20 novembre 2026
SkillSpector : l'outil NVIDIA qui scanne un skill IA avant installation

SkillSpector, l'outil open source de NVIDIA, scanne un skill IA avant installation et repère les tentatives d'injection de prompt. Comment l'utiliser en local, sans clé d'API.
10 min de lecture
Un assistant IA comme Claude Code ou un serveur MCP gagne en puissance grâce aux « skills » : des extensions tierces qu'on ajoute en quelques secondes pour automatiser une tâche. Le problème, c'est qu'un skill s'exécute avec les accès de la personne qui l'a installé — shell, variables d'environnement, parfois les clés SSH. SkillSpector, un outil gratuit publié par NVIDIA, scanne un skill avant son installation pour repérer les pièges, dont les tentatives d'injection de prompt, sans forcément envoyer son contenu en dehors de votre ordinateur.
Fonctionnalités et chiffres cités dans cet article constatés sur le dépôt GitHub du projet et sur l'article de Help Net Security le 20 novembre 2026, susceptibles d'évoluer.
À retenir
- Un skill IA tiers tourne avec une « confiance implicite et peu de vérification », selon NVIDIA — SkillSpector recherche notamment la lecture de clés SSH et la collecte de variables d'environnement comme signaux de risque (dépôt GitHub SkillSpector).
- SkillSpector détecte 64 motifs de risque selon Help Net Security (71 motifs répartis en 17 catégories selon le dépôt GitHub du projet), dont l'injection de prompt, l'exfiltration de données et l'escalade de privilèges.
- Les skills qui embarquent un script Python sont 2,12 fois plus susceptibles d'être vulnérables, selon l'étude citée par Help Net Security.
- Un scan peut tourner entièrement en local, sans appel à un fournisseur de modèle, avec l'option
--no-llm.
Pourquoi un skill IA tiers est un risque pour votre ordinateur
Installer un skill ressemble à installer une extension de navigateur : un clic, et c'est fait. La différence, c'est que le skill s'exécute ensuite avec les mêmes droits que votre compte utilisateur, qui tourne avec « une confiance implicite et peu de vérification », selon le dépôt GitHub du projet. Deux des catégories de risque que SkillSpector recherche précisément illustrent ce que cela signifie en pratique : la lecture de clés SSH, de jetons ou de mots de passe, et la collecte de variables d'environnement.
Un skill malveillant n'a donc pas besoin de faille système pour nuire : il lui suffit de faire ce que n'importe quel programme lancé par vous pourrait faire. C'est exactement le problème que posent déjà les API d'intelligence artificielle mal sécurisées en entreprise — l'outil change, le principe reste le même : un accès large, accordé sans vérification préalable.
L'étude citée par Help Net Security illustre l'ampleur du risque : les skills qui embarquent un script Python sont 2,12 fois plus susceptibles de contenir une vulnérabilité que les skills qui s'en passent (Help Net Security, 2026). Un script, c'est du code qui s'exécute — et du code qui s'exécute peut faire bien plus qu'afficher un résultat.

Qu'est-ce que SkillSpector et que vérifie-t-il
SkillSpector est un scanner de sécurité open source publié par NVIDIA. Il prend en entrée un dossier, un fichier SKILL.md, une archive zip ou l'URL d'un dépôt Git, et répond à une question simple : ce skill est-il sûr à installer ?
L'outil combine plusieurs méthodes d'analyse statique : une lecture de l'arbre syntaxique du code, un suivi de flux de données (« taint tracking »), des règles YARA pour repérer des malwares, webshells ou mineurs de cryptomonnaie déjà connus, et une bibliothèque de motifs de risque. Help Net Security chiffre cette bibliothèque à 64 motifs ; le dépôt GitHub du projet, consulté le 20 novembre 2026, en annonce 71 répartis en 17 catégories — les deux chiffres ne coïncident pas exactement, probablement parce que le projet a évolué entre la publication de l'article (août 2026) et aujourd'hui.
Ces catégories couvrent, entre autres, l'injection de prompt (des instructions cachées dans le skill qui tentent de détourner le comportement de l'IA), l'accès aux identifiants, l'empoisonnement de mémoire, les dépendances au nom proche d'un paquet légitime (« typosquatting »), et les caractères invisibles ou homoglyphes dissimulés dans les métadonnées d'un outil.
C'est le même principe que l'outil de sécurité open source de Cloudflare pour les applications construites avec l'IA : vérifier le code avant qu'il ne tourne, plutôt qu'après coup.
Une analyse optionnelle par un modèle de langage peut ensuite filtrer les faux positifs et expliquer les résultats en langage clair. Le projet revendique environ 87 % de précision pour cette passe optionnelle, selon Help Net Security. Cette option envoie le contenu du skill au fournisseur de modèle configuré — ce qui nous amène au point suivant.
Scanner en local, sans rien envoyer en ligne
L'analyse statique de SkillSpector — l'arbre syntaxique, le suivi de flux, les règles YARA, les motifs de risque — tourne entièrement sur votre machine, sans connexion réseau. Seule l'analyse optionnelle par modèle de langage envoie le contenu du skill vers un service externe. L'option --no-llm désactive cette étape et garde tout en local.
Voici comment lancer un premier scan, étape par étape :
- Installez SkillSpector avec la commande fournie sur le dépôt du projet :
uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git. Si vous n'avez pasuv, le projet propose aussi une installation via Docker ou depuis les sources (make install). - Repérez le dossier ou l'URL du skill que vous envisagez d'installer, avant de l'ajouter à votre assistant IA ou à votre configuration MCP.
- Lancez un scan local, sans appel externe :
skillspector scan ./mon-skill/ --no-llm. Cette commande ne nécessite aucune clé d'API. - Lisez le rapport dans le terminal : il liste chaque motif détecté, sa catégorie, et le score de risque global.
- N'installez le skill qu'une fois le rapport lu, même s'il est classé sûr — voir plus bas comment interpréter la recommandation.
L'outil ne va jamais exécuter le skill qu'il analyse : il se limite à lire son contenu. C'est une précaution utile, mais elle ne remplace pas un environnement isolé si vous décidez malgré tout de tester un skill douteux.

Lire le résultat : score de risque et recommandation
Chaque motif détecté par SkillSpector ajoute des points à un score de risque, les motifs classés critiques pesant davantage que les autres. Un score supérieur à 50 déclenche automatiquement la recommandation « ne pas installer », selon la documentation du projet. La présence de contenu exécutable (un script, par exemple) multiplie le score obtenu par 1,3.
Les dépendances listées dans le skill sont aussi vérifiées contre la base de vulnérabilités publique OSV.dev, avec un résultat mis en cache une heure ; en l'absence de connexion (environnement isolé), SkillSpector retombe sur une liste restreinte intégrée à l'outil.
Arbre de décision pour votre prochain skill tiers :
- Score supérieur à 50, ou recommandation « DO_NOT_INSTALL » → n'installez pas le skill, même s'il semble pratique.
- Recommandation « CAUTION » → lisez chaque motif détecté un par un avant de décider ; certains signalements concernent des pratiques risquées mais pas forcément malveillantes.
- Recommandation « SAFE » → vous pouvez installer, après avoir quand même parcouru une fois le fichier
SKILL.mdpour vérifier qu'il correspond à ce que vous attendiez.
Un cas chiffré : le coût d'un skill compromis pour une PME
Prenons un exemple reproductible. Une PME de cinq salariés ajoute à son assistant IA un skill tiers trouvé sur un dépôt communautaire, sans le scanner au préalable. Le skill contient un script qui lit les variables d'environnement de la machine et les transmet à un serveur distant, dont l'une contient la clé d'API d'un service de facturation en ligne.
Sans scan préalable : le skill s'installe en quelques secondes, personne ne le remarque avant que la clé d'API compromise serve à des appels non autorisés. Le temps de détecter l'anomalie sur la facture du service tiers, de révoquer la clé, de la régénérer et de mettre à jour toutes les intégrations qui l'utilisaient peut facilement occuper une demi-journée de travail technique, en plus du coût direct des appels frauduleux.
Avec un scan préalable : la commande skillspector scan ./mon-skill/ --no-llm prend quelques secondes à s'exécuter sur un skill de taille courante. Si le script qui lit les variables d'environnement déclenche un motif de risque — ce qui est précisément le type de comportement que l'outil cherche à détecter —, le score dépasse probablement 50 et la recommandation affiche « ne pas installer », avant que la clé n'ait jamais quitté la machine.
Le calcul est simple : quelques secondes de scan contre une demi-journée de nettoyage, sans compter le risque sur les données elles-mêmes si le skill allait plus loin qu'une simple clé d'API.
Ce que SkillSpector ne fait pas
SkillSpector n'exécute jamais le skill qu'il analyse : c'est un scanner statique, pas un bac à sable. Il ne surveille pas non plus vos échanges avec l'IA en temps réel pour bloquer une injection de prompt qui arriverait par un autre canal, comme un document que vous feriez lire à l'assistant. Le projet le présente lui-même comme une défense en profondeur, pas une barrière unique — à combiner avec d'autres précautions plutôt qu'à considérer comme une garantie absolue.
L'outil se concentre sur une décision précise, avant l'installation : ce skill contient-il des motifs connus de risque ? Il ne remplace pas une lecture attentive du code si le skill provient d'une source peu connue, et il ne protège pas contre un risque qui apparaîtrait après l'installation, par exemple si le skill est mis à jour avec du code différent de celui qui a été scanné.
Plan d'action
- Installez SkillSpector dès maintenant, avant d'avoir besoin de scanner un skill dans l'urgence :
uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git. - Scannez systématiquement tout skill tiers avant de l'ajouter à votre assistant IA ou à votre configuration MCP, avec l'option
--no-llmsi vous ne voulez rien envoyer en ligne. - Appliquez l'arbre de décision ci-dessus selon le score obtenu, plutôt que de vous fier uniquement à l'étiquette SAFE/CAUTION/DO_NOT_INSTALL.
- Revérifiez un skill après chaque mise à jour, pas seulement à l'installation initiale : le contenu scanné peut changer.
- Limitez les accès de vos comptes professionnels (clés d'API, variables d'environnement) à ce qui est strictement nécessaire, pour réduire l'impact si un skill passait malgré tout entre les mailles.
En résumé
- Un skill IA tiers s'exécute avec les accès de son installateur : un risque réel, pas théorique.
- SkillSpector scanne un skill avant installation et détecte des dizaines de motifs de risque, dont l'injection de prompt.
- L'analyse statique tourne en local, sans rien envoyer en ligne, avec l'option
--no-llm. - Le score de risque et la recommandation (SAFE, CAUTION, DO_NOT_INSTALL) guident la décision, mais ne remplacent pas une lecture attentive en cas de doute.
Vous ajoutez des outils IA tiers à votre système d'information sans procédure de vérification ? Un audit IT permet de faire un point global sur ces pratiques, ou parlons-en directement.
Questions fréquentes
Les réponses courtes aux questions que ces sujets soulèvent le plus souvent.

