Anthropic affirme que la manière dont les acteurs malveillants utilisent l’intelligence artificielle est en train de changer. Dans une analyse publiée le 3 juin, l’entreprise a examiné 832 comptes bannis pour activité cybermalveillante entre mars 2025 et mars 2026, en comparant les comportements observés au cadre MITRE ATT&CK.
Le jeu de données ne constitue pas un recensement de toute la cybercriminalité. Anthropic le décrit comme un sous-ensemble de comptes bannis pour lesquels les enquêteurs disposaient de suffisamment d’informations pour évaluer les techniques utilisées. Malgré cette limite, l’entreprise estime que les résultats montrent un déplacement : l’IA n’est plus seulement utilisée pour préparer les attaques, mais aussi lors des étapes plus complexes qui suivent une compromission initiale.
L’utilisation de l’IA progresse dans le cycle d’attaque
L’activité la plus fréquente dans le jeu de données était le développement de logiciels malveillants : 560 des 832 comptes, soit 67,3 %, ont utilisé l’IA à cette fin. Bien moins de comptes ont utilisé l’IA pour le déplacement latéral, c’est-à-dire la progression plus en profondeur dans un environnement compromis, mais le chiffre reste significatif : 54 comptes, soit 6,5 %.
Anthropic a également constaté une évolution entre les deux périodes de six mois couvertes par l’analyse. Durant la première période, 33 % des acteurs étaient classés à risque moyen ou supérieur selon le système de notation de l’entreprise. Durant la seconde, cette proportion est passée à 56 %, soit une hausse d’environ 1,7 fois.
Plusieurs techniques individuelles ont évolué en sens inverse. La découverte de comptes assistée par l’IA, qui consiste à identifier des comptes valides au sein d’un environnement compromis, a progressé de 8,9 %. Le hameçonnage assisté par l’IA a reculé de 8,6 %. Anthropic interprète ces évolutions comme la preuve que les utilisateurs malveillants appliquent les modèles plus loin dans la chaîne d’attaque, là où les tâches exigent davantage de contexte, de coordination et de prise de décision en temps réel.
Le décompte des techniques ne suffit plus
L’évaluation traditionnelle des menaces s’appuie souvent sur le nombre de techniques utilisées par un acteur, les outils impliqués ou l’interface au moyen de laquelle l’activité a été menée. Anthropic affirme que ces signaux prédisaient faiblement le niveau de risque dans ce jeu de données.
Les acteurs les moins expérimentés utilisaient en moyenne environ 16 techniques distinctes, contre environ 20 pour les plus expérimentés. La plateforme ne permettait pas non plus d’établir une distinction fiable : Anthropic n’a trouvé aucune corrélation significative entre le niveau de risque et l’utilisation de Claude Code, d’une API ou d’une interface de discussion.
L’entreprise estime qu’un signal plus utile réside dans l’endroit où l’IA est appliquée au cours de l’opération. Les acteurs présentant un risque plus élevé étaient davantage susceptibles d’utiliser les modèles pour des activités exigeantes comme la découverte de comptes, le déplacement latéral et l’élévation de privilèges, plutôt que de les limiter à l’accès initial ou à la préparation.
Ce signal devient lui aussi moins stable. Anthropic avance que le principal facteur de différenciation est de plus en plus l’architecture construite autour du modèle : des systèmes qui enchaînent les différentes étapes d’une attaque, prennent des décisions tactiques et poursuivent l’opération avec une intervention humaine limitée.
Pourquoi les comportements agentiques mettent MITRE ATT&CK au défi
L’analyse d’Anthropic met en évidence une lacune du cadre MITRE ATT&CK. Celui-ci peut décrire de nombreuses actions individuelles, mais ne fournit actuellement aucun identifiant de technique dédié à l’orchestration agentique qui relie ces actions pour former une opération largement autonome.
Anthropic cite comme exemple une opération de cyberespionnage commanditée par un État, dont l’entreprise affirme avoir interrompu le déroulement en novembre 2025. L’activité correspondait à 30 techniques réparties entre 13 tactiques, un profil qui semblait comparable à celui de nombreux acteurs à risque moyen lorsqu’il était mesuré uniquement par le nombre de techniques. Selon sa propre méthode de notation du risque, l’opération a toutefois reçu la note maximale de 100, car le modèle exécutait des commandes, exploitait des vulnérabilités, dérobait des identifiants et prenait des décisions tactiques, l’intervention humaine n’étant requise qu’à quelques étapes.
Cette distinction est importante pour les défenseurs. Un système de détection qui n’enregistre que des commandes isolées peut ne pas détecter le risque créé par leur ordre, leur rapidité et leur degré d’automatisation. Les équipes de sécurité devront avoir une visibilité sur la manière dont les systèmes d’IA sélectionnent les outils, transmettent les informations entre les étapes, réagissent aux échecs et interviennent dans des environnements privilégiés.
Ce que les défenseurs doivent retenir de ces résultats
Le rapport ne montre pas que toute intrusion assistée par l’IA est autonome et ne mesure pas le taux de réussite des attaques. Il montre en revanche pourquoi la surveillance défensive devrait aller au-delà des simples indicateurs de compromission.
Les équipes devraient vérifier si les données de télémétrie relatives aux identités, aux terminaux et au réseau permettent de relier la découverte de comptes, l’élévation de privilèges et le déplacement latéral au sein d’une même chronologie. Elles devraient également auditer les agents d’IA et les flux d’automatisation afin de repérer des permissions excessives, un accès sortant sans restriction et la capacité à poursuivre une opération après le contournement ou l’abandon d’un point d’approbation humaine.
Les tests devraient se concentrer sur les comportements enchaînés plutôt que sur des invites isolées. Un modèle incapable de mener seul une opération complète peut néanmoins créer un risque lorsqu’il est relié à un accès shell, à des magasins d’identifiants, à des consoles cloud ou à des pipelines de développement. L’examen humain reste particulièrement important avant les actions qui modifient les contrôles d’accès, permettent un déplacement latéral ou exportent des données sensibles.
Anthropic affirme que ces résultats ont contribué à l’élaboration de mesures de protection destinées à détecter et bloquer des activités telles que le développement de logiciels malveillants et l’exfiltration massive de données. L’entreprise discute également avec MITRE de l’évolution possible du cadre ATT&CK afin de représenter plus fidèlement les comportements assistés par l’IA.
Le message central est mesuré, mais lourd de conséquences : l’IA ne se contente pas d’accélérer des tâches cyberfamilières. Dans certains cas, elle aide des acteurs moins expérimentés à coordonner des étapes plus exigeantes sur le plan technique. Pour les équipes de sécurité, la structure et l’autonomie d’une opération sont donc aussi importantes que les techniques individuelles qu’elle contient.
Source : analyse officielle d’Anthropic.