Anthropic Claude découvre de nouvelles attaques contre HAWK et AES à nombre de tours réduit

Anthropic Claude a produit deux attaques cryptographiques notables, bien qu’aucune ne menace aujourd’hui les logiciels ou données chiffrées en production. Claude Mythos Preview a affaibli le schéma de signature HAWK proposé et accéléré une attaque contre AES-128 à sept tours.

À court terme, l’histoire est rassurante. HAWK reste un candidat dans le cadre d’un processus d’examen public, tandis qu’AES-128 standard utilise dix tours plutôt que sept. Anthropic affirme explicitement qu’aucun logiciel en production ne doit être modifié à cause de l’un ou l’autre résultat.

La question plus profonde porte sur l’identité de ceux qui réalisent la cryptanalyse avancée et sur la rapidité avec laquelle le secteur peut valider les travaux obtenus. Anthropic affirme que son système multi-agents est parvenu à l’un des résultats en environ 60 heures et a généré l’autre de façon largement autonome en une semaine. Les chercheurs humains ont ensuite consacré bien davantage de temps à vérifier les travaux sur AES.

Ce déséquilibre change la portée de l’annonce. Le fait important n’est pas qu’Anthropic Claude ait cassé le chiffrement d’Internet. Ce n’est pas le cas. L’évolution importante est qu’un système d’IA a généré des attaques mathématiques crédibles contre des schémas déjà examinés par des chercheurs spécialistes.

Ce qu’Anthropic Claude a réellement découvert

Les deux résultats font progresser la recherche cryptographique, mais aucun ne constitue une attaque pratique contre la sécurité actuelle d’Internet.

Anthropic a divulgué ces travaux le 28 juillet 2026 par l’intermédiaire de sa Frontier Red Team. L’entreprise a publié des articles techniques distincts sur la récupération de clés HAWK et une attaque améliorée contre AES-128 à sept tours.

Les résultats en cryptographie diffèrent des vulnérabilités logicielles qu’Anthropic avait précédemment attribuées à Mythos Preview. Ces découvertes antérieures concernaient souvent des erreurs d’implémentation, où un logiciel utilisait incorrectement un algorithme pourtant fiable.

Cette recherche cible les conceptions mathématiques elles-mêmes. Cette distinction est importante, car l’audit d’implémentation et la cryptanalyse exigent des formes de raisonnement différentes.

Un bug d’implémentation peut impliquer un accès mémoire non sûr, une vérification de limite incorrecte ou un parcours d’authentification défaillant. Les chercheurs peuvent souvent reproduire ces erreurs en exécutant du code et en observant un plantage ou une action non autorisée.

La cryptanalyse cherche à déterminer si un algorithme offre la sécurité que ses concepteurs attendent dans un modèle de menace mathématique défini. Une attaque proposée doit être nouvelle, cohérente en interne et moins coûteuse que la meilleure alternative connue.

Le premier résultat concerne HAWK, un candidat de signature numérique post-quantique. Les signatures numériques permettent à un destinataire de vérifier l’origine d’un message et de détecter les modifications non autorisées.

HAWK participe à un processus du NIST visant à évaluer des signatures supplémentaires conçues pour résister aux attaques de futurs ordinateurs quantiques. Il ne s’agit pas d’une norme Internet déployée.

Selon Anthropic, HAWK avait passé deux cycles d’examen par des experts sur deux ans. Mythos Preview a ensuite identifié une symétrie mathématique inexploitée dans la structure de réseaux qui sous-tend le schéma.

Le système a utilisé cette symétrie pour créer une méthode de récupération de clés plus rapide. La récupération de clés vise à reconstruire une clé privée de signature à partir d’informations publiques.

Pour les petits paramètres de défi HAWK-256, Anthropic indique que le coût attendu de l’attaque est passé de 2^64 opérations à 2^38. HAWK-256 avait été délibérément inclus comme cible cryptanalytique plutôt que comme jeu de paramètres recommandé pour la production.

L’attaque reste exponentielle, ce qui signifie que son coût continue d’augmenter rapidement avec la taille de la clé. Anthropic précise également que les paramètres HAWK plus grands restent impossibles à attaquer en pratique.

Toutefois, préserver le niveau de sécurité prévu nécessiterait des clés nettement plus grandes. Ce changement réduirait la compacité et l’efficacité qui rendaient HAWK attrayant.

Le second résultat s’applique à une forme délibérément affaiblie d’AES-128. AES-128 standard transforme les données par dix tours répétés, tandis que la cible de recherche n’en utilise que sept.

Les universitaires étudient les chiffrements à nombre de tours réduit afin de mesurer leurs marges de sécurité et de développer des techniques susceptibles de révéler des faiblesses structurelles plus profondes. Casser une telle variante de recherche ne signifie pas que le chiffrement complet est cassé.

Mythos Preview a amélioré une attaque par rencontre au milieu, qui réduit les calculs en enregistrant et en rapprochant des résultats intermédiaires. Il a conçu une technique d’empreinte qu’Anthropic appelle le Möbius Bridge.

Cette technique élimine une hypothèse portant sur 256 valeurs possibles. Après prise en compte de son coût de calcul supplémentaire, Anthropic estime un gain de vitesse compris entre 200 et 800 fois.

Cela semble spectaculaire, mais le scénario sous-jacent reste impraticable. L’attaque suppose l’accès à 2^105 textes clairs choisis, c’est-à-dire des entrées sélectionnées par un attaquant et chiffrées sous une même clé inconnue.

Anthropic estime en outre que la mise en œuvre de cette attaque, même à nombre de tours réduit, exigerait des ressources très au-delà de celles d’attaquants ordinaires. AES-128 complet à dix tours n’est pas affecté.

Ces limites devraient accompagner chaque présentation de ce titre. Qualifier ces résultats de cassage d’AES ou d’échec du chiffrement Internet déformerait la recherche.

Pourquoi le résultat sur HAWK met sous pression l’examen cryptographique

L’attaque contre HAWK met sous pression la rapidité et la couverture de l’examen humain, non les systèmes utilisant déjà des normes post-quantiques.

Le NIST a commencé à rechercher des schémas de signature post-quantique supplémentaires afin d’élargir les choix de conception disponibles. Les concours publics permettent à des chercheurs indépendants d’inspecter les propositions, de contester leurs hypothèses et d’identifier les paramètres peu sûrs avant la normalisation.

HAWK a atteint le troisième tour de cet examen des signatures. Sa conception met l’accent sur des signatures compactes, des opérations rapides et des besoins modestes en mémoire, y compris sur du matériel contraint.

Sa sécurité directe contre la récupération de clés dépend d’une structure mathématique appelée problème d’isomorphisme de réseaux. Ce problème demande si deux réseaux sont liés par une transformation qui préserve leur structure essentielle.

Des travaux antérieurs ont établi que trouver un automorphisme utile, une symétrie qui applique un réseau sur lui-même, pouvait soutenir une attaque. La question non résolue était de savoir si la construction particulière de HAWK en exposait un accessible.

Anthropic affirme que Mythos Preview a trouvé une telle symétrie et construit une chaîne de vérification de bout en bout. L’attaque par énumération obtenue recherche les clés possibles plus efficacement que les techniques précédentes.

Le processus a utilisé plusieurs agents Claude au sein d’un environnement agentique. Un environnement agentique combine des prompts, des outils, des registres partagés et une coordination des tâches afin que les modèles puissent poursuivre un objectif de recherche de longue durée.

Les agents pouvaient consulter des recherches publiées et utiliser des systèmes de calcul tels que Python et Sage. Un opérateur humain a assuré la gestion du projet et fourni occasionnellement des orientations non techniques.

Le récit d’Anthropic apporte un détail important sur la recherche multi-agents. Deux agents ont examiné l’idée critique, mais l’un l’a rejetée prématurément. Le second a continué et trouvé une voie viable.

Les agents ont échangé des messages jusqu’à ce que les deux acceptent l’attaque. Cela ressemble davantage à une investigation scientifique parallèle qu’à un simple chatbot produisant une réponse.

La découverte et la vérification de l’attaque contre HAWK ont pris environ 60 heures, selon Anthropic. L’opérateur humain avait une expérience en informatique théorique, mais ne disposait pas d’une expertise spécialisée en cryptographie des réseaux.

L’entreprise a partagé l’attaque avec les auteurs de HAWK en juin. Elle a ensuite coordonné la divulgation publique avec la liste de diffusion pertinente du NIST.

Ce processus s’apparente davantage à un examen cryptographique responsable qu’à une divulgation opportuniste de vulnérabilité. HAWK a été soumis publiquement afin que les chercheurs puissent rechercher des faiblesses avant son déploiement.

Le résultat montre donc que le processus du NIST fonctionne comme prévu. Un candidat a fait l’objet d’un examen contradictoire, une faiblesse est apparue, et les évaluateurs ont obtenu de nouveaux éléments avant d’approuver une norme.

L’histoire fournit une comparaison utile. SIKE, un autre candidat post-quantique, avait survécu à un examen approfondi avant que des chercheurs ne découvrent une attaque classique dévastatrice en 2022.

Cette attaque pouvait récupérer une clé secrète sur un ordinateur portable ordinaire. L’échec de SIKE était bien plus grave que le nouveau résultat concernant HAWK, mais il a renforcé la valeur d’un long examen public.

La différence réside désormais dans la source de cette pression. Un système d’IA multi-agents peut explorer la littérature, générer des hypothèses, mener des expériences et coordonner des approches concurrentes sans se reposer.

Cela ne rend pas ses conclusions fiables par défaut. Cela augmente néanmoins le nombre de pistes d’attaque crédibles que les experts peuvent devoir examiner.

Les organisations cryptographiques auront donc besoin de davantage que d’un accès aux modèles. Elles ont besoin de systèmes d’examen qui conservent les hypothèses invalidées, reproduisent les calculs, comparent les travaux antérieurs et transmettent les résultats prometteurs à des spécialistes qualifiés.

La cible de cette pression est la chaîne de validation humaine. Si les systèmes d’IA génèrent des attaques plausibles plus vite que les experts ne peuvent les infirmer ou les confirmer, les files d’attente d’examen deviennent une contrainte de sécurité.

Cette contrainte touche les organismes de normalisation, les conférences universitaires, les fournisseurs et les agences gouvernementales. Chaque groupe dépend de spécialistes rares capables de distinguer une avancée réelle d’une erreur mathématique subtile.

Le résultat sur HAWK offre une vérification exceptionnellement solide, car Anthropic a mis en œuvre l’attaque de bout en bout. Les chercheurs peuvent choisir une clé, exécuter la méthode et observer si elle récupère cette clé.

Tous les résultats futurs ne permettront pas un test aussi direct. Certaines affirmations dépendront de raisonnements asymptotiques, de bornes de probabilité complexes ou d’hypothèses difficiles à reproduire expérimentalement.

L’IA peut étendre la surface de recherche. Les institutions humaines doivent étendre avec elle la surface de vérification.

L’attaque contre AES à nombre de tours réduit montre le mécanisme

Le résultat sur AES est important parce que Claude a créé une nouvelle optimisation par une expérimentation soutenue, non parce qu’AES-128 complet est devenu non sûr.

Le NIST a normalisé le chiffrement AES en 2001. AES-128 applique dix tours de substitutions, de permutations et d’opérations dépendantes de la clé à chaque bloc de données.

Sa longue histoire en fait une cible de recherche exceptionnellement difficile. Les cryptographes ont étudié AES plus intensivement que presque tout autre chiffrement symétrique.

Cette maturité explique également pourquoi les chercheurs étudient des versions comportant moins de tours. L’analyse à nombre de tours réduit révèle le niveau de protection apporté par chaque tour supplémentaire et si de nouvelles techniques se rapprochent de la conception complète.

Anthropic a demandé à Mythos Preview d’améliorer la plus puissante attaque publiée contre AES-128 à sept tours. Le modèle a d’abord résisté, affirmant que le problème n’offrait aucune voie facile.

Les chercheurs ont modifié l’environnement afin que les agents continuent à rechercher des idées véritablement nouvelles. Ils ont également redirigé Claude à plusieurs reprises vers sept tours lorsqu’il tentait des cibles plus faciles.

Le système a généré plusieurs centaines de millions de tokens pendant ses trois premiers jours d’investigation. Anthropic indique qu’il a finalement produit un milliard de tokens de sortie en affinant la méthode complète.

Le volume seul ne démontre ni l’intelligence ni la qualité de la recherche. Il révèle toutefois un avantage de l’expérimentation automatisée : le système peut explorer, écarter et recombiner des idées à une échelle inaccessible à un seul chercheur.

Le Möbius Bridge ainsi obtenu agit comme une empreinte invariante par rapport à une valeur qu’il fallait auparavant deviner. Cette invariance signifie que l’empreinte reste utile même lorsque cette valeur spécifique change.

Les travaux antérieurs devaient énumérer 256 valeurs et les comparer à une table de correspondance précalculée. Supprimer cette étape réduit théoriquement le travail pertinent d’un facteur 256.

La nouvelle transformation ajoute aussi une surcharge. Anthropic fait donc état d’une amélioration analytique pratique de 200 à 800 fois, selon la façon dont les chercheurs mesurent le temps d’exécution.

L’attaque reste une technique de rencontre au milieu. Ces méthodes échangent du stockage contre de la vitesse en calculant des valeurs depuis des directions opposées et en recherchant un état interne correspondant.

De telles attaques peuvent dépasser la force brute sans révéler une faille simple dans le chiffrement. Leur faisabilité dépend de l’accès aux données, des besoins en mémoire, de la puissance de calcul et du nombre de tours impliqués.

Ici, le besoin en données supposé est de 2^105 textes en clair choisis. Ce chiffre dépasse astronomiquement tout scénario de collecte réaliste.

La cible omet également trois des dix tours d’AES-128. Ces tours supplémentaires accroissent fortement la difficulté d’étendre la technique au chiffrement standard.

L’article d’Anthropic contribue donc au corpus académique des attaques contre AES à nombre de tours réduit. Il ne fournit pas aux criminels une méthode exploitable pour déchiffrer des flux bancaires, des fichiers stockés ou des messages privés.

Le mécanisme le plus important se situe au-dessus du chiffrement. Un chercheur a construit l’infrastructure, puis Claude a proposé de manière autonome des hypothèses, les a testées, a lu des critiques et a transmis des découvertes entre agents.

Le système n’a pas produit une réponse unique et aboutie après une seule invite. Il a fonctionné comme une organisation de recherche condensée dans un logiciel, avec de multiples tentatives et un soutien informatique persistant.

Cette approche ressemble aux méthodes utilisées par d’autres laboratoires de pointe. Google DeepMind et OpenAI ont tous deux appliqué la recherche assistée par modèles à des problèmes difficiles de mathématiques, d’algorithmes et de sciences.

Cette orientation commune est plus importante que n’importe quel score de benchmark isolé. Les capacités des modèles dépendent de plus en plus du système qui les entoure, notamment des outils, de la mémoire, de la vérification et des travailleurs parallèles.

La cryptanalyse se prête bien à cette organisation, car de nombreuses idées peuvent être testées par calcul. Un modèle peut rechercher des motifs, mettre en œuvre des transformations candidates et les comparer à des résultats connus.

Pourtant, la cryptographie sanctionne aussi les plus petites erreurs. Une condition oubliée, une hypothèse de données sous-estimée ou un terme de complexité incorrect peut invalider un article par ailleurs convaincant.

C’est là le compromis central. La recherche automatisée augmente le volume de découvertes candidates, tandis que la validation par des experts reste lente et coûteuse.

Les chercheurs d’Anthropic reconnaissent directement ce déséquilibre. Mythos Preview a eu besoin d’environ une semaine pour développer le résultat sur AES, tandis que deux chercheurs ont passé près d’un mois à acquérir suffisamment de confiance dans ce résultat.

Ils ont également consacré plusieurs centaines d’heures à apprendre suffisamment de cryptographie pour évaluer la méthode. Anthropic précise que ces chercheurs n’étaient pas spécialistes de la cryptographie.

Cet aveu renforce la nécessité d’un examen indépendant. Il rend aussi le résultat plus intéressant, car le système a apparemment aidé des non-spécialistes à entrer dans un domaine techniquement exigeant.

L’étape suivante ne devrait pas exclure les experts du processus. Elle devrait leur fournir des artefacts reproductibles, un raisonnement structuré, des tests exécutables et des comparaisons claires avec les recherches antérieures.

L’affirmation est impressionnante, mais la vérification est le goulot d’étranglement

Anthropic a publié des éléments probants significatifs, mais l’affirmation plus large d’une cryptographie de niveau expert exige encore une validation indépendante et répétée.

L’argument sceptique le plus solide ne nie pas les deux attaques. Il remet en question ce qu’elles établissent quant à la capacité générale de recherche.

Les deux cibles ont été choisies et cadrées par des chercheurs d’Anthropic. Les agents ont eu accès à la littérature pertinente, à des outils de calcul, à des invites répétées et à une infrastructure conçue à cette fin.

De nombreuses sessions n’ont produit aucune découverte utile. Le récit publié par Anthropic se concentre sur les trajectoires réussies, ce qui rend difficile l’estimation du taux global de réussite.

Le modèle a également exigé un effort de calcul exceptionnellement important. Un milliard de tokens générés ne représente pas une charge de travail interactive ordinaire, même pour des organisations de recherche bien financées.

Cette échelle modifie la comparaison avec les humains. La question pertinente n’est pas de savoir si une réponse de Claude a surpassé un cryptographe.

Une comparaison équitable doit prendre en compte le calcul total, la préparation humaine, l’affinement des invites, les tentatives échouées, le temps de validation et l’accès à la littérature spécialisée. Elle doit également mesurer la nouveauté sur des problèmes inédits.

Anthropic a collaboré avec des universitaires de l’ETH Zurich, de l’Université de Tel Aviv et de la TU Berlin pour créer CryptanalysisBench. Ce benchmark rassemble des schémas cryptographiques destinés à une évaluation standardisée des modèles.

Les premiers résultats de benchmark suggèrent que les modèles de pointe peuvent résoudre des tâches de cryptanalyse connues et nouvelles. Toutefois, les benchmarks peuvent devenir moins informatifs une fois que les développeurs les optimisent directement.

Des groupes indépendants devraient reproduire l’implémentation de HAWK, vérifier l’analyse de complexité d’AES et tester la même infrastructure sur des schémas inexplorés. Des réplications échouées affaibliraient l’affirmation plus large sur les capacités.

Des réussites sur plusieurs cibles non divulguées la renforceraient. Anthropic a mentionné des résultats préliminaires impliquant LEA à nombre de tours réduit, Serpent-128, Salsa20, Poseidon et SHA-1.

Ces affirmations supplémentaires exigent des niveaux de confiance différents. Anthropic indique que son attaque contre LEA s’exécute de bout en bout, ce qui facilite la vérification directe.

D’autres améliorations restent limitées ou préliminaires. Elles ne devraient pas recevoir le même poids probant qu’une démonstration de récupération de clé effectivement mise en œuvre.

Les travaux sur AES présentent un problème de validation plus difficile. Les chercheurs peuvent examiner leur dérivation et leurs expériences computationnelles, mais l’attaque complète reste impraticable à exécuter à pleine échelle.

Les experts doivent donc valider le raisonnement plutôt que simplement exécuter l’attaque entière. Ce processus peut révéler des hypothèses cachées ou des erreurs de calcul.

Une autre incertitude concerne la paternité des travaux. Le modèle a généré les idées centrales, mais des humains ont sélectionné les objectifs, maintenu le banc d’essai, réorienté les recherches échouées et préparé les articles finaux.

Décrire ce travail comme entièrement autonome effacerait ces interventions. Le qualifier d’usage ordinaire d’outils effacerait la génération indépendante d’hypothèses et l’expérimentation prolongée du système.

« Majoritairement autonome » est la description la plus défendable. Elle reconnaît une importante capacité d’action de la machine sans prétendre que la recherche a émergé sans choix humains.

L’environnement de divulgation compte également. Anthropic contrôle l’accès à Mythos Preview, car le modèle peut soutenir à la fois la recherche défensive et les opérations offensives.

Cet accès restreint rend l’évaluation indépendante plus difficile. Les chercheurs extérieurs ne peuvent pas facilement reproduire le flux de travail avec le même modèle, les mêmes paramètres et le même budget de calcul.

Mythos Preview a depuis été remplacé par Mythos 5, qu’Anthropic limite à des partenaires vérifiés. Le contrôle de l’accès réduit les abus immédiats, mais concentre la recherche avancée en sécurité au sein d’un petit groupe.

Cela crée un autre compromis entre sécurité et examen scientifique. Une diffusion large favorise la réplication, tandis qu’une diffusion restreinte réduit le nombre d’acteurs capables d’industrialiser les découvertes à des fins offensives.

Aucune politique d’accès ne résout complètement ce conflit. Un programme défendable nécessite des évaluateurs externes de confiance, des environnements de reproduction contrôlés et une divulgation suffisante des invites pour examiner le processus de recherche.

Anthropic a pris des mesures utiles en publiant des articles techniques, du code de démonstration pour HAWK et un récit reconstruit du raisonnement de Claude sur AES. Ces artefacts apportent davantage d’éléments probants qu’une simple affirmation marketing.

Cependant, un raisonnement reconstruit n’est pas une piste d’audit parfaite. Anthropic indique que le document publié développe la chaîne de pensée originale du modèle afin d’en améliorer la lisibilité.

Les évaluations futures devraient privilégier les traces exécutables plutôt que les transcriptions narratives. Les journaux devraient relier les hypothèses, le code, les résultats expérimentaux et les affirmations finales sans révéler de détails opérationnels dangereux.

Les cryptographes auront également besoin de meilleurs systèmes de triage. Une file contenant des milliers d’articles plausibles peut submerger une communauté, même lorsque la plupart des soumissions sont erronées.

Des critiques automatisés peuvent aider, mais utiliser un modèle pour valider un autre crée des risques de défaillances corrélées. Des méthodes formelles indépendantes et l’examen par des experts restent nécessaires.

La communauté de recherche devrait éviter deux erreurs opposées. Elle ne devrait pas rejeter ces travaux parce que l’IA y a contribué, ni considérer les mathématiques générées par un modèle comme correctes par défaut.

La démonstration HAWK est concrète. L’article sur AES est détaillé. L’affirmation générale selon laquelle les modèles de pointe égalent désormais les meilleurs cryptographes reste une hypothèse qui nécessite des preuves plus larges.

Le véritable changement va de la rareté des découvertes à la rareté de la validation

Anthropic Claude modifie l’économie de la génération d’hypothèses cryptographiques avant de modifier la sécurité des algorithmes déployés.

La cryptographie s’est historiquement appuyée sur une petite communauté de spécialistes pour concevoir des schémas et les attaquer. Un examen de haute qualité exige des années de formation et une attention soutenue.

Cette structure crée une répartition inégale de l’examen. AES attire une analyse approfondie, tandis que les chiffrements spécialisés et les normes régionales peuvent recevoir beaucoup moins d’attention.

Anthropic affirme que les systèmes d’IA peuvent examiner cette longue traîne. Si cette affirmation se confirme, les algorithmes négligés pourraient faire l’objet de tests plus poussés sans affecter une équipe humaine complète à chacun d’eux.

La valeur défensive est évidente. Les organismes de normalisation pourraient mener des examens agentiques avant d’accepter de nouveaux schémas, puis fournir aux spécialistes des conclusions hiérarchisées et reproductibles.

Les équipes produit pourraient utiliser des systèmes similaires pour comparer leurs implémentations aux spécifications formelles. Cela combinerait l’examen mathématique avec la découverte conventionnelle de vulnérabilités.

Le risque est tout aussi évident. Le même flux de travail peut rechercher, dans des cryptosystèmes déployés, des faiblesses ayant une valeur immédiate pour les attaquants.

Les failles cryptographiques diffèrent des bogues logiciels ordinaires, car leur correction peut nécessiter de nouvelles normes, de nouvelles clés, des mises à jour matérielles et de longues périodes de migration. Certaines données historiques chiffrées peuvent rester exposées par la suite.

Les résultats actuels ne créent pas cette crise. Ils montrent un flux de travail capable de progresser vers des cibles de plus en plus difficiles.

L’évaluation d’Anthropic en avril concernant Mythos Preview décrivait déjà un modèle capable de découvrir et d’exploiter des vulnérabilités logicielles subtiles. L’entreprise a limité l’accès par le biais du Project Glasswing, car les capacités offensives et défensives se recoupent.

La cryptanalyse étend cette préoccupation au-delà du code. Une implémentation correcte ne peut pas protéger les utilisateurs lorsque son algorithme sous-jacent présente une faiblesse structurelle exploitable.

Cela ne signifie pas que l’AES à pleine puissance est la prochaine cible. Les chiffrements robustes comportent de généreuses marges de sécurité précisément parce que les chercheurs s’attendent à des attaques contre des variantes simplifiées.

La bonne réponse est la préparation, pas la panique. Les organisations devraient inventorier leurs dépendances cryptographiques et préserver leur capacité à remplacer les algorithmes sans reconstruire des systèmes entiers.

Les organismes de normalisation devraient ajouter l’analyse assistée par IA aux concours publics tout en documentant la manière dont les résultats des modèles sont vérifiés. Les fournisseurs devraient éviter la cryptographie propriétaire qui ne bénéficie pas d’un examen externe continu.

Les chercheurs devraient également considérer la capacité de validation comme une infrastructure. Le calcul peut produire davantage de résultats candidats, mais l’attention humaine qualifiée ne peut pas évoluer au même rythme.

Les universités pourraient avoir besoin de formations associant cryptographie classique, vérification automatisée de théorèmes et supervision d’agents. Les équipes de sécurité auront besoin d’évaluateurs capables d’examiner à la fois les preuves et le code généré.

Les dossiers de recherche vont prendre une importance croissante. Les équipes doivent conserver les articles, prompts, expériences, hypothèses rejetées et décisions de validation à l’origine de chaque conclusion.

Une base de connaissances consultable peut soutenir ce travail lorsqu’elle préserve les documents sources et relie les affirmations aux preuves. L’objectif est la traçabilité, pas l’acceptation automatisée.

Les incitations à la publication pourraient également devoir être ajustées. Produire un grand nombre d’attaques plausibles a moins de valeur que d’en produire un ensemble plus restreint, assorti de vérifications reproductibles.

Les conférences et groupes de normalisation pourraient exiger que les travaux générés par machine déclarent les budgets de calcul, les interventions humaines, les exécutions infructueuses et les méthodes de validation. Ces détails permettraient des comparaisons plus équitables.

Les équipes de sécurité doivent distinguer trois niveaux de preuve.

Premièrement, un modèle peut suggérer un concept d’attaque. Il s’agit d’une piste de recherche, pas d’une découverte.

Deuxièmement, le système peut fournir une analyse mathématique et des expériences à l’appui. Il s’agit d’un résultat candidat nécessitant l’examen d’experts.

Troisièmement, des chercheurs peuvent mettre en œuvre l’attaque de bout en bout et la reproduire de manière indépendante. Cela offre la confirmation pratique la plus solide.

Les travaux sur HAWK approchent le troisième niveau. Le résultat sur AES repose davantage sur l’analyse, car ses exigences de calcul complètes empêchent une exécution intégrale.

Maintenir ces niveaux distincts évite les affirmations sensationnalistes. Cela garantit également que les contributions réellement importantes de l’IA reçoivent le crédit approprié.

Le contexte concurrentiel plus large englobe tous les laboratoires de pointe développant des modèles dotés d’un raisonnement plus puissant et d’une autonomie de fonctionnement plus longue. La cryptanalyse ne restera pas une capacité propre à Anthropic.

Les modèles ouverts pourraient à terme réduire l’écart, tandis que des systèmes de recherche spécialisés pourraient surpasser les modèles généralistes dans certains domaines mathématiques. L’accès aux ressources de calcul et à des infrastructures de haute qualité façonnera cette course.

La compétition probable n’oppose donc pas Claude à un seul chatbot rival. Elle oppose des défenseurs assistés par l’IA à des attaquants assistés par l’IA, la vitesse de vérification déterminant qui en bénéficiera le premier.

Les défenseurs disposent d’avantages structurels lorsqu’ils peuvent examiner les schémas avant leur déploiement et coordonner les correctifs en privé. Les attaquants prennent l’avantage lorsque des systèmes vulnérables restent exposés pendant des années.

Les deux résultats d’Anthropic soutiennent le scénario défensif. HAWK a été détecté avant son déploiement, et l’expérience AES visait une variante académique intentionnellement affaiblie.

Les découvertes futures ne seront peut-être pas aussi opportunément synchronisées. Cette possibilité rend les systèmes de divulgation responsable et l’agilité cryptographique plus urgents.

Ce qu’il faut surveiller après les résultats d’Anthropic Claude

Trois signaux indiqueront si cette recherche marque une évolution durable des capacités ou une paire impressionnante de résultats isolés.

Le premier signal est la validation technique indépendante. Des cryptographes extérieurs à Anthropic devraient reproduire l’attaque contre HAWK et examiner de près les hypothèses, la complexité et l’originalité de l’article sur AES.

Une confirmation renforcerait l’affirmation selon laquelle Mythos Preview a produit des contributions de recherche légitimes. Des corrections substantielles restreindraient la portée du résultat et révéleraient des faiblesses dans le processus de validation d’Anthropic.

Le deuxième signal est le traitement de HAWK par le NIST. Les évaluateurs pourraient rejeter les paramètres existants, demander des clés plus grandes, encourager une refonte ou retirer le candidat de l’examen.

Une révision des paramètres montrerait que l’attaque a modifié la proposition sans en détruire les fondements. Un retrait indiquerait que la perte d’efficacité a compromis la proposition de valeur de HAWK.

Le troisième signal est la performance sur de nouveaux schémas inconnus. Anthropic prévoit de nouvelles expériences et la poursuite de ses travaux avec CryptanalysisBench.

Des avancées répétées sur différentes structures cryptographiques étayeraient l’existence d’une capacité générale de recherche. Des succès uniquement sur des cibles fortement encadrées suggéreraient un outil plus limité.

Les lecteurs devraient également surveiller le rapport entre le temps de découverte et le temps de validation. Cette métrique opérationnelle pourrait compter davantage que les scores de benchmark.

Si les modèles produisent des résultats crédibles en quelques jours alors que les humains ont besoin de semaines pour les vérifier, les organisations feront face à un arriéré croissant d’examens. De meilleurs modèles ne suffiront pas à eux seuls à le résoudre.

Une prochaine étape convaincante combinerait des experts indépendants, une vérification formelle, des démonstrations exécutables et des journaux de recherche complets. Elle rendrait également compte des exécutions infructueuses et de l’utilisation totale des ressources.

Pour les développeurs et les acheteurs en entreprise, cette annonce n’impose aucune migration d’urgence. AES-128 standard reste intact, et HAWK n’est pas entré en production.

La mesure pratique consiste à confirmer que les systèmes utilisent des algorithmes approuvés avec tous leurs tours, maintiennent des bibliothèques à jour et documentent les dépendances cryptographiques. Il faut éviter d’interpréter la recherche sur un nombre réduit de tours comme la preuve que des données chiffrées sont déjà exposées.

Pour les chercheurs, l’opportunité est plus immédiate. Les systèmes agentiques peuvent explorer plus largement, tester davantage d’hypothèses et préserver des pistes de recherche parallèles.

La responsabilité consiste à maintenir l’auditabilité de leurs affirmations. La cryptographie ne peut accepter un résultat au seul motif qu’un modèle capable a généré des mathématiques convaincantes.

Anthropic Claude a fourni deux objets de recherche sérieux, et non une urgence de sécurité à l’échelle d’Internet. Leur importance durable dépendra de la réplication, des décisions de normalisation et de leurs performances au-delà de ces cibles sélectionnées.

La prochaine question est pratique : des experts indépendants peuvent-ils vérifier ces attaques plus vite que les systèmes de pointe ne produisent la série suivante ? La réponse déterminera si l’IA renforce l’assurance cryptographique ou la submerge.