
Tech • IA • Robotique • Jeu
Des tests de piratage piloté par l’IA montrent que les modèles fermés de pointe d’OpenAI et d’Anthropic restent les plus capables, mais que des modèles chinois à poids ouverts téléchargeables et bon marché sont déjà suffisamment efficaces pour automatiser de vastes cyberattaques à faible coût.
Lors d’un récent test sur cyber range mené par Vals, des modèles d’IA ont reçu un poste de travail et une fausse entreprise cible, puis ont été chargés de pénétrer des réseaux, de prendre le contrôle de machines et d’exfiltrer des données protégées sans aide humaine. Un modèle chinois à poids ouverts, identifié comme DeepSeek, aurait atteint la plupart des objectifs sur un premier réseau pour moins de 3 $ par tentative. Un modèle de premier plan d’OpenAI a aussi rempli les objectifs, mais pour environ 20 $ par exécution.
Des professionnels de la cybersécurité ont souligné que ce résultat marquant ne doit pas masquer une réalité plus large: les modèles de pointe les plus puissants restent les systèmes fermés exploités par des laboratoires américains comme OpenAI et Anthropic. Dans des chaînes d’attaque plus complexes, ces modèles récupèrent mieux après des erreurs, ajustent leur stratégie et utilisent moins d’actions. C’est important, car les intrusions avancées dépendent moins de la force brute que du maintien d’un raisonnement cohérent sur de nombreuses étapes.
L’enjeu stratégique n’est pas que les modèles à poids ouverts soient meilleurs en tout, mais qu’ils soient accessibles à tous. Des chercheurs ont décrit certains modèles chinois comme des « sprinteurs » efficaces: ils peuvent balayer largement, tester de nombreuses combinaisons et découvrir à grande échelle des faiblesses simples mais bien réelles. Même s’ils consomment plus de tokens et deviennent plus faciles à détecter, ils peuvent tout de même faire baisser le coût de la cybercriminalité au point de rendre les petites entreprises, les administrations locales et les opérateurs industriels peu défendus de nouvelles cibles attractives.
Des ingénieurs sécurité ont soutenu que l’évaluation de Vals n’utilisait que deux environnements et des scénarios trop simples pour refléter de vrais réseaux d’entreprise. Dans des tests plus réalistes avec des environnements plus vastes, les taux de réussite chutent fortement et l’écart entre modèles peut se creuser. La critique n’était pas que ces résultats soient inutiles, mais qu’ils surestiment peut-être à quel point un modèle peut compromettre à bas coût une cible significative en pratique.
Un autre test cité par les participants suggérait que le classement des modèles varie selon la dépense. À très faible budget, comme 0,10 $ ou 1 $, des modèles plus petits ou moins chers peuvent offrir le meilleur rendement, DeepSeek étant particulièrement performant au début. À 10 $ et surtout 100 $, les grands modèles fermés reprennent l’avantage, montrant une meilleure endurance sur des tâches plus longues. Cela suggère que les modèles ouverts peuvent trouver rapidement les gains faciles, tandis que les systèmes de pointe performent mieux sur des opérations prolongées.
La discussion a insisté sur le fait que beaucoup d’entreprises sont très en dessous du niveau supposé dans les débats sur les modèles de pointe. Certaines petites et moyennes entreprises manquent encore d’expertise interne de base en sécurité, s’appuient sur une cyberassurance minimale et ne savent pas toujours évaluer leur propre exposition. Si le coût de lancement des attaques tombe vers quelques dizaines de dollars, l’économie de l’extorsion change: des cibles autrefois jugées trop petites pour valoir la peine peuvent soudain devenir rentables à attaquer.
Un risque majeur est la montée d’attaquants inexpérimentés utilisant les modèles comme tuteurs et opérateurs. Un utilisateur peut demander à un agent d’analyser un site, d’identifier une vulnérabilité et de suggérer les étapes suivantes sans comprendre les techniques sous-jacentes. Cela n’élimine pas l’avantage des opérateurs qualifiés, mais peut élargir le vivier de personnes capables de tenter une intrusion, comme l’automatisation a déjà abaissé les barrières dans d’autres arnaques en ligne.
Le contexte plus large inclut l’espionnage soutenu par les États et les opérations cyber offensives de puissances comme la Chine, l’Iran, la Corée du Nord, les États-Unis et des États européens. Les régimes isolés peuvent trouver les opérations cyber particulièrement attractives, car elles exigent bien moins de capital que les programmes militaires conventionnels. Les pays occidentaux sont eux aussi largement considérés comme solides en renseignement et en capacités cyber offensives, même s’ils se présentent publiquement comme agissant surtout en défense.
Le débat s’est étendu à BYD et à d’autres véhicules chinois connectés, qui combinent caméras, microphones, géolocalisation et parfois lidar. Les forces des États-Unis auraient interdit ces véhicules sur la base aérienne de Kadena au Japon, tandis que la Pologne, le Royaume-Uni et Israël ont aussi pris des mesures restrictives autour de sites sensibles. L’inquiétude est que des produits connectés grand public puissent devenir des plateformes de collecte de renseignement, illustrant la collision entre mondialisation économique, infrastructures numériques et sécurité nationale.
La question centrale n’est plus de savoir si l’IA peut aider au piratage, mais qui peut accéder aux systèmes les plus puissants et à quelle vitesse des modèles ouverts bon marché peuvent élargir la base des attaquants. Restreindre les modèles de pointe peut freiner certains abus, mais cela risque aussi de laisser des défenseurs plus faibles exposés tandis que des outils largement disponibles continuent de progresser.
Poser une question