NVIDIA a lancé SkillSpector, un analyseur open source dédié à la sécurité des compétences d’agents IA, en 2026. Conçues pour offrir des instructions en langage naturel aux assistants numériques, ces compétences sont généralement de simples répertoires contenant des fichiers Markdown. Cette simplicité facilite le partage mais expose un nouveau maillon de la chaîne logicielle : les instructions textuelles peuvent contenir des injections de prompt ou du code malveillant, contournant les scanners traditionnels optimisés pour le code pur. Des études récentes indiquent que plus d’un quart des compétences publiques présentent des injections de prompt et près de quarante pour cent comportent des vulnérabilités connues. Pour répondre à cette menace, SkillSpector combine une analyse statique déterministe et des passes sémantiques alimentées par l’IA. La première étape identifie les motifs dangereux, les fuites de données et les failles de sécurité connues. La seconde mobilise trois modèles linguistiques distincts pour détecter les injections de prompt implicites, auditer l’intention réelle du développeur par rapport à la déclaration officielle, et vérifier le respect des politiques de sécurité. Un métajuge final valide chaque alerte, élimine les faux positifs et attribue un score sur cent, pondéré par la gravité et le niveau de confiance. Les compétences contenant du code exécutable reçoivent un multiplicateur de risque, conformément aux recherches sur la fréquence des vulnérabilités dans ces paquets. Des tests indépendants menés sur trois compétences réelles ont mis en lumière la valeur ajoutée de cette architecture. Un faux positif volontairement malveillant a obtenu un score maximal de cent, grâce à des instructions claires exfiltrant des clés API. Une compétence de gestion des demandes de publication GitHub, légitime et sûre, est passée entièrement avec zéro alerte, validant la capacité de l’outil à distinguer les fonctionnalités légitimes des menaces. Enfin, un automate complexe a vu son score initial de trente et un chuter à vingt-sept après filtrage sémantique. L’analyse statique avait généré une vingtaine d’alertes identiques concernant les appels à une API publique, pourtant centrale à sa fonction. Les passes IA ont filtré ce bruit pour révéler quatre comportements réels : modifications autonomes de code, persistance non supervisée, fichiers d’état intempestifs et modification globale de configuration git. Ces résultats confirment que la sécurité des compétences d’agents ne peut se résumer à un chiffre. Les couches statiques restent efficaces pour les menaces évidentes, mais le jugement contextuel exige une compréhension sémantique. NVIDIA intègre d’ailleurs SkillSpector dans son écosystème via un serveur MCP, permettant aux agents de vérifier l’installation de compétences en temps réel, avec des protections contre l’accès local non autorisé. L’outil illustre un changement de paradigme dans la gouvernance des IA : passer d’une surveillance uniquement technique à une validation interprétative des instructions, essentielle pour éviter les fuites de données et les prises de contrôle automatiques. Les équipes de sécurité sont désormais invitées à croiser ces scores avec une revue manuelle, garantissant que la confiance ne remplace plus la vérification avant l’installation.