L’IA est déjà utilisée dans les opérations cybernétiques
Des acteurs associés à des États et des acteurs criminels utilisent l’IA à usage général pour la reconnaissance, la traduction, l’écriture de scripts, le contenu de phishing, l’analyse de vulnérabilités et des travaux liés aux logiciels malveillants. OpenAI et Microsoft ont signalé un tel usage par des groupes associés à la Chine, la Russie, l’Iran et la Corée du Nord en 2024, tout en indiquant n’avoir identifié aucune attaque significative qui n’aurait été possible qu’à cause de leurs modèles (divulgation conjointe d’OpenAI et Microsoft).
En novembre 2025, Anthropic a signalé qu’un groupe parrainé par l’État chinois avait utilisé Claude Code dans une campagne de cyberespionnage et a attribué l’essentiel du travail tactique au modèle. Anthropic a qualifié cela de première opération documentée à grande échelle avec une intervention humaine minimale. Ce récit constitue une auto-déclaration d’entreprise importante, pas un incident public reconstitué de façon indépendante : les détails sensibles et la télémétrie ne sont pas accessibles aux chercheurs externes, et les estimations de « 80 à 90 % » d’automatisation dépendent de la façon dont les tâches sont comptées (divulgation d’Anthropic).
Le Rapport international sur la sécurité de l’IA de 2026 parvient à une conclusion calibrée : la capacité cybernétique s’améliore et les attaquants adoptent l’IA, mais aucune attaque entièrement automatisée de bout en bout n’a été rapportée publiquement, et l’effet sur la fréquence globale des attaques reste incertain (Rapport international sur la sécurité de l’IA 2026).
Où l’IA peut changer le déroulement du travail
Une opération cybernétique est une chaîne, pas une seule invite. Les attaquants identifient des cibles, collectent des informations, obtiennent un accès, se déplacent dans les réseaux, élèvent leurs privilèges, échappent à la détection, et poursuivent le vol ou la perturbation. L’IA peut accélérer des portions de cette chaîne en fouillant de vastes bases de code, en générant des variantes, en traduisant du matériel technique, ou en coordonnant des actions répétitives.
Les preuves de capacité les plus solides concernent la découverte de vulnérabilités. Des systèmes d’IA ont trouvé de véritables failles logicielles, et des équipes de l’AI Cyber Challenge de la DARPA ont utilisé l’IA avec des outils conventionnels pour analyser et corriger des logiciels open source (DARPA AIxCC). La découverte est à double usage : un défenseur peut corriger une faille, tandis qu’un attaquant peut l’exploiter. Le fait qu’un résultat améliore la sécurité dépend de qui le trouve en premier, de la façon dont la divulgation est gérée, et de la rapidité avec laquelle les systèmes concernés peuvent être mis à jour.
Les agents peuvent aussi abaisser les exigences de compétence et de temps sans créer d’expertise nouvelle. Un opérateur compétent peut déléguer des sous-tâches routinières et opérer à plus grande échelle. Un novice peut recevoir du code d’apparence plausible mais manquer du jugement nécessaire pour le déboguer ou le dissimuler. Les tests de référence utilisent souvent des exercices de capture du drapeau bien nets ou des vulnérabilités connues, si bien qu’une performance élevée ne se transpose pas automatiquement à une entreprise défendue.
Pourquoi les infrastructures méritent une attention particulière
L’électricité, l’eau, les communications, les transports, les systèmes de santé et la compensation financière reposent sur une technologie numérique et opérationnelle interconnectée. Certains équipements ont de longs cycles de remplacement, une journalisation limitée, des exigences de disponibilité fragiles, ou des protocoles hérités. Les opérateurs peuvent être incapables d’installer un correctif ordinaire sans tester au préalable les temps d’arrêt et les effets sur la sécurité.
Pourtant, « l’infrastructure critique » n’est pas exposée de manière uniforme. Certains systèmes sont segmentés, utilisent des contrôles manuels, ou bénéficient d’une réglementation sectorielle stricte. De nombreux incidents commencent par des faiblesses familières — identifiants volés, systèmes exposés à internet non corrigés, accès de fournisseurs, sauvegardes déficientes, ou ingénierie sociale — plutôt que par un exploit exotique conçu par l’IA. L’IA peut intensifier ces voies, mais la sécurité de base reste hautement pertinente.
Les conséquences varient elles aussi. La compromission d’un courrier électronique professionnel est différente du contrôle d’un équipement physique. Les affirmations d’une attaque catastrophique sur des infrastructures devraient expliquer le chemin entre l’accès numérique et le préjudice physique, les verrouillages de sécurité concernés, et la capacité de l’attaquant à maintenir son accès. Éviter ce niveau de détail défensif peut transformer un scénario plausible en un titre non étayé.
L’équilibre attaque-défense reste non résolu
Il est tentant de dire que les attaquants doivent réussir une seule fois tandis que les défenseurs doivent réussir à chaque fois. Ce slogan capture une asymétrie mais en manque d’autres. Les défenseurs contrôlent l’architecture, l’identité, l’application des correctifs, la surveillance, les sauvegardes et la récupération. Une IA défensive peut inspecter bien plus de code et de télémétrie que des équipes humaines, hiérarchiser les alertes, trouver des failles avant leur diffusion, et automatiser la remédiation. Les attaquants doivent souvent rester discrets, préserver leur accès et s’adapter à un environnement qu’ils ne contrôlent pas.
Le Rapport international sur la sécurité de l’IA affirme explicitement qu’il n’est pas clair si l’IA à usage général bénéficiera davantage aux attaquants ou aux défenseurs. Cette incertitude est la prévision exacte. Les résultats peuvent différer selon le secteur et le moment : l’attaque peut d’abord bénéficier d’une nouvelle capacité, suivie par la défense à mesure que les outils et les correctifs se diffusent. Les composants open source peuvent propager rapidement à la fois des vulnérabilités et des correctifs.
Les systèmes d’IA créent aussi de nouvelles surfaces d’attaque. L’injection d’invites (prompt injection) peut amener un agent à suivre des instructions malveillantes intégrées dans un courriel, un document ou une page web. Des permissions d’outils excessives peuvent transformer une erreur de modèle en perte de données. Les chaînes d’approvisionnement de modèles, les greffons, les magasins de mémoire et les identifiants exigent les mêmes principes de moindre privilège et d’isolement que tout autre logiciel — plus de nouveaux tests pour le comportement spécifique au modèle.
À quoi ressemblent de bonnes preuves
Les affirmations cybernétiques sont difficiles à attribuer. Une entreprise de renseignement sur les menaces ou un développeur d’IA ne voit que sa propre télémétrie et peut avoir des incitations commerciales. Les victimes peuvent ne pas divulguer les incidents. Les attaquants peuvent utiliser plusieurs modèles et des outils conventionnels, ce qui rend difficile l’isolement de l’effet marginal de l’IA.
Les tests de référence peuvent surestimer la capacité par contamination ou par un échafaudage irréaliste, et la sous-estimer par une élicitation médiocre. Les rapports devraient divulguer la version du modèle, les outils de l’agent, la nouveauté de la tâche, l’assistance humaine, les critères de succès, le taux d’essais répétés, et si la cible était simulée ou réelle. La reproduction indépendante et la divulgation responsable renforcent la confiance.
Plus important encore, il faut séparer l’adoption observée de l’impact causal. « Un attaquant a utilisé l’IA » ne prouve pas que l’IA a permis la brèche, augmenté le préjudice, ou changé l’issue de la campagne. Dans le même temps, l’absence d’attribution publique ne prouve pas l’absence du fait. Des étiquettes de confiance sont plus honnêtes que des affirmations catégoriques.
Des défenses qui fonctionnent quel que soit le scénario de capacité
Les opérateurs d’infrastructures devraient inventorier leurs actifs et leurs dépendances, segmenter la technologie opérationnelle, exiger une authentification multifacteur résistante au phishing, minimiser les privilèges permanents, et surveiller l’accès à distance et celui des fournisseurs. Des sauvegardes hors ligne testées et des procédures de récupération manuelle limitent l’impact des attaques assistées par l’IA comme des rançongiciels ordinaires. Les achats devraient exiger un développement sécurisé et une gestion rapide des vulnérabilités.
Les agents d’IA ont besoin de permissions restreintes, d’une exécution isolée, d’une journalisation, et d’une autorisation humaine pour les actions irréversibles. Les entrées provenant de sources non fiables devraient être traitées comme hostiles. Les organisations devraient soumettre à un red team l’injection d’invites, la fuite d’identifiants et le détournement d’outils avant de connecter des agents à des systèmes de production.
Les gouvernements peuvent soutenir le partage d’informations sectoriel, des normes minimales de cybersécurité, une divulgation coordonnée, le développement de la main-d’œuvre, et des exercices incluant la récupération physique. Les développeurs de modèles peuvent surveiller les abus, préserver les preuves, partager des indicateurs de façon responsable, et donner à des évaluateurs externes qualifiés accès aux tests de capacité cybernétique.
La conclusion calibrée
L’IA est passée d’une pertinence cybernétique hypothétique à un usage documenté. Elle peut automatiser des parties significatives des opérations et améliorer la découverte de vulnérabilités. Les preuves publiques les plus solides ne montrent pas encore de campagnes cybernétiques entièrement autonomes de bout en bout, et n’établissent pas non plus que l’attaque devancera la défense dans un avenir prévisible.
Le risque est sérieux car la capacité peut passer à l’échelle, l’infrastructure contient des faiblesses persistantes, et les agents peuvent agir plus vite que la révision humaine. L’opportunité est tout aussi concrète : les mêmes systèmes peuvent trouver et réparer des vulnérabilités. La politique publique devrait mesurer les résultats, renforcer les systèmes, et préserver l’accès défensif, plutôt que de traiter un équilibre attaque-défense disputé comme une loi établie.