L'état des lieux, chiffré et sourcé
En 2026, plusieurs travaux indépendants ont cessé de parler d'impression pour mesurer. Le constat le plus cité tient en une phrase : environ 35 % seulement du code backend généré par IA est à la fois sécurisé ET correct selon les évaluations empiriques. Autrement dit, dans une majorité de cas, le code produit est soit faux, soit vulnérable, soit les deux, même lorsqu'il « a l'air » de fonctionner.
La part de code contenant au moins une vulnérabilité est estimée entre 62 % et 92 % selon les études. C'est une fourchette large, et il faut la lire comme telle : les méthodologies diffèrent (langages testés, définition d'une vulnérabilité, sévérité retenue, corpus de prompts). Aucun chiffre unique de cette fourchette ne doit être cité isolément sans préciser l'étude et sa méthode ; c'est la fourchette, pas un point, qui est l'information honnête.
Le risque n'est pas théorique. Le « Vibe Security Radar » de Georgia Tech recense les CVE liées à du code généré par IA en forte accélération sur le premier trimestre 2026 : 6 en janvier, 15 en février, 35 en mars, soit, sur ces trois mois, plus que l'ensemble de l'année 2025 cumulée.
Côté perception, la défiance suit les chiffres : 87 % des développeurs disent douter de la fiabilité du code généré par IA. Ceux qui l'utilisent le plus sont souvent les premiers à ne pas lui faire confiance les yeux fermés.
Une précision de méthode, par honnêteté : ce corpus est surtout de la recherche sécurité industrielle, rapports de sociétés de sécurité, audits, benchmarks, et non un ensemble de littérature académique évaluée par les pairs. On n'y compte qu'un seul travail réellement académique (un papier arXiv) ; le reste vient de l'industrie. Cela ne rend pas les chiffres faux, mais impose de les lire pour ce qu'ils sont : des mesures indépendantes qui convergent, pas un consensus scientifique figé.
Un de ces travaux mérite d'être nommé, parce qu'il cadre exactement le débat : le benchmark indépendant Vibe-Eval (2026) catalogue les modes d'échec de plusieurs générateurs grand public, Lovable, Bolt, Cursor, Replit, v0, sur des critères de sécurité applicative. C'est précisément le terrain sur lequel un moteur qui publie une validation runtime datée peut se mesurer frontalement, au lieu de renvoyer à la confiance.
- ~35 % du code backend généré par IA est à la fois sûr et correct (évaluations empiriques).
- 62 % à 92 % du code généré contient des vulnérabilités, fourchette large, méthodes différentes.
- CVE liées : 6 → 15 → 35 par mois (janv. → mars 2026, Vibe Security Radar, Georgia Tech).
- 87 % des développeurs doutent de la fiabilité du code généré par IA.
Pourquoi : un modèle probabiliste produit du code plausible, pas garanti
La cause est structurelle, pas conjoncturelle. Un grand modèle de langage produit le token le plus probable compte tenu du contexte. Appliqué au code, cela donne la suite la plus vraisemblable, pas nécessairement la suite correcte, ni la suite sûre. Le modèle n'a pas de notion interne de « ce schéma compile », « cette requête est paramétrée », « ce contrôle d'accès existe » ; il a une notion de « ce à quoi ressemble du code de ce genre ».
C'est exactement ce qui rend le problème pernicieux : le code halluciné est plausible. Il se lit bien, il compile parfois, il se déploie, et il échoue à l'usage, ou pire, il fonctionne en apparence tout en laissant une injection SQL, un secret en clair, un contrôle d'autorisation manquant. Les catégories de failles récurrentes documentées par les études (injection, mauvaise gestion des secrets, absence de validation d'entrée, contrôle d'accès défaillant) sont précisément celles qu'un modèle reproduit parce qu'elles abondent dans ses données d'entraînement.
Ajouter une consigne au prompt (« écris du code sécurisé ») déplace les probabilités, mais ne change pas la nature de l'objet : rien ne garantit le résultat, parce que rien ne le vérifie. Une consigne n'est pas une preuve.
La distinction qui change tout : l'IA écrit la spécification, un builder compile le code
Blueprint Maker part de ce constat et refuse de faire écrire le code par le modèle. Le pipeline sépare deux rôles que rien n'oblige à confondre. L'IA fait ce qu'elle fait de mieux : comprendre un domaine métier et produire une spécification structurée, un schéma d'entités, de relations, de règles, au format JSON. Elle conçoit, elle ne code pas.
Ensuite, des builders déterministes, écrits une fois, testés, versionnés, transforment cette spécification en code : schéma de base de données, écrans, routes, tableaux de bord. Le code n'est donc jamais « halluciné » par le LLM : il est fabriqué par un programme dont on connaît le comportement. Les propriétés des composants ne sont pas devinées, elles sont dérivées de la spécification selon des règles fixes. La même spécification en entrée produit toujours le même code en sortie.
Cette séparation ne supprime pas magiquement tout risque, mais elle déplace le problème là où il est traitable : au lieu d'espérer qu'un modèle probabiliste n'ait pas introduit de faille dans des milliers de lignes uniques, on garantit par construction que les motifs de code (requêtes, formulaires, contrôles) sortent d'un générateur unique, auditable, et corrigeable une fois pour toutes.
- L'IA → comprend le domaine → produit une spécification (pas du code).
- Les builders déterministes → compilent la spécification → produisent le code.
- Le code n'est pas inféré ligne à ligne par le modèle : il est généré par un programme connu.
La parade opposable : une validation runtime publiée (K-15 / Health Score)
Écrire du code par une méthode plus sûre reste une promesse tant qu'on ne le prouve pas. La différence décisive n'est pas d'affirmer « notre code est fiable », c'est de le mesurer et de publier la mesure. Chaque application produite par Blueprint Maker passe une validation runtime automatisée, appelée K-15 : le code est compilé, l'application réellement démarrée, puis parcourue écran par écran par un navigateur automatisé. Le critère est binaire : elle tourne, ou elle ne tourne pas.
Le résultat agrégé, la part d'applications qui passent l'ensemble de ces vérifications sur une fenêtre glissante de sept jours, est publié et daté sous le nom de Health Score. C'est une métrique de fiabilité opposable : vérifiable, non déclarative, produite par un juge automatique et non par un argumentaire marketing.
C'est précisément ce qu'aucun générateur purement probabiliste ne publie, et pour une raison de fond : produire une telle mesure suppose un moyen déterministe et reproductible de tester chaque sortie en conditions réelles. Un pipeline qui fait écrire le code par le modèle et le livre tel quel n'a pas de gate runtime systématique à afficher. La transparence sur la fiabilité n'est possible que si la fiabilité est construite pour être mesurée.
Nos limites, honnêtement
Une validation runtime prouve qu'une application se construit, démarre et se parcourt correctement ; elle réduit fortement la classe d'erreurs « code plausible mais cassé ». Elle ne remplace pas un audit de sécurité applicatif complet, un test d'intrusion, ni une revue de conformité. Blueprint Maker ne revendique pas, à ce jour, de certification SOC 2 ou ISO : nous préférons publier une métrique réelle et datée plutôt qu'un logo qui ne dit rien du produit livré.
La bonne lecture est celle-ci : le code généré par IA a un problème de fiabilité mesuré ; la seule réponse crédible n'est pas une promesse mais une vérification publiée ; séparer la conception (IA) de la fabrication (builders déterministes) rend cette vérification possible et reproductible. C'est un socle, pas un blanc-seing, et il vaut mieux qu'un chiffre qu'on ne montre pas.
Sources
Cloud Security Alliance, Vibe Coding / AI Governance Gap : https://labs.cloudsecurityalliance.org/research/csa-research-note-vibe-coding-ai-governance-gap-20260602-csa/
The Security Crisis in AI-Generated Code (2026) : https://blog.vibecoder.me/security-crisis-ai-generated-code-2026
IOActive, The Security Gap in AI-Generated Code : https://www.ioactive.com/wp-content/uploads/2026/05/IOA-The-Security-Gap-in-AI-Generated-Code.pdf
AppStuck, AI-Generated App Security Risks (2026) : https://www.appstuck.com/blog/ai-generated-app-security-risks
Vibe-Eval, AI App Security Benchmark 2026 : https://vibe-eval.com/data-studies/ai-app-security-benchmark-2026/
Sherlock Forensics, AI Code Security Report 2026 : https://www.sherlockforensics.com/pages/ai-code-security-report-2026.html
OX Security, Vibe Coding Security : https://www.ox.security/blog/vibe-coding-security/
arXiv, Coding With AI : https://arxiv.org/pdf/2512.23982