Anthropic juge Mythos trop dangereux : le modèle a trouvé des failles dans les logiciels de base d'internet

Anthropic a conçu Mythos comme un modèle de pointe généraliste, mais a rapidement compris qu'elle tenait davantage qu'une énième IA performante pour le code. Lors des tests internes, Mythos s'est mis à trouver des vulnérabilités dans les logiciels de base sur lesquels repose l'essentiel de l'infrastructure informatique moderne, et à les transformer en exploits fonctionnels. L'entreprise a alors décidé de ne pas publier le modèle et de le basculer en mode fermé, pour un cercle restreint de partenaires.

Le tournant est survenu lors des évaluations internes, quand le chercheur d'Anthropic Nicholas Carlini a commencé à tester délibérément le modèle sur des scénarios malveillants. Mythos a surpris jusqu'aux spécialistes des tests de résistance de l'IA et de la cybersécurité. L'équipe interne d'Anthropic en a conclu que le modèle peut trouver et exploiter des vulnérabilités zero-day dans tous les grands systèmes d'exploitation et tous les grands navigateurs. Point important : Mythos n'a pas été conçu comme un outil de cybersécurité spécialisé. Selon l'entreprise, ses compétences dangereuses sont un effet secondaire d'un bond général en programmation, en raisonnement et en autonomie d'usage des outils.

Il est vite apparu qu'il ne s'agissait pas de tours de démonstration. Anthropic a dévoilé plusieurs exemples de failles déjà corrigées : une vulnérabilité vieille de 27 ans dans OpenBSD, un bug de 16 ans dans FFmpeg que des systèmes automatisés avaient exécuté des millions de fois sans le repérer, ainsi que des chaînes de vulnérabilités dans le noyau Linux permettant de passer d'un accès utilisateur ordinaire au contrôle total de la machine. Lors d'un test, Mythos a assemblé seul un exploit de navigateur à partir de quatre vulnérabilités et a réussi à contourner plusieurs couches d'isolation à la fois.

D'après le blog de l'équipe sécurité d'Anthropic, plus de 99 % des problèmes trouvés par le modèle n'étaient pas encore corrigés au moment de la publication ; l'entreprise ne divulgue donc aucun détail technique et procède par divulgation coordonnée des vulnérabilités.

La réponse s'appelle Project Glasswing, annoncé par Anthropic le 7 avril 2026. Au lieu d'une sortie classique, l'entreprise n'a ouvert l'accès qu'à des participants choisis : parmi les partenaires de départ figurent AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, Palo Alto Networks, la Linux Foundation et JPMorganChase. Plus de 40 autres organisations responsables de logiciels et d'infrastructures critiques ont aussi obtenu l'accès. Anthropic souligne vouloir donner une longueur d'avance aux défenseurs : elle a débloqué jusqu'à 100 millions de dollars de crédits d'utilisation de Mythos Preview et 4 millions de dollars supplémentaires pour soutenir la sécurité de l'open source. Aucun lancement public pour l'ensemble des utilisateurs n'est prévu pour l'instant.

L'histoire ne s'arrête pas là, car les conséquences dépassent largement un seul laboratoire. Banques et administrations ont commencé à évaluer en urgence ce qui se passerait si des modèles de cette catégorie parvenaient non seulement aux défenseurs, mais aussi à des groupes criminels ou à des hackers étatiques. Le secteur financier est particulièrement inquiet : si le délai entre la découverte d'une faille et son exploitation passe de semaines et de mois à quelques heures, les systèmes qui traitent les paiements, les règlements et le stockage des données seraient menacés. C'est pourquoi les discussions autour de Mythos ont rapidement gagné non seulement les plus grands groupes technologiques, mais aussi les régulateurs et les grandes institutions financières.

Le principal enseignement est que l'industrie est entrée dans une nouvelle phase. Jusqu'ici, le débat portait surtout sur la capacité des modèles de langage à aider à écrire du code malveillant. Le cas Mythos montre un scénario plus dur : un modèle de pointe peut chercher seul les points faibles de bases de code complexes, en tirer des chaînes d'attaque fonctionnelles et le faire à une échelle hors de portée de la plupart des équipes humaines.

Pour le marché, la logique change : la question n'est plus de savoir s'il faut commercialiser de tels systèmes comme un produit ordinaire, mais si les développeurs, les fournisseurs d'infrastructures et les États auront le temps de bâtir des défenses avant que des capacités similaires ne se généralisent. La décision d'Anthropic de freiner la sortie ressemble moins à une précaution marketing qu'à la reconnaissance que la frontière entre une IA utile au développement et un outil d'attaque informatique est devenue bien plus mince.