de clé API séparée. Les scans comptent dans les limites d’utilisation de votre plan Claude.

/plugin install claude-security@claude-plugins-official
/claude-security

Chronologie : Anthropic a ouvert un aperçu limité appelé Claude Code Security en février 2026. Le produit hébergé est passé en bêta publique pour les clients Enterprise le Claude Opus 4.7. Le plugin Claude Code est entré en bêta le 22 juillet 2026, selon Cybersecurity News. En août, le scanner hébergé est passé à Claude Mythos 5, selon Dataconomy.

Sa place dans l'ensemble : Anthropic le présente comme une couche parmi d'autres. Le plugin de recommandations de sécurité vérifie le code pendant que Claude l'écrit, et /security-review effectue un passage unique sur une branche. Claude Security est le scan approfondi à la demande.

2. Codex Security by OpenAI

Ce que c'est : Un CLI et un SDK TypeScript, publié sous le nom de @openai/codex-security, pour trouver, valider et corriger des vulnérabilités.

Comment ça fonctionne : Il analyse un dépôt entier, des chemins sélectionnés ou un diff Git. Un drapeau –mode deep lance des workers de découverte en parallèle. Il valide les vulnérabilités candidates, génère des correctifs et peut vérifier des corrections existantes. Une commande cs policy rédige un SECURITY.md qui indique aux analyses futures ce qui compte comme une vulnérabilité dans votre projet.

Sortie : Modèles de menace, exports SARIF, JSON ou CSV, plus publication vers Linear. Il peut importer les alertes d'analyse de code GitHub et suggérer des responsables à partir de l'historique Git. Une GitHub Action exécute des analyses planifiées ou sur les pull requests ; les constats sont en mode rapport seul par défaut.

npm install --global @openai/codex-security
cs login
cs scan 

Coût et accès : Le client est sous licence Apache-2.0, mais le scanner derrière lui ne l'est pas. DevOps.com note que le CLI et le SDK restent en bêta limitée pour les clients approuvés. Le README liste OpenAI, Amazon Bedrock, OpenRouter et Fireworks AI comme fournisseurs. Nécessite Node.js 22.13+ et Python 3.10+.

3. Skill d'audit de sécurité par Cloudflare

Ce que c'est : Un skill sous licence MIT qui transforme n'importe quel agent de codage capable en auditeur de sécurité.

Comment il fonctionne : un audit en 6 phases :

1. Reconnaissance : cartographier l'architecture, les frontières de confiance et les surfaces d'entrée dans architecture.md et un registre de couverture.
2. Chasse guidée par le registre de couverture : des chasseurs isolés prennent chacun des unités du registre ; des critiques de couverture cherchent les lacunes.
3. Validation des candidats : un vérificateur neuf tente de réfuter chaque candidat unique.
4. Sortie structurée : les enregistrements confirmed, needs_validation et rejected vont dans findings.json, vérifiés contre un schéma.
5. Vérification indépendante des enregistrements : de nouveaux agents revérifient chaque affirmation source finale.
6. Rapport neutre par rapport à la cible : REPORT.md et les fichiers de détail sont dérivés des enregistrements vérifiés.

Prérequis : Un agent de codage qui prend en charge l'utilisation d'outils et les sous-agents parallèles, plus Node.js pour les validateurs. Il exige également un sandbox appliqué par le système d'exploitation sans réseau externe. Sans un tel sandbox, les pistes restent en needs_validation au lieu d'être exécutées.

npx skills add https://github.com/cloudflare/security-audit-skill –skill security-audit

Puis demandez à l'agent : « security audit this codebase. » La sortie va par défaut dans ~/security-audit-skill/<repo-name>/run-<N>, en dehors de votre dépôt.

Les données derrière : Cloudflare a publié le skill le 18 juin 2026, avec son article Build your own vulnerability harness. Le skill d'environ 450 lignes a servi de germe à un harness interne qui scanne désormais 128 dépôts. Cloudflare rapporte ces chiffres cumulés :

• 20,799 candidats bruts issus de la découverte, dont environ 12,057 ont survécu à la validation.
• 13,841 constats dans le pool de triage partagé répartis sur 145 dépôts, y compris la sortie d'un autre harness.
• 5,442 écartés comme doublons et 1,154 redirigés comme mauvais dépôt ou à faible risque.
• 7,245 constats actionnables envoyés aux équipes d'ingénierie.

Un meilleur contexte de reconnaissance a fait passer le taux de rejet au premier passage de 40 % à 11 %. Cloudflare utilise également un modèle pour la découverte et un autre modèle pour le triage, de sorte que les modèles se vérifient mutuellement.

4. Mantis de Google

Ce que c'est : Un ensemble de compétences de revue de sécurité sous licence Apache-2.0 plus un harnais de référence ADK pour les agents de codage IA. L'équipe Google indique que cela fait partie de la façon dont elle trouve et corrige les bugs en interne.

Comment ça fonctionne : Mantis lit l'historique du dépôt pour apprendre des correctifs de sécurité passés. Il construit un arbre récapitulatif hiérarchique, condensant les fichiers en résumés de répertoires et de racine. L'équipe Google indique que cela a réduit le coût en jetons de plus de 85 %. Il génère ensuite un modèle de menaces et des hypothèses, cherche, déduplique et critique les résultats.

Ce qui le distingue : La reproduction et la vérification des correctifs. Mantis tente de reproduire chaque bug, depuis un croquis d'exploit statique jusqu'à un test unitaire ou un serveur simulé. Il corrige avec une boucle adversaire qui attaque le correctif. Il calibre également la gravité selon une grille d'évaluation pour éviter des « milliers de critiques ». Une compétence mantis-advise réinjecte ensuite ce qu'il a appris dans la génération de code.

Installation : Clonez le dépôt et pointez n'importe quel agent de codage vers celui-ci, ou exécutez directement le harnais ADK. Le harnais prend en charge un prompt –focus tel que « look for IDOR » et un plafond de dépense –max-tokens.

git clone https://github.com/google/mantis.git
cd mantis/reference && ./install.sh
./run.sh path/to/code

Côte à côte

Au-delà des 4 grands : autres chasseurs de bugs IA lancés en 2026

Au moins 12 autres outils de vulnérabilités basés sur des agents ont été publiés ou rendus publics en 2026. Presque tous répètent la même boucle de découverte suivie d'une vérification indépendante. Ils se divisent en harnais gratuits que vous exécutez vous-même et en plateformes commerciales ou internes.

Harnais open source

AppSec Santa répertorie également les harnais d'Anthropic (defending-code-reference-harness), Trail of Bits, Capital One (vulnhunter) et Cisco (ai-deep-sast). Celui de Cisco s'exécute entièrement en local sur Foundation-Sec-8B, aucun code ne quitte donc la machine.

Plateformes commerciales et systèmes internes

Le schéma se vérifie chez tous les fournisseurs : les moteurs déterministes ou les validateurs font les preuves, les modèles font le raisonnement, et un humain approuve chaque correction.

Lequel lancer en premier

• Déjà sur Claude Code : commencez par le plugin Claude Security. Il s'installe en 1 ligne et utilise votre plan existant.
• Besoin de gating CI et de SARIF dans GitHub : Codex Security dispose de l'outillage de pipeline le plus mature, si votre organisation y a accès.
• Vous voulez éviter l'enfermement propriétaire : la skill de Cloudflare fonctionne sur n'importe quel agent avec des sous-agents parallèles et est entièrement MIT.
• Vous avez une équipe de sécurité et un bac à sable : Mantis offre la boucle de preuve la plus approfondie, avec reproduction et tests adversariaux de correctifs.

L'architecture même de Cloudflare suggère une combinaison pratique. Lancez la découverte avec un outil ou un modèle, puis validez avec un autre. Différents modèles révèlent des parts différentes des bugs.

L'article AI Security Agents Compared: Claude, Codex, Mantis, Cloudflare est apparu en premier sur MarkTechPost.