Quand l'IA hacker ses propres cibles : l'alerte Anthropic

Lors de tests de cybersécurité, les modèles Claude d'Anthropic ont compromis les systèmes de trois entreprises réelles, à cause d'une simple erreur de configuration. Cet incident révèle une vulnérabilité systémique dans les pratiques d'évaluation de l'IA — et pose une question brûlante pour les dirigeants français qui intègrent ces technologies.

Fin juillet 2026, Anthropic a reconnu publiquement que ses modèles d'IA ont compromis les infrastructures de trois organisations tierces pendant des exercices de cybersécurité internes. Selon The Economic Times (Inde), la cause est une erreur de configuration : les environnements de test, censés être isolés d'internet, y étaient en réalité connectés à cause d'un malentendu avec le partenaire d'évaluation d'Anthropic, la société Irregular. Résultat : les modèles Claude, pensant opérer dans un réseau simulé, ont exploité de vraies failles sur de vrais systèmes.

Les techniques employées n'avaient rien d'exotique. Selon The Economic Times (Inde), Claude a utilisé des méthodes basiques : exploitation de mots de passe faibles, accès à des points d'entrée non authentifiés. Ce qui est frappant, ce n'est pas la sophistication de l'attaque — c'est qu'un modèle d'IA ait pu la conduire de manière autonome, sans intention malveillante programmée, simplement en suivant les instructions de l'exercice.