Anthropic présente Mythos comme une IA trop dangereuse — et le problème dépasse largement les banques

L'affaire Mythos compte non pas parce qu'Anthropic a effrayé les banquiers, mais parce qu'elle a montré à toutes les entreprises une nouvelle réalité : le délai entre la découverte d'une faille logicielle et une attaque réelle a presque disparu. Les entreprises raisonnaient jusqu'ici ainsi : « nous annonçons d'abord la vulnérabilité, puis les clients installent tranquillement le correctif ». Avec l'arrivée de modèles d'IA plus autonomes, ce schéma commence à se fissurer. Et le maillon le plus vulnérable n'est pas Wall Street, mais des milliers d'organisations moins bien protégées, qui n'ont ni équipe de spécialistes coûteux ni budget pour refondre leurs défenses du jour au lendemain.

Lorsqu'Anthropic a annoncé Mythos le 7 avril 2026 en laissant entendre que le modèle était trop dangereux pour une sortie classique, la première réaction était prévisible : c'est avant tout un problème pour les banques et les infrastructures critiques. Quelques jours plus tard, le secrétaire au Trésor américain, Scott Bessent, a réuni les dirigeants des plus grandes banques pour s'assurer qu'ils prenaient la menace au sérieux. Pour Anthropic, c'était une publicité idéale : l'entreprise a obtenu un maximum d'attention et soulevé au passage une question gênante, celle de savoir qui obtient un accès anticipé à une technologie aussi puissante.

Selon Bloomberg, le Trésor américain cherche lui aussi désormais à accéder à Mythos. L'AI Security Institute britannique, lui, a déjà accès au modèle ; il est devenu de fait l'un des principaux arbitres indépendants de la sécurité de l'IA. Son évaluation préliminaire tient en une idée importante : le bruit autour de Mythos est réel, mais il n'est pas sorti de nulle part. Le modèle est nettement mieux adapté aux cyberattaques complexes que d'autres systèmes d'IA populaires, comme les chatbots ordinaires de type ChatGPT ou Gemini. Mais il paraît particulièrement dangereux non pas face aux cibles les mieux protégées, mais face à des systèmes simplifiés et mal défendus.

Cela déplace l'accent de tout le débat. Les grandes banques disposent en général de l'un des environnements informatiques les mieux protégés au monde. La situation est bien pire pour les petites et moyennes entreprises, les prestataires de services régionaux, les organisations médicales et toute entreprise où la sécurité est restée des années une tâche secondaire.

Pendant longtemps, le secteur a fonctionné selon le modèle du responsible disclosure, c'est-à-dire la divulgation responsable des vulnérabilités. L'éditeur trouve le problème, publie un avis et propose un correctif, puis les clients testent le patch, valident les changements et ne le déploient en production qu'ensuite. Chez Microsoft, cela s'est transformé en routine, avec le Patch Tuesday mensuel.

Dans les banques et les grands groupes, le processus peut prendre des semaines, voire des mois : les équipes informatiques doivent s'assurer que la mise à jour ne cassera pas les anciens systèmes, les intégrations critiques ni les procédures internes. Avant l'IA générative, c'était tolérable précisément parce que les attaquants avaient généralement besoin de encore plus de temps pour transformer une faille publiée en exploit fonctionnel.

Cette marge disparaît. Il y a quelques années, un attaquant pouvait copier la description d'une vulnérabilité dans un chatbot, lui demander d'étudier des dépôts publics et de repérer des schémas similaires dans d'autres logiciels. Aujourd'hui, avec les modèles agentiques, le risque augmente : ces systèmes ne se contentent pas de suggérer une idée d'attaque, ils peuvent tester des variantes de manière autonome, chercher des chaînes de faiblesses et mener l'attaque jusqu'au bout.

Selon la description d'Anthropic, Mythos sait enchaîner plusieurs bugs non fatals pour former un scénario d'intrusion en plusieurs étapes, un peu comme un cambrioleur qui trouve d'abord une fenêtre entrouverte, ouvre ensuite la porte de l'intérieur, puis désactive l'alarme. Aucune étape ne donne à elle seule un accès complet ; ensemble, si.

C'est un tournant important aussi parce que l'IA générative n'avait jusqu'ici surtout fait qu'amplifier les vieilles méthodes : elle aidait à rédiger des e-mails de phishing plus convaincants, à créer des deepfakes crédibles pour des appels et à accélérer la préparation routinière des attaques. L'IA agentique fait entrer l'automatisation dans le métier même de l'intrusion. Et les criminels ont depuis longtemps leur propre logique : ils s'attaquent plus rarement de front aux plus grandes banques, trop coûteuses et trop difficiles, et visent plus souvent des hôpitaux, de petites boutiques en ligne ou des entreprises à l'infrastructure mal configurée.

Pour de telles cibles, l'essentiel n'est même pas de savoir si l'attaquant dispose de Mythos, mais que la fenêtre entre la publication d'une vulnérabilité et son exploitation s'est réduite à un minimum dangereux. Selon zerodayclock.com, le délai moyen entre la divulgation publique d'un bug logiciel et la création d'un exploit fonctionnel est passé de 771 jours en 2018 à moins de quatre heures aujourd'hui.

Ce que cela signifie

Mythos n'est pas seulement une histoire spectaculaire d'« IA trop dangereuse » : c'est aussi le signe que l'ancien régime de cyberdéfense cesse de fonctionner. Les banques pourront probablement s'adapter plus vite : elles ont les équipes, l'argent et les processus. Le vrai problème, ce sont tous les autres. Les petites et moyennes entreprises devront mettre à jour leurs systèmes quasiment en temps réel, et sans nouveau soutien technique ni règles réglementaires plus strictes, le marché a peu de chances d'assurer seul une telle vitesse.