L’alerte a été lancée le 8 septembre 2026.
Ce jour-là, un chercheur en sécurité externe signale à Cloudflare un comportement anormal du modèle GLM 5.3, développé par Z.ai et mis à disposition des développeurs sur Workers AI, la plateforme d’IA de Cloudflare.
Le problème est assez évident : lorsqu’on lui soumettait des requêtes très longues, le modèle renvoyait parfois du texte issu des sessions d’autres utilisateurs.
Selon le rapport dévoilé le 26 octobre par l’entreprise américaine, entre la mise en ligne du modèle, le 27 août, et sa correction, le 9 septembre, 155 réponses ont été concernées, toutes liées à des requêtes dépassant 681 280 tokens, soit l’équivalent de documents ou de projets informatiques volumineux.
Une mémoire que les clients se partagent
L’origine de cette faille mêle une erreur de réglage et un bug du logiciel open source SGLang chargé de faire tourner les modèles d’IA sur les serveurs.
Pour répondre, un modèle de langage commence par lire la requête et en conserve une version intermédiaire dans la mémoire de ses processeurs graphiques (GPU), ce qu’on appelle le cache KV. Cette mémoire est découpée en pages attribuées à chaque requête, puis réutilisées par la suivante sans être effacées, ce qui permet de gagner en rapidité.
SGLang, doit donc savoir précisément à quelle requête appartient chaque page, faute de quoi les données d’un client peuvent se retrouver dans la réponse d’un autre.
Sauf que si Cloudflare annonçait que GLM 5.3 pouvait traiter des requêtes d’un peu plus d’un million de tokens, la mémoire des machines chargées de lire ces requêtes ne pouvait en accueillir que 681 280. La communication officielle de l’entreprise précise que ses équipes connaissaient cet écart, mais pensaient que SGLang refuserait simplement les requêtes trop longues. Leurs tests se limitaient à vérifier que le service répondait sans erreur, sans contrôler le contenu des réponses.
Or SGLang ne refusait pas vraiment ces requêtes. Chez Cloudflare, le traitement des requêtes envoyées à GLM 5.3 est réparti entre deux groupes de machines, les unes chargées de lire la requête, les autres de rédiger la réponse. Face à une requête trop longue, les premières la remplaçaient par un contenu factice très court, sans prévenir les secondes. Celles-ci s’attendaient donc à recevoir la requête complète et allaient chercher la suite dans des pages de mémoire qui n’avaient pas été réécrites, et qui contenaient encore les requêtes d’autres utilisateurs. Le client recevait alors une réponse cohérente, sans le moindre message d’erreur, mais pouvant contenir des fragments de ces requêtes.
Une mise à jour recommandée
Dans son rapport d’incident, Cloudflare dit n’avoir trouvé aucune preuve d’exploitation délibérée et assure qu’aucun autre de ses modèles n’a été touché. L’entreprise a coupé l’accès public à GLM 5.3 moins de 40 minutes après avoir déclaré l’incident, puis l’a rétabli le soir même, après avoir agrandi la mémoire disponible et corrigé le logiciel.
Le problème dépasse toutefois son seul cas. Le bug avait d’ailleurs été signalé aux développeurs de SGLang dès juillet, et comme le logiciel est utilisé par d’autres entreprises, Cloudflare recommande à tous ceux qui l’exploitent dans une configuration similaire de passer à la version 0.5.22, publiée le 19 octobre.
L’entreprise reconnaît néanmoins que ces correctifs réduisent les risques sans les éliminer, et estime que « le prochain bug aura une forme inédite ». Elle travaille donc avec les développeurs de SGLang à un mécanisme qui empêcherait une requête de lire une page de mémoire qui ne lui appartient pas.
Vous avez lu 0 articles sur Numerama ce mois-ci
Tout le monde n'a pas les moyens de payer pour l'information.
C'est pourquoi nous maintenons notre journalisme ouvert à tous.
Mais si vous le pouvez,
voici trois bonnes raisons de soutenir notre travail :
- 1 Numerama+ contribue à offrir une expérience gratuite à tous les lecteurs de Numerama.
- 2 Vous profiterez d'une lecture sans publicité, de nombreuses fonctions avancées de lecture et des contenus exclusifs.
- 3 Aider Numerama dans sa mission : comprendre le présent pour anticiper l'avenir.
Si vous croyez en un web gratuit et à une information de qualité accessible au plus grand nombre, rejoignez Numerama+.
Toute l'actu tech en un clin d'œil
Ajoutez Numerama à votre écran d'accueil et restez connectés au futur !
Un édito exclusif, un guide, une reco de lecture et l’agenda de la rédaction : c’est ce que vous trouverez tous les jeudis dans ToujoursPlus, la newsletter tech écrite par Julien Cadot. Inscrivez-vous gratuitement ici !