CyberOK a Testé les Tactiques d\'Arnaqueurs Téléphoniques sur Claude, GPT-5.5, Qwen et DeepSeek

Le chercheur Sergey Gordeichik de CyberOK Research a publié un article sur Habr dans lequel des techniques classiques d'influence psychologique, perfectionnées par les arnaqueurs téléphoniques, ont été appliquées à des modèles de langage, testant la réaction de sept LLM à ces techniques.

D'où Venait la Méthodologie

L'auteur note que la psychologie appliquée la plus perfectionnée de l'influence n'existe pas en sciences universitaires, mais à l'autre bout d'une ligne téléphonique : les arnaqueurs ont passé des années à optimiser les techniques d'influence sur des millions de victimes — sans subventions ni comités d'éthique. Les chercheurs ont transféré la structure de ces techniques aux modèles de langage, mais exclusivement dans des scénarios synthétiques bienveillants, sans scripts réels, sans victimes réelles et sans aucun préjudice.

• Capture d'autorité — convaincre le modèle que la demande provient d'une entité importante
• Compression du temps de prise de décision — création d'urgence artificielle
• Consensus factice — l'argument "tout le monde le fait"
• Extraction progressive d'informations — progression graduelle vers l'objectif par une série de petites concessions

Quels Modèles Ont Été Testés

Les techniques ont été testées sur sept modèles de différents développeurs — allant des meilleurs systèmes commerciaux aux modèles ouverts moins puissants, qui ont servi de point de contrôle pour la comparaison.

• Claude Opus et Claude Sonnet d'Anthropic
• GPT-5.5 d'OpenAI
• Qwen, DeepSeek et Mistral
• Llama-8b — un petit modèle délibérément faible pour le contrôle

L'auteur souligne que les chercheurs n'affirment pas qu'un modèle de langage ait une psyché au sens humain — mais les méthodes d'influence développées pour les humains peuvent toujours être dirigées vers un système qui génère du texte en réponse à du texte, même s'il ne peut pas être "mis sur le divan" d'un analyste.

Pourquoi les Techniques des Arnaqueurs Ont Été Choisies

L'auteur explique le choix de la source de méthodologie : la psychologie académique de l'influence a été perfectionnée pendant des décennies dans des conditions de laboratoire contrôlées sur de petits échantillons d'étudiants, tandis que les arnaqueurs téléphoniques ont essentiellement mené la plus grande expérience incontrôlée de l'histoire sur l'influence psychologique de masse — sur des millions de personnes réelles, sans restrictions éthiques, mais avec un retour constant sous forme de tentatives réussies et échouées de tromperie. Cela a rendu leurs techniques extrêmement perfectionnées du point de vue de l'efficacité pratique plutôt que de la beauté théorique. Le transfert d'une telle structure de techniques aux modèles de langage est une façon de vérifier si un système entraîné à prédire du texte réagit aux mêmes leviers d'influence qu'un humain prenant des décisions sous pression.

Ce Que les Résultats du Test Montreraient

Dans le matériel, Gordeichik décrit en détail la méthodologie de l'expérience elle-même et la liste des modèles testés, mais les résultats finaux — quels modèles se sont avérés plus résistants à la manipulation et lesquels ont cédé aux techniques des arnaqueurs plus rapidement que les autres — sont révélés dans la version complète de l'article sur Habr. Le simple fait que des modèles d'un calibre si différent aient été choisis pour la comparaison — des meilleurs Claude Opus et GPT-5.5 au contrôle compact Llama-8b — indique que les auteurs s'intéressaient non pas à la résistance absolue d'un modèle particulier, mais à la dépendance elle-même : la résistance à la manipulation augmente-t-elle avec la croissance de la qualité et de la taille du modèle, ou s'agit-il d'une propriété séparée qui doit être entraînée spécifiquement?

Ce Que Cela Signifie

Si les techniques classiques d'ingénierie sociale fonctionnent sur les modèles de langage de la même manière que sur les humains, cela ouvre un nouveau vecteur pratique d'attaques sur les systèmes d'IA — de la manipulation des chatbots à la contournement de leurs restrictions de protection par la pression psychologique, et pas seulement par les jailbreaks techniques. Pour les équipes qui intègrent les LLM dans des processus commerciaux sensibles, c'est une raison de tester les modèles non seulement pour les vulnérabilités techniques mais aussi pour la résistance aux scénarios manipulateurs familiers dans les pratiques de fraude téléphonique.