Les modèles d’IA bousculent la chasse aux failles en cybersécurité

Le FBI dit avoir procédé à une nouvelle arrestation liée à ShinyHunters, groupe de cyberextorsion déjà visé par plusieurs interpellations, pendant qu’Anthropic met en avant une faille trouvée par son modèle Mythos dans un serveur HTTP open source. Ces deux affaires montrent la même chose en 2026 : l’IA ne sert plus seulement à générer du texte, elle aide aussi à détecter, contourner et parfois exploiter des vulnérabilités. Pour les entreprises, le sujet n’est plus théorique. Il touche à la vitesse de détection, à la responsabilité des éditeurs et à la capacité des défenseurs à suivre le rythme.

ShinyHunters sous pression, mais le nom continue de circuler

Selon l’émission The Kettle de The Register, le FBI a annoncé ce 12 octobre 2026 une nouvelle arrestation dans l’enquête visant ShinyHunters, après des interpellations signalées fin septembre puis dans d’autres pays. Jessica Lyons, journaliste cybersécurité du média, indique qu’il pourrait s’agir d’un troisième arrestation, sans confirmation publique complète de la part de l’agence. Le groupe est accusé d’avoir dérobé des données internes au FBI, notamment des noms, fonctions, localisations physiques et contacts d’urgence de personnels et de candidats à l’embauche.

Le cas intéresse aussi par son profil. Les intervenants décrivent ShinyHunters comme un collectif surtout anglophone, implanté en Amérique du Nord, au Royaume-Uni et en Europe de l’Ouest, plus proche d’une marque criminelle que d’une structure figée. La police peut arrêter des individus, mais le label, lui, reste vivant. C’est un peu le problème des « marques » de cybercrime : elles survivent à leurs fondateurs mieux qu’un vieux mot de passe ne survit à un audit.

Jess Lyons rappelle aussi un élément financier central : le groupe aurait extorqué environ 70 millions de dollars sur la seule dernière année. Cette donnée, avancée dans l’échange, explique pourquoi la réputation compte autant que l’argent. Pour ces acteurs, se présenter comme des techniciens redoutables sert à peser sur les victimes et à renforcer la pression au paiement.

Quand l’IA trouve une faille que peu d’humains auraient cherché

Dans un autre registre, Anthropic a mis en avant une découverte signée Mythos, son modèle de recherche de vulnérabilités : une faille d’authentification critique dans Rejetto HTTP File Server, ou HFS, un serveur de fichiers open source. La faiblesse permettait un accès administrateur complet puis une exécution de code à distance. D’après le chercheur cité dans l’échange, ce type de bug reposait sur un problème mathématique et sur un générateur pseudo-aléatoire insuffisamment robuste, avec fuite de sortie, donc avec une erreur très peu visible pour une revue humaine classique.

Le point clé n’est pas seulement la trouvaille. La vulnérabilité a été publiée, corrigée, puis déjà exploitée dans la nature le lendemain, selon les éléments rapportés. Les attaques observées semblaient limitées, avec des victimes ciblées aux États-Unis et au Japon, et un trafic initial venant d’une adresse IP en Chine [à vérifier]. Là encore, le calendrier parle de lui-même : quand une preuve de concept sort, les attaquants lisent aussi le journal du matin.

Cette séquence nourrit un débat plus large sur la responsabilité des fournisseurs d’IA. Tom Claburn, autre intervenant de l’émission, estime qu’un éditeur ne peut pas être tenu pour responsable du simple fait qu’un outil découvre une faille ; la question se poserait plutôt sur l’usage et sur l’encadrement des programmes. Anthropic a d’ailleurs réorganisé ses dispositifs de sécurité, avec plusieurs niveaux d’accès, un programme pour les infrastructures critiques et un outil baptisé OSS Scanner, destiné à fournir gratuitement des rapports de vulnérabilités assistés par IA à certains projets open source.

Défenseurs et attaquants n’avancent pas au même rythme

Le cœur du débat reste là : l’IA renforce la défense, mais elle accélère aussi l’attaque. Les spécialistes interrogés dans l’échange rappellent qu’un défenseur doit être juste tout le temps, quand un attaquant n’a besoin de réussir qu’une fois. L’idée qu’un modèle puisse, à terme, donner un avantage net aux équipes de sécurité existe, mais elle reste fragile. Les gains les plus concrets aujourd’hui viennent surtout d’une meilleure chasse aux bugs, d’une revue de code plus rapide et d’une aide à l’ingénierie sociale, cette dernière restant une arme redoutable pour les groupes criminels.

Du côté des éditeurs, le discours officiel avance vite. Du côté des entreprises, les risques circulent encore plus vite. L’ouverture progressive d’outils de recherche, de programmes red team et d’accès dédiés à la sécurité pourrait aider les défenseurs, mais elle élargit aussi la surface d’abus. Le vrai sujet n’est donc pas de savoir si l’IA « fait du mal » ou « fait du bien ». Il est de savoir qui contrôle les modèles, qui les audite et à quelle vitesse les correctifs sont appliqués.