La sécurité des infrastructures critiques d’Anthropic s’étend, mais le déploiement reste la partie difficile

Anthropic a étendu son initiative de sécurité des infrastructures critiques le 8 octobre, en mettant les modèles Claude, la recherche sur les menaces et des ingénieurs sur site à la disposition de 11 partenaires fondateurs. Le programme cible les réseaux électriques, les systèmes d’eau, les réseaux de transport, les usines, les communications et les systèmes gouvernementaux. Son succès dépendra toutefois de quelque chose de moins spectaculaire que la découverte de vulnérabilités : les partenaires devront vérifier et déployer les correctifs en toute sécurité, sans interrompre les services essentiels.

Cette distinction est importante, car les technologies opérationnelles, ou OT, contrôlent des équipements physiques et des procédés industriels. Une mise à jour défaillante dans un logiciel d’entreprise ordinaire peut perturber un flux de travail. Une modification défaillante dans une station de traitement, un poste électrique ou une usine peut affecter la sécurité publique.

Anthropic place donc des fournisseurs de sécurité, des consultants, des intégrateurs de systèmes et des fabricants d’équipements entre Claude et les opérateurs d’infrastructures. Ce modèle piloté par les partenaires reconnaît qu’une IA avancée ne peut pas remplacer les connaissances spécialisées nécessaires pour modifier des systèmes industriels en fonctionnement.

L’initiative inscrit également Anthropic dans une compétition plus large autour de la question de savoir si l’IA de pointe favorisera les défenseurs ou les attaquants. OpenAI a lancé son propre grand programme de cyberdéfense, tandis que les agences gouvernementales continuent de promouvoir des pratiques de sécurité OT prudentes et fondées sur les risques. La question centrale n’est plus de savoir si l’IA peut détecter des faiblesses. Elle est de savoir si les institutions peuvent les valider et les corriger plus vite que les attaquants ne peuvent les exploiter.

La sécurité des infrastructures critiques d’Anthropic commence avec des fournisseurs de confiance

Anthropic ne donne pas à un agent Claude autonome le contrôle direct de centrales électriques ou de réseaux de distribution d’eau.

Le nouveau Critical Infrastructure Defense Program de l’entreprise fournit des modèles Claude de pointe, des ingénieurs d’Anthropic et de la recherche sur les menaces à des organisations déjà reconnues par les opérateurs d’infrastructures. Les 11 partenaires fondateurs sont Accenture, Booz Allen, CrowdStrike, Deloitte, Dragos, Hitachi, Insane Cyber, Nozomi Networks, Palo Alto Networks, PwC et Rockwell Automation.

Cette liste révèle le modèle opérationnel du programme. Les cabinets de conseil gèrent les programmes de sécurité. Les fournisseurs de cybersécurité surveillent les réseaux d’entreprise et industriels. Les fabricants d’équipements connaissent les contrôleurs, les micrologiciels et les exigences de maintenance au sein des installations physiques.

Anthropic indique que plusieurs partenaires utilisent déjà Claude pour détecter et corriger des vulnérabilités. Son déploiement initial demeure toutefois délibérément limité. L’entreprise décrit cette première étape comme une petite cohorte destinée à déterminer quelles stratégies sont réellement applicables dans des environnements opérationnels.

La distinction entre l’IT d’entreprise et l’OT façonne chaque aspect de cette initiative. De nombreux systèmes industriels ont été conçus pour fonctionner pendant des décennies, et non pour recevoir des mises à jour logicielles hebdomadaires. Leurs composants peuvent être propriétaires, géographiquement dispersés et difficiles à remplacer. Les opérateurs peuvent également ne pas disposer d’environnements de test réalistes pour valider une modification proposée.

Un service public ne peut pas redémarrer avec désinvolture un contrôleur qui gère la pression de l’eau. Une usine ne peut pas appliquer tous les correctifs recommandés si l’arrêt de production interrompt l’activité ou crée un risque pour la sécurité. Même un correctif techniquement juste peut être inacceptable sur le plan opérationnel.

La Cyber Mission d’Anthropic place pour cette raison des spécialistes du domaine dans le circuit d’approbation. Claude peut analyser du code, reconstituer des chemins d’attaque, proposer des correctifs et soutenir la réponse aux incidents. Les opérateurs humains et les fournisseurs établis décident toujours si une recommandation est exacte, sûre et adaptée au déploiement.

L’entreprise indique que le programme couvrira initialement les systèmes d’énergie, d’eau, de transport, de communications, de fabrication et gouvernementaux. Au cours des prochains mois, elle prévoit d’ajouter des partenaires et des secteurs, tout en publiant les enseignements tirés de ces travaux, y compris les approches qui ont échoué.

Cette promesse est importante, car la cybersécurité industrielle produit rarement des correctifs universels. Une mesure d’atténuation qui fonctionne dans une installation peut avoir des conséquences imprévues dans une autre. Un reporting utile devra donc décrire les conditions de déploiement, les procédures de validation, les faux positifs et les interruptions évitées.

Anthropic n’a pas indiqué combien d’opérateurs d’infrastructures participent par l’intermédiaire des partenaires fondateurs. L’entreprise n’a pas non plus publié de calendrier de déploiement, de budget de programme ou de référence de performance commune. Ces détails manquants empêchent une évaluation indépendante de l’ampleur actuelle du programme.

Le changement reste néanmoins clair. Anthropic est passé de programmes d’accès expérimental à un canal de prestation structuré pour la défense des infrastructures critiques. Le programme relie les capacités de l’IA de pointe à des organisations capables de transformer les résultats des modèles en modifications opérationnelles contrôlées.

Pourquoi la découverte de vulnérabilités ne suffit plus

Le principal goulot d’étranglement est passé de l’identification de failles possibles à la démonstration des constats pertinents et à leur correction sûre.

Le précédent programme Project Glasswing d’Anthropic a montré à quelle vitesse la recherche en sécurité assistée par l’IA peut générer des résultats. L’entreprise affirme que ses partenaires ont identifié au moins 129 000 vulnérabilités logicielles vérifiées entre avril et juillet 2026. Le balayage open source d’Anthropic aurait détecté 5 500 autres vulnérabilités vérifiées jusqu’en octobre.

Plus de 33 000 de ces constats ont reçu une note de criticité élevée ou critique, selon Anthropic. L’entreprise présente ce total comme une limite inférieure, car ses données ne provenaient que de 33 rapports de partenaires. Moins de la moitié des partenaires participants ont communiqué le nombre de correctifs appliqués.

Ces chiffres sont communiqués par l’entreprise et reposent sur différentes méthodes de triage des partenaires. Ils ne doivent pas être considérés comme une comparaison normalisée avec les outils de sécurité traditionnels. Ils démontrent toutefois l’ampleur du problème de flux de travail créé lorsque l’IA détecte des faiblesses plus vite que les organisations ne peuvent les évaluer.

Anthropic identifie ouvertement ce problème dans son Cyber Verification Program élargi. L’entreprise affirme que la vérification, la divulgation, la priorisation et la correction des constats sont devenues la principale contrainte. La nouvelle initiative pour les infrastructures tente d’aller au-delà de la découverte en impliquant des organisations qui gèrent déjà ces étapes pour leurs clients.

C’est particulièrement important dans les systèmes OT. Les équipes de sécurité doivent prendre en compte l’exploitabilité, l’âge des équipements, les dépendances des processus, les créneaux de maintenance disponibles et les conséquences physiques d’une modification. Un score logiciel de gravité élevée n’établit pas automatiquement la bonne priorité opérationnelle.

Le nouveau programme peut contribuer à plusieurs étapes de ce processus. Claude peut résumer du code peu familier, comparer une vulnérabilité aux configurations des systèmes, reconstituer une séquence d’attaque et rédiger une proposition de correctif. Il peut également soutenir des analyses répétées après que des ingénieurs ont modifié un système.

Toutefois, chaque étape nécessite des contrôles. Les modèles peuvent mal interpréter du code propriétaire, générer un correctif incomplet ou négliger une dépendance. Les rapports automatisés peuvent également submerger de petites équipes de sécurité si les constats ne bénéficient pas d’une priorisation fiable.

Le service distinct OSS Scanner d’Anthropic illustre cette tension. Ce service sur inscription fournit aux projets open source éligibles des analyses périodiques, des explications d’exploitation et des correctifs suggérés. Ces rapports parviennent aux responsables de maintenance sans examen humain préalable, ce qui permet une couverture plus large mais laisse aussi place à des constats inexacts.

Le programme pour les infrastructures critiques utilise une structure plus contrôlée. Des fournisseurs établis apportent le contexte opérationnel et le jugement humain avant que les modifications n’atteignent les environnements en production. Cela ne garantit pas un déploiement sûr, mais confie la responsabilité à des organisations familières des équipements et des clients concernés.

Cette approche répond aussi à un problème d’accès persistant. Les modèles généralement disponibles d’Anthropic appliquent des garde-fous prudents en matière de cybersécurité, car les activités offensives et défensives peuvent impliquer des commandes similaires. Une demande visant à exploiter une vulnérabilité peut correspondre à un test autorisé ou à une véritable attaque.

Le Cyber Verification Program utilise un accès par niveaux pour gérer cette ambiguïté. Les équipes de défense peuvent obtenir des capacités pour la réponse aux incidents, l’analyse des logiciels malveillants et la validation des vulnérabilités. Les équipes rouges autorisées reçoivent un accès de test plus étendu. Un niveau spécialisé couvre les systèmes à haut risque, notamment les réseaux électriques, les réseaux de télécommunications, les infrastructures financières et les systèmes aéronautiques.

Anthropic indique que le niveau spécialisé exige un examen organisationnel approfondi avec le gouvernement des États-Unis. L’entreprise maintient également des restrictions en temps réel sur les activités susceptibles de causer des dommages physiques ou des perturbations généralisées. Ces contrôles sont importants, car des capacités cybernétiques plus larges créent des risques en parallèle de leur valeur défensive.

L’initiative élargie pour les infrastructures représente donc plus qu’un nouveau programme de distribution de modèles. Elle vise à construire une couche institutionnelle de vérification autour d’une IA très capable et à double usage.

La véritable compétition oppose la vitesse de défense à la sécurité opérationnelle

Anthropic doit aider les défenseurs à agir plus vite sans importer dans les systèmes critiques pour la sécurité les habitudes de déploiement de l’industrie logicielle.

Les preuves les plus solides en faveur de la sécurité des infrastructures assistée par l’IA proviennent d’une simulation contrôlée, et non d’un service des eaux en activité. Anthropic et le Pacific Northwest National Laboratory ont testé Claude face à un modèle haute fidélité de traitement de l’eau exploité dans le cadre de recherches fédérales sur la sécurité.

Les chercheurs ont utilisé Claude Sonnet 4 avec une couche logicielle reliant des instructions en langage naturel à des outils réseau prédéfinis. Le système a reconstitué une attaque contre l’installation simulée en trois heures. PNNL a estimé qu’un expert humain aurait eu besoin de plusieurs semaines.

Lors d’un test, une méthode prédéfinie de contournement du contrôle de compte d’utilisateur de Windows a échoué. Claude a sélectionné une autre technique connue et poursuivi la simulation d’attaque. Ce comportement a montré pourquoi les modèles avancés peuvent aider les équipes rouges, mais il a aussi démontré leur potentiel à double usage.

La recherche sur le système d’eau n’a pas démontré que Claude peut réparer en toute sécurité une station de traitement en activité. Elle a montré que l’IA peut accélérer l’émulation d’adversaires, qui reproduit le comportement d’attaquants afin de révéler les lacunes défensives. Les chercheurs ont testé un modèle cyberphysique plutôt qu’un équipement de production.

Cette limite est centrale dans la sécurité des infrastructures critiques d’Anthropic. La rapidité profite aux défenseurs lorsqu’elle raccourcit les phases d’enquête, de test et de correction. Elle crée un nouveau danger lorsque les recommandations contournent l’examen des ingénieurs ou atteignent des systèmes sans tests représentatifs.

Les orientations gouvernementales reflètent cette prudence. La CISA recommande des décisions fondées sur les risques pour les technologies opérationnelles, car des interruptions imprévues peuvent avoir de graves conséquences. Les mises à jour devraient être testées dans un environnement reproduisant les conditions de production chaque fois que possible.

Les principes de sécurité OT de la CISA présentent également la sécurité comme une question de continuité d’activité. Les décisions doivent tenir compte de la sécurité des systèmes, des exigences opérationnelles, de la planification de la reprise et du risque résiduel. Détecter davantage de défauts ne traite qu’une partie de ce cadre.

Les partenaires fondateurs d’Anthropic peuvent apporter un contexte manquant. Rockwell Automation comprend les équipements industriels et les processus de sécurité produit. Dragos et Nozomi Networks sont spécialisés dans la surveillance OT et la détection des menaces. CrowdStrike et Palo Alto Networks apportent une expertise plus large en matière d’incidents et de renseignement sur les menaces.

Les cabinets de conseil peuvent relier les conclusions techniques à la gouvernance, à la conduite du changement et aux opérations clients. Les intégrateurs de systèmes peuvent identifier des dépendances invisibles lors d’une analyse du code source. Ces capacités expliquent pourquoi Anthropic a choisi un réseau de partenaires indirect plutôt que de vendre un agent d’infrastructure entièrement autonome.

La tension reste non résolue. Claude peut générer davantage de conclusions potentielles que les équipes humaines n’en traitaient auparavant. Pourtant, chaque conclusion supplémentaire entre en concurrence pour un temps d’ingénierie, des installations de test, des fenêtres de maintenance et une coordination des divulgations limités.

Un programme utile doit améliorer le ratio entre les faiblesses corrigées et les conclusions soumises. Il doit également réduire le temps d’investigation sans accroître les changements risqués. Les seuls totaux publics de vulnérabilités ne peuvent démontrer aucun de ces résultats.

Les faux positifs présentent un risque mesurable. Si les ingénieurs enquêtent à répétition sur des rapports inexacts, l’outil consomme la capacité qu’il était censé restaurer. Les faux négatifs comptent également, bien qu’ils soient plus difficiles à observer. Un modèle qui manque un chemin exploitable peut créer un faux sentiment de confiance.

Le comportement du modèle peut aussi varier selon les prompts, les outils et les contextes système. Les opérateurs industriels ont besoin de preuves reproductibles montrant pourquoi une recommandation s’applique à leurs équipements. Ils ont besoin de procédures de retour arrière lorsqu’un changement produit un comportement inattendu.

Ces exigences n’annulent pas la valeur des plans de sécurité fondés sur l’IA. Elles définissent les conditions dans lesquelles ces plans deviennent utiles. Le système gagnant ne se contentera pas de détecter le plus grand nombre de vulnérabilités. Il transformera systématiquement des conclusions solidement étayées en changements sûrs, documentés et réversibles.

OpenAI accroît la pression sur le modèle de partenariat d’Anthropic

Anthropic construit un réseau de prestation spécialisé, tandis qu’OpenAI concurrence par des engagements plus larges en matière de financement, d’accès et de formation.

OpenAI a annoncé Daybreak for Frontline Defenders en septembre 2026. L’entreprise a engagé 1 milliard de dollars en accès subventionné, soutien technique, formation et partenariats pour les organisations qui protègent les services essentiels.

Daybreak cible les réseaux d’eau, les fournisseurs d’électricité, les collectivités locales, les systèmes de santé, les banques communautaires et d’autres organisations de première ligne. OpenAI décrit également une approche Defense Factory qui utilise des agents pour trouver des vulnérabilités, les valider et préparer des correctifs testés pour examen humain.

L’initiative Daybreak offre à Anthropic un point de comparaison stratégique direct. Les deux entreprises estiment que les modèles de pointe devraient aider les défenseurs avant que des capacités comparables ne deviennent largement accessibles aux attaquants. Toutes deux soulignent l’examen humain et la nécessité de valider les correctifs.

Leurs choix initiaux de prestation diffèrent. OpenAI a associé à son programme un engagement mondial déclaré et une mission d’accès élargi. Anthropic a mis l’accent sur une cohorte fondatrice de 11 prestataires disposant de relations établies avec les infrastructures et d’un soutien technique sur site.

Aucune des deux approches n’a encore produit suffisamment de preuves publiques pour établir sa supériorité. Un important engagement financier ne garantit pas l’adoption par des services publics sous-dotés. Un programme sélectif de partenaires ne garantit pas que les bénéfices atteindront les petits opérateurs au-delà des principaux comptes clients.

La voie choisie par Anthropic présente des avantages pratiques. Les opérateurs d’infrastructures dépendent déjà des fabricants d’équipements, des intégrateurs, des consultants et des fournisseurs de sécurité. Ajouter Claude à ces relations existantes peut réduire la nécessité, pour les opérateurs, d’évaluer directement un fournisseur de modèles de pointe.

Le modèle permet également à Anthropic d’apprendre de plusieurs couches de sécurité. Les fabricants d’équipements constatent les défauts des produits. les fournisseurs de sécurité réseau observent le comportement des attaques. Les consultants gèrent la gouvernance et la mise en œuvre. Combiner ces perspectives peut améliorer la priorisation.

Toutefois, la voie des partenaires introduit des coûts de coordination. Chaque entreprise possède ses propres produits, contrats clients, politiques de données, méthodes de test et incitations commerciales. Anthropic n’a pas expliqué comment les participants partageront les conclusions ou mesureront les résultats à l’échelle de la cohorte.

L’initiative plus vaste d’OpenAI crée un autre type de pression. Un service public comparant des plans de sécurité IA peut se demander s’il doit accéder directement aux modèles, passer par un fournisseur existant ou rejoindre un programme soutenu par les pouvoirs publics. Des canaux d’accès fragmentés peuvent compliquer un marché de la sécurité déjà encombré.

La concurrence peut néanmoins bénéficier aux défenseurs. Anthropic s’attend à ce que d’autres développeurs d’IA, gouvernements et entreprises de sécurité lancent des initiatives connexes. Des méthodes d’évaluation partagées, des divulgations de vulnérabilités et des recommandations de remédiation testées compteront davantage que des affirmations exclusives sur les performances des modèles.

Il existe également une raison systémique d’éviter la dépendance à un seul laboratoire. Les modèles de pointe peuvent subir des pannes, des changements de politique et des problèmes de sécurité nouvellement découverts. Les organisations d’infrastructures critiques ont besoin de processus résilients qui restent utilisables si un modèle devient indisponible.

L’issue concurrentielle la plus saine séparerait le choix du modèle du contrôle opérationnel. Les opérateurs devraient pouvoir comparer les conclusions, conserver des registres d’audit, exiger une autorisation humaine et changer de fournisseur sans reconstruire leurs processus de sécurité.

Le modèle de partenariat d’Anthropic sera confronté à cette épreuve à mesure qu’il s’étendra. Si Claude s’intègre profondément aux plateformes des fournisseurs, les clients auront besoin de clarté sur le traitement des données, l’accès au modèle, le signalement des incidents et la responsabilité des recommandations défaillantes.

La concurrence ne se résume donc pas à Anthropic contre OpenAI. C’est une confrontation entre différentes façons d’apporter des capacités cyber avancées à des institutions qui ont une faible tolérance à l’erreur.

Ce que les plans de sécurité IA d’Anthropic ne démontrent toujours pas

L’annonce établit une structure de prestation sérieuse, mais elle n’établit pas encore une réduction mesurable des risques.

Anthropic affirme que le succès signifie moins de chemins d’attaque exploitables, une reprise plus rapide et la continuité des opérations pendant les attaques. Ce sont des résultats raisonnables. L’entreprise n’a pas encore fourni de référence initiale, d’objectif, de calendrier de publication ou de processus d’évaluation indépendant permettant de les mesurer.

Les chiffres publiés issus de Project Glasswing décrivent principalement les vulnérabilités découvertes. Le volume de découvertes peut augmenter même lorsque l’exposition globale d’une organisation reste inchangée. Le risque ne diminue qu’après validation, priorisation, remédiation, déploiement et surveillance des correctifs concernés par les équipes.

L’achèvement des correctifs est donc plus utile que le volume de conclusions, mais même cette métrique a besoin de contexte. Cent corrections logicielles mineures peuvent compter moins qu’une réparation vérifiée sur un contrôleur accessible à distance. Les décomptes devraient être associés à la gravité, à l’exploitabilité, à l’état de déploiement et à la criticité des systèmes affectés.

Les mesures de temps comptent également. Le programme devrait indiquer combien de temps les équipes mettent pour passer de la détection à la validation, puis de la validation à une remédiation sûre. Un triage plus rapide étayerait l’argument central d’Anthropic, même lorsqu’une installation ne peut pas déployer immédiatement un correctif.

Les résultats en matière de sécurité doivent avoir le même poids. Les opérateurs devraient suivre les tests échoués, les recommandations rejetées, les retours arrière, les interruptions non planifiées et les changements générés par le modèle qui ont exigé des corrections majeures. Publier ces résultats aiderait à distinguer les progrès opérationnels de l’activité promotionnelle.

La divulgation actuelle laisse des questions commerciales sans réponse. Anthropic n’a pas indiqué si les partenaires fondateurs bénéficient d’un accès au modèle sans frais. L’entreprise n’a pas non plus expliqué qui paie l’inférence, le soutien d’ingénierie, les installations de test ou la maintenance à long terme.

Ces détails influencent l’adoption. Les grands fournisseurs d’infrastructures peuvent absorber des coûts expérimentaux plus facilement que les services publics municipaux ou les systèmes de santé régionaux. Un programme de partenaires pourrait améliorer les défenses des organisations les mieux dotées tout en laissant les petits opérateurs exposés, à moins que les bénéfices n’atteignent les clients à des conditions durables.

Le traitement des données crée une autre question non résolue. Les travaux de sécurité des infrastructures peuvent révéler des schémas réseau, des configurations d’appareils, des vulnérabilités et des procédures de réponse. Ces documents sont très sensibles, même lorsqu’ils ne contiennent pas d’informations ordinaires sur les clients.

Le programme de vérification d’Anthropic exige la conservation des données pour de nombreux participants afin que l’entreprise puisse surveiller les abus. Elle a annoncé des garanties supplémentaires pour les organisations qui ont besoin d’un contrôle accru sur les informations stockées. Le programme d’infrastructures devrait expliquer quels dispositifs s’appliquent à chaque flux de travail partenaire.

La responsabilité doit également être définie. Supposons que Claude propose une réparation, qu’un fournisseur l’approuve et qu’un opérateur la déploie. Si le changement perturbe le service, la responsabilité pourrait impliquer le fournisseur du modèle, le partenaire de sécurité, le fabricant d’équipements, l’intégrateur ou l’opérateur.

Les contrats existants peuvent répartir cette responsabilité, mais l’annonce publique ne l’aborde pas. Des registres d’approbation clairs et des preuves traçables deviendront essentiels à mesure que les modèles contribueront plus directement à la remédiation.

Le programme doit également se prémunir contre le biais d’automatisation. Les ingénieurs peuvent accorder trop de valeur à une recommandation assurée lorsqu’elle provient d’un modèle avancé. Exiger une validation indépendante, des hypothèses documentées et une autorisation humaine explicite peut réduire ce risque.

Anthropic reconnaît que l’IA ne peut pas résoudre bon nombre des problèmes d’infrastructure les plus difficiles. Cette retenue renforce l’annonce. Les équipements vieillissants, les pénuries de personnel, les inventaires d’actifs incomplets, les budgets contraints et les fenêtres de maintenance limitées resteront présents après l’arrivée de Claude.

L’argument crédible en faveur de la sécurité des infrastructures critiques d’Anthropic est donc plus limité que l’automatisation universelle. Claude peut accroître la capacité des experts, accélérer l’analyse contrôlée et aider des fournisseurs de confiance à préparer des correctifs. Il ne peut pas éliminer les contraintes opérationnelles qui déterminent si ces correctifs atteignent la production.

Trois signaux montreront si le programme fonctionne

Les prochaines preuves devraient se concentrer sur les réparations déployées, des contrôles de sécurité reproductibles et un accès au-delà de la cohorte fondatrice.

Le premier signal est un rapport de remédiation vérifié provenant d’un prestataire participant. Anthropic ou un partenaire devrait documenter comment Claude a trouvé une faiblesse, comment des experts l’ont validée et comment l’opérateur a testé la correction proposée. Le rapport devrait préciser si la réparation a atteint la production et si le service a continué à fonctionner normalement.

Cette preuve renforcerait l’affirmation centrale du programme. Elle relierait la capacité du modèle à une réduction mesurable des risques au sein d’un véritable processus opérationnel. Un rapport limité à la découverte de vulnérabilités laisserait la question centrale sans réponse.

Le deuxième signal est un cadre commun de sécurité et d’évaluation pour les 11 partenaires. Des critères utiles incluraient les taux de faux positifs, les exigences de validation, les contrôles d’autorisation, les plans de retour arrière, la journalisation d’audit et les résultats de déploiement. Des méthodes partagées rendraient les résultats plus comparables entre les secteurs.

Un cadre fragmenté affaiblirait la confiance. Chaque partenaire a besoin de flexibilité pour ses clients, mais des mesures entièrement différentes empêcheraient les opérateurs de comprendre les performances. Des contrôles minimaux communs pourraient coexister avec des procédures propres à chaque secteur.

Le troisième signal est la preuve que le programme atteint les plus petits opérateurs d’infrastructures. Anthropic indique qu’il s’étendra à davantage de secteurs et de partenaires au cours des prochains mois. La mesure importante n’est pas simplement une liste de partenaires plus longue. C’est de savoir si les services publics municipaux, les hôpitaux régionaux et les petits fournisseurs de transport bénéficient d’un soutien utilisable.

Cet accès pourrait passer par des services gérés, des partenariats gouvernementaux, des fournisseurs d’équipements ou des programmes de vérification élargis. Quelle que soit la voie retenue, il devrait inclure une assistance technique, et pas uniquement l’accès aux modèles. Les organisations disposant de peu de ressources manquent rarement d’alertes de sécurité. Elles manquent de personnel et de temps pour les examiner et y répondre.

L’initiative concurrente d’OpenAI rendra cette question de distribution plus difficile à éluder. Les deux entreprises affirment désormais que les défenseurs disposent d’une fenêtre limitée avant que les attaques assistées par IA ne gagnent en capacité. Leurs progrès devraient être évalués à l’aune des organisations protégées, des correctifs déployés en toute sécurité et de l’amélioration de la reprise, et non sur la seule base de leurs engagements.

Les responsables de la sécurité, des achats ou des technologies d’infrastructure devraient poser des questions directes avant d’adopter ces systèmes. Quels éléments étayent chaque constat ? Où les données sensibles sont-elles stockées ? Qui autorise les tests ? Comment les conséquences physiques sont-elles modélisées ? Que se passe-t-il lorsqu’une recommandation échoue ?

Les développeurs devraient surveiller si les partenaires de sécurité publient des outils réutilisables et des correctifs vérifiés. Les mainteneurs open source devraient examiner la manière dont les constats automatisés affectent les charges de triage. Les acheteurs en entreprise devraient exiger l’auditabilité, la reproductibilité et des limites de responsabilité clairement définies.

La prochaine phase de la sécurité des infrastructures critiques d’Anthropic ne se définira pas par un nouveau total impressionnant de vulnérabilités. Elle se définira par la capacité de fournisseurs de confiance à transformer la rapidité des modèles en systèmes plus sûrs, sans créer de nouveaux risques opérationnels.

C’est cette action qu’il faut suivre au cours des trois prochains mois. Recherchez un cas de déploiement vérifié, des contrôles partenaires partagés et un accès pour les petits opérateurs. Si ces trois éléments se concrétisent, le programme d’Anthropic commencera à démontrer que l’IA peut améliorer la défense des infrastructures au-delà d’une démonstration contrôlée.