Le 9 novembre 2026, l’équipe de vLLM a publié un avis de sécurité, une alerte officielle sur une faille. Cet avis porte sur un bogue qui pouvait faire passer des fragments de la requête d’un utilisateur dans la réponse d’un autre. vLLM est un logiciel libre qui sert à faire tourner des modèles d’IA ouverts sur ses propres serveurs, pour de nombreux utilisateurs à la fois.
Un second avis a suivi le même jour. Selon notre décompte de sa page sécurité sur GitHub, la plateforme qui héberge son code, le projet en compte 58 depuis le 1er septembre. Il en avait publié 40 de janvier à août 2026.
Le même soir, deux signalements publics d’un seul auteur ont décrit des fuites semblables entre clients. L’un vise vLLM, l’autre SGLang, un logiciel libre du même type. Au 16 novembre, aucun des deux correctifs proposés n’était intégré.
Deux avis publiés le 9 novembre
Le premier avis, référencé GHSA-v97p-wpxp-px84, concerne les versions 0.16.0 à 0.20.2 de vLLM, sorties entre le 26 février et le 10 mai 2026. Le bogue apparaît quand deux réglages sont activés en même temps. L’un, le parallélisme en pipeline, découpe le modèle en tranches réparties sur plusieurs cartes graphiques. L’autre, l’ordonnancement asynchrone, prépare l’étape suivante pendant que la carte calcule.
Selon l’avis, « des données de jetons issues du contexte de la requête d’un utilisateur précédent peuvent fuiter dans la réponse d’un autre utilisateur ». Les jetons sont les morceaux de mots que le modèle lit et écrit. Comme exemples de requêtes sensibles, l’avis cite des informations personnelles, des données d’entreprise confidentielles et des contenus médicaux ou juridiques.
Le problème avait été signalé dès le 3 avril dans un ticket, un rapport de bogue public sur GitHub. Son titre évoque une « contamination de contexte entre requêtes ». La version 0.21.0, sortie le 15 mai 2026, l’a corrigé.
L’avis le classe en gravité moyenne, avec 4,8 sur 10 selon CVSS, la grille standard de notation des failles. Pour les versions touchées, il propose de désactiver l’un des deux réglages.
Le second avis, référencé GHSA-fpch-3xrf-7q96, vise les versions 0.21.0 à 0.27.1, corrigées dans la version 0.28.0 du 26 août. Il porte sur le « budget de réflexion », un paramètre qui limite le nombre de jetons qu’un modèle consacre à raisonner avant de répondre. Une fois ce budget atteint, vLLM insère dans la réponse un marqueur de fin de raisonnement, appelé balise, par exemple </think>.
Pour aller plus vite, le serveur traite plusieurs requêtes ensemble, par lots. Le bogue se produit quand il réorganise un lot : l’état du budget d’une requête peut alors être recopié sur une autre. Une requête ordinaire peut ainsi forcer cette balise dans la réponse d’une autre requête du même lot. L’avis précise que la faille ne permet pas d’exécuter du code et qu’« aucun impact sur la confidentialité n’est démontré ».
Ce second bogue a été trouvé par Patch the Planet, un programme de recherche de failles mené par la société de sécurité Trail of Bits avec OpenAI. La découverte a été faite avec GPT-5.5-Cyber, le modèle d’OpenAI spécialisé en cybersécurité.
Le nombre d’avis a bondi en septembre
La page sécurité de vLLM recense 19 avis publiés en septembre, 33 en octobre et 6 entre le 1er et le 9 novembre, aucun depuis. Sur ces 58 avis, le projet en classe 13 en gravité élevée, 41 en gravité moyenne et 4 en gravité faible.
La plupart décrivent un déni de service : une requête fait planter le serveur ou épuise sa mémoire ou son processeur.
Trois avis classés élevés décrivent, sous conditions, une exécution de code à distance : un attaquant fait tourner ses propres programmes sur le serveur. Le premier suppose notamment que l’exploitant ait activé l’option --trust-remote-code, qui autorise l’exécution du code fourni avec un modèle. Le deuxième exige une version vulnérable de Ghostscript, un logiciel qui lit les fichiers PostScript et PDF. Dans le troisième, un utilisateur connecté vise un serveur qui garde images et sons en mémoire partagée (option --mm-processor-cache-type shm).
Les 58 failles sont corrigées au plus tard dans la version 0.33.0, sortie le 2 novembre 2026.
Patch the Planet figure comme découvreur dans 11 des 58 avis, le premier daté du 12 septembre. Selon Trail of Bits, le programme associe les ingénieurs de la société à « plus de 30 projets open source ». Dans un billet du 2 juillet, la société prévient que des modèles comme GPT-5.5-Cyber vont bientôt produire « un flot de signalements de bogues ». Elle ajoute que les responsables de logiciels libres sont déjà débordés.
Début novembre, OpenAI avait décrit une recherche de failles du même type sur le noyau Linux, avec 948 failles trouvées par ses agents.
Des fuites déjà signalées de juin à octobre
vLLM partage une même carte graphique entre plusieurs utilisateurs et réutilise la mémoire d’une requête à l’autre. Trois avis antérieurs décrivent des cas où la séparation entre requêtes a échoué.
Le premier, du 11 juin 2026 (référence CVE-2026-53923), visait une fonction qui décompresse les poids des modèles au format GGUF, un format courant pour les modèles allégés. Elle laissait des restes de calculs précédents dans la mémoire de la carte graphique. Selon l’avis, ces restes pouvaient contenir des données des requêtes d’autres utilisateurs, jusqu’à la correction de la version 0.24.0.
Le deuxième, publié le 11 août (référence CVE-2026-73558), décrivait une attaque plus directe. Un attaquant qui place ses requêtes dans le même lot que celles d’une victime peut recevoir dans sa réponse une copie de celle de la victime. La version 0.27.0 corrige ce bogue.
Le troisième, publié le 9 octobre et classé élevé, concernait un module optionnel qui répartit le travail entre plusieurs machines. Un en-tête piégé, une mention technique jointe à la requête, pouvait amener vLLM à envoyer des données au serveur d’un attaquant. Ces données étaient la mémoire de travail qu’un modèle conserve pour une conversation.
Deux signalements encore ouverts
Le premier signalement, le ticket 66629 ouvert chez vLLM le 9 novembre, vise le « décodage par suffixe ». Cette technique accélère l’écriture en proposant au modèle des suites de mots tirées de textes déjà produits. Selon l’auteur, vLLM range les réponses terminées de toutes les requêtes dans une réserve commune, sans tenir compte des clés qui séparent les clients.
Le modèle doit ensuite vérifier ces mots. Selon l’auteur, avec deux modes de vérification optionnels, FLy et synthetic, des jetons de la réponse d’un client « sont émis mot pour mot dans la réponse » d’un autre. Le jour même, un contributeur a proposé une modification qui interdit cette combinaison de réglages. D’après ses tests, la fuite apparaît avec ces deux modes, mais pas avec le mode standard, celui par défaut.
Le second signalement, le ticket 49361, vise SGLang. Il décrit une erreur de gestion de la mémoire dans le cache du logiciel, une réserve qui garde le début des conversations pour les réutiliser.
Selon le ticket, le problème survient quand un échange d’une conversation est abandonné après avoir changé de clé de cache. Cette clé isole les données de chaque client. Deux entrées du cache peuvent alors pointer vers la même zone de mémoire, et une requête ultérieure pourrait recevoir des données de la conversation d’un autre client. Une correction est proposée depuis le 10 novembre.
Les deux tickets ont été ouverts par le même auteur, à une demi-heure d’intervalle. Il indique avoir rédigé son analyse technique avec l’aide de Claude, le modèle d’IA d’Anthropic.
Des bogues corrigés, des signalements non confirmés
Les deux avis du 9 novembre portent sur des bogues corrigés depuis plusieurs mois, sans attaque signalée. Le premier exige deux réglages activés ensemble. Le second ne fait passer qu’une balise, sans fuite de contenu démontrée. Il suppose aussi que le mode raisonnement soit activé et que l’attaquant place sa requête dans le même lot que sa cible.
Au 16 novembre, aucun des deux projets n’avait confirmé par un avis le signalement qui le concerne. Chez vLLM, le contributeur qui propose la correction a reproduit la fuite avec le programme de test de l’auteur, mais seulement dans les deux modes optionnels. Chez SGLang, la fuite suppose un échange abandonné après un changement de clé de cache.
Notre analyse
Le rythme des avis a changé en septembre, le mois du premier avis signé par Patch the Planet. Ce programme assisté par l’IA ne signe pourtant que 11 des 58 avis. Les 47 autres dépassent à eux seuls les 40 avis des huit mois précédents. Patch the Planet n’explique donc pas seul la hausse.
Les fuites entre utilisateurs concernent d’abord les organisations qui font tourner un même serveur pour plusieurs équipes ou clients. Héberger ses modèles en interne supprime le risque lié à un prestataire, comme l’a montré la fuite de conversations Notion AI chez Fireworks AI. Cet hébergement laisse en revanche à l’entreprise la charge des mises à jour.
Le premier avis du 9 novembre en donne un exemple : le bogue a été corrigé en mai, mais l’avis n’est sorti qu’en novembre. Un serveur resté sur une version sortie entre fin février et début mai, avec les deux réglages actifs, reste exposé. Jusqu’au 9 novembre, son exploitant n’avait pour alerte qu’un ticket public et une nouvelle version.
Les deux signalements du 9 novembre deviendront-ils des avis officiels, et avec quelle gravité ? Les modifications proposées pour vLLM et SGLang seront-elles intégrées telles quelles ? Les prochaines semaines diront si le rythme de septembre et d’octobre se maintient.
Sources
- Cross-user token data leakage in async scheduling + Pipeline Parallelism (GHSA-v97p-wpxp-px84), vLLM, 9 novembre 2026
- Thinking-budget sparse state aliases onto a co-batched request during a mixed SWAP, forcing the reasoning-end token into another request’s output (GHSA-fpch-3xrf-7q96), vLLM, 9 novembre 2026
- Security advisories, vllm-project/vllm, vLLM sur GitHub, page consultée le 16 novembre 2026
- Cross-User Data Leak Vulnerability (CVE-2026-73558), vLLM, 11 août 2026
- [Bug]: Cross-Request Prompt Leakage in vLLM Suffix Speculative Decoding (ticket 66629), vLLM sur GitHub, 9 novembre 2026
- [Bugfix][Spec Decode] Reject lossy verifiers with the shared suffix corpus (PR 66658), vLLM sur GitHub, 9 novembre 2026
- [Bug] Use-After-Free in SGLang UnifiedRadixCache Exposes Tenant KV Data (ticket 49361), SGLang sur GitHub, 9 novembre 2026
- GPT-5.5-Cyber built a zlib fuzzing lab in a day, Trail of Bits, 2 juillet 2026
Image d’en-tête : graphique MACCUS. Données : page des avis de sécurité de vLLM sur GitHub, consultée le 16 novembre 2026.



