Ollama, llama.cpp : le fichier de modèle GGUF, angle mort de l’IA en local

Exécuter un modèle d’IA sur sa propre machine passe volontiers pour la solution prudente : rien ne part vers le nuage, tout reste à la maison. C’est vrai pour les données, beaucoup moins pour la sécurité du logiciel qui lit le modèle. Un fichier de modèle téléchargé sur Internet n’est pas une donnée inerte : c’est une entrée que le programme doit interpréter, avec toutes les erreurs que cela permet.

Deux dossiers publics l’illustrent : une faille corrigée dans Ollama, et des failles de llama.cpp signalées par des chercheurs de Cyera, dont une partie n’était pas corrigée lors de leur dernier contrôle.

Un GGUF, c’est quoi, et pourquoi il pose problème

GGUF est le format de fichier que llama.cpp utilise pour distribuer des modèles. Son en-tête contient des métadonnées (formes, nombre et types des tenseurs, c’est-à-dire des tableaux de poids du modèle), que le code exploite pour décider de la quantité de mémoire à réserver et du nombre d’octets à lire, comme l’explique l’analyse de Cyera.

Le risque tient à cette confiance. Si le programme croit ce que le fichier déclare sans le comparer à la taille réelle des données, il peut lire ou écrire en dehors de la zone prévue. Un fichier fabriqué dans ce but et chargé par un outil vulnérable devient alors un moyen d’agir sur le programme. Cette erreur de gestion de la mémoire est classique ; ce qui change ici, c’est que le fichier à lire est un modèle que l’on télécharge couramment auprès de tiers.

Ollama : une fuite de mémoire corrigée en 0.17.1

La faille d’Ollama, référencée CVE-2026-7482 et surnommée « Bleeding Llama » par plusieurs publications, est une lecture hors limites dans le chargeur GGUF. Elle touche toutes les versions antérieures à la 0.17.1. La mémoire lue à tort peut contenir des variables d’environnement, des clés d’API et des instructions système, et ces données peuvent ressortir du serveur par la fonction de publication de modèles.

Deux scores circulent, ce qui prête à confusion. Tenable donne 9,1 (critique) en CVSS v3.1 et 8,8 (élevé) en CVSS v4.0. Il ne s’agit pas d’un désaccord sur la gravité, mais de deux grilles de calcul appliquées au même défaut. L’avis publié le 4 mai 2026 dans la base de GitHub retient le score v4.0.

Ce qui rend la faille sérieuse, ce n’est pas seulement le code : les fonctions de création et de publication de modèles n’ont pas d’authentification dans la distribution d’origine. Par défaut, Ollama n’écoute que sur 127.0.0.1, donc sur la machine elle-même. Mais la configuration qui le fait écouter sur toutes les interfaces (OLLAMA_HOST=0.0.0.0) est très répandue, et l’avis note une forte exposition observée sur Internet. Un chiffre de plus de 300 000 serveurs concernés circule dans la presse spécialisée, sans que sa source ni sa méthode soient indiquées : il est à prendre comme un ordre de grandeur non vérifié.

Aucune des sources consultées ne fait état d’une exploitation de cette faille dans la nature : la presse décrit un scénario d’attaque, pas des intrusions constatées.

llama.cpp : un projet qui a fermé sa porte aux signalements privés

Le cas de llama.cpp est moins net. Sa politique de sécurité indique que le programme de divulgation privée est « désactivé jusqu’à nouvel ordre » : les correctifs doivent être proposés en public et les courriels sont ignorés. Les chercheurs sont invités à laisser au projet au moins 90 jours avant toute publication. La première page liste dix avis, dont deux notés critiques, tous deux liés au serveur de calcul à distance (RPC).

C’est dans ce contexte que Cyera a publié le 7 août 2026 ses travaux, présentés à DEF CON 34 : dix vulnérabilités, auxquelles VulnCheck a attribué des identifiants de CVE-2026-43622 à CVE-2026-43632 (le 43625 n’étant pas utilisé). VulnCheck est intervenu parce que les chercheurs n’avaient pas pu mener la divulgation à son terme avec les mainteneurs. Plusieurs signalements ouverts depuis juillet 2025 avaient été clos sans correctif.

Lors d’un contrôle au 1er juin 2026, sur la version b9445, cinq des dix failles n’étaient toujours pas corrigées. Parmi elles figurent CVE-2026-43631 et CVE-2026-43632, deux failles du serveur llama-server notées 9,2 en CVSS v4.0, comme le relève eSecurity Planet. Les chercheurs ont publié leurs propres correctifs pour ces cinq cas dans un dépôt public.

Ce statut date de juin, et les sources consultées ne disent pas ce qu’il est devenu depuis. Le texte de Cyera présente en outre des incohérences d’identifiant sur l’une des failles. Avant de conclure qu’une version précise est vulnérable, il faut donc consulter les avis du projet et les fiches CVE.

Qui est concerné, et que faire

Sont d’abord concernés les serveurs Ollama ou llama-server joignables depuis un réseau, y compris un réseau local partagé, et les applications qui embarquent llama.cpp. Un usage strictement personnel, sur une machine qui n’accepte aucune connexion extérieure, expose beaucoup moins, mais reste concerné dès que l’on charge un modèle d’origine inconnue.

  • Il est conseillé de mettre Ollama à jour au-delà de la 0.17.1 ; la dernière version stable affichée sur la page des versions au 16 novembre 2026 est la 0.40.16.
  • Il est conseillé de ne pas faire écouter ces services sur 0.0.0.0, ou de les placer derrière un proxy inverse ou une passerelle qui impose une authentification.
  • Le projet llama.cpp recommande lui-même d’exécuter les modèles non fiables dans un environnement isolé de type bac à sable, et de ne pas employer son serveur RPC dans un environnement non fiable.
  • Sur les serveurs exposés à du trafic non fiable, il est conseillé de laisser désactivée l’option de mise en veille automatique de llama-server tant que les deux failles notées 9,2 n’ont pas été confirmées comme corrigées.

Ce qu’on ne sait pas encore

Trois points restent ouverts : l’état actuel des cinq failles de llama.cpp, l’ampleur réelle de l’exposition des serveurs Ollama et l’éventuelle exploitation de ces défauts hors laboratoire. On peut y voir un rappel : un moteur d’IA local est un logiciel comme un autre, qui lit des fichiers venus de l’extérieur, et son isolement dépend de sa configuration plus que de son caractère « local ».

Sources

Enable Notifications OK No thanks