Une cyberattaque assistée par l'IA désigne une intrusion dans laquelle des outils d'intelligence artificielle interviennent à une ou plusieurs étapes, telles que la reconnaissance, l'analyse des vulnérabilités, la création de contenus de hameçonnage ou la génération de code, et non une attaque planifiée et exécutée par un modèle d'IA sans intervention humaine. Les avertissements d'OpenAI et d'Anthropic font référence à ce modèle assisté, et non à des attaquants IA autonomes. |
|---|
Principaux enseignements
- OpenAI et Anthropic se sont joints à plus d'une centaine d'autres entreprises pour mettre en garde contre le fait que l'IA abaisse le seuil de compétence requis pour mener des cyberattaques
- CrowdStrike a fait état d'une campagne assistée par l’IA visant des banques sud-coréennes utilisant l’outil ARTEX, reposant sur un backend DeepSeek, et comportant également des historiques de sessions Claude Code
- Les mesures de prévention, notamment le nettoyage des fichiers et l'analyse préalable à l'exécution, réduisent l'exposition aux logiciels malveillants générés par l'IA, mais la détection et la réaction restent indispensables en complément de ces mesures.
- Les responsables de la sécurité peuvent agir dès maintenant : donner la priorité aux vulnérabilités exposées à haut risque, renforcer les contrôles d'accès, inspecter et nettoyer les fichiers non fiables, tester les défenses existantes et vérifier que les équipes sont prêtes à intervenir en cas d'incident.
- OpenAI et Anthropic seraient en train de préparer des scénarios « du lendemain » en prévision d'une réaction négative du public à la suite d'une attaque majeure assistée par l'IA, bien que ce calendrier n'ait pas été confirmé par OpenAI
Ce que prévoient réellement OpenAI et Anthropic
OpenAI et Anthropic considèrent une cyberattaque majeure assistée par l'IA comme un enjeu de préparation. En août 2026, les deux entreprises se sont jointes à plus de 100 autres organisations pour signer une lettre ouverte alertant sur le fait que l’IA est en train de faire tomber les barrières liées aux coûts et aux compétences qui freinaient autrefois les attaquants, et appelant les défenseurs à remédier aux vulnérabilités et aux erreurs de configuration qu’ils ont déjà accumulées avant que cette évolution ne s’accélère. La lettre présente cela comme un risque commun à toute organisation exploitant une infrastructure exposée, et pas seulement aux cibles de premier plan.
Cette préparation concerne également la manière dont les entreprises anticipent la réaction du public. Selon Axios, OpenAI et Anthropic préparent en interne des plans pour « l’après-attaque », des stratégies de communication et des guides d’intervention face à la colère du public qui suivrait une attaque majeure impliquant l’IA, des sources évoquant un délai de 6 à 12 mois. Ce délai provient des sources d’Axios et non d’une projection publiée par OpenAI elle-même ; OpenAI a d’ailleurs précisé que ses propres scénarios de préparation ne constituaient pas des issues inévitables.
Pour les responsables de la sécurité, la distinction importe moins que l'orientation à adopter. Que l'horizon soit de six mois ou de deux ans, les entreprises qui développent ces systèmes d'IA considèrent déjà les attaques assistées comme une réalité opérationnelle à court terme, ce qui constitue une raison suffisante pour donner la priorité aux mesures de défense abordées plus loin.
Les domaines où les attaques assistées par l'IA font déjà leur apparition
Il existe déjà des preuves d'attaques menées à l'aide de l'IA, indépendamment des avertissements concernant ce qui pourrait survenir à l'avenir. Le cas le plus flagrant rendu public est une campagne menée contre des institutions financières sud-coréennes, que CrowdStrike a documentée dans le cadre d'une étude consacrée à un ensemble d'outils que la société appelle « ARTEX ».
Le rapport de CrowdStrike a révélé que l'auteur de la menace utilisait ARTEX, un framework reposant principalement sur un backend DeepSeek, ainsi que des historiques de sessions Claude Code découverts au sein de la même infrastructure de l'attaquant. Le rapport précise également que le nombre d'organisations touchées n'est pas encore confirmé.
L'étude ne cite aucun antivirus en particulier qui n'aurait pas détecté cette activité et ne fournit aucun élément permettant d'estimer l'ampleur d'un éventuel incident futur. Les données montrent qu'un ensemble hétérogène d'outils a été utilisé dans le cadre d'une campagne documentée, mais ne confirment pas qu'un seul et même modèle d'IA ait mené toutes les étapes de l'attaque.
La lettre ouverte publiée en août 2026 par OpenAI, Anthropic et plus d'une centaine d'autres organisations exprime toutefois des inquiétudes quant à l'évolution future des attaques basées sur l'IA, plutôt que sur celles qui ont déjà été observées.
Ce que l'IA change dans le domaine des cyberattaques
L'IA modifie la dynamique économique d'une attaque : elle réduit le temps et l'expertise que chaque étape exigeait auparavant. La recherche de vulnérabilités en est l'exemple le plus frappant. Les outils d'IA peuvent analyser le code et les configurations à la recherche de failles plus rapidement qu'un analyste travaillant seul, puis rédiger un code d'exploitation dès qu'une faille est identifiée. Cela permet de raccourcir un processus qui prenait auparavant plusieurs jours à une équipe spécialisée.
La coordination entre les différentes étapes constitue le deuxième changement. La campagne ARTEX décrite ci-dessus montre comment les outils d'IA facilitent la reconnaissance, la mise en place des moyens et l'exécution au sein d'une même opération, en reliant des étapes qui nécessitaient auparavant une équipe dotée de compétences variées et acquises séparément.
Dans l'ensemble, ces capacités laissent présager une augmentation du nombre de tentatives et une accélération du rythme des attaques de la part des pirates. Il s'agit là d'une interprétation fondée sur les recherches de CrowdStrike et les préoccupations exprimées dans la lettre du secteur, et non d'un décompte confirmé des nouvelles attaques.
La lettre ouverte rédigée sous l’égide d’OpenAI affirme que ces mêmes capacités sous-jacentes de l’IA peuvent aider les défenseurs à remédier aux vulnérabilités et aux erreurs de configuration qui se sont déjà accumulées, en automatisant le triage, la vérification des correctifs et l’analyse des journaux à une échelle que les équipes de sécurité ont du mal à atteindre avec leurs seuls effectifs. Les outils d’attaque et les outils de défense s’appuient sur les progrès d’une même technologie.
Pourquoi la prévention doit aller de pair avec le dépistage
La détection d'une menace et la prévention de tout préjudice constituent deux fonctions de sécurité distinctes. Les attaques assistées par l'IA soulignent l'importance de cette distinction : une organisation qui se contente de la détection parie que chaque attaque ressemblera à une attaque qu'elle a déjà rencontrée.
Détection ou prévention : quel est le rôle réel de chacune ?
- La détection permet d'identifier les comportements malveillants, généralement après qu'un fichier ou une action s'est déjà introduit dans l'environnement, en les comparant à des signatures, des règles heuristiques ou des modèles comportementaux connus.
- La prévention supprime ou limite les actions qu'un fichier peut effectuer avant même qu'il ne s'exécute, que le moteur de détection le reconnaisse ou non comme une menace.
La détection ne peut repérer que ce qu’elle a vu ou ce pour quoi elle a été entraînée. La prévention n’a pas besoin de reconnaître une menace pour la neutraliser.
Dans quels cas la technologie Deep CDR™ trouve-t-elle son application ?
Technologie Deep CDR™ est notre technologie de neutralisation et de reconstruction de contenu. Au lieu d'analyser un fichier à la recherche de modèles malveillants connus, elle supprime le contenu actif et reconstruit le fichier en une version propre et utilisable, ce qui signifie qu'elle couvre les fichiers pour lesquels les moteurs de détection ne disposent pas encore de signature.
Cela s'étend aux attaques qui ciblent directement les systèmes d'IA. Dans le cadre de l'attaque « EvilFont », une police personnalisée modifie la façon dont un document s'affiche pour un lecteur humain par rapport à ce qu'un modèle d'IA extrait du même fichier, sans présenter de structure ou de signature anormale permettant sa détection. La technologie Deep CDR™ supprime la police intégrée lors de la reconstruction, bloquant ainsi l'attaque, qu'elle soit ou non identifiée comme malveillante.
La technologie Deep CDR™ constitue l'un des volets d'un ensemble plus large de contrôles complémentaires :
- L'inspection des fichiers permet d'examiner le type et la structure des fichiers avant de les considérer comme fiables.
- L'analyse pré-exécution permet d'évaluer le comportement d'un fichier dans un environnement contrôlé avant que celui-ci ne parvienne à l'utilisateur.
- La technologie Deep CDR™ supprime ou restaure tout élément actif présent dans le fichier, qu'il soit ou non signalé comme malveillant.
- La détection et la réaction restent indispensables face aux risques qui ne se présentent pas sous forme de fichiers
Les arguments en faveur d'une approche de la sécurité axée sur la prévention
Cette affaire complexe est au cœur du débat dans Cybersecurity Upside Down, l’ouvrage de Benny Czarny, fondateur et PDG d’ OPSWAT . Il y affirme que les stratégies de sécurité fondées sur des hypothèses de détectabilité sont de plus en plus dépassées pour une raison simple : les fichiers, qu’il s’agisse de ceux qu’un employé ouvre ou de ceux qui arrivent par e-mail, n’ont jamais été entièrement pris en compte par la seule détection, qu’ils aient été générés ou non par l’IA.
Cette approche est plus importante que n’importe quelle affirmation concernant la vitesse. Qu’un pirate ait utilisé l’IA pour générer un logiciel malveillant ou qu’il l’ait écrit à la main, le risque est le même : un fichier parvient dans un système avant que quiconque n’ait pu vérifier s’il est sûr. Les mesures de prévention éliminent ce risque, quelle que soit la manière dont le fichier a été créé.
MetaDefender s d'utilisation d'Aether™
La technologie Deep CDR™ est conçue pour fournir une copie restaurée et sécurisée d'un fichier ; trois situations nécessitent toutefois une approche différente.
- Certaines organisations doivent conserver le fichier d'origine, tel quel, pour des raisons juridiques, de conformité ou d'expertise judiciaire, et une copie reconstituée, de par sa nature même, n'est pas ce fichier.
- Les fichiers exécutables, les programmes d'installation et les scripts sont, par nature, actifs ; par conséquent, supprimer leur contenu actif reviendrait à priver les utilisateurs des fonctionnalités dont ils ont besoin, et il convient donc de se prononcer sur la question plutôt que de procéder à une refonte.
- De plus, un fichier nettoyé ne permet pas, à lui seul, à une équipe de sécurité de déterminer quelle était la menace, d’où elle provenait, ni si elle s’inscrit dans le cadre d’une campagne plus large.
MetaDefender Aether™ répond à ces trois enjeux en analysant le fichier sans le modifier. Il s’agit de notre solution de détection des vulnérabilités « zero-day » à cinq niveaux, conçue pour contrer les logiciels malveillants innovants et furtifs que la détection basée sur les signatures ne parvient pas à repérer. Sa couche d’analyse statique utilise l’IA prédictive Alin pour anticiper les intentions malveillantes avant l’exécution, sans recourir à des signatures ni à la « détonation ». Les fichiers sains hautement fiables sont validés en quelques millisecondes, les fichiers malveillants hautement fiables sont bloqués, et les fichiers incertains sont transférés vers l’analyse dynamique dans un bac à sable basé sur l’émulation. Les failles « zero-day » confirmées à ce stade sont réinjectées dans l’IA Predictive Alin, ce qui renforce ainsi la détection future.
MetaDefender Aether permet également aux équipes de choisir entre rapidité et exhaustivité. L'analyse axée sur la rapidité fournit un résultat dans les plus brefs délais, ce qui convient aux flux de fichiers à haut volume, tandis que l'analyse approfondie privilégie l'extraction du plus grand nombre possible d'indicateurs de compromission au détriment de la durée de l'analyse, ce qui convient aux opérations d'investigation et d'intervention.
LLM Scanning étend cette même approche à l’IA elle-même ; MetaDefender Aether détecte les menaces intégrées dans les fichiers de modèles sans exécuter leur code et analyse les LLM en temps réel à la recherche d’injections de prompts et de divulgation de données sensibles, afin que les équipes qui intègrent des modèles open source et tiers dans leur environnement puissent les traiter comme des fichiers non fiables. Utilisées conjointement, la technologie Deep CDR™ neutralise ce qui peut être reconstruit en toute sécurité, tandis qu’ MetaDefender Aether analyse ce qui doit rester intact.
Ce que les responsables de la sécurité peuvent faire dès maintenant
Les responsables de la sécurité n’ont pas besoin d’une attaque confirmée reposant sur l’IA pour agir. Les mêmes organisations qui ont signé la lettre sectorielle d’août 2026 mettent en avant cinq domaines sur lesquels la plupart des équipes de sécurité ont déjà une bonne visibilité, même si aucun n’a fait l’objet d’une priorité récente.
- Corrigez en priorité les vulnérabilités connues et à haut risque : les systèmes exposés à Internet et les vulnérabilités dont l'exploitation est avérée sont les plus rentables pour les pirates. Vérifiez que la correction a bien fonctionné avant de marquer le ticket comme résolu.
- Limiter les autorisations excessives : renforcer les contrôles d'accès afin qu'un compte compromis ou une tentative d'hameçonnage assistée par l'IA ne puisse pas atteindre les systèmes critiques.
- Vérifiez et désinfectez les fichiers non fiables avant de les utiliser : considérez par défaut comme suspects les vecteurs d'attaque liés aux fichiers, tels que les pièces jointes aux e-mails, les téléchargements et les supports amovibles.
- Testez régulièrement vos systèmes de défense existants : des cycles de test obsolètes laissent les failles connues exposées plus longtemps que la plupart des équipes ne le pensent.
- Vérifier l'état de préparation en matière de réponse aux incidents et de reprise après sinistre : assurez-vous que les plans d'intervention tiennent compte de délais d'attaque plus courts, assistés par l'IA, et non plus uniquement des campagnes plus lentes sur lesquelles la plupart des plans ont été élaborés.
Le Congrès américain n’a pas adopté d’exigences contraignantes en matière de sécurité de l’IA, et les propositions relatives au « kill switch », débattues jusqu’en 2026, restent au point mort. C’est une raison supplémentaire d’agir directement sur ces cinq points plutôt que d’attendre une décision politique qui pourrait prendre des années.
Les équipes de sécurité doivent toujours protéger les mêmes éléments que ceux visés par les attaques assistées par l'IA : les fichiers, les points d'accès et les données transitant par leurs systèmes. Nous intégrons des mécanismes d'inspection, de nettoyage et de contrôle d'accès aux points d'entrée des contenus non fiables au sein d'une entreprise, notamment les e-mails, les transferts de fichiers, les supports amovibles et les téléchargements sur le Web.
Si vous souhaitez savoir comment ces contrôles s'appliquent aux types de fichiers et aux points d'entrée que votre organisation gère concrètement, notre équipe peut vous accompagner dans le cadre d'une évaluation de vos processus.
