---
id: CP-276
slug: slopsquatting-paquets-inventes-ia
lang: fr
title: "Slopsquatting : le paquet inventé par l'IA"
description: Un assistant de code peut conseiller un paquet qui n'existe pas, qu'un attaquant peut ensuite créer. Ce que montrent les études et le réflexe à avoir.
canonical_url: https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia/
markdown_url: https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: "Brain, « Slopsquatting : le paquet inventé par l'IA », Cyberpedia, 2026. https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia/ (CC BY 4.0)"
wing: 4
theme: verify_output
reflex: air-029
schema: G2
updated: "2026-11-14"
translations:
  fr: https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia/
  en: https://startbrain.io/cyberpedia/en/articles/slopsquatting-ai-invented-packages/
  de: https://startbrain.io/cyberpedia/de/articles/slopsquatting-erfundene-pakete-ki/
  es: https://startbrain.io/cyberpedia/es/articles/slopsquatting-paquetes-inventados-ia/
  it: https://startbrain.io/cyberpedia/it/articles/slopsquatting-pacchetti-inventati-ia/
  nl: https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten/
  pl: https://startbrain.io/cyberpedia/pl/articles/slopsquatting-zmyslone-pakiety-ai/
  pt: https://startbrain.io/cyberpedia/pt/articles/slopsquatting-pacotes-inventados-ia/
  ja: https://startbrain.io/cyberpedia/ja/articles/slopsquatting-ai-invented-packages/
sources:
  - "n": 1
    title: We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs
    publisher: arXiv
    url: https://arxiv.org/abs/2406.10279
    published: "2024-06-12"
    accessed: "2026-11-14"
  - "n": 2
    title: "The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort"
    publisher: arXiv
    url: https://arxiv.org/abs/2605.17062
    published: "2026-05-16"
    accessed: "2026-11-14"
  - "n": 3
    title: LLM09:2025 Misinformation
    publisher: OWASP
    url: https://genai.owasp.org/llmrisk/llm092025-misinformation/
    published: "2024-04-10"
    accessed: "2026-11-14"
  - "n": 4
    title: "Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries"
    publisher: arXiv
    url: https://arxiv.org/abs/2509.22202
    published: "2025-09-26"
    accessed: "2026-11-14"
  - "n": 5
    title: "Names Can Hurt: Spotting Slopsquatting Risks Caused by Package Name Hallucinations in Local Coding LLMs"
    publisher: arXiv
    url: https://arxiv.org/abs/2608.23897
    published: "2026-08-24"
    accessed: "2026-11-14"
  - "n": 6
    title: LLM03:2025 Supply Chain
    publisher: OWASP
    url: https://genai.owasp.org/llmrisk/llm032025-supply-chain/
    published: "2024-04-10"
    accessed: "2026-11-14"
---

# Slopsquatting : le paquet inventé par l'IA

Un assistant de code peut proposer d'installer un paquet logiciel qui n'existe pas. Les chercheurs parlent d'hallucination de paquet : une erreur où le modèle, en écrivant du code, contredit les faits [1]. Ils y voient une forme nouvelle d'attaque par confusion de paquet [1]. Si un attaquant enregistre le nom inventé, il peut y mettre du code malveillant [3]. Cette attaque porte le nom de slopsquatting [2].

Les chiffres de cette fiche viennent d'études de chercheurs. Ce sont des failles démontrées et mesurées par des chercheurs, pas une attaque observée chez des victimes.

## En 30 secondes

- Où ça arrive : quand un assistant de code recommande un paquet pour Python ou JavaScript [1].
- Ce que veut l'attaquant : enregistrer le nom que le modèle invente, pour que son paquet piégé soit installé [2].
- Le réflexe : ne jamais installer un paquet sur la seule parole d'une IA. L'OWASP recommande de recouper les réponses d'un modèle avec des sources externes de confiance [3].

## Questions directes

### Qu'est-ce que le slopsquatting ?

Les paquets sont des briques de code que les développeurs téléchargent depuis des dépôts centralisés, comme PyPI pour Python et npm pour JavaScript [1][2]. Quand un modèle cite un paquet qui n'existe pas, un attaquant peut enregistrer ce nom [2]. Un développeur qui fait confiance à la suggestion de l'assistant intègre alors le paquet de l'attaquant [3].

### Un assistant se trompe-t-il souvent ?

Cela dépend du modèle et de l'année. Une étude publiée en juin 2024 (acceptée à USENIX Security 2025) a produit 576 000 exemples de code avec 16 modèles. Le pourcentage moyen de paquets inventés y atteint au moins 5,2 % pour les modèles commerciaux et 21,7 % pour les modèles ouverts, avec 205 474 noms inventés distincts [1].

Une réplication de 2026 porte sur cinq modèles récents et 199 840 générations de code Python et JavaScript. Elle mesure 3,6 à 5,0 % de noms inventés parmi les paquets cités (2,2 à 3,4 % des générations). Selon son auteur, les modèles récents se situent au niveau des modèles commerciaux de 2024, et l'écart avec les modèles ouverts a disparu. Python dépasse JavaScript pour chaque modèle [2].

### Le risque a-t-il disparu avec les modèles récents ?

Le titre de la réplication de 2026 le dit : la fourchette se réduit, la menace reste [2]. Son auteur relève qu'au moins 23 noms suggérés par les modèles avaient déjà hébergé un logiciel malveillant, retiré ensuite par les dépôts. Un nom inventé a aussi été enregistré avec un logiciel malveillant après ses essais [2].

### Les noms inventés sont-ils vite récupérés par des attaquants ?

Dans cette étude, environ 1 % des noms inventés ont été enregistrés en six mois. La liste de l'auteur a été exposée publiquement par accident pendant cette période. Il ne trouve aucun effet détectable de cette publication : le taux est le même pour les noms publiés et non publiés [2].

### Ma façon de poser la question change-t-elle quelque chose ?

Oui. Une étude de 2025 a testé sept modèles. Une faute de frappe d'un seul caractère déclenche des hallucinations dans jusqu'à 26 % des tâches. Un nom de bibliothèque fabriqué de toutes pièces est accepté jusqu'à 99 % du temps, et des demandes liées au temps provoquent des hallucinations jusqu'à 85 % [4].

### Que faire avant d'installer un paquet proposé par une IA ?

Deux contrôles. Le premier est de vérifier que le paquet existe. Il ne suffit pas : dans une étude de 2026, la moitié des noms signalés comme inventés étaient des paquets déjà enregistrés sur PyPI, des imitations de faible qualité de projets connus [5]. Le second est de vérifier que le paquet est connu, en recoupant la réponse de l'IA avec une source externe de confiance, comme l'OWASP le recommande pour les réponses d'un modèle [3]. Un paquet qu'on ne peut pas confirmer ne s'installe pas sur la seule suggestion de l'assistant.

## Dans la peau de l'attaquant

Le scénario décrit par l'OWASP tient en peu d'étapes. L'attaquant essaie des assistants de code populaires pour repérer les noms de bibliothèques qu'ils inventent le plus souvent. Il publie ensuite des paquets malveillants sous ces noms, sur des dépôts très utilisés. Les développeurs qui suivent la suggestion de l'assistant les intègrent sans le savoir. L'attaquant peut alors obtenir un accès non autorisé, injecter du code malveillant ou installer des portes dérobées [3].

Des noms reviennent d'un modèle à l'autre : dans la réplication de 2026, 104 noms sont inventés par les cinq modèles à la fois [2].

La formulation de la demande pèse aussi. Dans l'étude sur les assistants locaux, le taux d'hallucination passe de 0 à 10 % sur des tâches de programmation courantes à 40 à 73 % sur des demandes conçues comme des appâts de slopsquatting [5].

## Ce que vous voyez à l'écran

L'OWASP décrit ces erreurs comme un contenu qui semble exact alors qu'il est fabriqué : les réponses sonnent juste mais ne reposent sur rien [3]. Dans le code, les erreurs étudiées prennent la forme d'imports invalides [4].

```text
Illustration, pas un cas réel :
pip install [nom de paquet proposé par l'assistant, introuvable ou inconnu]
```

Le contrôle n'est pas toujours simple : un nom d'import peut différer du nom du paquet. Les auteurs de l'étude de 2026 sur les assistants locaux donnent l'exemple de « import cv2 » face à « pip install opencv-python » [5]. Dans la réplication de 2026, 26 entrées d'une liste précédente de noms inventés étaient en réalité des imports corrects dont le nom de module diffère du nom du paquet [2].

## Sous le capot

L'OWASP explique l'hallucination par le fonctionnement du modèle : il comble les lacunes de ses données d'entraînement avec des motifs statistiques, sans comprendre le contenu [3]. Il range parmi les risques la suggestion de bibliothèques de code non sécurisées ou inexistantes, qui introduit des vulnérabilités si on s'y fie sans vérifier [3]. Il y ajoute la confiance excessive des utilisateurs, qui ne vérifient pas l'exactitude de ce que produit le modèle [3].

Les chercheurs de 2024 ont aussi testé des parades. Ils indiquent que plusieurs stratégies réduisent nettement le nombre d'hallucinations tout en maintenant la qualité du code [1].

Un détecteur proposé en août 2026 combine deux contrôles. Le premier vérifie de façon déterministe que le paquet existe sur PyPI. Le second est un classifieur entraîné sur dix caractéristiques tirées du nom et des métadonnées du paquet [5]. Sur 300 demandes, la chaîne de traitement produit du code sans paquet inventé dans 76 % des essais [5]. Le modèle principal le plus faible de l'étude a refusé 6 appâts directs sur 10 sans aide, ce qui suggère, selon les auteurs, que le réglage récent des instructions offre une défense de base [5].

Côté organisation, l'OWASP recommande de vérifier avec soin les sources de données et les fournisseurs, en n'utilisant que des fournisseurs de confiance [6]. Il recommande aussi de tenir à jour l'inventaire des composants avec une nomenclature logicielle (SBOM) [6].

## Sources

1. arXiv, « We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs », 12 juin 2024. https://arxiv.org/abs/2406.10279 (consulté le 14 novembre 2026)
2. arXiv, « The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort », 16 mai 2026. https://arxiv.org/abs/2605.17062 (consulté le 14 novembre 2026)
3. OWASP, « LLM09:2025 Misinformation », 10 avril 2024. https://genai.owasp.org/llmrisk/llm092025-misinformation/ (consulté le 14 novembre 2026)
4. arXiv, « Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries », 26 septembre 2025. https://arxiv.org/abs/2509.22202 (consulté le 14 novembre 2026)
5. arXiv, « Names Can Hurt: Spotting Slopsquatting Risks Caused by Package Name Hallucinations in Local Coding LLMs », 24 août 2026. https://arxiv.org/abs/2608.23897 (consulté le 14 novembre 2026)
6. OWASP, « LLM03:2025 Supply Chain », 10 avril 2024. https://genai.owasp.org/llmrisk/llm032025-supply-chain/ (consulté le 14 novembre 2026)

---

Source originale : Cyberpedia, l'encyclopédie publique de cybersécurité et d'IA publiée par Brain. Version canonique : https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia/
Vous pouvez reprendre ce texte librement sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), à condition de citer « Brain, Cyberpedia » avec un lien vers l'adresse ci-dessus.
