Revue de sécurité de Claude Sonnet 5 : garde-fous solides, portée limitée des exploits

Par Javier Bernard

Par Clara Reed

Claude Sonnet 5 est arrivé le 30 juin 2026 avec une promesse familière : des performances proches d’Opus pour les tâches agentiques, au niveau de prix inférieur de la gamme Sonnet. Pour les équipes de sécurité, toutefois, la question la plus importante n’est pas de savoir s’il peut écrire du code ou utiliser des outils. C’est de déterminer si son autonomie croissante crée un risque cyber inacceptable.

Cette revue examine les éléments publiés par Anthropic plutôt que de prétendre constituer un test pratique indépendant. L’annonce de lancement de l’entreprise et la fiche système de Claude Sonnet 5 fournissent un contexte d’évaluation reproductible, des résultats observables et des précisions sur le déploiement. Aucun système réel, accès privé ni prompt non cloisonné n’a été utilisé pour cet article.

Ce qui a été évalué

Anthropic affirme que Sonnet 5 n’a pas été spécifiquement entraîné pour la cybersécurité. Ses capacités pertinentes pour le domaine cyber sont donc présentées comme un sous-produit d’améliorations plus générales du raisonnement et du codage. La fiche système rend compte de résultats obtenus lors de plusieurs évaluations, dont ExploitBench, OSS-Fuzz, CyberGym et un test de développement d’exploits visant Firefox 147.

Le résultat le plus clair provient de l’évaluation de Firefox, développée avec Mozilla. La tâche mesurait la capacité des modèles à développer des exploits fonctionnels pour des vulnérabilités de Firefox 147. Anthropic indique que Sonnet 5 n’a jamais produit d’exploit fonctionnel complet. Son taux d’exploits fonctionnels était de 0,0 %, comme celui de Sonnet 4.6. L’entreprise rapporte également un taux de réussite partielle légèrement supérieur pour Sonnet 5 par rapport à son prédécesseur. Les vulnérabilités utilisées dans l’évaluation ont été corrigées dans Firefox 148.

Cette distinction est importante. Un résultat de zéro pour cent pour les exploits fonctionnels ne signifie pas que le modèle est incapable d’aider dans le cadre d’activités de sécurité, pas plus qu’il ne démontre que toutes les tâches futures échoueront. Il montre que, dans cette évaluation publiée, Sonnet 5 n’a pas achevé l’objectif de développement d’exploit mesuré. Le résultat de réussite partielle suggère également que les progrès généraux de capacité n’ont pas supprimé la possibilité d’une aide intermédiaire utile dans des flux de travail dangereux.

Les garde-fous font partie du produit

Anthropic a lancé Sonnet 5 avec des garde-fous cyber activés par défaut. L’entreprise décrit des classificateurs, ou « sondes », qui surveillent le trafic et catégorisent les activités de cybersécurité. Les usages interdits et les travaux à double usage présentant un risque élevé, comme le développement d’exploits, sont bloqués par défaut. Les tâches à double usage moins risquées, notamment la détection de vulnérabilités, sont traitées différemment, car elles ont des applications défensives courantes.

Cette limite de déploiement est judicieuse, mais elle ne remplace pas les propres contrôles d’une organisation. Un classificateur peut prendre une décision différente de celle d’un ingénieur sécurité, notamment lorsqu’une investigation légitime ressemble à une activité offensive. Les équipes devraient donc limiter strictement les permissions accordées aux outils, isoler les dépôts et les identifiants, journaliser les actions du modèle et exiger une validation humaine avant qu’une modification n’atteigne un système de production.

Anthropic affirme que Sonnet 5 est généralement plus sûr que Sonnet 4.6 dans ses évaluations préalables au déploiement, avec notamment un meilleur comportement de refus et une résistance accrue au détournement par injection de prompt. Les documents de lancement indiquent également que son taux global de comportements indésirables était inférieur à celui de Sonnet 4.6, même si le modèle n’a pas dépassé Opus 4.8 et Mythos Preview, plus performants, sur toutes les mesures de sécurité.

Ce que les éléments disponibles permettent d’affirmer

Les résultats publiés permettent de tirer une conclusion étroite mais utile. Sonnet 5 semble bien adapté à une assistance défensive encadrée : expliquer des rapports de vulnérabilité, examiner du code à la recherche de problèmes de sécurité courants, aider à documenter des incidents et accompagner des corrections de routine sous supervision. Ses capacités agentiques peuvent accélérer ces flux de travail, mais les éléments disponibles ne justifient pas de le considérer comme un testeur d’intrusion autonome.

Le résultat obtenu sur Firefox est particulièrement important, car il évite une erreur fréquente de catégorisation. Un modèle peut être très efficace pour coder, utiliser un navigateur et exécuter des tâches en plusieurs étapes tout en affichant des performances limitées sur un benchmark spécialisé de développement d’exploits. À l’inverse, un score faible à un benchmark ne doit pas être interprété comme la preuve que toute interaction cyber est inoffensive. Sonnet 5 a obtenu certains succès partiels, et Anthropic a elle-même estimé que des garde-fous plus stricts étaient appropriés.

Les responsables de la sécurité doivent également distinguer les capacités du modèle de la configuration du service. L’évaluation décrite par Anthropic mesurait la capacité sous-jacente sans s’appuyer sur les garde-fous habituels de production. Dans le monde réel, les utilisateurs accèdent au modèle par l’intermédiaire d’un système en couches comprenant des classificateurs, des contrôles de compte et des permissions produit. Ces contrôles réduisent le risque, mais ils signifient aussi qu’un résultat de benchmark ne peut pas prédire le comportement exact de chaque déploiement.

Verdict du test

Claude Sonnet 5 obtient une note éditoriale de 7,6/10 pour un usage généraliste attentif aux enjeux de sécurité. Cette note tient compte de la tendance positive observée par rapport à Sonnet 4.6, du résultat publié de 0,0 % d’exploits fonctionnels lors de l’évaluation de Firefox 147 et de garde-fous cyber explicites activés par défaut. Elle est limitée par le taux de réussite partielle légèrement supérieur, l’absence d’un test exécuté de manière indépendante et reproductible dans cette revue, ainsi que par le fait que les éléments disponibles sont fournis par le fabricant.

Notre verdict est donc nuancé : Sonnet 5 est un assistant crédible pour les travaux défensifs de routine et encadrés, mais les éléments publiés ne justifient pas son utilisation pour le développement d’exploits sans supervision, la réponse autonome aux incidents ou la validation finale de la sécurité. Maintenez-le dans un environnement soumis au principe du moindre privilège, utilisez des cibles synthétiques ou corrigées pour les évaluations et considérez chaque résultat ou modification généré par le modèle comme une piste nécessitant une vérification experte.