Découvrez la nouvelle architecture agentique de Snyk Agent Fix : plus rapide, plus intelligente et plus sécurisée

Dans le domaine de la sécurité, le principal frein n’est officiellement plus de « détecter les problèmes », mais bien de « les corriger ». Snyk a déjà été à l’avant-garde de cette transformation, en aidant les organisations à adopter une véritable approche de la sécurité centrée sur les développeurs. La dernière évolution de Snyk Agent Fix est la première d’une série d’améliorations destinées à combler le fossé entre la rapidité de l’IA et la sécurité. En combinant l’intelligence de sécurité de Snyk à la puissance des modèles de pointe, nous proposons des corrections plus sûres et plus fonctionnelles que celles que pourrait fournir n’importe quel modèle autonome ou version précédente d’Agent Fix. 

La prochaine évolution de Snyk Agent Fix sera disponible le 26 mai 2026. Grâce à de nouveaux modèles et à une nouvelle architecture agentique, nous abandonnons le réglage fin statique au profit du prompting dynamique avec quelques exemples : un système qui fournit aux modèles les conseils de sécurité les plus pertinents en temps réel. Cette nouvelle approche améliore les performances sur tous les indicateurs et nous permet de prendre en charge tous les langages compatibles avec Snyk Code. Nos clients peuvent ainsi exploiter la puissance de l’IA pour corriger plus rapidement davantage de problèmes dans l’ensemble de leur base de code.

Comment mesurer la réussite : les trois piliers de l’évaluation comparative

Dans le monde de l’IA, « assez bien » ne suffit pas en matière de sécurité. Le nouveau modèle affiche de bien meilleures performances lors de notre processus rigoureux d’évaluation en trois étapes, afin de garantir des suggestions à la fois sûres et exploitables :

• Intégrité de la sécurité : nous mesurons la capacité du modèle à produire, dès sa première tentative (Pass@1) ou en cinq tentatives au maximum (Pass@5), du code exempt de vulnérabilités. 

• Logique fonctionnelle : grâce à une évaluation basée sur des LLM, nous vérifions que le nouveau code conserve les fonctionnalités de l’original sans introduire d’erreurs logiques. 

• Tests de référence : ils constituent notre source de vérité. Nous utilisons des centaines d’extraits vulnérables issus de situations réelles, associés à des tests unitaires, pour confirmer la disparition de la vulnérabilité (ÉCHEC à RÉUSSITE) tout en préservant le comportement attendu (RÉUSSITE à RÉUSSITE). 

Du réglage fin au prompting dynamique avec quelques exemples : transmettre l’expertise aux modèles commerciaux

À mesure que la technologie des LLM évolue, nous avons identifié une nouvelle possibilité : passer du réglage fin statique à une architecture agentique. L’avantage fondamental de Snyk Agent Fix sur un LLM prêt à l’emploi réside dans notre intelligence de sécurité exclusive. Snyk dispose d’une base de données regroupant plus de 35 000 vulnérabilités réelles issues de projets open source, ainsi que des corrections rédigées par les experts en sécurité de Snyk. Lors de la prédiction, nous ne demandons pas simplement au modèle de deviner une solution : nous enrichissons le prompt avec les exemples réels les plus pertinents de résolution de cette CWE. 

Le LLM passe ainsi du statut de généraliste à celui d’expert du domaine, guidé au moment même de la génération par des milliers d’exemples rédigés par des humains. En fournissant des exemples réels de grande qualité pour la CWE au moment du prompting, nous avons considérablement amélioré les performances par rapport à notre modèle précédent et aux principaux modèles commerciaux. 

Un bond en matière de performances

Nos évaluations de référence ont donné des résultats remarquables. Les pourcentages ci-dessous correspondent au taux de réussite de notre série d’environ 150 tests. Chaque évaluation porte sur du code vulnérable associé à deux tests unitaires précis : l’un vérifie la présence de la vulnérabilité et l’autre s’assure que le code reste fonctionnel. Comme les modèles ne voient jamais ces tests unitaires, ils doivent s’appuyer sur des pratiques de programmation robustes pour répondre aux exigences de sécurité et de fonctionnalité.

Notre analyse a révélé qu’en dotant les modèles de pointe d’Anthropic de l’intelligence de Snyk, ils réussissaient 14,48 % d’évaluations de plus que le modèle d’Anthropic ou la version précédente d’Agent Fix utilisés seuls. 

*Remarque : les réponses non sécurisées sont toujours filtrées et ne sont jamais présentées aux clients.

La puissance des nouvelles tentatives agentiques

L’un des principaux obstacles à la correction automatique est la génération de code non sécurisé par les LLM. Auparavant, si le modèle d’Agent Fix générait une correction non sécurisée, celle-ci était simplement filtrée. C’est l’option la plus sûre, mais le développeur risquait alors de ne recevoir aucune suggestion.

Au lieu d’écarter un résultat imparfait, le système :

• Analyse le problème : il identifie précisément la raison pour laquelle la première suggestion n’a pas fonctionné.

• Renvoie l’information : il transmet le contexte de l’erreur à l’agent.

• Adapte la réponse : l’agent réévalue le problème et génère une version corrigée qui évite l’erreur précédente.

Grâce à cette boucle, au lieu de recevoir le message « Aucune correction disponible », les développeurs obtiennent une correction vérifiée de grande qualité, déjà soumise aux tests de résistance de notre moteur.

Prise en charge de tous les langages

Enfin, cette nouvelle approche nous permet d’élargir rapidement la prise en charge des langages. Auparavant, ajouter la prise en charge d’un langage ou d’une règle de sécurité complexe nécessitait des milliers d’exemples d’entraînement manuels et un long processus de réglage fin.

Grâce au prompting dynamique avec quelques exemples et au raisonnement agentique, nous prenons désormais en charge l’ensemble des règles et des langages pris en charge par Snyk Code. De Java et Python à Apex et Go, le nouvel Agent Fix est prêt à corriger les vulnérabilités dans l’ensemble de votre stack, sans attendre le déploiement de la prise en charge de nouveaux langages.

Découvrez l’avenir de la correction des vulnérabilités

Snyk intègre la sécurité de manière fluide au workflow de développement. Notre architecture étant indépendante des modèles, nous évaluons en permanence les performances des principaux modèles par rapport à nos critères. Cette nouvelle approche nous rapproche à grands pas d’un monde où la dette de sécurité est gérée automatiquement et avec précision. Restez à l’écoute : nous ne faisons que commencer à redéfinir ce que signifie être sécurisé à grande échelle. 

Vos commentaires sont essentiels à l’évolution de ces outils. Si vous avez des questions ou des remarques sur ces mises à jour, contactez votre équipe de compte Snyk ou Snyk Support.