DeepMind vérifie le protocole Signal avec une IA agentique
Google DeepMind a formellement vérifié une partie des garanties cryptographiques du protocole Signal en quatre semaines. L’exercice valide la méthode, sans prouver encore qu’elle peut s’étendre à tout le logiciel.
Google DeepMind a utilisé une IA agentique pour prouver mathématiquement plusieurs garanties cryptographiques clés du protocole Signal, selon une recherche menée en quatre semaines. L’expérience compte pour la sécurité des communications chiffrées, mais aussi pour la méthode : elle montre qu’une IA peut accélérer la vérification formelle sans remplacer les humains. Le travail ne couvre pas toute l’application Signal, toutefois il a déjà validé une partie du protocole et retrouvé des vulnérabilités connues dans d’anciennes versions.
Une démonstration utile, mais encore partielle
La vérification formelle consiste à utiliser les mathématiques pour tester qu’un logiciel respecte bien ses propriétés de sécurité. Dans ce cas, les chercheurs de DeepMind ont examiné des portions du protocole Signal, utilisé aussi dans Signal, Google Messages et WhatsApp, afin de confirmer des garanties cryptographiques essentielles. Le résultat n’a révélé aucune nouvelle faille sur le périmètre étudié, ce qui renforce la confiance dans la conception du protocole.
DeepMind précise cependant que l’analyse ne porte pas sur l’ensemble de l’application mobile Signal. C’est une étape, pas une fin. Les chercheurs ont aussi testé des versions plus anciennes du protocole contenant des vulnérabilités déjà connues, et l’outil AlphaProof Code les a bien identifiées, montrant qu’il peut distinguer un code correct d’un code cassé sans trop s’énerver sur les bords du problème.
AlphaProof Code change surtout la vitesse d’exécution
Le cœur de l’annonce tient à AlphaProof Code, un nouveau cadre d’IA conçu par DeepMind pour aider à la vérification formelle. Avant ce type d’outil, décrire précisément le comportement attendu d’un logiciel, le traduire en formules puis produire une preuve prenait énormément de temps. L’IA n’efface pas cette complexité, mais elle accélère la partie la plus lourde du travail et peut corriger une partie des erreurs de raisonnement en cours de route.
Selon Swarat Chaudhuri, chercheur chez DeepMind, l’objectif reste de garder un contrôle humain à des moments clés : « We don’t want this sort of vibe world where AI is generating the goals and AI is generating the proofs and basically taking tests that are self-written. There’s a middle ground. » Cette approche hybride est aussi ce qui rend la méthode crédible pour des systèmes sensibles, où une erreur de validation coûterait bien plus cher qu’une mauvaise présentation PowerPoint.
Pourquoi Signal sert de cas d’école
Signal n’a pas été choisi au hasard. L’application bénéficie déjà d’un historique de travail en vérification formelle, ce qui a aidé DeepMind à aller plus vite. Ehren Kret, directeur technique de Signal, estime que « While prior formal verification focused on smaller portions of the code, Google DeepMind’s approach enables significant expansion ». Il ajoute : « As AI-driven security threats grow, rigorously verifying the Signal protocol implementation gives us even greater confidence in our code’s privacy guarantees. »
Pour les services critiques, l’enjeu dépasse largement la messagerie chiffrée. Pushmeet Kohli, chief scientist chez Google Cloud et vice president of research chez DeepMind, imagine déjà des usages dans la banque ou d’autres secteurs qui dépendent d’assurances solides sur leur code : si l’on peut prouver la correction d’une implémentation, on réduit une grande partie du doute opérationnel. Reste que cette promesse suppose une montée en échelle encore incertaine, surtout pour de très grands systèmes.
Le vrai test sera celui du passage à l’échelle
DeepMind n’a pas communiqué le coût de l’analyse et n’a pas dit si un produit commercial est prévu. L’entreprise a mené l’exercice à titre de recherche, gratuitement, ce qui limite la lecture économique immédiate. Le point décisif sera donc moins la prouesse technique que sa reproductibilité sur davantage de code, à un coût acceptable et avec des délais compatibles avec l’industrie.
Les chercheurs disent avoir publié la spécification et la preuve développées pour aider d’autres travaux de vérification formelle. Ce geste compte, car la discipline avance souvent par petits blocs vérifiés, pas par grands slogans. Pour le secteur, l’annonce confirme surtout une tendance : l’IA commence à devenir un outil de contrôle technique, pas seulement un générateur de texte ou de code.
Points clés
- DeepMind a travaillé sur Signal en quatre semaines.
- AlphaProof Code a retrouvé des vulnérabilités connues.
- Aucune faille nouvelle n’a été trouvée sur le périmètre étudié.
- Signal dit que cette approche élargit la vérification.
- Google n’a pas communiqué le coût de l’analyse.
- DeepMind a publié spécification et preuve pour d’autres travaux.
En chiffres
- 4 semaines — durée du projet, selon Google DeepMind.
- 3 services — Signal, Google Messages et WhatsApp utilisent le protocole cité.
- 1 périmètre partiel — l’analyse ne couvre pas toute l’application Signal.
- 2 versions anciennes — testées avec des vulnérabilités connues, selon les chercheurs.