if ( !emtpy($headline_subheadline ) ) : ?>
L’utilisation abusive de l’IA par les cybercriminels pourrait accroître le volume et la vitesse des attaques, mais la chaîne d’attaque n’a pas encore été radicalement transformée par rapport aux méthodes conventionnelles.
endif; ?>
L’IA aide peut-être les cyberattaquants à accroître la vitesse et l’ampleur de leurs opérations, mais elle ne modifie pas encore leurs objectifs fondamentaux ni les techniques qu’ils emploient dans le cadre de leurs chaînes d’attaque.
Selon les experts en sécurité, le phishing, les logiciels malveillants et l’exploitation des vulnérabilités restent les principales techniques en jeu, même si l’abus des outils d’IA a rendu les attaques plus faciles à monter et moins coûteuses, même pour les attaquants relativement peu qualifiés.
« Les attaquants continuent d’identifier leurs cibles, d’effectuer des reconnaissances, de prendre pied, de se déplacer latéralement, d’atteindre leur objectif, de brouiller leurs traces et de passer à la cible suivante », explique Ronald Lewis, directeur de la gouvernance de la cybersécurité chez la société de sécurité des applications Black Duck. « Ce qui a changé, c’est le volume et la vitesse avec lesquels l’IA permet à ce processus de se produire. »
Même dans l’exemple le plus médiatisé d’attaque basée sur l’IA à ce jour, dans lequel Claude Code a été utilisé à mauvais escient par des acteurs parrainés par l’État chinois pour monter une campagne de cyberespionnage orchestrée par l’IA en septembre 2025, les techniques et procédures d’attaque conventionnelles ont jeté les bases, l’IA étant utilisée pour faciliter la reconnaissance, la découverte de vulnérabilités, l’exploitation, les mouvements latéraux, la collecte d’informations d’identification, l’analyse des données et l’exfiltration au cours de la campagne GTG-1002.
JadePuffer, une campagne de ransomware révélée en juillet 2026, a vu un agent piloté par LLM automatiser la majeure partie de la chaîne d’intrusion. L’exploitation initiale s’est faite via CVE-2025-3248, une faille d’authentification manquante vieille d’un an dans Langflow, un framework open source populaire pour la création d’applications LLM et de flux de travail d’agent.
Les instances Langflow vulnérables accessibles sur Internet ont été pillées pour les informations d’identification cloud, les clés API et d’autres secrets avant un mouvement latéral, une élévation de privilèges et, finalement, un cryptage destructeur de la base de données.
JadePuffer montre le potentiel de l’IA pour automatiser les méthodes d’attaque conventionnelles, mais il souligne également à quel point les logiciels sont vulnérables là où l’IA a donné le plus grand avantage aux attaquants jusqu’à présent. Les outils d’IA peuvent facilement trouver des failles exploitables dans le code open source plus rapidement que les défenseurs ne peuvent les corriger, un énorme problème pour les nombreuses entreprises qui supportent des années de dette technique. Et les experts en sécurité considèrent que les failles logicielles sont de plus en plus à l’origine des violations.
Ce que l’IA permet
En plus d’améliorer les prouesses des attaquants en matière de découverte de failles, l’IA leur permet également d’échouer ou de réussir plus rapidement. Les défenseurs constatent des améliorations en termes de vitesse, d’évolutivité et de capacité opérationnelle de la part des attaquants, qui sont fortement corrélées aux capacités croissantes des outils d’IA.
« Les adversaires réalisent les mêmes gains en termes de vitesse de développement et d’opérations que tout le monde obtient en mettant en œuvre l’IA », déclare Darren Meyer, défenseur de la recherche en sécurité chez le fournisseur d’outils de sécurité des applications. Checkmarx.
Lewis de Black Duck voit cela élargir la portée des attaquants et permettre davantage d’expérimentations d’attaques.
« Un attaquant peut potentiellement étudier davantage d’opportunités, essayer davantage d’approches et passer à la cible suivante à un rythme qu’une équipe humaine aurait du mal à suivre », explique-t-il.
Cela modifiera à son tour de plus en plus une phase charnière des modèles d’attaque conventionnels qui favorisent traditionnellement les défenseurs, note Crystal Morin, stratège principale en cybersécurité chez Sysdig, une société de sécurité cloud.
Alors que les attaquants avaient l’habitude d’atterrir, de s’asseoir pendant un moment et de fouiner, les attaquants assistés par l’IA montrent des signes de raccourcissement des fenêtres de détection. Et les agents IA n’attendront pas.
Spécialisation ‘Agentic APT’ et phase d’attaque IA
En tirant parti de l’IA agentique dans leurs opérations, les pirates peuvent également s’appuyer sur un bassin d’expertise plus approfondi dans le domaine (administration de bases de données, pipelines CI/CD, etc.) par rapport aux équipes d’attaque humaines où différentes personnes ont tendance à se spécialiser dans différents domaines tels que la sécurité des applications Web ou le développement de logiciels malveillants.
« Considérez-le comme un administrateur de base de données, un développeur, un ingénieur informatique, un spécialiste DevOps, un architecte cloud et un pirate informatique réunis dans un seul rôle », explique Nazar Tymoshyk, PDG et fondateur du fournisseur de sécurité agentique d’IA UnderDefense. « Nous appelons cela l’APT agentique, et le changement crucial est qu’il n’est plus exclusif aux acteurs des États-nations. »
Tymoshyk ajoute : « Une menace qui nécessitait auparavant une équipe coordonnée de spécialistes peut être déployée par une seule personne avec la bonne invite et le bon modèle. »
Les chercheurs en sécurité, dont UnderDefense, rapportent que les attaquants préfèrent les modèles chinois, en particulier GLM et Kimi 3, qui ont beaucoup moins de restrictions de contenu, plutôt que leurs alternatives occidentales plus restreintes comme plate-forme pour lancer des attaques.
« Les attaquants passent d’un modèle à l’autre en fonction des besoins de la tâche : un pour la reconnaissance, un pour la génération de code, un pour la création de contenu d’ingénierie sociale », explique Tymoshyk. « La modularité fait partie de la conception de l’attaque. »
Les attaquants préfèrent souvent utiliser des modèles locaux à la fois en raison des avantages en matière de sécurité opérationnelle et parce que certains modèles peuvent avoir des protections plus faibles contre une utilisation malveillante.
D’autres experts ont averti que l’abus de modèles particuliers est difficile à déterminer et, en tout état de cause, constitue un problème secondaire au problème principal de la défense contre les attaques.
« L’attribution d’attaques particulières à des modèles particuliers est généralement de la pure spéculation basée sur des preuves très minces sur le terrain », explique Meyer de Checkmarx. « La véritable attribution ne peut provenir que de l’infiltration de groupes menaçants ou de la compromission de l’infrastructure des groupes menaçants, deux situations rarement accessibles aux chercheurs publics. »
La base actuelle des attaques consiste en des opérations orchestrées par l’IA dans lesquelles des modèles font apparaître, valident et exécutent des chemins d’attaque. Les chercheurs en sécurité signalent une évolution générale des attaques assistées et accélérées par l’IA vers des attaques entièrement autonomes, avec seulement un minimum de rôles humains restants.
Économie des attaques d’IA
Les aspects économiques de la multiplication des attaques évoluent également – et sont essentiels pour comprendre l’utilisation croissante de l’IA par les attaquants.
« Un attaquant humain crée un playbook par campagne et le réutilise, de sorte que chaque nouvelle cible nécessite du temps d’ingénierie pour effectuer des ajustements », explique Morin de Sysdig. « Un acteur malveillant agent transmet le contexte de toute une classe d’applications et élabore son plan en direct en fonction de tout ce qu’il trouve. Dans ce cas, le seul coût est le budget d’inférence. Et à mesure que l’exécution d’une attaque complexe devient moins chère, le nombre de tentatives augmente. »
Les attaques agents sont encore imparfaites et l’étendue de l’expertise est un piètre substitut à la profondeur des connaissances.
« Les agents hallucinent et sont bruyants, ce qui explique souvent pourquoi ils peuvent être attrapés », note Morin de Sysdig. « Jadepuffer présentait des défauts dans sa demande de rançon, son cryptage, son portefeuille et l’exfiltration de données. Il existe encore de nombreux domaines dans lesquels l’analyse et les compétences humaines surpassent encore la mémoire des agents. »
Contre-mesures
« Les principaux objectifs des auteurs de menaces n’ont pas vraiment changé, mais les délais nécessaires pour réussir une attaque ont été considérablement réduits », explique Nathan Smolenski, RSSI de la société de gestion des vulnérabilités et de conformité Qualys. « Les outils Frontier AI accélèrent la découverte et la militarisation des vulnérabilités, réduisant ainsi à près de zéro l’intervalle entre la divulgation et l’exploitation. »
Smolenski ajoute : « Les défenseurs ne peuvent plus compter sur des cadences de correctifs traditionnelles de 30 jours à vitesse humaine ou sur des feuilles de calcul statiques mensuelles. »
L’IA modifie considérablement la dynamique d’entrée en élargissant la surface d’attaque, en particulier via les appareils des utilisateurs finaux, les appels API et les agents IA non gouvernés.
En réponse, les organisations de défense doivent abandonner le contrôle d’accès centré sur l’humain et se tourner vers des défenses automatisées, tout en restant à la pointe des défenses de sécurité fondamentales telles que les contrôles de correctifs et d’authentification.
« La mise en œuvre de flux de travail agentiques avec des garde-fous humains permet aux équipes de sécurité d’automatiser les efforts de triage de niveau inférieur et de concentrer l’expertise humaine sur la gouvernance des agents, la validation des résultats et la prise de décisions en matière de risques plus critiques », conclut Smolenski.
