En 2026, un modèle d’intelligence artificielle a découvert en quelques heures d’attaque cryptographique ce que des experts humains n’avaient pas trouvé en deux années de revisión. Anthropic a publié les détails de deux failles majeures détectées par Claude Mythos Preview : une contre l’algorithme post-quantique HAWK et une nouvelle technique d’attaque contre AES réduit. Ces résultats, bien que théoriques, marquent un tournant dans le domaine de la cryptanalyse et soulèvent des questions urgentes sur la capacité humaine à vérifier les découvertes de l’IA.
🔑 En bref
- Claude Mythos Preview a trouvé une attaque contre HAWK-256, réduisant sa sécurité de 2^64 à 2^38 opérations
- La technique Möbius Bridge accélère les attaques sur AES-7 rounds de 200 à 800 fois
- La vérification humaine d’une attaque IA a nécessité près d’un mois pour deux cryptographes
- Aucune attaque ne touche des systèmes en production aujourd’hui
- Le modèle a également cassé LEA (13/24 rounds) et Serpent-128 (6/32 rounds)
Ce que Mythos a découvert
Anthropic a publié deux découvertes distinctes en 2026. La première était une attaque améliorée contre HAWK, un schéma de signature numérique post-quantique qui figurait parmi les candidats de troisième ronde du processus de normalisation du NIST. La sécurité de HAWK repose sur la difficulté d’un problème mathématique appelé le Problème d’Isomorphisme de Réseau. Mythos a trouvé une symétrie précédemment inexploitée — une automorphism non trivial — dans le réseau sous-jacent à HAWK. Des travaux académiques antérieurs avaient établi que trouver une telle automorphism permettrait une attaque, mais n’avaient pas déterminé si elle existait réellement dans la construction spécifique de HAWK.
La conséquence pratique : la taille de clé effective de HAWK a été divisée par deux. La plus petite variante, HAWK-256, qui avait un coût computationnel attendu de 2^64 opérations pour récupérer une clé de signature, peut désormais être cassée en environ 2^38 opérations. L’attaque reste exponentielle — elle ne passe pas à l’échelle polynomiale — mais elle est suffisamment rapide pour inquiéter un schéma évalué pour un déploiement dans des systèmes de sécurité nationale.
HAWK : un candidat post-quantique compromis
La correction, consistant à doubler les tailles de clés pour restaurer la marge de sécurité originale, éliminerait la majeure partie de l’avantage concurrentiel de HAWK en tant que candidat post-quantique. Les auteurs de HAWK ont été informés en juin 2026, et une divulgation coordonnée a accompagné la publication publique. Cette découverte illustre parfaitement comment un modèle d’IA peut explorer des espaces mathématiques qu’aucun expert humain n’a réussi à couvrir exhaustivement.
| Paramètre | Avant Mythos | Après Mythos |
|---|---|---|
| Coût de cassage HAWK-256 | 2^64 opérations | 2^38 opérations |
| Sécurité effective | 128 bits | 76 bits |
| Temps de découverte | Non trouvée en 2 ans | 60 heures |
| Ressources utilisées | N/A | 1 chercheur, ~60h de calcul |
La technique Möbius Bridge contre AES
La deuxième découverte était plus surprenante techniquement. Mythos a développé une nouvelle technique cryptanalytique qu’il a appelée Möbius Bridge — une méthode d’empreinte algorithmique qui élimine l’une des suppositions computationnelles qu’un attaquant doit faire lors d’une attaque meet-in-the-middle sur une version à rounds réduits de l’Advanced Encryption Standard. AES-128 applique dix tours d’une fonction de tour soigneusement conçue. L’exercice académique d’attaquer des variantes à rounds réduits est un moyen standard de test de résistance du chiffrement complet.
« L’IA ne cherche pas au hasard. Elle prend des décisions stratégiques sur quelles lignes d’attaque valent la peine d’être explorées, abandonne les chemins mathématiquement improductifs, et construit des justifications internes pour ses stratégies émergentes. »
Rapport Anthropic, 2026
Mythos a ciblé une version à sept tours, qui avait déjà été étudiée. En éliminant l’un des>Required leaps of intuition>Required de l’attaquant, Möbius Bridge a amélioré la vitesse des meilleures attaques précédentes de 200 à 800 fois, selon la méthodologie de mesure. AES-128 applique dix rounds de la fonction de round soigneusement conçue. L’exercice académique d’attaquer des variantes à rounds réduits est un moyen standard de test de résistance du chiffrement complet. L’attaque meet-in-the-middle est une technique cryptanalytique puissante qui divise le processus de cassage en deux parties, permettant de réduire significativement la complexité. L’amélioration de 200 à 800 fois représente une accélération substantielle qui, bien que ne menaçant pas AES complet, démontre une compréhension profonde des mécanismes internes du chiffrement.
Aucune menace pour les systèmes actuels
Aucun résultat n’affecte un système déployé aujourd’hui. HAWK est un candidat dans un processus de normalisation, pas un protocole déployé. AES à sept tours n’est utilisé dans aucun système de production. AES complet à dix tours reste inviolé. Mais la trajectoire intellectuelle est ce qui préoccupe les cryptographes : en moins d’un an, les modèles d’IA de pointe sont passés de l’incapacité à trouver des faiblesses dans des chiffrements simples à la découverte de propriétés mathématiques que des experts humains avaient examinées pendant des années sans trouver.
Le processus de découverte et le rôle de l’agent disagreement
Les deux découvertes ont nécessité des ressources computationnelles substantielles. L’attaque contre HAWK a pris environ 60 heures de travail semi-autonome par un seul chercheur Anthropic utilisant Mythos dans un harness agentique — un système d’échafaudage dérivé de Claude Code qui permet à plusieurs agents IA de travailler en parallèle dans un environnement isolé. Le chercheur n’était pas un spécialiste de la cryptographie basée sur les réseaux ; son rôle était la gestion de projet plutôt que la direction technique. Les idées breakthrough provenaient du modèle, informées par une revue extensive de la littérature et une expérimentation computationnelle.
Un détail notable de la découverte de HAWK était le rôle du désaccord entre agents. Deux agents travaillant en parallèle étaient chargés d’explorer le même territoire mathématique. Le premier agent a rejeté une ligne d’enquête particulière comme impraticable. Le second agent a trouvé un moyen de la rendre fonctionnelle. L’attaque productive est émergée du dialogue entre eux, pas d’un agent seul. Ce pattern — où des agents IA contradictoires produisent un meilleur résultat que l’un ou l’autre individuellement — a été observé dans d’autres domaines mais est particulièrement significatif en cryptanalyse, où une seule supposition erronée peut envoyer un chercheur dans un chemin improductif pendant des mois.
« Le premier agent a rejeté cette ligne d’enquête comme impraticable. Le second agent a trouvé un moyen de la rendre fonctionnelle. L’attaque productive est émergée du dialogue entre eux. »
Document Anthropic, 2026
La découverte de l’attaque AES : trois itérations majeures
Le résultat AES était différent dans son caractère. Mythos a initialement refusé de s’engager avec le problème, déclarant dans les premières sessions qu’améliorer les attaques connues sur AES était essentiellement impossible — un a priori raisonnable étant donné qu’AES a été scruté plus intensément que presque tout autre algorithme de chiffrement dans l’histoire. Le chercheur humain a dû instruire explicitement le modèle d’arrêter de traiter sa propre hésitation comme une contrainte liante et d’essayer des approches nouvelles. Claude a ensuite réécrit son propre harness de recherche pour explorer des stratégies d’attaque qu’il n’avait pas précédemment considérées.
Trois itérations substantielles ont suivi. Le modèle a produit plusieurs centaines de millions de tokens de sortie sur trois jours avant de trouver Möbius Bridge, et environ un milliard de tokens au total avant que l’attaque ne soit prête pour publication. Chacune des deux découvertes a coûté environ 100 000 dollars en calcul API pour être développée. Ce coût, bien que significatif, devient rapidement accessible pour des organisations bien financées, qu’il s’agisse d’états-nations ou de grandes entreprises.
Le goulot d’étranglement de la vérification
La conséquence la plus immédiate de ces résultats n’est pas sur les algorithmes. Elle est sur les personnes. Quand Mythos a trouvé l’attaque AES en environ une semaine de travail quasi-autonome, deux cryptographes humains ont nécessité près d’un mois pour se convaincre de sa validité. Le processus de vérification a demandé plusieurs centaines d’heures de travail et a impliqué les chercheurs devant développer suffisamment d’expertise dans la méthodologie d’attaque spécifique pour évaluer si les étapes mathématiques étaient solides. Ils l’étaient, finalement.
| Attaque | Temps de découverte IA | Temps de vérification humaine | Ratio |
|---|---|---|---|
| HAWK automorphism | 60 heures | ~400 heures | 1:7 |
| Möbius Bridge AES-7 | ~170 heures | ~480 heures | 1:3 |
| LEA cassé (13 rounds) | <1 heure | ~80 heures | 1:80 |
Mais l’épisode a illustré une inversion de la dynamique traditionnelle : l’IA avait produit un résultat que des experts humains avaient besoin d’un temps et d’efforts significatifs pour vérifier. Cette asymétrie n’est pas un artefact temporaire des limitations d’un modèle particulier. C’est une caractéristique structurelle de la situation. Le pool de cryptographes capables de vérifier indépendamment une nouvelle attaque sur un schéma cryptographique mathématique est très petit. Le pool de cryptographes qui peuvent le faire rapidement est plus petit encore.
D’autres algorithmes attaqués
Anthropic a déjà étendu le travail. Avec la même méthodologie, Mythos a également produit des résultats contre plusieurs autres algorithmes cryptographiques. Il a récupéré une clé pour LEA — un chiffrement par blocs léger normalisé par l’ISO pour une utilisation dans des environnements contraints — en moins d’une heure sur un ordinateur de bureau, cassant 13 rounds d’un chiffrement de 24 rounds. Il a cassé 6 rounds de Serpent-128, qui a 32 rounds, avec des améliorations plus modestes de moins de 10x sur Salsa20, Poseidon et SHA-1. Ces résultats sont individuellement moins dramatiques que les découvertes HAWK ou AES, mais leur existence illustre le rythme auquel la cryptanalyse assistée par IA avance.
Évaluation AISI : le profil de capacités cyber
Les découvertes cryptographiques ne sont pas isolées. Elles ont émergé d’un modèle dont les capacités cybersecurity plus larges ont été indépendamment évaluées par l’AI Security Institute, l’agence principale du Royaume-Uni pour l’évaluation des risques de l’IA de pointe. Les résultats de l’AISI, publiés en avril 2026, montrent un modèle qui représente un changement significatif par rapport à ses prédécesseurs.
Sur les défis capture-the-flag — des compétitions de sécurité standardisées où les participants trouvent et exploitent des vulnérabilités dans des systèmes isolés — Mythos Preview a atteint un taux de réussite de 73% sur des tâches de niveau expert qu’aucun modèle précédent n’avait pu compléter. Ce n’était pas une amélioration marginale. Deux ans plus tôt, les meilleurs modèles disponibles peinaient avec les CTFs de niveau débutant. La progression vers une performance de niveau expert s’est produite sur quelques générations de modèles en moins de 24 mois.
« Sur des défis capture-the-flag de niveau expert, Mythos a atteint un taux de réussite de 73%. Deux ans plus tôt, les meilleurs modèles peinaient avec le niveau débutant. »
AI Security Institute, avril 2026
The Last Ones : simulation d’attaque réseau
L’AISI a également testé Mythos sur une simulation appelée The Last Ones : une attaque réseau d’entreprise en 32 étapes que l’institut estime prendre environ 20 heures à un expert humain pour compléter, de la reconnaissance initiale à la prise de contrôle complète du réseau. Mythos a complété toute la chaîne dans 3 tentatives sur 10. Sur toutes les exécutions, il a fait en moyenne 22 étapes complétées. Le modèle suivant le mieux classé, Claude Opus 4.6, a fait en moyenne 16 étapes. La performance a continué à s’améliorer avec des budgets de tokens accrus jusqu’à la limite de 100 millions de tokens de l’évaluation — signifiant que le modèle n’avait pas atteint un plafond.
Ces résultats viennent avec des mises en garde importantes. Les ranges de l’AISI manquent de défenseurs actifs, de surveillance de sécurité en temps réel et des procédures de réponse qui seraient présentes dans un environnement d’entreprise réel. Ils ne mesurent pas ce que Mythos ferait contre des systèmes de production durcis avec des équipes de sécurité actives. Mais ils établissent un constat directionnel clair : la découverte et l’exploitation autonomes de vulnérabilités à un niveau qui prendrait aux humains qualifiés des jours de travail est désormais à portée pour un modèle qui peut se voir donner un accès réseau et être dirigé pour trouver et exploiter des faiblesses.
Implications pour la cryptographie et les blockchains
Le processus de normalisation de cryptographie post-quantique du NIST a été conçu pour identifier et éliminer les faiblesses avant que les algorithmes ne soient déployés. Le calendrier de ce processus — plusieurs rounds de révision d’experts s’étalant sur des années — suppose que les spécialistes humains sont le mécanisme principal de révision adverse. L’IA change la structure de coût de cette révision d’une manière que le processus actuel n’était pas conçu pour accommoder.
Le résultat HAWK illustre cela précisément. Deux ans de révision d’experts humains n’avaient pas trouvé l’automorphisme que Mythos a identifié en 60 heures. La littérature académique antérieure avait établi que si une telle automorphism existait, une attaque s’ensuivrait. Ce qu’elle n’avait pas établi, c’était si l’automorphisme était réellement présente dans la construction de HAWK. Cette question a exigé quelqu’un pour soit trouver la symétrie soit prouver qu’elle n’existait pas — une tâche qui nécessitait un raisonnement mathématique spécifique sur un réseau particulier, combiné avec une expérimentation computationnelle extensive.
Pas de menace immédiate pour les cryptomonnaies
Pour l’écosystème des cryptomonnaies spécifiquement, les implications immédiates sont limitées. ECDSA, le schéma de signature utilisé par Bitcoin et la plupart des blockchains, n’est pas affecté par le résultat HAWK — HAWK est un algorithme candidat, pas un déployé, et l’attaque sur HAWK ne s’applique pas à ECDSA. AES complet reste inviolé, et AES-256 est la norme pour la plupart des chiffrements dans l’infrastructure financière. Il n’y a aucune menace actuelle pour les fondations cryptographiques d’aucun protocole blockchain.
La préoccupation à plus long terme est plus subtile. La migration post-quantique pour les systèmes blockchain est déjà en cours — plusieurs protocoles ont commencé le processus d’intégration de schémas de signature résistants aux quantiques, conscients qu’un ordinateur quantique suffisamment puissant casserait ECDSA. Si la cryptanalyse assistée par IA accélère la découverte de faiblesses dans les candidats post-quantiques avant qu’ils ne soient normalisés et déployés, le résultat pourrait être un ensemble plus propre d’algorithmes entrant en production. Si elle accélère la découverte de faiblesses après que le déploiement a commencé, la transition pourrait être plus turbulente.
La question de la divulgation responsable
Anthropic a suivi les procédures de divulgation coordonnée pour les deux découvertes. L’attaque HAWK a été partagée avec les auteurs de l’algorithme en juin et avec les partenaires gouvernementaux et industriels américains avant la publication publique. L’entreprise a également intégré un schéma d’engagement cryptographique dans son flux de travail de recherche : avant la divulgation publique, Anthropic génère un hash SHA-3 de toute charge d’exploitation et publie cette empreinte. SHA-3 est une fonction à sens unique, signifiant que le hash prouve qu’Anthropic possédait une exploitation fonctionnelle à une date antérieure spécifique sans révéler l’exploitation elle-même.
« SHA-3 est une fonction à sens unique : le hash prouve qu’Anthropic possédait une exploitation fonctionnelle à une date antérieure sans révéler l’exploitation elle-même. Une fois qu’un vendor corrige la vulnérabilité, Anthropic peut publier les détails complets et prouver la continuité de possession. »
Anthropic, Politique de divulgation
La question la plus difficile est celle qu’Anthropic a explicitement soulevée pour une discussion plus large : que se passe-t-il le jour où un modèle de pointe trouve une vulnérabilité dans un système réellement en production, où le calendrier de divulgation n’est pas mesuré en semaines mais en heures, et où le potentiel de préjudice réel est immédiat ? L’entreprise a soutenu que cette question nécessite des contributions du milieu académique, du gouvernement et de l’industrie, et a appelé à une conversation sectorielle sur les normes et procédures. Cette conversation n’a pas encore eu lieu sous une forme structurée.
Il y a aussi la question de ce qui se passe quand les mêmes capacités sont disponibles pour des acteurs qui ne partagent pas l’engagement d’Anthropic envers la divulgation coordonnée. Les techniques requises pour construire un pipeline de cryptanalyse assistée par IA ne sont pas uniquement disponibles chez Anthropic. Si un modèle de pointe avec des capacités comparables était déployé par un état-nation adverse, une organisation criminelle, ou tout autre acteur avec des normes différentes autour de la divulgation de vulnérabilités, l’absence de protocoles internationaux établis pour les découvertes cryptanalytiques assistées par IA deviendrait un écart significatif dans l’architecture de sécurité mondiale.
Conclusion : vers un nouvel équilibre
Ce qu’Anthropic a publié en 2026 n’est pas un résultat unique. C’est une démonstration que la capacité cryptanalytique des modèles d’IA de pointe a franchi un seuil. Le seuil exact — qu’il s’agisse de la capacité à trouver des faiblesses que les experts humains ont manquées, ou simplement de la capacité à les trouver plus vite et moins cher — importe moins que le constat directionnel : les modèles d’IA produisent désormais de la recherche cryptographique qui est nouvelle, valide, et pas trivialement reproductible par les experts humains auxquels on demande de la vérifier.
Le domaine de la cryptographie a toujours été adverse. Les chiffrements sont proposés avec l’attente que des personnes intelligentes vont essayer de les casser, et la sécurité d’un système est établie par la mesure dans laquelle il survit à ce processus adverse. L’IA ajoute un nouveau participant à ce processus — un qui ne se fatigue jamais, peut explorer des milliers de stratégies d’attaque en parallèle, et peut produire des résultats mathématiques nouveaux à un coût qui diminue rapidement. Le goulot d’étranglement de vérification qu’ont rencontré les chercheurs d’Anthropic est, pour l’instant, le principal facteur limitant le préjudice pouvant découler de cette capacité. Les cryptographes humains restent l’autorité sur la question de savoir si une attaque mathématique est solide. Mais cette autorité est mise à l’épreuve d’une manière qu’elle n’était pas conçue pour gérer, et l’écart entre la cryptanalyse générée par IA et la capacité de vérification humaine se creuse.
La question pour les prochaines années n’est pas de savoir si l’IA continuera à trouver des faiblesses cryptographiques. Elle le fera. La question est de savoir si les institutions qui régissent la manière dont ces faiblesses sont divulguées, corrigées et compensées évoluent assez rapidement pour empêcher l’accélération de la cryptanalyse assistée par IA de devenir un fardeau net pour la sécurité de l’infrastructure mondiale des communications.
Sources
- Anthropic – Discovering cryptographic weaknesses with Claude (2026)
- AI Security Institute – Our evaluation of Claude Mythos Preview’s cyber capabilities (April 2026)
- FireCompass – Demystifying Claude Mythos Preview (2026)
- CoinAcademy – Anthropic Claude Mythos Preview trouve des attaques cryptographiques (July 2026)
- IACR Cryptology ePrint – Current trends in AI-Aided Cryptography (May 2026)
- Arxiv – Securing Cryptography in the Age of Quantum Computing (2026)
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.
