Anti-cheat par IA : comment Vanguard et consorts détectent la triche en 2026
Riot Vanguard, EasyAntiCheat, BattlEye : les systèmes anti-triche misent de plus en plus sur des modèles de détection comportementale plutôt que sur des listes de signatures.
Cet article contient des liens affiliés. Si vous achetez via l’un d’eux, PicGamers peut percevoir une commission. Cela ne change rien au prix que vous payez et n’influence jamais nos notes.
Détecter un cheat par signature (une hash de fichier connue) devient inefficace face aux cheats modifiés en continu. La génération actuelle d’anti-cheat s’appuie de plus en plus sur des modèles entraînés à repérer des comportements suspects, plutôt que des fichiers suspects.
Ce que le modèle regarde vraiment
Riot Vanguard et EasyAntiCheat analysent des micro-patterns : la régularité millimétrée d’un aimbot dans les mouvements de visée, des temps de réaction inhumainement constants, ou des schémas de tir qui ne varient jamais avec la fatigue. Un joueur humain a une variance naturelle que les modèles de détection comportementale sont entraînés à distinguer d’un pattern généré par script.
Le prix à payer : le kernel-level
Pour observer ces comportements avant qu’un cheat ne les maquille, ces systèmes tournent au niveau noyau (kernel-level), avec les mêmes privilèges qu’un driver système. C’est efficace contre la triche, mais ça a aussi élargi la surface d’attaque de la machine — Vanguard a par exemple été visé par plusieurs rapports de chercheurs en sécurité pointant des vulnérabilités exploitables par d’autres logiciels malveillants, corrigées depuis.
Le jeu du chat et de la souris continue
Les cheats les plus sophistiqués contournent maintenant la détection comportementale en injectant de la variance artificielle — un “faux tremblement” de visée pour imiter l’imprécision humaine. La bascule vers l’IA côté anti-cheat n’a pas mis fin à la course à l’armement, elle l’a juste rendue plus chère des deux côtés.
