Machine contre machine : la cybersécurité change de monde

 Depuis le début de l’année 2026, deux évènements liés aux IA de pointe ont défrayé la chronique, et provoqué un électrochoc dans le monde de la cybersécurité. En avril, l’entreprise Anthropic restreignait l’accès à son nouveau modèle Mythos, qui avait identifié des milliers de vulnérabilités, dont de nombreuses critiques, dans des logiciels informatiques utilisés partout dans le monde. Au mois de juillet, son concurrent OpenAI annonçait que lors de tests internes de type « bac à sable », ses agents IA avaient contourné les contrôles conçus pour les isoler d’Internet et piraté des systèmes de Hugging Face, une plateforme de partage d’outils d’intelligence artificielle.

Depuis, les données relatives à ces incidents ont été rendues publiques par les entreprises concernées et démontrent que les grands modèles de langage (LLM) « frontière », autrement dit les plus performants du moment, ont franchi un cap dans la recherche de failles de sécurité dans les logiciels et les systèmes d’exploitation. Leur capacité à agir en groupe, de façon collaborative et concertée, est aussi devenue une réalité. Pour le monde de la cybersécurité, ces deux faits combinés sont synonymes de changement d’échelle… et de changement d’époque.

La machine trouve systématiquement les failles

« Les vulnérabilités ont toujours été là, et l’industrie priorisait les corrections à y apporter en fonction de leur sévérité » rappelle Stéphane Lenco, Chief Information Security Officer chez Thales. « Ce qui change avec les nouveaux modèles comme Mythos, c’est que la machine trouve systématiquement les failles, en volume, un peu comme un aimant qui attirerait toutes les aiguilles d’une meule de foin. C’est cette hyper-accélération qui change tout. » 

Des failles mineures et anciennes, qui étaient laissées de côté, peuvent désormais être combinées pour mener une attaque sur un système. « Il faut maintenant se dire que toutes les vulnérabilités peuvent contribuer à une attaque majeure », continue Stéphane Lenco. « On ne peut rien laisser passer, il va falloir corriger partout, et plus vite. Pour l’économie de la vulnérabilité, c’est un bouleversement sans précédent. »

D’autant qu’il n’y aura pas de retour en arrière. Le fait que Anthropic ait restreint, pour l’heure, l’accès à Mythos, n’a que peu d’importance : l’avance estimée des poids lourds du secteur sur les modèles open-source serait de quatre à sept mois environ. Dit autrement, des IA aussi puissantes en matière de cybersécurité deviennent, à très court terme, accessibles à tous. « Le temps où il fallait avoir des connaissances pointues pour faire des attaques est révolu », abonde Laurent Theringaud, expert en cybersécurité chez Thales. « Aujourd’hui, n’importe quel novice équipé d’un modèle frontière d’intelligence artificielle peut mener une attaque contre un logiciel, une entreprise. Pour réaliser ce type d’attaque la consommation de tokens est encore très élevée, pouvant représenter des coûts exorbitants, ce qui les limite pour l’instant. »

Assurer un continuum de sécurité

Au sein des équipes de Thales, une conviction est partagée : ces modèles émergents doivent conduire à un changement radical de la façon d’aborder la cybersécurité. Cela passe par une double exigence : assurer un continuum de sécurité, de la conception des produits à leur exploitation, et intégrer l’intelligence artificielle à l’ensemble de la chaîne de protection, qu’il s’agisse de repérer les failles dès le développement des logiciels, de réaliser des tests d’intrusion, ou d’améliorer la réponse aux attaques.

Une vision de bout en bout, sans angle mort, en cassant les silos, en étant parfaitement coordonné pour éviter de laisser une faille dans laquelle l’IA pourrait s’infiltrer : voilà la condition sine qua non de la résilience. « C’est cette vision intégrée qui va nous sauver, c’est l’impératif absolu », abonde Stéphane Lenco. Alors que la technologie progresse à pas de géant et que les menaces de demain ne sont pas encore connues, il faut sécuriser tout ce qui peut l’être, sur tous les plans. « Aujourd’hui, un attaquant qui voudrait rendre inopérant un radar peut entrer dans le système par le clic d’un collaborateur dans un mail de phishing augmenté par deepfake, ou par une faille de sécurité dans le produit… La méthode est différente mais le résultat est le même : il faut trouver la parade. »

Thales s’appuie sur son expertise en cybersécurité

Anticiper les attaques commence dès le développement des produits. En intégrant la détection de vulnérabilités (vulnerability management) augmentée par l’IA à cette étape, les équipes peuvent repérer et corriger les failles avant même la mise en production. « Cela permet de créer des outils plus robustes », précise Laurent Theringaud. Mais ça ne s’arrête pas là : les dernières IA permettent de déceler une faille « zero day » dans un logiciel en quelques dizaines de minutes, dès sa sortie. C’est donc toute la stratégie de mise à jour et de patchage qui est à réinventer : « Une fois un produit sorti, il faut pouvoir le mettre à jour plus vite qu’avant, voire même, idéalement, en temps réel. »

Malgré ces précautions, il est acquis que les attaques ne manqueront pas de venir. Pour les contrer, l’humain ne suffira pas, comme le résume Stéphane Lenco : « Pour répondre à une attaque accélérée par la machine, il faut la vitesse de la machine ! » Thales prévoit donc de mobiliser des agents IA capables de détecter les menaces et d’y répondre au même rythme. Avec un impératif : que leur déploiement reste fidèle aux principes de confiance, de transparence et de responsabilité du groupe.

À l’ère de l’intelligence artificielle, encore plus qu’auparavant, la cybersécurité se révèle en effet un jeu asymétrique : l’attaquant ne s’impose aucune règle, ne respecte aucune loi… alors que le défenseur agit dans un cadre réglementaire, et selon un corpus de valeurs. Thales, comme toutes les entreprises européennes, agit dans le cadre strict des règles communautaires, et en particulier de l’AI Act : cela impose notamment de monitorer les actions des agents d’intelligence artificielle, de pouvoir expliquer le raisonnement qui a mené à un résultat, et que ce raisonnement soit éthique au sens des règles européennes. « Cette exigence de supervision, de compréhension, on y contribue à travers le framework total qu’on fournit », conclut Stéphane Lenco.