Une citation d’Anthropic Simon Willison révèle le véritable test de la cryptanalyse par IA

La couverture d’Anthropic Simon Willison porte désormais un avertissement plus clair : Claude a réalisé deux avancées cryptographiques, mais aucune de ces attaques ne compromet les systèmes actuellement en fonctionnement. Le conflit se situe ailleurs. La cryptanalyse par IA progresse alors que les gouvernements et les ingénieurs choisissent les fondements mathématiques qui devront protéger les systèmes numériques pendant des décennies.

Le 28 juillet 2026, Anthropic a déclaré que Claude Mythos Preview avait amélioré les attaques contre HAWK et une version à nombre de tours réduit d’AES-128. HAWK est un schéma de signature post-quantique proposé. AES est le chiffrement symétrique établi qui sous-tend d’innombrables applications sécurisées, bien qu’Anthropic n’ait testé qu’une variante délibérément affaiblie.

Simon Willison a mis en avant ces travaux avant de citer le cryptographe de Johns Hopkins Matthew Green le 29 juillet. Green a soutenu que la cryptanalyse par IA arrive à un moment exceptionnellement utile. Le secteur abandonne les signatures RSA et à courbes elliptiques au profit de nouveaux problèmes conçus pour résister aux ordinateurs quantiques.

Ce calendrier crée la tension centrale. Les résultats de Claude peuvent renforcer l’examen public avant que les normes n’atteignent la production. Toutefois, une cryptanalyse automatisée plus rapide peut aussi submerger les institutions humaines chargées de valider les découvertes, de coordonner les divulgations et de remplacer les conceptions compromises.

Les recherches d’Anthropic Simon ont changé la référence en matière de cryptanalyse

Le changement important n’est pas que Claude a cassé un chiffrement déployé, car ce n’est pas le cas. Claude a produit des améliorations de niveau recherche contre deux cibles soigneusement circonscrites.

Le premier résultat d’Anthropic concernait HAWK, un schéma de signature numérique fondé sur les réseaux euclidiens, examiné dans le cadre du processus supplémentaire de NIST pour les signatures post-quantiques. Une signature numérique permet à un logiciel de vérifier une identité et de détecter des modifications non autorisées sans exposer une clé de signature privée.

HAWK avait déjà franchi deux phases d’évaluation publique sur environ deux ans. Selon les recherches cryptographiques d’Anthropic, Mythos a amélioré la meilleure attaque connue après environ 60 heures de travail.

Le modèle a identifié un automorphisme non trivial, c’est-à-dire une symétrie mathématique au sein de la structure de réseau sous-jacente de HAWK. Des travaux antérieurs avaient établi que trouver une telle symétrie permettrait une attaque. Ils n’avaient pas montré que la symétrie pertinente était accessible dans HAWK.

Anthropic indique que l’attaque par énumération qui en résulte a réduit la sécurité effective du plus petit paramètre de défi HAWK-256. Le coût attendu de récupération de clé est passé d’environ 2^64 opérations à 2^38 opérations.

Cette différence est considérable. Un facteur de 2^26 sépare ces estimations, ce qui représente environ 67 millions de fois moins de travail selon le modèle indiqué. Néanmoins, HAWK-256 est un petit paramètre de défi, et non une configuration de production.

L’attaque reste exponentielle, donc son coût augmente rapidement avec des clés plus grandes. Anthropic affirme que les paramètres HAWK plus grands restent impossibles à attaquer en pratique. La faiblesse est également spécifique à HAWK plutôt qu’à la cryptographie sur réseaux dans son ensemble.

Le second résultat visait AES-128 à sept tours. AES-128 en production applique dix tours de transformations répétées, tandis que les chercheurs retirent intentionnellement des tours pour étudier le comportement de sa marge de sécurité.

Mythos a développé une méthode d’empreinte appelée Möbius Bridge. Anthropic indique qu’elle a supprimé une étape de devinette à 256 possibilités d’une attaque existante par rencontre au milieu, qui échange du stockage supplémentaire contre moins de calcul.

D’autres optimisations ont produit une accélération estimée de 200 à 800 fois par rapport aux attaques précédentes. Pourtant, l’expérience supposait toujours l’accès à 2^105 textes clairs choisis, un volume impossible pour toute opération pratique.

Le modèle n’a donc pas cassé AES tel qu’il est déployé. Il a fait progresser une ligne de recherche spécialisée portant sur une version de laboratoire plus faible. Cette distinction sépare un résultat scientifique significatif d’une urgence immédiate de cybersécurité.

Les deux axes de recherche ont été coûteux. Anthropic a estimé à environ 100 000 dollars l’utilisation d’API pour chacun des principaux résultats. L’enquête sur AES a généré environ un milliard de tokens de sortie avant d’aboutir à la méthode publiée.

La discussion autour d’Anthropic Simon est importante parce que Willison s’est concentré sur le peu de sollicitations expertes qui semblaient nécessaires. Les opérateurs humains ont à plusieurs reprises demandé au modèle de poursuivre des résultats plus difficiles plutôt que d’accepter sa conclusion initiale selon laquelle la tâche était irréalisable.

Ces interventions étaient importantes, mais elles ne contenaient pas l’intuition mathématique finale. Le modèle a proposé des transformations candidates, rejeté les approches échouées, testé des alternatives et développé l’empreinte centrale au moyen d’un processus de recherche agentique.

Le débat dépasse ainsi la question de savoir si une IA peut reformuler la littérature cryptographique connue. La question plus difficile est de savoir si une inférence soutenue du modèle, des outils de calcul et une orientation de recherche élémentaire peuvent produire de nouvelles attaques utiles.

Pourquoi Matthew Green juge le moment presque idéal

La cryptanalyse par IA émerge alors que la communauté de la sécurité remplace ses fondations de clé publique les plus importantes, ce qui donne une valeur exceptionnellement élevée à l’examen défensif.

L’argument de Green commence par la transition post-quantique. Les systèmes actuels de clé publique reposent généralement sur RSA ou la cryptographie à courbes elliptiques, dont la sécurité dépend de problèmes mathématiques que des ordinateurs quantiques suffisamment capables pourraient résoudre efficacement.

Cette menace ne signifie pas qu’un ordinateur quantique cryptographiquement pertinent existe aujourd’hui. Elle signifie que les systèmes à longue durée de vie ont besoin d’algorithmes de remplacement avant qu’une telle machine ne devienne disponible.

La migration prend des années parce que la cryptographie est profondément intégrée aux systèmes d’exploitation, aux navigateurs, aux services d’identité, aux appareils embarqués, aux certificats, aux infrastructures de paiement et aux logiciels d’entreprise. Les informations chiffrées stockées peuvent également être visées par des attaques de type « collecter maintenant, déchiffrer plus tard ».

NIST a lancé une normalisation post-quantique formelle en 2016. L’organisme a finalisé ses trois premières normes post-quantiques principales en août 2024, couvrant le chiffrement général et les signatures numériques.

L’agence a continué d’évaluer des approches supplémentaires pour les signatures. La diversité est importante, car les organisations ont des contraintes de performance différentes, tandis que s’appuyer sur une seule famille mathématique peut concentrer le risque systémique.

HAWK est entré dans cette recherche plus vaste comme une conception de signature compacte fondée sur l’isomorphisme des réseaux. Il présentait des caractéristiques susceptibles de le rendre attrayant lorsque la taille des signatures, celle des clés ou les compromis d’implémentation comptent.

Le résultat de Claude remet cet équilibre en question. Anthropic soutient que restaurer la marge de sécurité prévue nécessiterait des clés HAWK plus grandes, supprimant plusieurs qualités qui rendaient la proposition attrayante.

Ce résultat ne prouve pas que la normalisation publique a échoué. Les compétitions ouvertes exposent délibérément les algorithmes candidats à une analyse adversariale avant que les éditeurs de logiciels et les gouvernements n’en dépendent.

L’historique montre pourquoi. SIKE, un autre candidat post-quantique, a survécu à des années d’étude avant que des chercheurs ne découvrent une attaque classique dévastatrice en 2022. La compromission aurait été exécutée sur un ordinateur portable ordinaire.

Green voit l’IA comme un moyen d’élargir cette capacité adversariale pendant la période où elle offre le meilleur rendement défensif. La citation de Matthew Green relayée par Simon Willison décrit ce moment comme un « moment parfait » pour la cryptanalyse publique par IA.

L’avantage ne se limite pas à éliminer les candidats faibles. Des attaques répétées et crédibles peuvent aider les chercheurs à identifier quelles hypothèses méritent confiance et quels motifs de conception créent une exposition cachée.

La cryptographie ne gagne pas la confiance parce que personne n’a encore trouvé d’attaque. La confiance se construit au fil d’années de tentatives publiques, d’échecs publiés, d’attaques améliorées, de preuves corrigées et de reproductions indépendantes.

L’IA peut augmenter le nombre d’hypothèses explorées au cours de ce processus. Elle peut rechercher des articles obscurs, traduire des conditions mathématiques en expériences, écrire du code de vérification et maintenir actives plusieurs branches de recherche.

Cette capacité importe parce que l’attention des experts est rare. De nombreux algorithmes reçoivent bien moins d’analyses qu’AES, dont la conception fait l’objet d’un examen soutenu depuis que NIST l’a sélectionné en 2001.

Le meilleur argument défensif ressemble à des tests automatisés continus pour les mathématiques. Les modèles proposent des attaques, les outils de calcul écartent les idées faibles, les experts valident les survivantes et les concepteurs révisent leurs schémas.

Les développeurs qui suivent ces travaux ne devraient pas interpréter chaque résultat à nombre de tours réduit comme une raison d’abandonner les primitives approuvées. Ils devraient plutôt distinguer l’impact sur la production des indices sur les capacités de recherche futures.

La gestion des connaissances devient pertinente ici, car la vérification exige de préserver les prompts, les articles sources, les hypothèses échouées, le code, les commentaires des relecteurs et les décisions de divulgation. Une base de connaissances d’ingénierie interrogeable peut maintenir ces éléments de preuve liés pendant de longues revues.

La transition post-quantique donne à la cryptanalyse par IA une cible défensive claire. Les systèmes candidats sont publics, leur déploiement reste limité et les institutions disposent déjà de processus pour recevoir des analyses critiques.

Cet alignement favorable ne durera pas éternellement. Une fois qu’une primitive vulnérable est largement déployée, identifier sa faiblesse entraîne des coûts de remplacement urgents et un problème de divulgation potentiellement dangereux.

Le véritable affrontement oppose la découverte par IA à la vérification humaine

Le principal adversaire n’est pas Claude face aux cryptographes humains. C’est la vitesse de découverte automatisée face à la capacité humaine limitée nécessaire pour établir la vérité.

Anthropic décrit Mythos comme largement autonome au cours des deux enquêtes. Toutefois, la découverte et l’acceptation sont restées des étapes distinctes, et la seconde a progressé bien plus lentement.

L’attaque contre HAWK était relativement simple à valider, car les chercheurs pouvaient implémenter la chaîne de récupération de clé de bout en bout. Un vérificateur pouvait générer une clé, exécuter l’attaque et confirmer si elle récupérait le secret.

Le résultat concernant AES posait un défi différent. Ses exigences restent bien au-delà de toute exécution pratique, de sorte que les relecteurs ne pouvaient pas simplement lancer l’attaque complète à l’échelle revendiquée.

Ils ont plutôt dû inspecter les mathématiques, tester des instances plus petites, analyser la complexité et confirmer que chaque réduction se comportait comme décrit. Anthropic indique que deux chercheurs ont consacré plusieurs centaines d’heures à ce travail.

Le modèle a développé l’idée AES en environ une semaine. Les chercheurs humains ont ensuite eu besoin de près d’un mois pour parvenir à un niveau de confiance suffisant, malgré une attention intense portée à l’affirmation.

Anthropic a également reconnu que ses chercheurs n’étaient pas spécialistes de la cryptographie. Ils ont dû apprendre suffisamment du domaine pour valider la méthode et préparer un article.

Cette divulgation permet deux lectures. Elle montre qu’un modèle peut aider des non-spécialistes à obtenir des résultats avancés. Elle montre aussi pourquoi une évaluation indépendante par des experts reste nécessaire avant que le domaine accepte ces résultats.

Un modèle peut générer une prose mathématique convaincante tout en contenant des erreurs subtiles. Une longue dérivation peut dépendre d’une hypothèse injustifiée, d’un article antérieur manqué ou d’une estimation de complexité qui échoue avec des coûts mémoire réalistes.

La nouveauté pose un autre problème. Redécouvrir un résultat obscur peut sembler inédit lorsque la recherche bibliographique est incomplète. Ce risque augmente en cryptographie, où les travaux pertinents peuvent s’étendre sur des décennies, des langues, des ateliers, des prépublications et des notations spécialisées.

L’étude indépendante CryptanalysisBench apporte un contexte plus large. Ses auteurs ont réuni 191 tâches réparties entre six familles cryptographiques et trois niveaux de difficulté.

Cinq modèles de pointe auraient compromis entre 65 % et 86 % des schémas présentant des attaques pratiques connues. Ils ont également résolu entre six et douze tâches complètes d’un deuxième niveau plus difficile.

Ces chiffres n’établissent pas une capacité d’expert sans restriction. Les benchmarks simplifient l’environnement, les problèmes sélectionnés peuvent différer de la recherche ouverte, et les performances dépendent de l’échafaudage, des budgets d’inférence et des règles d’évaluation.

Cependant, les résultats étayent l’affirmation plus limitée d’Anthropic selon laquelle les modèles modernes peuvent effectuer un véritable travail de cryptanalyse. La question pertinente n’est plus de savoir si cette capacité existe tout court.

Le goulot d’étranglement se déplace désormais vers l’examen d’un volume croissant de résultats plausibles. Anthropic prévoit que la cryptographie académique pourrait subir la même pression de triage qui émerge déjà dans la recherche sur les vulnérabilités logicielles.

Il ne s’agit pas seulement d’une préoccupation administrative. Une fausse affirmation peut faire perdre des semaines de temps d’expert, ébranler la confiance dans une norme solide ou provoquer une panique publique autour de systèmes qui restent sûrs.

Une affirmation valide peut être encore plus difficile à gérer. Les évaluateurs doivent la reproduire, identifier les systèmes affectés, contacter les concepteurs, coordonner avec les organismes de normalisation et décider quand les détails techniques doivent être rendus publics.

Les vastes budgets d’inférence accentuent le déséquilibre. Les travaux sur AES ont consommé un milliard de tokens de sortie, alors que les humains ne peuvent ni lire ni auditer directement un tel volume.

Les chercheurs ont besoin de preuves structurées plutôt que de transcriptions brutes de modèles. Les systèmes utiles doivent consigner quelles affirmations ont résisté aux tests, quel code les étaye et où le jugement humain a modifié l’enquête.

Les laboratoires d’IA ont également besoin d’incitations qui récompensent les conclusions négatives soigneusement établies. Publier des titres spectaculaires comme « l’IA a cassé le chiffrement » peut attirer l’attention, même lorsque la cible n’est pas déployée ou a été délibérément affaiblie.

Simon Willison a évité cet écueil en soulignant la limite explicite d’Anthropic : aucun des deux résultats n’affecte les systèmes de production actuels. Son cadrage a maintenu l’attention sur la méthode de recherche et ses conséquences futures.

La compétition se jouera donc sur l’infrastructure de vérification. Des modèles plus rapides ne peuvent pas, à eux seuls, rendre la cryptographie plus sûre si les files d’examen croissent plus vite que les experts de confiance ne peuvent les résorber.

Ce que le récit Anthropic-Simon ne doit pas exagérer

Les attaques de Claude méritent l’attention, mais elles ne montrent pas que le chiffrement d’Internet s’effondre ou que l’IA a vaincu la cryptographie moderne.

Le résultat concernant HAWK affecte un schéma de signature proposé. Il n’affaiblit ni les algorithmes post-quantiques standardisés déjà sélectionnés par NIST, ni les autres candidats à la signature, ni toutes les constructions fondées sur les réseaux.

HAWK n’a par ailleurs aucune présence établie en production. Le retirer ou le réviser pendant son évaluation illustrerait le bon fonctionnement du processus de normalisation avant un déploiement généralisé.

Le résultat concernant AES est encore plus facile à présenter de manière erronée. AES-128 complet utilise dix tours, tandis que Mythos en a attaqué sept. Retirer trois tours modifie l’objet analysé.

Les chercheurs étudient les chiffrements à nombre réduit de tours parce que les améliorations peuvent révéler des enseignements structurels. Pourtant, une attaque contre sept tours ne s’étend pas automatiquement à huit, neuf ou dix.

Son exigence en données compte également. L’attaque précédente supposait 2^105 textes en clair choisis, et l’amélioration d’Anthropic n’a pas rendu cette exigence opérationnellement plausible.

À titre d’échelle, 2^105 représente environ 40 undécillions d’entrées. Aucun attaquant ne peut collecter, transmettre, stocker ou traiter autant de chiffrements choisis contre un véritable service.

La propre note de bas de page d’Anthropic indique que la mise en œuvre de l’attaque à nombre réduit de tours coûterait toujours des centaines de millions de dollars. Même cette estimation concerne un chiffrement affaibli plutôt qu’AES-128 déployé.

L’entreprise mérite d’être reconnue pour avoir clairement exposé ces limites. Les couvertures secondaires et les publications sur les réseaux sociaux peuvent néanmoins les effacer, transformant « attaque académique améliorée » en « l’IA a cassé AES ».

Des questions restent également sans réponse sur l’attribution. Anthropic a publié des éléments montrant l’activité du modèle, mais tout flux de travail agentique complexe mélange les sorties du modèle avec la conception de l’échafaudage, l’accès aux outils, la sélection de la cible et les retours humains.

Les prompts humains étaient brefs, se limitant parfois essentiellement à des encouragements. Pourtant, des humains ont choisi la cible de recherche, construit l’environnement, examiné les sorties et décidé quelles branches méritaient des calculs supplémentaires.

Qualifier ce travail de pleinement autonome exagérerait donc les preuves. Une description plus exacte serait une recherche agentique soutenue, avec une orientation substantielle limitée et une validation humaine étendue.

Le coût limite également la généralisation. Environ 100 000 $ par résultat est une dépense gérable pour un laboratoire de pointe ou un programme gouvernemental. Ce n’est pas une dépense courante pour la plupart des groupes universitaires ou des équipes de normalisation.

Les futurs modèles pourraient réduire ce coût. Pour l’instant, le résultat démontre ce qu’un budget d’inférence important et concentré peut accomplir, et non ce que chaque développeur peut reproduire lors d’une courte session de chat.

Les preuves issues des benchmarks méritent une retenue similaire. La réussite sur des cassures connues confirme une capacité de recherche et de raisonnement, mais elle ne prouve pas que les modèles identifieront de manière fiable des failles inconnues dans la cryptographie de production.

La sélection des recherches peut créer un biais de visibilité. Les enquêtes réussies deviennent des articles, tandis que les exécutions échouées, les résultats dupliqués et les affirmations invérifiables reçoivent moins d’attention publique.

Anthropic a indiqué que de nombreuses sessions n’avaient produit aucune découverte. Ce détail doit rester central lors de l’évaluation de l’efficacité et de la fiabilité de l’approche.

Une confirmation indépendante constituera le test le plus solide. Les auteurs de HAWK, les participants à NIST et les cryptographes externes doivent examiner les estimations de sécurité de l’attaque et ses implications.

Le compte rendu technique de CyberScoop a rapporté qu’Anthropic s’était coordonné avec des universitaires et avait divulgué la découverte concernant HAWK avant publication. Ce processus renforce la confiance, mais la publication marque le début, et non la fin, de l’examen public.

La plus grande incertitude concerne ce qui se passe lorsque la cible change. Les schémas proposés et les chiffrements à nombre réduit de tours sont des sujets de recherche plus sûrs que les algorithmes déployés protégeant les communications actuelles.

Une faille générée par IA dans un protocole courant créerait des obligations contradictoires. Les chercheurs auraient besoin d’une ouverture suffisante pour permettre une vérification indépendante, mais une publication prématurée pourrait fournir aux attaquants une méthode opérationnelle.

Les fournisseurs de modèles pourraient également disposer de capacités importantes avant que les institutions externes n’aient un accès comparable. Cette asymétrie soulèverait des questions de supervision, de délais de divulgation et de décision sur les recherches qui sont publiées.

Ces problèmes de gouvernance n’invalident pas l’argument défensif. Ils montrent pourquoi la capacité de recherche et la capacité institutionnelle doivent croître ensemble.

Trois signaux montreront si l’IA rend la cryptographie plus sûre

La prochaine phase dépend de la reproductibilité, de l’adoption par les normes et de la capacité des systèmes de vérification à évoluer au même rythme que les découvertes générées par les modèles.

Le premier signal est la reproduction indépendante de l’attaque contre HAWK. Des chercheurs externes devraient confirmer l’automorphisme non trivial, l’estimation de 2^38 pour HAWK-256 et l’effet sur les paramètres plus grands.

Cette reproduction renforcerait l’affirmation selon laquelle un modèle agentique a trouvé une faiblesse significative manquée lors d’un long examen public. Des corrections importantes affaibliraient les affirmations sur la fiabilité de recherche de Claude.

Le deuxième signal est le traitement de HAWK et de candidats similaires par NIST. Les évaluateurs pourraient rejeter HAWK, réviser ses paramètres, demander une analyse supplémentaire ou décider que d’autres avantages justifient la poursuite de son examen.

Le résultat exact importe moins que le processus. Les organismes de normalisation ont besoin d’un moyen reproductible d’accepter les soumissions assistées par IA sans abaisser les exigences en matière de preuves.

La cryptanalyse générée par IA doit faire l’objet du même examen mathématique que les travaux humains. Elle peut aussi nécessiter des dossiers supplémentaires couvrant les paramètres d’inférence, les échafaudages, l’accès aux outils, les pistes abandonnées et les interventions humaines.

Le troisième signal est l’extension promise par Anthropic de l’évaluation publique. L’entreprise a déclaré prévoir un atelier universitaire et d’autres publications couvrant des attaques contre d’autres chiffrements à nombre réduit de tours.

Anthropic a rapporté une attaque préliminaire contre LEA à 13 tours qui s’exécute en moins d’une heure sur un ordinateur de bureau moderne. LEA complet utilise 24 tours, de sorte que ce résultat n’a pas non plus d’impact immédiat sur la production.

Elle a également décrit une attaque contre six tours de Serpent-128, dont la conception complète utilise 32 tours. D’autres améliorations limitées auraient concerné Salsa20, Poseidon et SHA-1.

Ces affirmations de suivi nécessitent des articles, du code, un examen externe et des modèles de menace précis. Un flux régulier de résultats confirmés indépendamment soutiendrait l’interprétation optimiste de Green.

Un flot d’affirmations peu claires ou dupliquées indiquerait au contraire le goulot d’étranglement de la vérification. Le domaine aurait alors besoin d’un meilleur filtrage avant d’accroître le volume brut des découvertes.

À plus long terme, les chercheurs devraient surveiller si les modèles passent de l’attaque de variantes réduites à l’évaluation de conceptions candidates complètes. Les primitives de production à tous les tours fixent une barre bien plus élevée.

Ils devraient également mesurer à quelle fréquence l’IA trouve des failles avant les évaluateurs humains. Les réussites individuelles sont instructives, mais des comparaisons systématiques révéleraient si les modèles élargissent la couverture ou dupliquent surtout le travail des experts.

La spécification HAWK et les documents publics associés offrent l’environnement adéquat pour ce test. Les spécifications ouvertes permettent à des équipes indépendantes de remettre en question à la fois la conception et l’analyse d’Anthropic.

Les organisations n’ont pas besoin de modifier AES déployé à cause de ces recherches. Elles devraient continuer à suivre les recommandations cryptographiques approuvées, inventorier les dépendances héritées aux clés publiques et préparer des plans de migration post-quantique.

Les responsables de la sécurité devraient également établir des procédures de réception des résultats assistés par IA. Ces procédures doivent prévoir un triage technique, des exigences de reproductibilité, des canaux de divulgation et une responsabilité claire pour les décisions de remédiation.

Les chercheurs devraient conserver les résultats négatifs. Les approches échouées peuvent éviter les travaux dupliqués, révéler les limites des modèles et montrer si une réussite revendiquée découle d’une recherche systématique ou d’une chance exceptionnelle.

L’échange entre Anthropic et Simon illustre finalement un rare alignement entre capacité et besoin. L’IA devient meilleure en mathématiques adversariales précisément au moment où le monde a besoin d’un examen plus large d’hypothèses de sécurité peu familières.

L’optimisme de Green reste conditionnel. La cryptanalyse par IA ne renforce la sécurité que lorsque les humains peuvent valider ses résultats, réviser les conceptions faibles et coordonner les divulgations avant que les attaquants n’obtiennent un avantage.

Les organismes de normalisation développeront-ils cette capacité tant que les cibles ne sont pas encore déployées ? Les développeurs, chercheurs et équipes de sécurité devraient suivre de près les trois signaux : la reproduction indépendante, la réponse de NIST et la qualité des prochaines divulgations d’Anthropic.

Ces signaux révéleront si les travaux de Claude inaugurent une ère plus sûre d’examen cryptographique continu ou créent simplement une file plus rapide d’affirmations en attente de jugement humain.