Qu’est-ce que le CI/CD Security Scanning ?
Le CI/CD Security Scanning (analyse de sécurité CI/CD) exécute des contrôles de sécurité automatisés dans vos pipelines d’intégration et de déploiement continus (CI/CD). Ainsi, chaque modification de code significative est testée avant d’atteindre la production. Les équipes qui livrent du code plusieurs fois par jour sur des dizaines de services, cloud native ou non, s’appuient sur ces contrôles. Elles évitent ainsi que la vitesse devienne une source d’exposition.
Des initiatives communautaires comme l’OWASP Top 10 CI/CD Security Risks recensent les points d’attaque de ces pipelines. Ces risques vont de l’exécution de pipeline empoisonnée au contrôle de flux insuffisant. Ce référentiel vous aide à choisir les contrôles les plus importants.
En pratique, cette approche recouvre plusieurs notions :
DevSecOps : intégrer la sécurité au DevOps au lieu d’en faire une fonction séparée.
Shift-left security : détecter les problèmes plus tôt dans le développement plutôt qu’en production. McKinsey cite l’approche DevSecOps, avec un pipeline CI/CD automatisé, comme un levier pour moderniser les processus IT dans le cloud.
Tests de sécurité continus : exécuter des contrôles à chaque modification et non une fois par an.
Security as code et policy as code : exprimer les règles sous forme de code afin de les versionner et de les automatiser.
Points de contrôle de sécurité : des règles automatisées qui décident si un build passe à l’étape suivante.
CI/CD Pipeline Security Best Practices [Cheat Sheet]
In this 13 page cheat sheet we'll cover best practices in the following areas of the CI/CD pipeline: Infrastructure security, code security, secrets management, access and authentication, monitoring and response

Quels types d’analyse pour une couverture CI/CD complète ?
Aucun scanner ne couvre seul un pipeline. Un CI/CD Security Scanning complet repose sur plusieurs types d’analyse superposés, chacun détectant une catégorie de problèmes différente :
Static Application Security Testing (SAST) analyse votre code applicatif sans l’exécuter. Il repère des schémas dangereux comme l’injection SQL ou le cross-site scripting. Exécutez-le à chaque commit ou pull request afin que les développeurs reçoivent un retour tant qu’ils travaillent encore sur le code.
Dynamic Application Security Testing (DAST) teste une application en cours d’exécution depuis l’extérieur. Il envoie de vraies requêtes HTTP et détecte les problèmes dans le comportement réel. Il fonctionne mieux sur l’environnement de préproduction. Planifiez donc des analyses complètes après les déploiements ou chaque nuit. Ajoutez plus tôt des tests d’API légers et ciblés afin d’accélérer les retours.
Software Composition Analysis (SCA) analyse les dépendances directes et transitives à partir de bases de vulnérabilités comme la National Vulnerability Database (NVD). Elle applique aussi les politiques de licence avant que des surprises juridiques n’atteignent la production.
Analyse des container images : elle inspecte vos images à la recherche de vulnérabilités et d’erreurs de configuration. Elle couvre le système d’exploitation de base, les bibliothèques applicatives et les instructions du Dockerfile.
Cloud Security Posture Management (CSPM) évalue en continu votre infrastructure cloud par rapport aux référentiels de sécurité et réglementaires. Elle signale des risques comme des politiques d’accès trop permissives ou des bases de données exposées.
Analyse des secrets : elle détecte les valeurs sensibles comme les clés d’API et les mots de passe présents dans le code ou les images. Ce sujet mérite un traitement à part, que nous abordons plus bas.
Quelles sont les bonnes pratiques du CI/CD Security Scanning ?
Superposer les types d’analyse ne représente que la moitié du travail. Les bonnes pratiques ci-dessous déterminent si votre CI/CD Security Scanning réduit réellement le risque ou produit surtout du bruit.
Analyser les secrets sur tout le cycle de vie du pipeline
L’analyse des secrets n’est efficace que si elle couvre l’ensemble du pipeline, au-delà du seul dépôt. Analysez les hooks de pré-commit, l’historique du dépôt, les artefacts du pipeline et les workloads en cours d’exécution. Vous détectez ainsi les identifiants divulgués où qu’ils se trouvent. Cette couverture étendue réduit leur durée d’exposition et vous offre une visibilité code to cloud.
L’analyse détecte les fuites, mais la gestion des secrets les rend moins fréquentes. Utilisez un gestionnaire de secrets dédié comme HashiCorp Vault, AWS Secrets Manager, Azure Key Vault ou Google Secret Manager. Évitez de stocker des identifiants dans le contrôle de version. Privilégiez des identifiants à courte durée de vie via la fédération d’identité de workload OIDC (OpenID Connect) plutôt que des secrets statiques. Injectez les variables d’environnement à l’exécution au lieu de les coder en dur dans les manifestes de déploiement.
La fréquence de rotation dépend du type de secret. Les jetons CI vivent quelques minutes, tandis que les mots de passe de base de données changent au bout de quelques semaines. Prévoyez des procédures d’urgence claires (break-glass) afin de retrouver l’accès en cas de défaillance.
Analyser l’infrastructure as code et les builds de containers
L’infrastructure as code (IaC) déclare vos réseaux, vos bases de données et vos serveurs dans des fichiers qui se déploient automatiquement. L’analyse IaC détecte les security groups ouverts à tout trafic et les buckets de stockage non chiffrés. Elle repère aussi les endpoints publics sur des services internes, avant même leur arrivée dans le cloud.
Les frameworks de policy as code transforment les règles appliquées par ces analyses en code versionné et testable :
Open Policy Agent (OPA) permet d’écrire, en langage Rego, des politiques pour Terraform, Kubernetes et les systèmes CI/CD ;
Conftest valide les configurations par rapport à ces politiques ;
Kyverno propose un moteur natif Kubernetes avec des règles YAML plus simples.
La dérive de configuration (configuration drift) survient lorsque quelqu’un modifie des ressources cloud directement, sans passer par l’IaC. Vos analyses doivent aussi couvrir ce risque. Comparez ce que votre IaC définit avec ce qui existe réellement, puis alertez ou corrigez automatiquement en cas d’écart.
L’analyse des container images n’a de valeur qu’avec un processus de build sécurisé. Partez d’images de base fiables et renforcées. Évitez les images aléatoires issues de registres publics. Le Cloud Data Security report de Wiz révèle que 12 % des environnements cloud exposent publiquement des containers touchés par des vulnérabilités de haute sévérité, avec des exploits connus. Un programme de « golden image » limite ce risque. Il s’agit d’un petit ensemble d’images de base éprouvées et corrigées, sur lesquelles les équipes construisent au lieu de partir de zéro.
La signature d’images ajoute son propre point de contrôle : la vérification cryptographique de l’intégrité. Cosign, de Sigstore, signe les images avec des clés éphémères adossées à une identité OIDC. Docker Content Trust, basé sur Notary v1, est en cours de retrait : Docker arrête ce service le 8 décembre 2026.
Au moment du déploiement, des admission controllers comme Kyverno ou OPA Gatekeeper constituent votre dernier point de contrôle. Ils bloquent les containers exécutés en root et vérifient les signatures avant le lancement des pods. La même politique s’applique ainsi aux environnements de développement, de préproduction et de production.
Analyser les risques et la provenance de la software supply chain
L’analyse de la software supply chain fournit une preuve cryptographique du processus de build et un inventaire complet des composants. Vous vérifiez ainsi ce que vous avez réellement construit et déployé.
Les pipelines eux-mêmes sont des cibles. Selon l’analyse Shai-Hulud de Wiz, la deuxième vague du ver npm a touché plus de 25 000 dépôts GitHub en novembre 2025.
Les software bills of materials (SBOM) listent chaque composant au format SPDX ou CycloneDX. Ils incluent les dépendances directes et transitives, les paquets du système d’exploitation et les informations de licence. Générez-les pendant les builds avec des outils d’analyse comme Syft, Trivy ou les gestionnaires de paquets natifs.
SLSA (Supply-chain Levels for Software Artifacts) est un framework d’intégrité des builds logiciels, que les contrôles d’analyse et de provenance aident à atteindre. Le niveau 2 exige un code source sous contrôle de version et une provenance de build générée. Le niveau 3 ajoute des environnements de build renforcés et isolés, ainsi qu’une provenance infalsifiable. Les attestations de provenance (via in-toto) enregistrent le SHA du commit, l’identité du builder et les horodatages. Cosign de Sigstore les signe, ce qui permet leur vérification au déploiement.
Les admission controllers présentés plus haut valident les signatures, la présence des SBOM et la provenance. Ils créent une chaîne auditable du commit à la production.
Analyser les permissions des pipelines pour combler les lacunes zero trust
Le State of Code Security report de Wiz révèle que 80 % des workflows de dépôt ont des permissions par défaut non sécurisées. L’analyse des permissions des pipelines détecte cette faille avant qu’un attaquant ne la trouve.
Vos analyses vérifient ensuite l’isolation des pipelines. Attribuez à chaque étape sa propre identité restreinte. Un job de build compile et publie des artefacts sans les déployer. Un job de déploiement récupère des images et met à jour des services sans modifier le code source.
Évitez les identifiants statiques partagés et resserrez les permissions par défaut grâce à la fédération d’identité de workload basée sur OIDC. GitHub Actions, GitLab CI et CircleCI émettent des jetons OIDC qu’AWS, Azure et GCP échangent contre des identifiants à courte durée de vie. Chaque job s’authentifie alors avec sa propre identité, sans secret durable à renouveler ni à protéger des fuites.
La segmentation réseau ajoute une autre couche que vos analyses vérifient. Placez les runners de build, les registres d’artefacts et la production dans des zones distinctes. Sécurisez-les avec des endpoints privés et le TLS mutuel (mTLS) pour l’authentification entre services. Centralisez les logs d’activité des pipelines dans un SIEM (Security Information and Event Management). Votre équipe repère ainsi un attaquant qui crée de nouveaux pipelines, modifie leurs définitions ou abuse d’identifiants. Les équipes attendent désormais ce niveau de durcissement des outils de sécurité CI/CD.
Prioriser les résultats d’analyse grâce au contexte cloud
Les scanners remontent régulièrement un volume de résultats qui dépasse la capacité de traitement de n’importe quelle équipe. Le classement par risque réel transforme alors une longue liste en une liste courte.
La priorisation contextuelle ajoute des informations concrètes, comme :
l’emplacement du composant vulnérable ;
son mode d’exposition ;
les identités qui y accèdent ;
les données sensibles qu’il manipule.
L’analyse basée sur un graphe relie ces facteurs en chemins d’attaque. Elle montre comment un attaquant enchaîne les faiblesses. C’est précisément le rôle du Wiz Security Graph. Il rattache les résultats des pipelines à ce qui s’exécute réellement dans votre cloud. Vous vous concentrez ainsi sur les combinaisons toxiques plutôt que sur des résultats isolés.
Voici les questions clés auxquelles répondre :
Le service est-il exposé à Internet ?
Le chemin de code vulnérable est-il utilisé en production ?
Cela mène-t-il à un accès administrateur ou à du lateral movement ?
Prenons un security group mal configuré qui ouvre un port. Un service vulnérable écoute sur ce port. Un rôle aux privilèges excessifs atteint une base de données critique. Pris isolément, chaque élément passe pour un risque mineur. Ensemble, ils forment une combinaison toxique qui exige une attention immédiate.
Une plateforme centralisée aide aussi sur ce point. Elle normalise les résultats de plusieurs outils. Trois scanners qui signalent la même bibliothèque produisent alors un seul ticket au lieu de trois.
Intégrer le contexte runtime à la priorisation des analyses
Le contexte runtime correspond à ce que vos systèmes de production révèlent du comportement réel du code. Réinjectez ce signal dans l’analyse et votre pipeline cesse de deviner. Il sait quels chemins vulnérables s’exécutent vraiment et lesquels ne s’exécutent jamais.
La télémétrie de production montre quels chemins de code s’exécutent dans les workloads réels et où les attaquants sondent. C’est là que Wiz Code et les signaux runtime travaillent ensemble. Lorsque la protection runtime bloque une attaque, cette preuve remonte jusqu’à l’équipe responsable et au commit concerné. La correction intervient alors à la source plutôt que dans une file de tri.
Une vulnérabilité dans du code qui ne s’exécute jamais en production n’est pas forcément prioritaire dans votre file d’analyse. En revanche, une vulnérabilité sur un chemin critique qui traite des données sensibles passe en tête.
Les données runtime valident aussi les résultats d’analyse. Si le SAST signale du code apparemment inutilisé, confirmez ce constat avec les données de couverture en production avant de déprioriser ce code. Les politiques d’analyse s’adaptent ensuite à l’environnement : elles acceptent certains risques en développement et déclenchent un blocage strict en production.
Accélérer les analyses sans sacrifier la sécurité
L’analyse n’a pas à ralentir vos livraisons. Lancez les analyses en parallèle, mettez en cache les résultats inchangés et analysez les pull requests de façon incrémentale. La sécurité suit alors le rythme de la livraison au lieu de la bloquer. De nombreux outils SAST peuvent analyser uniquement les fichiers ou modules modifiés dans une pull request. Vous lancez toujours des analyses complètes plus approfondies, simplement moins souvent.
Tous les pipelines n’exigent pas la même rigueur :
Les branches de fonctionnalité bénéficient de contrôles rapides et non bloquants.
Les branches de release font l’objet d’analyses complètes avec quelques règles bloquantes.
Les déploiements en production passent des points de contrôle stricts sur les résultats critiques et à haut risque.
C’est le principe de la sécurité progressive : les contrôles se durcissent à mesure que vous vous rapprochez des utilisateurs réels.
Livrer les résultats d’analyse dans des workflows adaptés aux développeurs
Sur le long terme, l’analyse fonctionne quand les développeurs agissent volontiers sur ses alertes. Les résultats doivent donc apparaître dans leur environnement de travail habituel, plutôt que dans un tableau de bord séparé que personne n’ouvre. Affichez les résultats dans les IDE, les pull requests et les messageries d’équipe. Chaque résultat indique le problème, son emplacement exact et la façon de le corriger.
La divulgation progressive évite de submerger les équipes. Affichez par défaut les résultats les plus importants et laissez les utilisateurs avancés explorer le détail.
L’autonomie joue aussi un rôle. Les développeurs qui lancent des analyses en local, consultent leurs propres tableaux de bord et accèdent à des playbooks de remédiation s’impliquent davantage. C’est d’autant plus vrai lorsqu’un programme de security champions intègre des personnes qui maîtrisent à la fois le code et les outils.
Transformer les résultats d’analyse en preuves de conformité
La génération de SBOM, l’analyse des secrets et l’analyse des containers ne sont pas de simples contrôles techniques. Ce sont des preuves. Des contrôles automatisés associent ces résultats à des cadres réglementaires comme SOC 2, ISO 27001, NIST 800-53, le NIST Secure Software Development Framework (SSDF), les CIS Benchmarks, PCI DSS et HIPAA. Ils s’exécutent dans le pipeline et selon un calendrier défini. Les violations de règles bloquent alors les déploiements ou déclenchent des revues. En Europe, ces contrôles aident aussi les organisations concernées à documenter leur conformité à NIS 2 et à DORA.
Les pistes d’audit constituent vos preuves : qui a déclenché les déploiements, quelles analyses ont été exécutées et comment les problèmes ont été corrigés.
Associer les contrôles de sécurité CI/CD aux cadres de conformité
Chaque secteur impose ses propres cadres. Versions citées : ISO/IEC 27001:2022, NIST SP 800-53 Rev. 5, NIST SSDF v1.1, CIS Controls v8.1 et PCI DSS v4.0.1. Ce tableau associe, à titre indicatif, les contrôles de sécurité CI/CD courants aux exigences auxquelles ils contribuent :
| Contrôle de sécurité | SOC 2 | ISO 27001 | NIST 800-53 | NIST SSDF | CIS Controls | PCI DSS |
|---|---|---|---|---|---|---|
| Génération de SBOM | CC7.2 | A.8.16 | SA-4(6) | PW.1.3, PW.8.1 | 2.4 | 6.3.2 |
| Analyse des secrets | CC6.1 | A.8.3 | IA-5 | PW.8.2 | 3.3 | 8.2.1 |
| Analyse des container images | CC7.2 | A.8.8 | RA-5 | PW.7.1 | 7.3 | 6.2 |
| Analyse de sécurité IaC | CC7.2 | A.8.25 | SA-11 | PW.7.1 | 18.3 | 6.3.1 |
| Contrôle d’accès aux pipelines | CC6.1 | A.5.16 | AC-2, AC-3 | PS.1.1 | 6.1 | 7.1 |
| Provenance des builds | CC7.2 | A.8.16 | SA-10 | PW.1.1, PW.4.1 | 2.5 | 6.3.2 |
| Politiques d’admission | CC7.2 | A.8.29 | CM-7 | PW.5.1 | 4.1 | 2.2 |
Mettez en œuvre chaque contrôle avec des vérifications automatisées qui s’exécutent en continu et génèrent des preuves d’audit. Stockez ensuite les rapports dans des logs inviolables que les auditeurs consultent.
Comment Wiz facilite-t-il les pratiques avancées de sécurité CI/CD ?
Wiz sécurise tout ce que vous construisez et exécutez dans le cloud sur une plateforme unique. Le CI/CD Security Scanning fait partie des workflows qu’elle prend en charge.
Wiz Code analyse les modèles IaC, les dépendances, les container images et les secrets dans les dépôts et les pipelines. Contrairement aux scanners génériques, il ajoute un contexte cloud en comprenant comment votre code sera réellement déployé. Il identifie les rôles IAM (gestion des identités et des accès) utilisés, les réseaux rejoints et les données manipulées. Ce contexte alimente ensuite les plug-ins IDE et les commentaires de pull request.
Le Wiz Security Graph relie ces résultats à ce qui s’exécute réellement dans votre cloud. Il les connecte aux identités, aux chemins réseau et à la sensibilité des données pour révéler les combinaisons toxiques. Par exemple, le graphe montre qu’une vulnérabilité de container de sévérité moyenne s’exécute avec des privilèges administrateur. Elle se trouve aussi derrière un load balancer exposé à Internet, avec un chemin vers des données personnelles de clients (PII). Elle devient alors critique.
Vous priorisez ainsi selon les chemins d’attaque réels et retracez chaque problème de la production jusqu’à sa source dans le code. Le moteur de politiques unifié de Wiz permet ensuite de définir des règles une seule fois pour le code, la CI/CD, le cloud et le runtime. En parallèle, les images renforcées WizOS fournissent des images de base avec un nombre de vulnérabilités connues (CVE) proche de zéro. Le bruit diminue et les équipes se concentrent sur le risque applicatif.
Le même modèle s’étend désormais à l’IA. Wiz AI-APP sécurise le cycle de vie des applications d’IA, du code au runtime. Les modèles, les agents et les données que livrent vos pipelines relèvent ainsi de la même vision du risque que le reste de votre cloud.
Demandez une démo pour découvrir comment Wiz sécurise votre environnement cloud.
Secure your cloud from code to production
Learn why CISOs at the fastest growing companies trust Wiz to accelerate secure cloud development.