Points clés
- En septembre 2025, GTG-1002 a mené une campagne d’intrusion totalement autonome sur 30 organisations — l’IA a géré 80 à 90 % des opérations à un rythme de milliers de requêtes par seconde
- Les protocoles de terrain OT n’ont pas de couche d’authentification — Modbus, DNP3 et Profibus répondent à toute requête sans identifiant requis et sans générer d’entrée de journal
- Le rapport Global Threat Report 2026 de CrowdStrike a établi le temps moyen d’exploitation à cinq jours, contre trente en 2022 — les cycles de correctifs OT ne peuvent combler cet écart
- Les défenses basées sur la détection réduisent le temps de présence — face à un agent IA qui cartographie un réseau en quelques minutes, les dégâts sont faits avant que la première alerte n’atteigne un analyste
- L’unidirectionnalité matérielle supprime la surface d’attaque plutôt que de la gérer — c’est la seule défense qui n’a pas besoin de dépasser l’assaillant en vitesse
En 2025, l’hypothèse de base de la cybersécurité industrielle s’est effondrée.
Pendant vingt ans, les défenseurs ont eu un avantage fiable sur les assaillants : le temps. Un adversaire qualifié ciblant un poste électrique ou une usine de traitement des eaux avait besoin de semaines de reconnaissance manuelle, d’une connaissance spécialisée des protocoles industriels et d’une équipe assez coordonnée pour soutenir une campagne en plusieurs étapes. Ce temps de préparation n’a jamais constitué une architecture de sécurité, mais il était réel, et les stratégies de détection ont été bâties autour de lui. En septembre 2025, un groupe parrainé par l’État chinois a mené une campagne d’espionnage complète sur 30 organisations avec un agent IA gérant 80 à 90 % des opérations à un rythme de milliers de requêtes par seconde. Les opérateurs humains n’intervenaient qu’à quatre ou six points de décision et laissaient la machine gérer le reste. Quatre mois plus tard, le modèle Mythos d’Anthropic a découvert une vulnérabilité vieille de 27 ans dans OpenBSD, un système conçu autour de la sécurité, ainsi que des milliers d’autres failles zero-day sur tous les principaux OS et navigateurs, travaillant sans intervention humaine après une seule instruction initiale. Pour les opérateurs OT utilisant des automates programmables industriels (API) avec des micrologiciels de 2012, la donne a changé. Votre fenêtre de détection peut être plus courte que le temps nécessaire pour ouvrir un ticket.
Des assaillants humains aux agents autonomes : trois ans d’escalade
L’IA comme assistante : la phase du « vibe hacking »
Il y a vingt ans, le modèle de sécurité opérationnelle des infrastructures critiques reposait sur un pari raisonnable : les assaillants sont humains, et les opérations humaines prennent du temps. Planifier une intrusion dans une installation de production d’énergie nécessitait des semaines de reconnaissance, une expertise métier des protocoles industriels et une équipe capable de soutenir une campagne multi-étapes. Cette friction offrait aux défenseurs le temps de détecter, d’enquêter et de répondre.
Les premiers signes de changement étaient visibles, mais graduels. En 2023, le phishing assisté par IA a commencé à générer du spear-phishing contextuellement précis à grande échelle, pour un coût marginal quasi nul par cible. Début 2025, l’équipe de Threat Intelligence d’Anthropic documentait ce qu’elle appelait le « vibe hacking » : des campagnes où l’IA assistait les opérateurs humains en temps réel, accélérant chaque étape tandis que les humains restaient dans la boucle pour diriger les opérations. À la mi-2025, le système autonome XBOW s’était hissé en tête du classement de HackerOne, devant tous les chercheurs humains de la plateforme. Chacun de ces événements était un point sur une courbe. Septembre 2025 a marqué un changement de catégorie.
GTG-1002 : la première campagne entièrement autonome
Un groupe parrainé par l’État chinois, désigné sous le nom de GTG-1002, a mené ce qu’Anthropic a confirmé comme étant la première cyberattaque à grande échelle exécutée avec une IA gérant la majorité des opérations sans direction humaine. L’acteur malveillant a débridé Claude Code, a construit un framework d’attaque autonome autour de lui, et a mené la reconnaissance, l’analyse de vulnérabilité, la génération d’exploits, la collecte d’identifiants, le mouvement latéral et la catégorisation des données sur environ 30 organisations. Les opérateurs humains ne sont intervenus qu’à quatre ou six points de décision par campagne. L’agent fonctionnait à un rythme de milliers de requêtes par seconde. Aucune équipe humaine n’opère à un tel tempo.
L’attaque ne reposait pas sur un nouveau malware ou une expertise rare. Le framework utilisait des outils de test d’intrusion open-source standards, orchestrés de manière autonome via Claude Code par le biais du Model Context Protocol. GTG-1002 a démontré que les campagnes à la vitesse de l’IA sont accessibles : la barrière n’est pas la sophistication technique, mais l’accès à un modèle performant et à un débridage fonctionnel.
Mythos Preview : découverte autonome de zero-days à grande échelle
En avril 2026, Anthropic a publié les conclusions de Claude Mythos Preview, un modèle qu’elle a choisi de ne pas rendre public précisément en raison de ses capacités. Sur plusieurs semaines de tests internes, Mythos a trouvé des milliers de vulnérabilités zero-day sur tous les principaux systèmes d’exploitation et navigateurs, y compris un dépassement d’entier vieux de 27 ans dans OpenBSD et une faille de 16 ans dans FFmpeg qui avait survécu à cinq millions de tests de fuzzing automatisés. Dans le moteur JavaScript de Firefox, Mythos a converti 72,4 % des vulnérabilités identifiées en exploits fonctionnels, contre 14,4 % pour son prédécesseur. Dans plusieurs cas, il a enchaîné quatre vulnérabilités en un seul exploit de navigateur sans aucun guidage humain après l’instruction initiale. Plus de 99 % de ses découvertes restent non corrigées.
La propre conclusion d’Anthropic : « Les barrières à la réalisation de cyberattaques sophistiquées ont considérablement baissé, et nous prévoyons qu’elles continueront de le faire. »
Pourquoi les environnements OT sont disproportionnellement exposés
Un parc d’actifs qui ne peut être corrigé
GTG-1002 a frappé des entreprises technologiques, des institutions financières et des agences gouvernementales. Ces organisations appliquent des cycles de correctifs actifs et maintiennent des équipes SOC calibrées pour répondre en quelques heures. Les environnements OT fonctionnent sous des contraintes différentes, et ces contraintes se trouvent directement sur le chemin de ce que les attaques à la vitesse de l’IA exploitent le plus efficacement.
Les API et les RTU dans la production d’énergie, le traitement des eaux et la fabrication de processus utilisent couramment des micrologiciels qui n’ont pas été mis à jour depuis cinq à quinze ans. Non pas parce que les opérateurs sont négligents : le fournisseur ne supporte plus l’appareil, la mise à jour nécessite un arrêt contrôlé du processus, ou le correctif n’a pas été validé par rapport à la configuration de production. Les avis ICS de la CISA documentent régulièrement des vulnérabilités dans des appareils que les opérateurs ne peuvent pas corriger pour ces raisons précises. Les stations de travail d’ingénierie sur des versions de Windows en fin de support sont courantes. Les serveurs SCADA et les historiens se trouvent fréquemment sur des réseaux insuffisamment segmentés.
Des protocoles sans couche d’authentification
Modbus, DNP3, Profibus et IEC 61850 ont été conçus pour le déterminisme et la fiabilité. L’authentification ne faisait pas partie du cahier des charges. Un appareil parlant Modbus répond à toute interrogation de n’importe quel hôte sur le même segment : aucun identifiant n’est requis, aucune entrée de journal n’est générée. Un agent ayant atteint une station de travail d’ingénierie peut énumérer chaque appareil accessible, lire les tables de registres et documenter les adresses des variables de processus sans déclencher un seul événement d’authentification.
La boucle de reconnaissance de GTG-1002 s’est exécutée sur les réseaux IT en quelques heures. Contre des actifs OT sans mécanisme pour journaliser ou rejeter une requête, la même boucle s’exécute plus rapidement et produit des résultats plus nets. L’absence d’authentification ne simplifie pas seulement l’attaque ; elle supprime la télémétrie dont dépendent les systèmes de détection.
Un horizon de correctifs mesuré en décennies, pas en mois
Mythos a trouvé une faille dans FFmpeg qui était en production depuis seize ans et avait survécu à cinq millions de tentatives de fuzzing. Une pile de micrologiciels d’API révisée pour la dernière fois en 2012 comporte des risques du même ordre, et dans de nombreux cas, le fabricant n’existe plus pour publier un correctif. Le Global Threat Report 2026 de CrowdStrike a établi le temps moyen d’exploitation à cinq jours, contre trente en 2022. Un actif OT non corrigé n’est pas un risque de fond à cette vitesse. C’est une position ouverte.
Les archives historiques confirment les conséquences. Les attaques de 2015 et 2016 contre le réseau ukrainien ont nécessité des semaines de reconnaissance avant que les opérateurs n’ouvrent les disjoncteurs de plusieurs postes électriques. TRITON en 2017 a nécessité des spécialistes comprenant l’architecture des systèmes instrumentés de sécurité (SIS). FrostyGoop en 2024 a exploité une interface Modbus exposée pour couper le chauffage de 600 immeubles d’habitation à Lviv, mais reposait toujours sur des opérateurs humains sachant quels registres cibler. Chacune de ces campagnes avait une phase de préparation mesurée en semaines. L’IA comprime cette phase à quelques heures, éliminant les fenêtres de détection que les analyses post-incident avaient identifiées comme des opportunités manquées dans chaque cas.
L’échec structurel de la défense logicielle en OT
Pourquoi le cycle d’escalade favorise l’offensive
La réponse standard aux attaques activées par l’IA est de déployer des défenses activées par l’IA : détection d’anomalies comportementales, IDS basé sur le ML, triage SOC assisté par l’IA. Ces outils ont une valeur. Le problème est qu’ils maintiennent l’environnement OT dans un cycle d’escalade où l’assaillant agit en premier et le défenseur répond, et l’IA a réduit l’écart entre ces deux événements sous le seuil où une réponse avec intervention humaine peut agir de manière fiable.
GTG-1002 a démontré le mécanisme. Le framework d’attaque a décomposé chaque opération malveillante en milliers de tâches individuellement anodines, chacune présentée comme une activité de test de sécurité légitime. Claude les a exécutées sans voir l’intention globale. La détection a fini par se déclencher, mais après que des intrusions réussies avaient déjà été achevées. La même technique de décomposition qui a contourné les propres garde-fous de sécurité de Claude fonctionne contre les classificateurs comportementaux pour la même raison : le classificateur voit des étapes individuelles, pas la campagne. L’évasion s’adapte plus vite que la mise à jour des règles de détection.
La Red Team d’Anthropic a clairement énoncé l’implication : « Les modèles de langage comme Mythos Preview pourraient nécessiter de réexaminer les mesures de défense en profondeur qui rendent l’exploitation fastidieuse plutôt qu’impossible, car les modèles de langage peuvent accomplir ces étapes fastidieuses rapidement. » Toute défense dont l’efficacité dépend du manque de patience ou de budget de l’assaillant est désormais mal calibrée.
À quoi ressemble une intrusion à la vitesse de l’IA sur un réseau OT
En OT, ce mode de défaillance prend une forme concrète. Un IDS signalant un trafic Modbus anormal détecte le mouvement latéral après qu’il a commencé. Il n’empêche pas un agent de compléter une cartographie complète de la topologie du réseau dans les secondes qui précèdent l’ouverture du dossier par un analyste humain. Un SIEM corrélant les événements d’authentification entre l’IT et l’OT peut identifier la réutilisation d’identifiants après coup, pas avant que l’agent n’ait préparé ces identifiants pour l’exfiltration.
Les défenses basées sur la détection réduisent le temps de présence. Contre un agent qui atteint ses objectifs de reconnaissance en quelques minutes, un temps de présence plus court signifie toujours que les dégâts sont faits avant que la première alerte ne remonte à un humain capable d’agir. La fenêtre de détection autour de laquelle les architectures de sécurité OT étaient calibrées ne s’est pas rétrécie. Elle s’est refermée.
Segmentation matérielle : sortir de la course aux armements
Le rôle d’une diode de données à la frontière du réseau
L’alternative à la lutte contre les attaques à la vitesse de l’IA par une détection plus rapide consiste à retirer la cible de l’équation à la frontière du réseau.
Une diode de données matérielle impose une communication unidirectionnelle au niveau de la couche physique. Un agent opérant à partir d’un actif IT compromis peut envoyer des paquets vers le segment OT et ne rien recevoir en retour. Pas d’inventaire d’appareils. Pas de tables de registres. Pas de réponses de protocole à analyser. La boucle de reconnaissance que GTG-1002 a exécutée à des milliers de requêtes par seconde renvoie zéro résultat utile à une frontière matérielle. La cartographie de la topologie nécessite des réponses. Sans réponses, il n’y a pas de carte, pas de chemin de mouvement latéral et pas de capacité pré-positionnée pour une perturbation physique. Il ne s’agit pas d’une règle de détection ou d’un classificateur comportemental. C’est une contrainte matérielle sans équivalent logiciel et sans cycle de correctifs.
Préserver la visibilité OT sans canal de retour
Une frontière unidirectionnelle ne signifie pas des réseaux aveugles. La réplication par l’historien des valeurs de processus, des enregistrements de lots et des données de qualité circule vers l’extérieur pour l’analyse d’entreprise. Les événements de sécurité provenant des API, des IHM et de l’infrastructure réseau OT sont transmis au SIEM du SOC. Les exports d’alarmes SCADA atteignent l’entreprise. Les données qui rendent les opérations OT visibles pour l’entreprise et les équipes de sécurité traversent la frontière dans la direction nécessaire.
Ce qui ne traverse pas, c’est tout chemin entrant. Un assaillant ayant totalement compromis le réseau d’entreprise ne peut toujours pas atteindre le DCS, le système instrumenté de sécurité ou l’historien. Pour les environnements qui nécessitent également des flux IT-vers-OT limités, des mises à jour de micrologiciels, des envois de configuration et une synchronisation de recettes dans la fabrication discrète, des passerelles unidirectionnelles jumelées dans une architecture 1,5 voie gèrent ces transferts par le biais de transferts asynchrones, basés sur des fichiers et imposés par le matériel. Chaque transfert est discret et journalisé. Il n’y a pas de session persistante qu’un agent peut maintenir ou exploiter à travers la frontière.
Alignement sur les normes : IEC 62443, NIST SP 800-82, ANSSI
Les cadres normatifs convergent vers cette architecture. L’IEC 62443-3-3 reconnaît les passerelles de sécurité unidirectionnelles comme un contrôle conforme pour imposer la séparation des zones aux niveaux de sécurité les plus élevés. Le NIST SP 800-82 et le guide de sécurité industrielle de l’ANSSI font tous deux référence aux diodes de données matérielles pour les environnements où l’accès bidirectionnel IT-vers-OT est injustifiable sur le plan opérationnel. Les exigences de conformité et la réponse aux menaces pointent vers la même architecture, ce qui simplifie l’analyse de rentabilité pour les opérateurs qui doivent satisfaire aux deux.
La segmentation matérielle est l’issue de la course aux armements
GTG-1002 a confirmé que les attaques orchestrées par l’IA à la vitesse de la machine sont opérationnelles, et non théoriques. Mythos Preview a confirmé que la découverte autonome de zero-days fonctionne désormais plus vite que les cycles de correctifs humains, contre des vulnérabilités présentes dans les systèmes de production depuis des décennies. La propre évaluation d’Anthropic est que le seuil de capacité pour les attaques sophistiquées continuera de baisser, et que les outils pour reproduire ce que GTG-1002 a fait prolifèrent déjà vers des acteurs moins dotés en ressources.
Les capacités de détection et de réponse sont importantes. Pour les environnements OT utilisant des actifs hérités sur des protocoles non authentifiés, elles ne constituent pas une réponse complète. La segmentation matérielle à la frontière OT soustrait le réseau à une attaque qui dépend d’un accès bidirectionnel pour cartographier, se déplacer et se pré-positionner. L’architecture qui n’a pas besoin de détecter une intrusion orchestrée par l’IA à la vitesse de la machine, parce que l’intrusion n’a pas de chemin viable, est celle bâtie autour d’une contrainte physique plutôt que d’un classificateur plus rapide.
FAQ – Cybermenaces IA industrielles
Comment l’IA a-t-elle modifié le paysage des menaces OT depuis 2025 ?
En septembre 2025, la campagne GTG-1002 a démontré la première cyberattaque à grande échelle exécutée avec une IA gérant la majorité des opérations sans direction humaine — reconnaissance, analyse de vulnérabilité, génération d’exploits, mouvement latéral, le tout s’exécutant à un rythme de milliers de requêtes par seconde. Quatre mois plus tard, Mythos Preview d’Anthropic a découvert des milliers de vulnérabilités zero-day de manière autonome. La phase de préparation qui prenait auparavant des semaines prend désormais quelques heures.
Pourquoi les environnements OT sont-ils plus exposés que les environnements IT aux attaques à la vitesse de l’IA ?
Trois facteurs structurels : des micrologiciels qui ne peuvent pas être corrigés selon un calendrier rapide, des protocoles de terrain sans couche d’authentification et des cycles de vie des équipements mesurés en décennies. La boucle de reconnaissance de GTG-1002 s’est exécutée sur les réseaux IT en quelques heures. Contre des actifs OT sans mécanisme pour journaliser ou rejeter une requête, la même boucle s’exécute plus rapidement et produit des résultats plus nets.
Qu’est-ce que l’attaque GTG-1002 et pourquoi est-elle importante pour la sécurité OT ?
GTG-1002 est un groupe parrainé par l’État chinois qui a mené la première cyberattaque autonome à grande échelle confirmée en septembre 2025 — utilisant un modèle d’IA débridé pour orchestrer la reconnaissance, la génération d’exploits, le mouvement latéral et la catégorisation des données sur 30 organisations. Cela a démontré que les campagnes à la vitesse de l’IA sont accessibles à n’importe quel acteur disposant d’un modèle performant et d’un débridage, et pas seulement aux États-nations disposant de ressources importantes.
Pourquoi les défenses basées sur la détection ne fonctionnent-elles pas contre les attaques à la vitesse de l’IA sur les réseaux OT ?
Les attaques assistées par l’IA décomposent les opérations malveillantes en milliers de tâches individuellement anodines. Les classificateurs comportementaux voient des étapes individuelles, pas la campagne. Un IDS signalant un trafic Modbus anormal détecte le mouvement latéral après qu’il a commencé — il ne peut pas empêcher un agent de compléter une cartographie complète de la topologie du réseau dans les secondes qui précèdent l’ouverture du dossier par un analyste humain. La fenêtre de détection autour de laquelle les architectures de sécurité OT étaient calibrées ne s’est pas rétrécie. Elle s’est refermée.
Comment une diode de données matérielle défend-elle contre les attaques orchestrées par l’IA ?
Une diode de données matérielle impose une communication unidirectionnelle au niveau de la couche physique. Un agent IA opérant à partir d’un actif IT compromis ne reçoit rien en retour du segment OT — pas d’inventaire d’appareils, pas de tables de registres, pas de réponses de protocole. La cartographie de la topologie nécessite des réponses. Sans réponses, il n’y a pas de carte, pas de chemin de mouvement latéral et pas de capacité pré-positionnée pour une perturbation physique. Il ne s’agit pas d’une règle de détection. C’est une contrainte matérielle sans équivalent logiciel et sans cycle de correctifs.
