Le partenariat de sécurité Anthropic Google fait face à un nouveau test alors que Claude Mythos dépasse la recherche humaine en cryptographie

Anthropic affirme que Claude Mythos Preview a découvert deux attaques cryptographiques en quelques jours, malgré des années d'examen humain préalable. Le partenariat de sécurité entre Anthropic et Google fait désormais face à une question plus difficile que la découverte de vulnérabilités logicielles. Les défenseurs peuvent-ils valider et absorber des recherches générées par des machines avant que des capacités similaires ne se répandent parmi les attaquants ?

Ces résultats ne signifient pas que Claude a cassé le chiffrement protégeant les services bancaires en ligne, les messages privés ou les données d'entreprise. Une attaque cible HAWK, une proposition de signature numérique non déployée et en cours d'examen fédéral. L'autre améliore une attaque contre AES-128 à sept tours, une variante de recherche volontairement affaiblie du chiffrement à dix tours utilisé en production.

Cette distinction est importante, mais elle n'efface pas le renversement central. La cryptanalyse dépend depuis longtemps d'une petite communauté de spécialistes associant intuition mathématique et mois, voire années, d'examen. Mythos aurait produit une attaque sérieuse contre HAWK en 60 heures et amélioré la recherche sur AES à nombre de tours réduit en une semaine.

Google entre dans cette histoire via Project Glasswing, la collaboration de sécurité restreinte d'Anthropic avec de grandes organisations technologiques et d'infrastructure. Le programme donne à des partenaires sélectionnés l'accès à des capacités Claude avancées pour la recherche défensive. Les dernières découvertes augmentent les enjeux pour chaque participant, car les failles cryptographiques posent un problème de divulgation différent de celui des bogues logiciels ordinaires.

Claude Mythos a découvert deux types de faiblesses distincts

Le changement important n'est pas que l'IA puisse expliquer la cryptographie. C'est qu'un système d'IA aurait contribué à produire une nouvelle cryptanalyse vérifiable.

Anthropic a divulgué ces découvertes le 28 juillet 2026. Ses chercheurs ont indiqué que Mythos Preview avait contribué à des attaques contre HAWK et une version réduite de l'Advanced Encryption Standard, ou AES.

HAWK est un schéma de signature numérique post-quantique. Les signatures numériques permettent à un destinataire de vérifier qui a signé un message et si quelqu'un l'a modifié. Les schémas post-quantiques visent à résister aux attaques d'ordinateurs conventionnels comme de futurs ordinateurs quantiques.

Le National Institute of Standards and Technology évalue HAWK dans le cadre de son processus consacré aux signatures supplémentaires. HAWK est un candidat, et non une norme approuvée, et les organisations ne s'y fient pas actuellement pour leur sécurité en production.

Selon Anthropic, Mythos a identifié un automorphisme non trivial dans le réseau sous-jacent de HAWK. Un automorphisme est une symétrie qui renvoie une structure mathématique sur elle-même tout en préservant des relations importantes.

Cette symétrie a offert aux chercheurs un raccourci pour retrouver une clé privée HAWK. L'attaque a réduit la robustesse effective du schéma au point que le maintien du niveau de sécurité prévu nécessiterait des clés sensiblement plus grandes.

Le plus petit jeu de paramètres HAWK devait nécessiter environ 2^64 opérations pour être attaqué. La méthode rapportée ramène cette estimation à environ 2^38 opérations. Cela reste un calcul considérable, mais cela modifie l'évaluation de sécurité du candidat.

Cette découverte remet également en cause l'une des principales raisons d'envisager HAWK. Des clés plus grandes pourraient compenser la faiblesse, mais cet ajustement réduirait les avantages d'efficacité qui rendaient la proposition attrayante.

Anthropic indique que Mythos a trouvé le cœur de l'attaque contre HAWK après environ 60 heures. Des chercheurs humains ont fourni des orientations ponctuelles, examiné les résultats et transformé le travail du modèle en résultat formel.

Le second projet concernait AES-128, le chiffrement symétrique largement déployé pour protéger les données. Le chiffrement symétrique utilise la même clé secrète pour chiffrer et déchiffrer les informations.

AES-128 en production applique dix tours de transformation à chaque bloc de données. Les cryptographes étudient également des versions à nombre de tours réduit, car ces variantes révèlent le niveau de protection apporté par chaque tour supplémentaire.

Mythos a attaqué une variante à sept tours, et non le chiffrement complet. Sa principale contribution a été une technique mathématique appelée Möbius Bridge, qui a supprimé une recherche gourmande en mémoire d'une attaque existante.

Associée à d'autres changements, cette approche aurait rendu la meilleure attaque contre AES à sept tours entre 200 et 800 fois plus rapide. Elle exige toujours plus de 2^105 textes clairs choisis, c'est-à-dire des messages sélectionnés spécifiquement pour l'analyse.

Cette exigence en données dépasse toute portée pratique. Le résultat améliore donc l'état de l'art académique sans menacer AES-128 complet.

Anthropic indique que chaque effort de recherche a consommé une utilisation substantielle du modèle. Plus important que le total des ressources est ce que cette utilisation a permis : une exploration persistante de nombreuses pistes mathématiques possibles, sans fatigue humaine.

Il s'agit de deux résultats distincts. Le travail sur HAWK modifie l'évaluation d'un candidat actif à la normalisation. Le travail sur AES fait progresser l'analyse d'une cible de recherche affaiblie tout en laissant le chiffrement en production intact.

Ensemble, ils créent la tension centrale de l'article. Claude n'a pas cassé Internet, mais il aurait comprimé une recherche cryptographique sérieuse en un flux de travail au rythme de la machine.

Pourquoi le partenariat Anthropic Google compte désormais davantage

La recherche cryptographique transforme Project Glasswing, d'un programme de défense logicielle, en premier test de gouvernance pour la découverte scientifique à la vitesse des machines.

Anthropic a présenté Claude Mythos Preview et Project Glasswing en avril 2026. L'initiative a réuni des organisations comprenant Google, Apple, Microsoft, Cisco, CrowdStrike, Amazon Web Services, NVIDIA et la Linux Foundation.

Le partenariat a été conçu pour trouver et corriger des vulnérabilités graves avant que des systèmes d'IA largement disponibles ne donnent aux attaquants des capacités comparables. Anthropic a initialement limité l'accès à Mythos, car le modèle pourrait découvrir et exploiter des faiblesses logicielles avec peu d'instructions.

La précédente évaluation de cybersécurité de l'entreprise indiquait que Mythos pouvait inspecter de grandes bases de code, identifier des bogues jusque-là inconnus et développer des exploits fonctionnels. Elle signalait également des faiblesses dans des implémentations de protocoles et bibliothèques cryptographiques.

Découvrir une implémentation défectueuse diffère de l'attaque des mathématiques sous-jacentes. Un bogue logiciel affecte généralement des versions particulières d'un programme. Les responsables de maintenance peuvent corriger le code, diffuser une mise à jour et suivre son adoption.

Une faiblesse dans une conception cryptographique a un rayon d'impact plus large. Si les organisations déploient largement cette conception, son remplacement peut exiger des changements dans les logiciels, le matériel, les protocoles, les certificats, les données archivées et les systèmes de conformité.

HAWK n'est pas déployé, ce qui en fait la version favorable de cette histoire. La faiblesse est apparue pendant l'évaluation, avant que la proposition ne s'intègre aux infrastructures.

C'est exactement ce qu'un processus de normalisation ouvert est censé accomplir. Les candidats font l'objet d'un examen public soutenu afin que les conceptions faibles puissent être modifiées ou rejetées avant leur adoption.

Ellen Boehm, vice-présidente principale de Keyfactor chargée de la stratégie et de l'innovation en IA, a déclaré à CyberScoop que cette découverte montre que le processus d'évaluation fonctionne. Son analyse place Mythos au sein du système d'examen existant plutôt que de le présenter comme un remplacement de ce système.

La relation entre Anthropic et Google compte parce que Google exploite des logiciels, navigateurs, services cloud, systèmes d'identité et infrastructures qui dépendent de la cryptographie. L'entreprise emploie également des chercheurs qui conçoivent et analysent des protocoles de sécurité.

La participation de Google ne signifie pas que ses chercheurs ont produit ou approuvé indépendamment les résultats concernant HAWK et AES. Les informations publiques établissent seulement que Google participe à Project Glasswing et a reçu un accès dans ce cadre défensif.

Google représente néanmoins le type d'organisation qui doit réagir si la cryptanalyse automatisée passe à l'échelle. L'entreprise gère suffisamment d'infrastructure pour comprendre à la fois l'opportunité défensive et la charge de migration.

La pression ne se limite pas à Google. Les organismes de normalisation doivent décider comment accepter, reproduire et documenter les soumissions assistées par IA. Les fournisseurs doivent suivre les emplacements où des algorithmes apparaissent dans leurs produits. Les équipes de sécurité doivent se préparer à un nombre de découvertes supérieur à ce que les examinateurs humains peuvent traiter rapidement.

Le partenariat Anthropic Google offre donc un premier modèle d'accès contrôlé. Il relie les développeurs de modèles à des organisations capables de valider les découvertes et de coordonner les corrections.

Cette approche concentre également les informations et les capacités au sein d'un petit groupe. Les organisations extérieures au partenariat doivent faire confiance aux participants pour divulguer les résultats pertinents rapidement, avec précision et équité.

La recherche cryptographique rend cette préoccupation plus urgente. Un fournisseur de logiciels peut généralement recevoir un rapport de bogue privé et publier un correctif. Une faiblesse mathématique nouvellement découverte peut affecter simultanément des fournisseurs concurrents, des gouvernements, des chercheurs et des processus de normalisation.

Le défi ne consiste plus seulement à trouver les failles avant les attaquants. Il s'agit de construire une chaîne d'examen capable de suivre le rythme sans donner à un consortium privé une influence excessive sur les décisions de sécurité publique.

La véritable avancée est la compression de la recherche

Mythos n'a pas éliminé les cryptographes humains. Il a modifié la quantité de travail exploratoire qu'une petite équipe humaine peut tenter sur une période donnée.

La cryptanalyse combine théorie, expérimentation, implémentation et échecs répétés. Les chercheurs formulent des hypothèses, testent des cas plus petits, écrivent du code, inspectent les résultats, révisent leurs hypothèses et décident quelle piste mérite davantage d'attention.

Les modèles de langage peuvent désormais participer à l'ensemble de cette boucle. Ils peuvent lire des spécifications, dériver des équations, mettre en œuvre des expériences, invoquer des outils mathématiques, comparer des résultats et conserver des résultats intermédiaires utiles.

Cette étendue compte plus que toute réponse isolée. L'automatisation traditionnelle fonctionne bien lorsque les chercheurs connaissent déjà la procédure de recherche exacte. Les modèles de pointe peuvent proposer et tester différentes procédures tout en réagissant à des éléments inattendus.

Le cas HAWK aurait commencé lorsque Mythos a identifié une symétrie structurelle dans le réseau du schéma. Un chercheur humain a ensuite contribué à orienter l'enquête et à évaluer si l'observation étayait une véritable attaque.

Ce flux de travail complique les affirmations simplistes sur l'autonomie. Le modèle a apporté une idée clé et effectué une grande partie de l'analyse, mais des humains ont choisi la cible de recherche, configuré l'environnement, examiné les résultats et préparé le résultat.

« Autonome » devrait donc décrire certaines parties du processus, et non l'ensemble du projet scientifique. Mythos pouvait poursuivre son exploration technique sans sollicitations constantes. Il n'a pas choisi de manière indépendante l'objectif social ni la norme de publication.

Le projet AES à nombre de tours réduit démontre une autre forme de valeur. La cible avait fait l'objet d'une analyse humaine approfondie, et le modèle n'a pas révélé de cassure pratique. Il a trouvé un chemin plus efficace dans le cadre d'une attaque théorique très contrainte.

L'accélération rapportée provenait en partie de l'élimination d'une table de recherche contenant 256 entrées. Cela n'a pas supprimé l'énorme exigence en données de l'attaque, mais a amélioré ses caractéristiques en temps et en mémoire.

Cette distinction révèle pourquoi la recherche assistée par IA peut progresser avant que les modèles ne deviennent universellement fiables. Une attaque candidate peut souvent être vérifiée au moyen d'équations, de code exécutable ou d'une expérience de sécurité formelle.

La cryptanalyse offre un retour inhabituellement clair. Soit une méthode proposée de récupération de clé permet de retrouver la clé dans les conditions annoncées, soit ce n’est pas le cas. Les chercheurs peuvent écarter de nombreuses pistes hallucinées sans avoir à se fier à la prose du modèle.

Le récent CryptanalysisBench apporte des éléments plus larges attestant de cette évolution des capacités. Ses auteurs ont évalué 191 tâches couvrant six familles de primitives cryptographiques.

Cinq modèles de pointe ont résolu entre 65 et 86 % des tâches concernant des schémas faisant l’objet d’attaques pratiques connues. Claude Mythos 5 a obtenu 42 succès sur 49 tâches de niveau 1, soit le meilleur résultat rapporté.

Le benchmark incluait également des schémas plus difficiles, sans vulnérabilité pratique connue. Mythos 5 a compromis 61 schémas en comptant les variantes complètes et réduites, contre 37 pour Claude Opus 4.8.

Ces chiffres ne montrent pas que les modèles peuvent vaincre la cryptographie moderne utilisée en production. Le niveau de défi reste largement non résolu, et bon nombre des succès du benchmark concernent des configurations affaiblies ou des schémas présentant des défauts connus.

Les résultats montrent toutefois que les modèles peuvent évoluer dans des environnements de recherche technique, mettre en œuvre des attaques et parfois découvrir des problèmes de conception jusque-là non signalés. C’est une exigence plus élevée que de résumer des articles existants.

La comparaison avec les humains exige également de la prudence. Une exécution du modèle pendant 60 heures n’équivaut pas à un cryptographe travaillant 60 heures. Le système peut mobiliser de vastes ressources de calcul, des expérimentations parallèles et une importante connaissance préalable encodée lors de l’entraînement.

La comparaison pertinente porte sur le temps de recherche écoulé et la production de l’équipe. Un petit groupe a eu accès à bien davantage de travail exploratoire qu’il n’aurait pu en produire manuellement au cours de la même semaine.

Il s’agit d’une compression de la recherche. Le modèle transforme le calcul en tentatives supplémentaires, tandis que les humains décident lesquelles méritent d’être crues.

Cet équilibre pousse les laboratoires à repenser leurs opérations de recherche. L’expertise se déplace vers le choix des cibles, la construction d’évaluations, la détection d’erreurs subtiles des modèles et la transformation de résultats provisoires en affirmations défendables.

Le jugement humain reste essentiel, mais intervient plus tard dans la boucle. Les chercheurs consacrent moins de temps à générer chaque candidat et davantage à valider un flux de candidats bien plus important.

Les résultats ne compromettent pas le chiffrement en production

La raison la plus forte de rester prudent est aussi la plus simple : aucune des deux attaques publiées ne compromet un système cryptographique utilisé aujourd’hui.

HAWK reste une proposition. Ses concepteurs peuvent revoir ses paramètres, répondre à l’analyse ou retirer la configuration concernée sans obliger les utilisateurs à migrer des systèmes déployés.

La spécification HAWK décrit un système de signature compact fondé sur des hypothèses liées aux réseaux euclidiens. Ces hypothèses ont toujours nécessité un examen public avant toute normalisation.

Le résultat de Mythos contribue à cet examen. Il n’implique pas que chaque signature fondée sur des réseaux présente la même faiblesse. L’attaque dépend de la structure mathématique particulière de HAWK.

Il n’invalide pas non plus les normes post-quantiques finalisées par le NIST. HAWK relève d’un processus distinct qui examine des options supplémentaires de signatures numériques.

Le résultat concernant AES exige une qualification encore plus forte. AES-128 à sept tours est une variante de recherche conçue pour être plus faible que la forme à dix tours déployée.

Attaquer un nombre réduit de tours aide les cryptographes à mesurer la marge de sécurité d’un chiffrement. Les progrès contre sept tours peuvent être précieux sur le plan mathématique sans établir de voie à travers les dix tours.

L’attaque assistée par Mythos suppose également un volume extraordinaire de textes clairs choisis. Un scénario à textes clairs choisis permet à l’attaquant de sélectionner des messages et d’observer leurs sorties chiffrées.

Les systèmes réels restreignent l’accès, renouvellent les clés, limitent les données et ajoutent des protocoles autour du chiffrement sous-jacent. Ces contrôles rendent les conditions théoriques publiées encore moins pratiques.

Qualifier ce résultat de « rupture d’AES » induirait donc les lecteurs en erreur. Il s’agit d’une amélioration contre AES à nombre de tours réduit, et non d’une compromission d’AES-128 tel qu’il est déployé.

La même prudence s’applique aux affirmations selon lesquelles l’IA aurait dépassé tous les cryptographes humains. Le modèle a travaillé dans un cadre conçu par des humains et s’est appuyé sur des décennies de recherche publiée intégrées à son environnement d’entraînement.

Les chercheurs n’ont pas établi publiquement à quelle fréquence Mythos a suivi de fausses pistes, combien d’exécutions ont échoué ou comment ses performances évoluent avec un budget de calcul fixe. Les récits de réussite révèlent une capacité, mais ne fournissent pas une mesure complète de la productivité.

La reproductibilité pose un autre problème. Des spécialistes indépendants ont besoin de suffisamment de détails pour vérifier les mathématiques et le code. Les transcriptions du modèle peuvent aider, mais de longues traces d’agent peuvent être plus difficiles à auditer qu’une dérivation classique.

Le scepticisme public s’est concentré sur le niveau de supervision spécialisée. Les critiques soutiennent que des affirmations cryptographiques extraordinaires méritent un examen par des experts reconnus avant d’être largement présentées dans un cadre promotionnel.

Cette critique ne doit pas être écartée comme une résistance à l’automatisation. Des erreurs cryptographiques peuvent survivre à l’évaluation par les pairs, et une attaque plausible peut dissimuler une hypothèse erronée concernant l’adversaire ou le modèle de sécurité.

Une confirmation externe renforce le dossier. Les informations disponibles indiquent que les concepteurs de HAWK ont reconnu le bien-fondé de l’attaque, tandis que des cryptographes indépendants ont examiné le résultat sur AES à nombre de tours réduit.

Une publication formelle et la poursuite de l’évaluation par les pairs restent nécessaires. Une trace de modèle impressionnante constitue la preuve d’un processus de recherche, pas un substitut à une démonstration complète.

Les éléments issus du benchmark exposent également des limites claires. Même Mythos a échoué sur certains schémas faisant l’objet d’attaques connues, et les tâches les plus difficiles orientées production restent ouvertes.

Les modèles peuvent gaspiller leur budget à mettre en œuvre un concept correct, cibler le mauvais jeu de sécurité ou exploiter des faiblesses dans un banc de test. Il s’agit d’échecs d’agents bien connus, mais aux enjeux exceptionnellement élevés.

Une organisation de sécurité devrait donc traiter la cryptanalyse générée par IA comme une recherche non fiable jusqu’à ce que des experts la reproduisent. Cette politique préserve la valeur défensive sans transformer les affirmations des fournisseurs en faits opérationnels.

La cryptanalyse à la vitesse des machines déplace le goulot d’étranglement des défenseurs

Une découverte plus rapide n’aide les défenseurs que lorsque la vérification, la divulgation et la migration peuvent avancer à une vitesse comparable.

La sécurité logicielle fait déjà face à ce déséquilibre. Les outils automatisés peuvent générer davantage de résultats potentiels que les mainteneurs ne peuvent en examiner. Mythos étend cette même pression aux systèmes mathématiquement complexes.

Le premier goulot d’étranglement est la validation. Un modèle peut explorer rapidement de nombreuses hypothèses, mais les cryptographes qualifiés restent rares. Chaque affirmation sérieuse peut exiger un examen attentif des preuves, du code, des hypothèses sur les paramètres et des modèles de menace.

Le deuxième goulot d’étranglement est la divulgation. Le statut non déployé de HAWK a simplifié la coordination, mais de futures découvertes pourraient affecter des primitives largement utilisées. Publier trop tôt pourrait exposer des systèmes avant que les fournisseurs ne préparent des mesures d’atténuation.

Attendre trop longtemps crée également un risque. Un petit nombre d’entreprises ou de gouvernements pourrait détenir des connaissances qui affectent tout le monde, tandis que les organisations extérieures resteraient incapables d’évaluer leur exposition.

Le troisième goulot d’étranglement est l’inventaire cryptographique. De nombreuses entreprises ne savent pas de quels algorithmes, tailles de clés, certificats, bibliothèques ou appareils embarqués elles dépendent.

Une faiblesse nouvellement découverte est difficile à gérer sans cette cartographie. Les équipes ne peuvent pas prioriser la migration si elles ne parviennent pas à localiser chaque utilisation concernée.

C’est là que la collaboration entre Anthropic et Google devient significative sur le plan opérationnel. Google et les autres partenaires de Glasswing maintiennent des systèmes suffisamment vastes pour tester si les découvertes générées par les machines peuvent alimenter de véritables programmes de remédiation.

Le partenariat peut contribuer à développer des méthodes d’examen, des normes de preuve et des procédures de divulgation. Il peut également révéler si les grandes organisations peuvent traiter ces découvertes sans submerger les mainteneurs.

Toutefois, le contrôle d’accès ne résout pas le problème sous-jacent de diffusion. Une capacité cryptanalytique comparable ne restera pas indéfiniment exclusive à un modèle ou à un partenariat.

CryptanalysisBench a évalué des systèmes fermés et à poids ouverts. Le modèle ouvert GLM-5.2 était derrière Mythos, mais a tout de même résolu 32 des 49 tâches de niveau 1.

Cet écart compte, mais l’orientation générale compte davantage. Plusieurs familles de modèles peuvent déjà accomplir des portions significatives d’un flux de travail d’attaque.

L’avantage offensif dépend de ce qui se passe ensuite. Si les défenseurs utilisent des systèmes avancés pour examiner les candidats avant le déploiement, l’IA peut renforcer les normes. Si les attaquants obtiennent des modèles capables avant que la migration ne s’améliore, la découverte pourrait dépasser la réparation.

La cryptographie rend la remédiation tardive particulièrement dangereuse. Remplacer un composant de navigateur peut prendre des semaines. Remplacer une primitive intégrée à du matériel et à des certificats de longue durée peut prendre des années.

Les données chiffrées archivées créent une autre exposition. Un adversaire peut collecter des informations maintenant et les déchiffrer plus tard si une attaque future affaiblit la protection sous-jacente.

Les résultats actuels ne créent pas ce scénario pour AES. Ils renforcent néanmoins la valeur de l’agilité cryptographique, c’est-à-dire la capacité à remplacer des algorithmes sans reconstruire un système entier.

Les organismes de normalisation auront également besoin de règles plus claires pour les soumissions assistées par IA. Les chercheurs devraient divulguer les versions des modèles, l’échafaudage, les budgets de calcul, les interventions humaines, les exécutions échouées et les méthodes de vérification.

Ces détails permettent aux examinateurs de distinguer un résultat scientifique d’une démonstration sélective. Ils facilitent aussi la mesure des tendances de capacité entre les modèles.

La réponse la plus utile à court terme n’est ni la panique ni une restriction générale. Il s’agit d’élargir les capacités humaines et institutionnelles qui entourent la découverte automatisée.

Davantage de validateurs, des outils reproductibles, des canaux de divulgation plus clairs et des inventaires cryptographiques complets détermineront si la recherche à la vitesse des machines bénéficie d’abord aux défenseurs.

Ce qu’il faut surveiller après les résultats de Claude Mythos en cryptographie

Trois signaux montreront si cet épisode devient une évolution durable de la recherche ou reste une démonstration exceptionnelle.

Le premier signal est le traitement de HAWK dans le processus du NIST. Les examinateurs doivent déterminer si des paramètres révisés préservent suffisamment d’efficacité et de confiance pour que le candidat poursuive son parcours.

Une refonte importante ou un retrait renforcerait l’argument selon lequel Mythos a modifié une véritable décision de normalisation. Un ajustement étroit des paramètres indiquerait une découverte utile, mais plus circonscrite.

Dans les deux cas, cela validerait les tests avant déploiement. La question clé est de savoir si l’analyse assistée par IA devient une composante normale de l’évaluation des futurs candidats.

Le deuxième signal est la reproduction indépendante des attaques contre HAWK et AES à nombre de tours réduit. Des cryptographes externes doivent vérifier les hypothèses, les dérivations, l’implémentation et les performances rapportées.

Une reproduction claire renforcerait l’affirmation d’Anthropic selon laquelle Mythos a contribué à une véritable recherche. Des corrections substantielles réduiraient la portée du résultat et exposeraient les faiblesses du processus actuel de validation.

Le troisième signal est la prochaine génération de benchmarks contrôlés. Les chercheurs devraient se concentrer sur des schémas à pleine puissance, des problèmes de test non publiés et des tâches protégées contre la contamination par les données d’entraînement.

CryptanalysisBench sépare déjà les attaques connues des schémas plus difficiles et audite les traces à la recherche de signes de mémorisation. Ses niveaux non saturés constituent un point de départ utile.

Les progrès dans ces niveaux seraient plus informatifs que la répétition d’attaques déjà résolues. Un modèle qui découvre régulièrement de nouvelles failles avec des budgets fixes étayerait une affirmation plus forte sur la recherche scientifique automatisée.

Le partenariat de sécurité entre Anthropic et Google devrait également divulguer la manière dont les organisations participantes traitent les découvertes cryptographiques. Les éléments utiles incluraient les délais de validation, les résultats des divulgations et la part des rapports du modèle rejetés par les experts.

Les lecteurs devraient résister aux deux extrêmes faciles. Claude Mythos n’a pas compromis le chiffrement courant, mais écarter ces travaux au motif que leurs cibles n’étaient pas déployées ou étaient réduites reviendrait à manquer l’objectif de la recherche cryptographique.

Les marges de sécurité sont étudiées avant de disparaître. Les normes candidates sont attaquées avant que les utilisateurs n’en dépendent. Les derniers résultats suggèrent que l’IA peut contribuer de manière significative à ces deux activités.

Les développeurs et les acheteurs en entreprise devraient se demander si leurs organisations peuvent identifier tous les algorithmes critiques qu’elles utilisent. Ils devraient également se demander à quelle vitesse ces dépendances peuvent évoluer lorsqu’une norme perd la confiance qu’on lui accordait.

Les chercheurs devraient surveiller si des équipes indépendantes reproduisent ces travaux et si le NIST modifie le statut de HAWK. Ces résultats en diront davantage que n’importe quel titre spectaculaire.

La conclusion la plus crédible est plus limitée, mais aussi plus lourde de conséquences. Mythos aurait condensé des années d’expertise accumulée en quelques jours d’exploration ciblée, tandis que les humains restaient responsables de la vérification.

Cette combinaison met sous pression chaque institution de sécurité bâtie autour d’un cycle de recherche plus lent. Le prochain test consistera à déterminer si les défenseurs peuvent repenser leurs processus avant que la découverte à vitesse machine ne devienne largement accessible.