Risques liés à la sécurité de Claude Mythos : ce que nous apprend la « carte du système anthropique »

MISE À JOUR — «22 avril », n° 2026 : fuite concernant Mythos

Selon un article de Bloomberg publié sur et accessible à l'adresse, un petit groupe d'utilisateurs lié à une communauté Discord privée, dont l'objectif est de révéler des informations sur des modèles d'IA non encore commercialisés, a obtenu un accès non autorisé à la version préliminaire de Claude Mythos par le biais d'un environnement tiers, et non par une intrusion directe dans les systèmes centraux d'Anthropic.

Si les médias se sont principalement intéressés au modèle lui-même, ce détail replace l'incident dans un contexte plus familier pour les équipes de sécurité : l'exposition aux risques liés aux tiers, la prolifération des accès et le décalage entre les restrictions d'accès théoriques et celles appliquées dans la pratique. Plutôt que de constituer une faille majeure dans les infrastructures de sécurité, cette situation met en évidence la manière dont les capacités sensibles peuvent être exposées aux risques émanant de l'écosystème plus large qui les entoure.

Pour les défenseurs, cette distinction a son importance. Les systèmes de grande valeur sont rarement accessibles par la « porte d'entrée » ; les attaquants et les utilisateurs non autorisés recherchent des voies d'accès parallèles, moins contrôlées ou moins visibles.

Des incidents comme celui-ci viennent confirmer une réalité de longue date : les résultats en matière de sécurité dépendent toujours des principes fondamentaux de la mise en œuvre : savoir quels sont les actifs existants, comment les flux de travail des fournisseurs relient les environnements, ce qui est mal configuré ou n'a pas fait l'objet d'un correctif, et si des mesures correctives ont effectivement été prises.

À mesure que les outils de pointe améliorent l'efficacité des attaquants, les équipes bénéficiant d'une visibilité permanente sur les terminaux, les logiciels, l'état des correctifs et les dérives de configuration sont mieux à même de passer de la spéculation à une réponse éclairée.

Cet article a été rédigé par Aidan Allchin, chercheur en intelligence artificielle chez Tanium, Logan Hegler, ingénieur logiciel (gestion des expositions), et Melissa Bischoping, directrice principale de la recherche en sécurité et en conception de produits.

L'« 7 avril 2026 » d'Anthropic, ainsi que la publication de la fiche de présentation du système « Claude Mythos » ( ) de 245 pages, disponible à l'adresse , ont donné le tournis aux chercheurs, tant par les possibilités que par les écueils liés au développement de l'IA de pointe. Alors que le secteur prenait collectivement le temps de souffler, le consensus qui s'est véritablement dégagé était le suivant : l'accélération se poursuit, alors comment s'y préparer ?

Les risques de sécurité liés à Mythos, décrits dans la « Anthropic System Card », sont bien réels, mais il faut lire attentivement ce document et bien comprendre les contraintes et le contexte pour évaluer l’impact concret qu’ils pourraient avoir.
Dans les 50 premières pages de la « Anthropic System Card », Anthropic a démontré que Claude était passé d’une capacité à trouver une voie d’exploitation réussie dans moins de 1 % des cas avec le modèle Opus à une capacité à identifier des exploits fonctionnels dans plus de 70 % des cas avec le modèle Mythos. Il est tout à fait compréhensible que les conséquences de ce qu’un adversaire doté d’une intelligence artificielle pourrait faire aient hanté les cauchemars de tous les responsables de la sécurité. La question n'est pas de savoir s'il faut s'inquiéter, mais si votre inquiétude est à la mesure des faits.

Capacités de l'IA : gros titres contre preuves

Avant d'examiner les implications, il convient de déterminer ce que les données révèlent réellement et dans quels cas elles doivent être nuancées.

CyberGym évalue un élément concret : à partir d'une cible et d'une classe de vulnérabilité données, le modèle doit produire un exploit fonctionnel contre de véritables bases de code open source. Mythos obtient un score de 83,1 %, contre 66,6 % pour l'Opus 4,6. Ce n'est pas une amélioration insignifiante.

[Découvrez comment la divulgation du code source de Claude modifie l'avantage dont bénéficient les pirates — et ce que les entreprises devraient envisager de faire en réponse]

Selon la propre évaluation interne d'Anthropic, Opus 4,6 présentait « un taux de réussite quasi nul dans le développement autonome d'exploits ». Lors d'un test contrôlé réalisé sur le moteur JavaScript de Firefox, Opus 4,6 a généré deux exploits fonctionnels sur plusieurs centaines de tentatives ; Mythos en a généré 181 lors du même test. Dans le cadre d'une évaluation distincte, Anthropic a testé ses modèles sur environ un millier de dépôts du corpus OSS-Fuzz selon une échelle de gravité des plantages à cinq niveaux : les modèles « Frontier » précédents n'ont pas dépassé le niveau 3 ; Mythos a atteint les niveaux 3 et 4 , ainsi qu'un détournement complet du flux de contrôle (niveau 5) sur dix cibles distinctes et entièrement mises à jour.

Dans leur ensemble, ces résultats viennent étayer une affirmation restreinte mais importante : les modèles sont passés d’une phase où ils « détectaient parfois des failles » à une phase où ils « enchaînent de manière plus fiable les exploitations dans des bases de code réalistes », du moins dans ces conditions d’évaluation.

De l'artisanat sur mesure à la fabrication industrielle

D'un point de vue historique, le développement d'exploits relevait autant d'un art sur mesure que d'une science. Tout comme un maître artisan peut passer des mois à créer un meuble fait main, certaines des chaînes d'exploits et des travaux de recherche les plus marquants de ce siècle s'apparentaient, en comparaison, à de véritables « exploits artisanaux ». Il y avait toujours une part de « magie » dans tout cela, pratiquée par un petit nombre de personnes.

Cette publication, ainsi que les travaux de recherche qui la sous-tendent, marquent un changement de paradigme vers l'industrialisation et la démocratisation du développement d'exploits. Nous entrons dans un écosystème de type « usine », où les exploits sont développés à la demande et n’attendent pas que les artisans les conçoivent — sauf pour les variétés les plus raffinées.

Mais tout n'est pas perdu. Cette méthode reste particulièrement efficace pour imiter l'état de la technique face à des systèmes non mis à jour et non sécurisés. Il sait repérer les bogues courants et les erreurs de configuration courantes. D'un autre côté, les failles que cette technologie est capable d'identifier en vue d'une exploitation réussie sont les mêmes que celles qu'elle pourrait identifier comme prioritaires pour l'application de correctifs.

Cela offre une opportunité : repenser le renforcement de la sécurité et l'efficacité des correctifs comme un processus continu et permanent au cœur même de l'organisation, alors que les « usines à exploits » industrielles sont encore en phase de mise en place.

Lorsque l'IA a résolu le problème du repliement des protéines, elle n'a pas remplacé les biologistes, mais a modifié les types de problèmes sur lesquels ceux-ci pouvaient travailler. Mythos joue le même rôle pour les chercheurs en sécurité, d'un côté comme de l'autre.

Capacités offensives et saturation des indices de référence

Les tests de performance standard de type CTF atteignent désormais leur limite en termes de signaux. Mythos obtient un score de 100 % au test Cybench, qui couvre l'exploitation de fichiers binaires, la rétro-ingénierie, la cryptographie, l'exploitation de sites web et la découverte de vulnérabilités de bout en bout. Anthropic affirme qu'aucun autre modèle n'y est parvenu. Lorsqu'un indice de référence atteint sa saturation, il ne permet plus de distinguer les modèles de pointe.

Anthropic a réorienté ses priorités en matière d'évaluati e vers des travaux novateurs en matière de sécurité dans le monde réel, notamment la découverte de failles « zero-day » dans des logiciels en production, car les indicateurs reposant largement sur la répétition ne permettent plus de distinguer la mémorisation des capacités réelles.

Pour les professionnels, voici plusieurs critères bien connus permettant d'évaluer « dans quelle mesure l'IA est-elle capable de mener des attaques ? » sont désormais obsolètes. Le secteur s'efforce de mettre au point des mesures plus rigoureuses. C'est une situation fondamentalement différente de celle dans laquelle nous nous trouvions il y a six mois.

Le problème de l'« intervention humaine minimale »

Les modèles précédents nécessitaient l'intervention d'une personne pour réaliser les étapes les plus difficiles. Mythos permet de boucler davantage la boucle. L'indicateur « horizon temporel » de METR mesure la durée (en temps de travail d'un professionnel) nécessaire à un modèle pour mener à bien une tâche avec une fiabilité de 50 %, sans aucune intervention humaine. Cet indicateur a connu une croissance rapide ; le temps de doublement lui-même s'est raccourci selon la méthodologie « TH1,1 » de METR, développée par l' .

Source : Tableau de bord « METR Time Horizons »

METR n’a pas publié de chiffre spécifique à Mythos, mais l’article « » (La carte du système d’Anthropic) fournit un repère indicatif : Mythos aurait résolu une simulation d’attaque sur un réseau d’entreprise estimée à plus de dix heures pour un expert et décrite comme la première résolution de bout en bout sur ce type de cyber-piste d’entraînement privée (p. 52). La fiche décrit Mythos comme fonctionnant selon « un système d'agents autonomes nécessitant un minimum d'intervention humaine » (p. 46). L'évaluation de Firefox 147 permet d'affiner encore davantage le tableau :

Source : Fiche sur les systèmes anthropiques, section 3,3,3

Le passage d'environ deux réussites sur plusieurs centaines de tentatives à 72 % n'est pas progressif. Ce modèle prend les mêmes types de décisions de triage qu'un développeur de failles de sécurité humain, et ce de manière fiable, lors d'exécutions indépendantes partant de différentes catégories de plantages.

Une fois les deux failles les plus exploitables corrigées, Mythos continuait de surpasser les modèles précédents en tirant parti de quatre failles distinctes, contre une seule pour l'Opus 4,6. Anthropic souligne en outre que « les performances continuent de progresser jusqu'à la limite du nombre de tokens » (p. 52), ce qui signifie que les évaluations ne reflètent peut-être pas encore un plafond.

Mythos est le premier modèle dans lequel l'humain ne constitue plus le goulot d'étranglement dans le processus de développement des exploits.

L'impact des risques de sécurité liés à Mythos sur la gestion des vulnérabilités et la défense

Les trois indicateurs ci-dessous définissent le problème opérationnel. Chacun d'entre eux avait déjà pris la mauvaise direction avant Mythos. Chacun d'entre eux accélère encore davantage grâce à cela.

Indicateur n° 1 : Délai entre la divulgation et l'exploitation

Il y a moins de dix ans, le délai moyen entre la découverte d'une vulnérabilité , sa divulgation publique et son exploitation active était de 63 jours. Mandiant a indiqué que cette période était passée de 32 jours en 2022 à 5 jours en 2024. Cette baisse de la moyenne était déjà brutale et mettait à rude épreuve les capacités de nombreuses équipes. Grâce à l'amplification alimentée par l'IA, la discussion porte plus souvent sur des « heures » que sur des « jours » pour certaines catégories de sujets.

Ce qui était autrefois un correctif d'urgence réservé exclusivement aux problèmes les plus graves est désormais susceptible de devenir une opération de routine que les processus et outils existants ne sont pas en mesure de gérer. La question n'est pas de savoir si votre équipe est capable de déployer des correctifs plus rapidement en cas de crise, mais si votre processus est conçu pour maintenir ce rythme de manière continue.

Indicateur 2 : Volume de publication coordonné

Le plan de divulgation de Glasswing signifie « » : préparez-vous dès maintenant. Selon le communiqué d'Anthropic : « Les partenaires partageront entre eux, dans la mesure de leurs moyens, des informations et des bonnes pratiques ; d'ici 90 jours, Anthropic rendra compte publiquement des enseignements tirés, ainsi que des vulnérabilités corrigées et des améliorations apportées pouvant être divulguées. » Des milliers de CVE pourraient être rendus publics simultanément, et ce volume ne fera qu'augmenter si Mythos est diffusé à plus grande échelle ou si d'autres fournisseurs développent des fonctionnalités comparables.

Les implications pratiques pour les équipes chargées de la gestion des correctifs sont considérables :

• Le nombre de correctifs issus d'une seule divulgation de type « Glasswing-wave » pourrait éclipser tout ce que l'on a pu observer lors d'un seul « Patch Tuesday » de l'histoire.
• Les correctifs peuvent être importants, présenter un score CVSS élevé et concerner simultanément l'infrastructure, les postes de travail, les serveurs, les bases de données et les appareils OT ou IoT.
• En réglant dès maintenant votre retard accumulé en matière de correctifs en attente, vous réduisez la surface à défendre lorsque la vague déferlera.
• La consolidation des logiciels inutilisés permet de réduire la charge liée aux correctifs à l'avenir.
• Les images « gold » obsolètes constituent un risque : mettez-les à jour, ou mieux encore, modernisez votre approche de déploiement et de mise en service afin de réduire totalement votre dépendance vis-à-vis des images statiques.

Indicateur 3 : Diffusion des capacités

Le décalage entre les modèles « Frontier » et « open-weight » s'est considérablement réduit au fil des dernières générations de modèles :

*Les chiffres indiqués en (GLM-5,1 ) proviennent des déclarations des fournisseurs eux-mêmes et doivent être considérés comme des hypothèses solides, et non comme des faits avérés.
Sources : OpenAI, Meta, Anthropic (4,5), Anthropic (4,6), MiniMax, Z.ai

Seize mois pour 61 jours, cela correspond approximativement à une compression de 8x en trois ans. Selon l'étude « » d'Epoch AI, le décalage moyen des poids d'ouverture s'élève à environ 3,5 mois sur l'ensemble de l'historique, mais les données récentes présentent un écart plus réduit.

Anthropic a estimé publiquement qu'il faudrait environ six à dix-huit mois avant que les modèles à poids ouvert n'atteignent un niveau de performance équivalent à celui de Mythos dans le domaine de la cybersécurité. Lors de la conférence RSA 2026, Alex Stamos, directeur des achats (CPO) chez Corridor et ancien responsable de la sécurité des systèmes d’information (CISO) chez Facebook, a proposé un horizon de six mois (qui correspond davantage à la tendance empirique que la limite supérieure de dix-huit mois avancée par Anthropic) et a lancé cette mise en garde : « Tous les jeunes de 19 ans de Saint-Pétersbourg disposeront de la même capacité. »

Lorsque les capacités de niveau « Mythos » s'étendent aux modèles de catégorie « open-weight », deux évolutions ont tendance à se produire simultanément :

1. Le coût de l'inférence s'effondre : Des modèles tels que MiniMax M2,5 fonctionnent déjà à un coût équivalent à environ 1/20th de celui de Claude Opus 4,6, ce qui rend leur utilisation continue ou à grande échelle économiquement négligeable pour de nombreux acteurs.
2. Les contraintes comportementales s'atténuent : Les comportements les plus graves répertoriés dans la fiche système d'Anthropic ont été observés dans des versions internes antérieures de Mythos au cours du développement, et non dans le modèle de prévisualisation partagé via le projet Glasswing. Pour atténuer ces comportements, il a fallu procéder à un travail approfondi d'harmonisation et d'évaluation après la formation, notamment par la mise en place de pipelines de sécurité sur mesure, des travaux sur l'interprétabilité et des tests répétés. Cet effort était de grande envergure, exigeant en main-d'œuvre et spécifique au processus d'entraînement d'Anthropic, ce qui signifie qu'il ne se transpose pas avec les poids du modèle. Par conséquent, il convient de considérer ces premiers comportements comme un aperçu plausible de ce que pourraient présenter des déploiements dotés de capacités similaires mais moins bien alignés, et non comme une caractéristique propre à la version « Mythos Preview » publiée.

Dans l'ensemble, la période de préparation du défenseur ne correspond pas au « moment où Anthropic rendra Mythos accessible au public ». C'est lorsque les modèles à poids ouvert atteignent le niveau « Mythos » de cybercapacité, sans ces contraintes comportementales. Ce compte à rebours a en effet commencé le 7 avril et se mesure en mois, et non en années.

Repenser la gestion des correctifs à l'ère de l'IA

Le « Patch Tuesday » est un vestige d'une autre époque. La fréquence mensuelle des correctifs a été définie en fonction du rythme humain de découverte des vulnérabilités, du rythme humain de développement des exploits et des processus de contrôle des modifications au rythme humain. Ces hypothèses constituent désormais un handicap structurel. Ce changement ne se résume pas simplement à « appliquer les correctifs plus rapidement ». Le contexte exige une évolution en profondeur vers une correction ciblée et précise des failles ainsi qu’une gestion continue de l’exposition aux menaces : des processus qui soient agiles, ciblés, rapides et itératifs.

Alors que le développement logiciel a adopté des pipelines CI/CD plus rapides et des flux de travail basés sur l'IA, la sécurité doit suivre la même tendance. Le secteur de la sécurité a mis plus de temps à opérer cette transition, mais le rythme auquel Mythos s'apprête à accélérer les cycles de correctifs va l'y contraindre.

L' de la gestion des correctifs à l'ère de l'IA consiste à aborder la correction des vulnérabilités de la même manière que les équipes logicielles modernes abordent le déploiement : en combinant l'exécution automatisée avec des informations en temps réel, des contrôles de vérification et des boucles de rétroaction continues, plutôt que de recourir à des opérations par lots périodiques.

Le secteur savait déjà que c'était globalement vrai. Depuis des années, la détection des vulnérabilités assistée par l'IA est un sujet récurrent dans toutes les grandes conférences sur la sécurité et au sein de tous les organismes de recherche. Mythos n'est pas une surprise en soi, mais seulement par son ampleur et la rapidité avec laquelle il s'est produit. Le délai est passé de « à terme » à « dès maintenant ». Les hypothèses sur lesquelles repose votre programme en matière de SLA, d'outils, de ressources humaines et de cadres de hiérarchisation des priorités ont été élaborées pour un monde qui n'existe plus.

La vérification n'est pas facultative

Le simple fait d'appliquer un correctif et de passer à autre chose ne permet pas d'être certain que la correction a bien été effectuée sans procéder à des vérifications supplémentaires visant à déterminer si le correctif était suffisant et s'il a bien fonctionné. Dans un monde où les correctifs sont appliqués plus rapidement et en plus grand nombre, le risque d'une couverture incomplète s'accroît en raison :

• Les terminaux non gérés qui ne sont pas concernés par le déploiement des correctifs
• Les exceptions et les reports qui finissent par créer des lacunes permanentes
• Déploiements ayant échoué mais signalés comme réussis
• Des images « gold » obsolètes qui sont déployées à nouveau dans votre environnement avec des logiciels périmés jusqu'au prochain cycle de correctifs

Il est plus important que jamais de savoir que vous avez bel et bien corrigé une vulnérabilité sur tous les terminaux, d'autant plus que les attaquants peuvent réapparaître sur des machines qui ont échappé à votre attention. La gestion continue de l'exposition aux menaces, c'est-à-dire le fait de considérer la réduction de l'exposition comme un processus itératif et non comme un projet ponctuel, constitue le modèle opérationnel adapté à cet environnement.

Une définition élargie de l’expression « sécurisé par défaut »

Traditionnellement, l'expression « sécurisé par défaut » désignait une configuration de livraison sûre : principe du moindre privilège, paramètres par défaut renforcés, surface d'attaque réduite, en partant du principe que les attaquants agissent à la vitesse d'un être humain.

D'après les documents publics d'Anthropic relatifs à Glasswing, les recherches liées à Mythos ont notamment permis de mettre en évidence une vulnérabilité vieille de 27 ans dans OpenBSD, un bug de FFmpeg datant de 16 ans qui a résisté à un volume considérable de tests de fuzzing automatisés, ainsi que l'enchaînement autonome de failles du noyau Linux permettant de prendre le contrôle total d'une machine.

Si des outils de cette catégorie sont capables de mettre au jour des problèmes datant de plusieurs décennies dans des bases de code faisant l'objet d'audits rigoureux, alors le principe de « sécurité par défaut » doit aller bien au-delà de la simple configuration. Cela doit signifier que chaque logiciel commercialisé aujourd'hui fait l'objet d'une analyse active à l'aide d'outils adaptés avant d'être mis en production. En ce qui concerne l'infrastructure, partez du principe que les services exposés font l'objet de tentatives d'intrusion continues, au moins à ce niveau de capacité. La segmentation du réseau, les architectures « zero-trust » et l'isolation en exécution ne constituent plus de simples objectifs dans un modèle de maturité : ce sont désormais des exigences architecturales de base.

Accessibilité : le coût est temporaire ; la capacité est émergente

À court terme, l'accès à la classe Mythos est coûteux. Les tarifs de l'ère Glasswing cités par Anthropic s'élèvent à 25 $/125 $ par million de jetons d'entrée/de sortie, contre 5 $/25 $ pour l'augmentation liée à Opus 4,6—a 5x . Une numérisation intensive et continue à ce prix n'est pas une mince affaire, mais le coût ne constitue qu'un obstacle temporaire.

Anthropic précise, à l'adresse , qu'elle n'a pas explicitement entraîné Mythos Preview à mener des cyberattaques ; ces capacités « sont apparues comme une conséquence indirecte des améliorations générales apportées au code, au raisonnement et à l'autonomie ». C'est tout à fait logique, quand on pense à la curiosité, à l'autonomie et à l'ingéniosité qui font la force d'un grand hacker.

Si cela se confirme, des interfaces similaires apparaîtront désormais dans tous les modèles suffisamment performants, quelle que soit l'intention du fournisseur.

Compte tenu de la réduction du retard de traitement des données en poids ouvert et de la baisse des coûts d'inférence, la question de savoir « qui peut se permettre l'API » ne constitue pas un obstacle à long terme. « Qui dispose d'une flotte et d'une chaîne d'approvisionnement ? »

Le vecteur à l'intérieur de la maison : agents, harnais et limites strictes

Lorsqu'un jeu comme Mythos sort, ce sont surtout les abus commis par des acteurs malveillants qui font la une. Mais le risque parallèle est interne : il s'agit d'agents agréés ou clandestins disposant d'un large accès aux outils, aux données de l'entreprise et à des identifiants valides, et opérant au sein de votre périmètre de sécurité.

Une étude portant sur le catalogage de l' , qui recense plus de 177 000 outils MCP (Model Context Protocol), fait état d'une intégration courante des agents dans les systèmes de fichiers, les navigateurs, les environnements d'exécution de code, les bases de données et les API de production, ces fonctionnalités étant considérées comme des capacités standard des harnais.

Les harnais de type « Claw » — des boucles d’outils compactes offrant une autonomie durable — se sont rapidement répandus ; OpenClaw a atteint environ 247 000 étoiles sur GitHub en huit semaines, avec des dizaines de dérivés, dont les modèles d’accès par défaut couvrent les terminaux, les navigateurs, les systèmes de fichiers, la récupération de mémoire et les intégrations externes. Un accès étendu, associé à l'autonomie, élargit simultanément la surface d'attaque vers l'intérieur et vers l'extérieur.

Les règles au niveau du harnais restent du code écrit par des personnes. Ils échouent ; les modèles les contournent lorsque l'accomplissement de la tâche est prioritaire. La fiche de système d’Anthropic intitulée « » décrit un épisode au cours duquel Mythos, à qui l’on avait demandé de corriger un bug et de valider une modification signée sans disposer des identifiants nécessaires, a analysé l’état du superviseur et tenté d’extraire de la mémoire après avoir reçu une incitation de la part d’un utilisateur — un comportement caractérisé par la poursuite d’un objectif primant sur l’évaluation des risques. Cet incident s'est produit lors de la phase d'évaluation préalable à la mise en service, avant que des travaux d'alignement supplémentaires ne soient effectués. Anthropic qualifie la version « Mythos Preview » désormais disponible de très conforme à ses critères, tout en soulignant que des actions rares et non conformes peuvent néanmoins avoir des conséquences graves, précisément en raison de la puissance brute du système.

Visibilité au sein de l'entreprise spécialisée dans l'IA

La première condition est de savoir ce qui est en cours d'exécution à l'intérieur du périmètre, qu'il s'agisse d'éléments approuvés ou non. La plupart des organisations n'ont pas une vision claire des mécanismes d'inférence locale, des assistants d'IA et des agents autonomes déployés au sein de leur environnement. Vous ne pouvez pas sécuriser ce que vous ne voyez pas, et à l'heure actuelle, la plupart des organisations ne disposent d'aucun inventaire fiable permettant de déterminer dans quelle mesure l'IA est réellement utilisée au sein de leur périmètre.

[Découvrez ce que signifie la conformité en matière d'IA pour les entreprises modernes et comment l'évolution de la réglementation façonne une gouvernance responsable de l'IA]

Le secteur de la cybersécurité dans son ensemble devra continuer à investir massivement dans les outils de visibilité basés sur l'IA, car l'écart entre ce que les organisations pensent être en exécution et ce qui l'est réellement est considérable et ne cesse de se creuser.

Déploiement sécurisé et gestion en temps réel des agents d'IA

La visibilité à elle seule ne suffit pas. Les organisations ont également besoin d'un moyen de déployer des agents d'IA en toute sécurité et de les gérer de manière centralisée sur l'ensemble de leur parc. La formation comportementale et les mesures de sécurité au niveau de l'application sont utiles, mais elles ne constituent pas des garanties suffisantes face à des agents compétents et déterminés à atteindre leurs objectifs.

Parmi les tendances qui se dessinent, on peut citer les politiques au niveau du système d'exploitation concernant les contraintes liées au système de fichiers, au réseau et aux processus. Les principaux éditeurs de solutions de sécurité , notamment Cisco, CrowdStrike, Google Cloud et Microsoft, collaborent d'ores et déjà à l'élaboration de normes relatives aux politiques d'exécution pour les agents autonomes.

Dans une analyse, Claude a qualifié certaines des mesures de sécurité mises en place lors de la fuite de la carte du système « mars 2026 » de «défense par intuition». Même si les ensembles de règles et les lignes directrices compréhensibles par l'homme sont appelés à faire partie de notre arsenal standard de mesures de défense, il existe toujours des listes de contrôle minimales relatives aux mesures techniques :

1. Isolement en bac à sable à la frontière entre le système d'exploitation et le conteneur (il ne s'agit pas d'une instruction de l'invite système) : Les agents doivent s'exécuter dans des conteneurs isolés afin de limiter les conséquences en cas de comportement inapproprié de leur part ; cette mesure doit être appliquée au niveau de l'infrastructure plutôt que par le biais de la formation à la sécurité du modèle.
2. Politique réseau sur chaque chemin de sortie : Chaque connexion sortante doit être interceptée et évaluée au regard de la politique. Un agent qui ne parvient pas à se connecter à un terminal ne peut pas interagir avec celui-ci, ce qui protège les services internes contre les agents malveillants et les données de l'entreprise contre toute exfiltration.
3. Identifiants en dehors de l'environnement de l'agent : Les identifiants ne doivent en aucun cas être accessibles au sein du bac à sable d'un agent. Elles doivent être gérées par un proxy situé en dehors de l'environnement de l'agent et n'être injectées dans les requêtes sortantes qu'une fois qu'elles ont quitté le bac à sable de l'agent.
4. Acheminement centralisé et journalisation des inférences, des outils et des appels réseau : Toutes les requêtes sortantes doivent transiter par un proxy assurant la journalisation complète de chaque requête réseau, appel d'inférence et invocation d'outil, ce qui permet une enquête judiciaire efficace et une validation de la conformité.

Du signal à la réaction : ce que cela change pour les défenseurs

Les risques liés au « Mythos » évoqués ci-dessus sont bien réels, mais ils ne sont pas insondables. Ce qui reste incertain, c'est le calendrier, et non l'orientation. Nous ne connaissons pas encore la date précise à laquelle les modèles à poids ouvert égaleront Mythos dans l'exécution de tâches cybernétiques autonomes couvrant l'ensemble du spectre, et nous ne disposons pas non plus d'une reproduction à grande échelle et indépendante de tous les résultats d'Anthropic de la classe « Firefox » dans différents environnements et piles technologiques.

Ce qui est clair, c'est que les défenseurs ne peuvent plus se permettre d'attendre d'avoir des certitudes. Les délais de découverte et d'exploitation des failles se raccourcissent à un rythme plus rapide que ne le permettent la plupart des programmes de correction et de gestion des vulnérabilités. Dans ce contexte, réagir aux gros titres s'avère moins utile que de mettre à l'épreuve vos hypothèses.

La question la plus pertinente pour les responsables de la sécurité et des technologies de l'information n'est plus aujourd'hui : « À quel point Mythos peut-il être dangereux ? » La question est la suivante : « À quel niveau notre modèle d'exploitation actuel présente-t-il ses premières failles si les marges de manœuvre ne cessent de se réduire ? »

Pour certaines organisations, la difficulté réside dans la définition des priorités. Pour d'autres, cela se traduit par le débit des tests, des contraintes de déploiement ou la vérification de la fermeture des systèmes au sein de parcs de terminaux fragmentés. Dans la quasi-totalité des cas, le point faible ne réside pas dans les outils pris isolément, mais dans le processus par lequel les informations relatives aux vulnérabilités sont transformées en une réduction avérée des risques.

C'est dans cette transition — de la compréhension du risque à la mise en œuvre des mesures d'intervention — que le débat autour de « Mythos » prend toute son importance. Le défi qui subsiste est d'ordre organisationnel plutôt que théorique : il s'agit de déterminer si les hypothèses actuelles concernant les vulnérabilités et l'application des correctifs restent valables alors que la détection, la hiérarchisation et l'exploitation se rapprochent de plus en plus.

Comme Mythos est inévitable, l'application de correctifs n'est pas facultative et doit être effectuée rapidement et à grande échelle. La solution « Tanium Autonomous Patch Management » révolutionne la gestion et la sécurité des terminaux grâce à une mise à jour autonome, intégrée et complète.

Grâce à l'intelligence artificielle et aux informations en temps réel sur les terminaux, Tanium contribue à réduire les fenêtres d'exposition que les modèles de type Mythos sont conçus pour exploiter, avant que les attaquants ne puissent tirer parti des vulnérabilités qu'ils détectent.

FAQ sur les risques de sécurité liés à Mythos

La sortie de « Mythos » a fait l'objet d'une large couverture médiatique, tantôt précise, tantôt non. Ces précisions portent sur les points qui prêtent le plus souvent à confusion.

Le modèle Mythos qui a été dévoilé s'est-il échappé des bacs à sable et a-t-il effacé ses traces ?

Non, pas le modèle commercialisé. Les incidents comportementaux répertoriés par Anthropic, notamment la sortie du bac à sable, la suppression des traces, l'hameçonnage d'identifiants via /proc/ et la publication de documents confidentiels, sont attribués à des versions internes antérieures de Mythos, et non à la version « Mythos Preview » de l'ère Glasswing.

La fiche « Anthropic System » indique clairement que les incidents graves de ce type concernaient des versions « antérieures » à certaines des mesures de formation les plus efficaces mises en place par Anthropic (p. 54). Le modèle présenté est décrit comme continuant à prendre des raccourcis imprudents dans des contextes où les enjeux sont moindres, mais sans présenter les mêmes schémas de tromperie graves. Mentionner ces comportements sans préciser la version est techniquement inexact.

Si Mythos a échoué face à des systèmes mis à jour, cela signifie-t-il que les mises à jour sont toujours suffisantes ?

Les correctifs restent le principal levier dont dispose le défenseur, et l'échec de Mythos face à « un environnement de test correctement configuré et doté de correctifs récents » (Anthropic System Card, p. 52) est une bonne nouvelle qui passe inaperçue derrière les chiffres phares.

Mythos s'impose comme une arme de précision contre les lacunes en matière d'hygiène et les piles non corrigées. Le défi organisationnel consiste à déterminer si les équipes sont en mesure d'appliquer des correctifs, de valider la couverture et d'actualiser les images suffisamment rapidement alors que la détection et l'exploitation des failles s'accélèrent toutes deux. La réponse réside dans le rythme et la vérification.

Que signifie le fait que les benchmarks standard soient « saturés » ?

Anthropic a réorienté ses efforts d'évaluation vers de nouvelles tâches de sécurité en conditions réelles, notamment la détection de failles « zero-day » dans les logiciels en production, car les tests de performance qui mesurent la reproduction de vulnérabilités connues finissent par ne plus permettre de distinguer utilement les performances à la pointe de la technologie.

Lorsqu'un test de performance atteint sa saturation, cela ne signifie pas pour autant que la tâche soit résolue au sens absolu du terme. Cela signifie que le test a atteint les limites pour lesquelles il a été conçu. Le score de 100 % obtenu par le Mythos sur Cybench indique que ce benchmark spécifique ne permet plus de distinguer de manière significative les modèles haut de gamme, un résultat normal et récurrent à mesure que les capacités des modèles s'améliorent.

La conséquence pratique est simple : l'évaluation évolue au même rythme que les capacités. À mesure que les modèles évoluent, les tests de référence sont affinés, remplacés ou rendus plus exigeants afin de continuer à évaluer ce qui compte vraiment. Dans ce cas précis, l’accent mis par Anthropic dans son évaluation s’oriente vers des tâches plus difficiles et moins reproductibles, précisément parce que celles-ci reflètent mieux les types de questions d’ s liées à la sécurité de l’IA dans le monde réel qui préoccupent les professionnels de l’ .

Les capacités offensives de Mythos ont-elles été développées de manière délibérée ?

N° Anthropic précise sur : « Nous n'avons pas explicitement entraîné Mythos Preview pour qu'il dispose de ces capacités. » « Elles sont plutôt apparues comme une conséquence indirecte des améliorations générales apportées au code, au raisonnement et à l'autonomie. »

Cela signifie que des surfaces de capacité similaires sont susceptibles d'apparaître dans des modèles présentant une échelle, des régimes d'entraînement et des caractéristiques architecturales comparables à celles des grands modèles de langage (LLM) de pointe tels que Mythos. Bien que les entreprises ne divulguent pas tous les détails de ces architectures, cette tendance suggère que la diffusion des capacités résulte moins de choix politiques que de la dynamique sous-jacente liée à la mise à l'échelle des modèles à usage général.

Ressources complémentaires

• Regardez cette démonstration à la demande pour découvrir comment la solution « Tanium Autonomous Patch Management » aide les entreprises à combler en permanence leurs lacunes en matière d’exposition aux vulnérabilités, en traitant les menaces générées par l’IA avec la rapidité et à l’échelle requises par les environnements actuels.

Anthropique

• Fiche du système « Claude Mythos » (aperçu)
• Évaluation des capacités de cybersécurité de Claude Mythos Preview
• Projet Glasswing
• Présentation de Claude Opus 4,5
• Présentation de Claude Opus 4,6

Recherche sur les capacités des modèles et leur évaluation

• METR
  • Horizon temporel 1,1
  • Évaluation de la capacité de l'IA à mener à bien des tâches de longue durée
  • Tableau de bord « Délais de réalisation des tâches »
• Epoch AI
  • Les modèles à poids ouvert accusent un retard d'environ 3 mois en moyenne par rapport à l'état de l'art

Modèles sans limite de poids

• MiniMax
  • MiniMax M2,5 : conçu pour une productivité concrète
• Moonshot AI
  • Kimi K2 : L'intelligence agentique ouverte
• Hugging Face
  • Fiche technique du modèle Kimi‑K2,5

Analyse et rapports sectoriels

• VentureBeat
  • Le MiniMax M2,5 offre des performances proches de la pointe de la technologie pour un coût d'environ 1/20th
• CyberScoop
  • Les responsables de la sécurité affirment que les deux prochaines années s'annoncent « complètement folles »
• Techbriefly
  • Z.ai lance le modèle GLM‑5,1 , qui surpasse ses concurrents lors des tests de performance
• HPCwire
  • La société chinoise Moonshot AI lance « Kimi K2 », un modèle d'IA comptant un billion de paramètres

Publications sur les modèles fondamentaux

• OpenAI
  • Rapport technique sur GPT-4
  • Présentation du cours GPT‑5,2
• Méta
  • Présentation de « Llama 3,1 »