Un chercheur en sécurité a utilisé GPT-5.6 Sol Ultra pour trouver une vulnérabilité Remote Code Execution (RCE) dans WordPress, partant de la pré-authentification jusqu’au contrôle complet du serveur. Les courtiers d’exploits paient jusqu’à 500 000 dollars pour un RCE sur WordPress. Le coût de compute pour le trouver avec l’IA : 25 dollars.

Adam Kues, chercheur chez Searchlight Cyber, a repris le prompt qu’OpenAI avait publié pour faire résoudre à GPT-5.6 Sol la Cycle Double Cover Conjecture (comme nous l’avions raconté le 12 juillet) et l’a adapté à la recherche de vulnérabilités. Il a donné au modèle le code source de WordPress, quatre sous-agents en parallèle et six heures de temps. L’instruction était explicite : trouver une chaîne menant de l’accès anonyme à l’exécution de code, en analysant le code à partir des premiers principes, sans comparer les patchs ni utiliser l’historique git.

Pourquoi cela te concerne. La sécurité offensive était l’un des domaines où l’expérience humaine et le coût d’un expert constituaient une barrière à l’entrée. Si un modèle frontier avec un bon prompt et 25 dollars de compute peut trouver des vulnérabilités critiques dans un logiciel utilisé par des millions de sites, cette barrière s’amincit. Pour ceux qui gèrent des infrastructures, le message est que la fenêtre entre disclosure et patch se rétrécit : mettre à jour WordPress et ses dépendances n’est pas reportable.

Le chercheur a publié un outil, wp2shell.com, pour vérifier si votre instance WordPress est vulnérable. Deux équipes indépendantes ont reproduit l’ensemble de la chaîne d’exploit avant que d’autres PoC n’apparaissent sur GitHub.

En détail

Le prompt que Kues a adapté mérite attention car c’est un framework de recherche structuré, pas simplement « trouve le bug ». Les instructions disent au modèle de maintenir un portefeuille diversifié d’approches (parsing d’entrée, charset, upload de fichiers, gestion d’erreurs, sérialisation, race condition, chiffrement), d’enregistrer explicitement les familles d’approches, de ne pas faire converger tous les agents vers la même idée et d’utiliser des agents adversariels pour vérifier chaque bug candidat. L’agent root doit synthétiser, contester et relancer les rounds suivants.

La structure est celle que nous avons vue fonctionner dans les expériences de raisonnement parallèle de GPT-5.6 Sol : la valeur réside dans la boucle de contrôle qui orchestre autour du modèle (comme nous l’avons noté le 18 juillet), pas dans la puissance brute du modèle seul.

Ce qui change concrètement. Un RCE pré-authentification dans WordPress est l’une des vulnérabilités les plus rémunérées du marché des exploits, car WordPress alimente plus de 40% du web. En trouver une nécessitait des semaines de travail d’un chercheur expérimenté, ayant une connaissance approfondie du code et de l’écosystème. Ici, le coût est tombé à 25 dollars d’API et six heures de temps d’exécution. Le prompt organise une recherche systématique, et le modèle l’exécute avec une capacité de raisonnement suffisante pour trouver une chaîne réelle.

Combien faire confiance. Le chercheur est un professionnel expérimenté : il a choisi la cible, préparé l’environnement, adapté le prompt. Nous ne savons pas si la même approche fonctionne sur des cibles arbitraires ou des bases de code plus petites. WordPress est un projet énorme avec de nombreuses surfaces d’attaque, ce qui paradoxalement aide : plus de code, plus de chemins à explorer. La reproductibilité est partiellement confirmée : deux équipes indépendantes ont répliqué la chaîne avant que d’autres PoC n’apparaissent sur GitHub. Nous n’avons pas de détails sur les taux de succès sur d’autres logiciels.

L’aspect le plus large. Le prompt démontre un pattern qui concerne aussi ceux en dehors de la sécurité : prendre un framework de raisonnement éprouvé sur un domaine difficile (les mathématiques), le transférer sur un autre domaine difficile (la recherche de bugs), et ça fonctionne. La leçon pour ceux qui utilisent l’IA dans leur domaine est que l’architecture du prompt, avec multi-agent, diversification forcée et vérification adversarielle, compte plus que le modèle nu. Le modèle est la matière première, le prompt est le processus.