L’avertissement de Bill Gates sur les cyberattaques par IA place les acteurs malveillants devant l’IA incontrôlable

Selon Bill Gates, les cyberattaques alimentées par l’IA deviendront la menace la plus visible de cette technologie au cours de l’année à venir. Son avertissement détourne l’attention d’une rébellion lointaine des machines pour la ramener vers des criminels qui exploitent déjà des modèles performants.

Cette distinction est importante. L’avertissement de Bill Gates sur les cyberattaques par IA ne porte pas principalement sur un système autonome décidant d’attaquer un hôpital ou un réseau électrique. Il concerne des personnes qui retirent des garde-fous, automatisent des opérations offensives et ciblent des organisations incapables de corriger leurs failles ou de répondre à la même vitesse.

Gates a également contesté l’idée que les entreprises d’IA puissent gérer seules ce danger. Son argument place les développeurs de modèles, les gouvernements et les opérateurs d’infrastructures critiques dans une compétition inconfortable. Les attaquants peuvent expérimenter rapidement, tandis que les défenseurs doivent protéger des systèmes complexes sans perturber des services essentiels.

Des recherches récentes en sécurité confirment une partie de son diagnostic. L’IA aide les attaquants à écrire des malwares, à découvrir des vulnérabilités et à coordonner davantage d’étapes d’une intrusion. Toutefois, les éléments disponibles ne montrent pas encore que des IA pleinement autonomes mènent régulièrement des attaques complètes sans direction humaine.

La véritable compétition n’oppose donc pas les humains à une superintelligence dévoyée. Elle oppose des attaquants assistés par l’IA à des institutions qui tentent de déployer des défenses assistées par l’IA de manière sûre, légale et fiable.

Ce contre quoi Bill Gates a réellement mis en garde

Gates a identifié l’utilisation malveillante de l’IA existante comme le danger immédiat, tout en considérant la perte de contrôle comme un problème à plus long terme.

Lors d’un entretien le 11 octobre, Gates a prédit que les cyberattaques seraient le domaine dans lequel les risques liés à l’IA se manifesteraient le plus fortement au cours de l’année à venir. Il s’attend à ce qu’il appelle des « mauvaises surprises » provenant de modèles performants utilisés sans leurs garde-fous habituels.

L’avertissement rapporté distinguait deux scénarios souvent confondus dans les débats publics. Le premier concerne des systèmes d’IA devenant incontrôlables. Le second implique des criminels, des groupes soutenus par des États ou des extrémistes qui orientent délibérément des systèmes disponibles vers des objectifs nuisibles.

Gates a placé le second scénario en tête. Il a déclaré que la fuite de l’IA hors du contrôle humain restait une préoccupation importante, mais que ses effets les plus considérables se situent encore dans plusieurs années. À l’inverse, des utilisateurs malveillants peuvent déjà rechercher des modèles, des interfaces ou des systèmes modifiés offrant moins de restrictions.

Un garde-fou est un contrôle technique ou politique qui limite les comportements dangereux d’un modèle. Il peut consister à refuser certaines requêtes, surveiller des usages suspects, restreindre l’accès à des capacités avancées ou suspendre les comptes liés à des abus.

Ces contrôles réduisent les risques sur les plateformes commerciales, mais ils ne couvrent pas chaque modèle ni chaque déploiement. Les attaquants peuvent tenter de contourner les filtres, répartir une tâche nuisible entre de nombreuses requêtes, utiliser des comptes volés ou passer d’un système à l’autre. Ils peuvent aussi combiner les résultats produits par l’IA avec des outils de piratage conventionnels.

Cela rend l’échéance évoquée par Gates plausible sans exiger un saut spectaculaire de l’intelligence artificielle. Un attaquant n’a pas besoin d’un modèle qui comprenne de manière indépendante l’ensemble d’un réseau d’entreprise. Un système qui accélère la reconnaissance, le codage, la traduction, le phishing et l’analyse de données peut déjà accroître les capacités opérationnelles.

Son avertissement reflète également une évolution plus large de sa position publique. Gates avait auparavant soutenu que mettre en pause les développeurs responsables risquait de donner un avantage à des acteurs moins responsables. Il voit toujours de la valeur dans des systèmes défensifs performants, mais souligne désormais que les contrôles privés nécessitent des normes externes et une supervision publique.

Dans son plus large essai sur la transition vers l’IA, Gates a estimé que les gouvernements et les communautés ne se préparent pas suffisamment aux conséquences sociales et sécuritaires de cette technologie. La prédiction concernant les cyberattaques transforme cette préoccupation générale en un test à court terme.

Si les attaques deviennent plus rapides ou plus destructrices, le débat ne restera pas cantonné à des modèles futurs hypothétiques. Les décideurs devront déterminer si les garde-fous actuels ont échoué parce qu’ils étaient techniquement faibles, appliqués de façon incohérente ou absents des systèmes choisis par les attaquants.

C’est pourquoi cette histoire a plus de poids qu’un nouvel avertissement de célébrité sur l’IA. Gates a associé un calendrier à son propos, identifié un canal de menace précis et rejeté l’idée que l’action volontaire des entreprises soit suffisante.

Pourquoi l’avertissement de Bill Gates sur les cyberattaques par IA intervient maintenant

L’avertissement survient alors que le renseignement sur les menaces passe d’exemples de piratage assisté par l’IA à des preuves d’opérations coordonnées en plusieurs étapes.

Les premiers récits sur l’usage criminel de l’IA se concentraient souvent sur des e-mails de phishing réécrits ou du code malveillant simple. Ces cas comptaient, mais ils ne prouvaient pas que l’IA avait fondamentalement modifié les capacités d’un attaquant.

Les éléments plus récents sont plus préoccupants, car l’usage de l’IA s’étend plus profondément dans le cycle de vie des attaques. Ce cycle comprend la reconnaissance, l’accès initial, la persistance, l’élévation de privilèges, les déplacements latéraux et le vol de données.

Anthropic a examiné 832 comptes bannis pour activité cybercriminelle malveillante entre mars 2025 et mars 2026. Son analyse des cybermenaces a constaté que 560 comptes, soit 67,3 %, utilisaient l’IA pour aider à écrire des malwares.

Plus important encore, 54 comptes ont utilisé l’IA pour des déplacements latéraux. Les déplacements latéraux désignent le passage d’un système compromis à d’autres systèmes au sein de la même organisation. Cela exige une meilleure compréhension du contexte que la rédaction d’un message de phishing générique.

Anthropic a également rapporté une évolution du profil de risque des acteurs observés. Au cours des six premiers mois, 33 % d’entre eux ont reçu une classification de risque moyen ou supérieur. Cette part est passée à 56 % durant les six mois suivants.

L’entreprise a interprété ce phénomène comme la preuve que l’IA peut élever le niveau de menace effectif d’un attaquant. Son jeu de données suggérait aussi que le nombre de techniques utilisées ne correspondait plus clairement au niveau de compétence initial de l’opérateur.

Cette conclusion explique une partie des inquiétudes de Gates. La cybersécurité s’est traditionnellement appuyée sur les écarts d’expertise, de ressources et de discipline opérationnelle. Un novice pouvait acquérir un malware, mais un opérateur expérimenté savait comment s’adapter après avoir pénétré dans un environnement inconnu.

L’IA réduit cet écart. Elle peut expliquer les erreurs, interpréter les résultats du système, réviser le code et suggérer l’action suivante. Un humain reste impliqué, mais une seule personne peut tenter un travail qui nécessitait auparavant une équipe plus importante ou plus spécialisée.

Google a observé une évolution similaire. Son AI threat tracker a décrit des adversaires appliquant des modèles génératifs à de plus larges parties de leurs flux de travail.

Google a indiqué avoir identifié un acteur criminel disposant d’un exploit zero-day qu’il estime avoir été développé à l’aide de l’IA. Un zero-day est une vulnérabilité logicielle jusque-là inconnue, pour laquelle les défenseurs ne disposent initialement d’aucun correctif.

L’entreprise a également documenté des malwares activés par l’IA capables d’interpréter les conditions d’un système et de générer des commandes durant leur exécution. Cela ne signifie pas que les malwares sont devenus intelligents de manière indépendante. Cela signifie que les modèles peuvent aider les logiciels malveillants à adapter leur comportement après avoir atteint une cible.

Ces évolutions rendent le processus d’attaque plus évolutif. Un acteur malveillant peut demander à l’IA d’examiner plusieurs composants logiciels, de préparer des scripts adaptés, d’interpréter les réponses défensives et de conserver des informations au fil de tâches répétées.

Toutefois, le mot le plus important reste « assister ». Les éléments actuels montrent généralement que des personnes choisissent les cibles, fixent les objectifs, approuvent les décisions à fort impact ou corrigent les échecs. L’IA accroît la vitesse et la portée, mais les opérateurs humains façonnent encore la campagne.

Cette nuance ne devrait pas réduire le sentiment d’urgence. Les cyberincidents les plus dommageables n’ont jamais nécessité une intelligence pleinement autonome. Ils ont nécessité un accès, de la persistance, des contrôles faibles, une détection tardive et une organisation incapable de se rétablir rapidement.

L’IA peut intensifier chacune de ces conditions. Elle peut générer davantage de variantes, tester davantage de voies et aider les attaquants à poursuivre leurs efforts après l’échec de leur première technique. Le résultat peut sembler autonome à un défenseur, même lorsqu’un humain reste à l’origine du processus.

La véritable compétition oppose les attaquants aux défenseurs

La prédiction de Gates dépend moins de la capacité absolue de l’IA que de la partie qui pourra appliquer cette capacité le plus rapidement.

La cybersécurité est un domaine à double usage. Le même modèle qui aide un attaquant à localiser du code vulnérable peut aider un développeur à le trouver et à le corriger. Le même système qui analyse des identifiants volés peut aider une équipe de sécurité à détecter des accès anormaux.

Cela crée un équilibre entre l’offensive et la défense, c’est-à-dire l’avantage relatif détenu par les attaquants ou les défenseurs à un moment donné. L’IA ne pousse pas automatiquement cet équilibre dans une seule direction.

Les attaquants disposent de plusieurs avantages pratiques. Ils peuvent tolérer des résultats peu fiables, cibler l’organisation la plus vulnérable disponible et répéter une opération jusqu’à ce que quelque chose fonctionne. Ils n’ont pas besoin de satisfaire les régulateurs, de préserver la disponibilité des services ou d’expliquer une décision automatisée.

Les défenseurs sont soumis à une norme différente. Un hôpital ne peut pas isoler chaque machine suspecte si cela interrompt les soins. Un opérateur de services publics ne peut pas laisser un agent non testé modifier les contrôles de production chaque fois qu’il détecte une anomalie.

Les faux positifs entraînent eux aussi des coûts réels. Un système défensif automatisé qui bloque à répétition des employés légitimes hors de services critiques peut provoquer sa propre crise opérationnelle.

Le International AI Safety Report 2026 rend compte de cette incertitude. Il a trouvé des preuves solides que des criminels et des groupes associés à des États utilisent l’IA dans des opérations cybernétiques, mais a indiqué que l’effet sur la gravité globale des attaques reste incertain.

Le rapport a également relevé qu’un agent d’IA avait identifié 77 % des vulnérabilités dans de vrais logiciels lors d’une grande compétition. Cette performance l’a placé parmi les 5 % les mieux classés de plus de 400 équipes participantes.

Pour autant, la réussite dans un benchmark ne se traduit pas directement par des attaques fiables contre des organisations en activité. Les réseaux réels comportent une documentation incomplète, des configurations inhabituelles, des systèmes de surveillance et des défenseurs humains qui adaptent leur comportement.

Le rapport n’a relevé aucun cas documenté de cyberattaque pleinement autonome, de bout en bout, sans implication humaine significative. Il a décrit des capacités semi-autonomes, avec des personnes intervenant à des points de décision importants.

Ces éléments soutiennent autant qu’ils limitent l’avertissement de Bill Gates sur les cyberattaques par IA. Les systèmes sont devenus suffisamment capables pour accroître la capacité des attaquants. Ils n’ont pas éliminé le besoin de jugement opérationnel.

Les défenseurs peuvent aussi utiliser l’IA pour rétroconcevoir des malwares, prioriser les alertes, inspecter du code et produire des synthèses d’incidents. Ces applications peuvent réduire le temps consacré par les équipes de sécurité au tri des informations courantes.

Mais l’adoption restera inégale. Les grandes entreprises technologiques peuvent financer des agents de sécurité spécialisés, maintenir une télémétrie étendue et tester des modèles dans des environnements contrôlés. Les écoles, les collectivités locales, les cabinets médicaux et les petits fournisseurs pourraient avoir du mal à faire de même.

Cet écart peut donner aux attaquants un avantage indirect. Ils n’ont pas besoin de vaincre le fournisseur cloud le mieux protégé. Ils peuvent compromettre un sous-traitant, une dépendance logicielle, un compte employé ou un appareil périphérique négligé connecté à un réseau plus vaste.

L’issue la plus probable n’est pas une crise universelle et unique de la sécurité de l’IA. Il s’agit plutôt d’un écart grandissant entre les organisations capables d’opérer des défenses à la vitesse des machines et celles qui dépendent de correctifs tardifs, de journaux limités et d’enquêtes manuelles.

Pour les dirigeants d’entreprise, cela change la question pertinente. Demander si l’IA est bonne ou mauvaise pour la cybersécurité est trop général. La question pratique est de savoir si leur propre cycle défensif devient plus rapide que le cycle d’attaque.

Les garde-fous comptent, mais ils ne constituent pas un périmètre de sécurité

Les restrictions appliquées aux modèles peuvent perturber les abus, mais elles ne remplacent pas les contrôles d’identité, les systèmes corrigés, la segmentation réseau et les plans de reprise testés.

Gates s’est concentré sur les systèmes dont les garde-fous peuvent être supprimés. Ce cadrage met en évidence un problème réel, mais il peut aussi donner l’impression que les contrôles des plateformes sont plus complets qu’ils ne le sont.

Les fournisseurs commerciaux de modèles peuvent détecter des comportements suspects et fermer des comptes. Ils peuvent limiter les réponses aux demandes concernant les logiciels malveillants, le vol d’identifiants ou des procédures biologiques dangereuses. Ils peuvent également réserver leurs capacités les plus sensibles à des utilisateurs contrôlés.

Le rapport sur les abus publié par Anthropic en septembre décrivait des opérations qu’elle avait perturbées entre décembre 2025 et août 2026. Les acteurs comprenaient des groupes soupçonnés d’être soutenus par des États, des criminels, des fournisseurs de logiciels espions et des individus à motivation politique.

Le rapport couvrait les opérations cybernétiques, les escroqueries, la surveillance, les campagnes d’influence, l’utilisation abusive de moyens biologiques et les activités liées aux armes. Anthropic a indiqué que les cas publiés représentaient des comportements notables plutôt qu’une utilisation typique de ses produits.

Cette précision est importante. Un fournisseur ne voit que l’activité sur ses propres services, à travers ses propres systèmes de surveillance. Il ne peut pas observer chaque modèle exploité localement, compte volé, plateforme étrangère ou outil conventionnel utilisé aux côtés de l’IA.

Le fournisseur décide aussi quels incidents divulguer. Les rapports publics sur les menaces fournissent des éléments précieux, mais ils ne constituent pas un recensement complet des attaques facilitées par l’IA.

Les garde-fous se heurtent à une seconde limite : les questions de cybersécurité sont souvent légitimes. Un chercheur en défense et un attaquant peuvent demander des explications similaires sur les vulnérabilités logicielles, la découverte de réseaux ou le comportement d’exploits.

Un système qui refuse toute question avancée de sécurité empêcherait également les défenseurs de travailler. Un système permissif pourrait fournir une aide utile à des utilisateurs malveillants. Les fournisseurs doivent prendre des décisions en fonction du contexte, du comportement, des accès et des signaux accumulés.

C’est pourquoi une distinction stricte entre « modèle sûr » et « modèle dangereux » est insuffisante. L’environnement environnant compte. L’authentification, les limites de débit, la journalisation, les autorisations d’outils et l’approbation humaine peuvent déterminer si un modèle se contente de suggérer une action ou l’exécute.

Les organisations qui introduisent des agents IA font face à un autre risque. Un agent ayant accès aux e-mails, aux dépôts de code, aux consoles cloud ou à la documentation interne multiplie les moyens par lesquels un attaquant peut manipuler des systèmes de confiance.

L’injection de prompts en est un exemple. Elle se produit lorsqu’un contenu malveillant donne à un système d’IA des instructions cachées ou trompeuses. Un agent peut rencontrer ces instructions dans un document, une page web, un ticket d’assistance ou un commentaire de code.

Le danger qui en résulte ne se limite pas aux fuites de données. Un agent mal contraint pourrait appeler un service externe, exposer des identifiants, modifier du code ou exécuter une action administrative non autorisée.

Les entreprises ont donc besoin de contrôles en dehors du modèle. Les agents ne devraient recevoir que les autorisations minimales nécessaires, et les actions conséquentes devraient nécessiter une approbation distincte. Les équipes de sécurité ont besoin de journaux montrant ce que le modèle a vu, décidé et tenté de faire.

C’est la limite sceptique de la prescription de Gates. Des restrictions supplémentaires peuvent réduire les abus sur les plateformes participantes, mais elles ne peuvent à elles seules supprimer la surface d’attaque. Elles ne peuvent pas non plus réparer les logiciels non pris en charge ni améliorer le processus de reprise d’une organisation.

La réglementation fait face à la même tension. Les règles peuvent exiger des évaluations, la divulgation d’incidents, des contrôles d’accès ou des évaluations des risques. Elles ne peuvent pas garantir que chaque attaquant utilise un fournisseur conforme.

La réponse politique la plus solide combinerait des obligations au niveau des modèles avec une résilience cybernétique conventionnelle. Cela comprend le développement logiciel sécurisé, l’application rapide des correctifs, la protection des identifiants, les réseaux segmentés et une réponse aux incidents régulièrement répétée.

L’avertissement ne devient trompeur que s’il encourage les organisations à attendre une réglementation de l’IA avant de corriger des faiblesses connues. L’IA augmente la valeur de la sécurité de base, car elle permet aux adversaires de sonder ces faiblesses plus efficacement.

Les entreprises d’IA, les gouvernements et les opérateurs sont tous sous pression

Aucun participant ne contrôle à lui seul une part suffisante du système pour gérer la menace, ce qui rend la coordination à la fois essentielle et difficile.

Gates a rejeté l’autorégulation du secteur comme réponse suffisante. Son inquiétude est compréhensible, car les entreprises de modèles font face à un conflit entre la publication de capacités utiles et la limitation de comportements créant un risque public.

Elles sont également en concurrence les unes avec les autres. Une entreprise qui impose des examens coûteux ou limite l’accès aux outils peut craindre de perdre des développeurs au profit d’un service moins restrictif. Les engagements volontaires peuvent s’affaiblir lorsque les mesures de sécurité affectent les calendriers de publication ou les performances des produits.

Les gouvernements peuvent établir des exigences communes, mais les capacités cybernétiques traversent les frontières nationales. Une restriction dans un pays n’empêche pas un attaquant d’obtenir un modèle, des ressources de calcul ou des outils de piratage ailleurs.

Des règles générales peuvent également protéger les entreprises établies en augmentant les coûts pour les petits développeurs. Les décideurs politiques doivent distinguer les contrôles visant des capacités réellement dangereuses de la paperasserie qui ralentit la recherche ordinaire sans empêcher les abus.

Les opérateurs d’infrastructures critiques supportent une autre charge. Les hôpitaux, les services publics, les réseaux de transport et les institutions financières dépendent souvent de systèmes anciens qui ne peuvent pas être remplacés rapidement.

Ces opérateurs doivent protéger la disponibilité autant que la confidentialité. Une réponse de sécurité qui interrompt un service public peut devenir aussi dommageable que l’intrusion qu’elle devait contenir.

Les entreprises de logiciels subissent la pression plus tôt dans la chaîne. Si l’IA réduit le délai entre la découverte d’une vulnérabilité et son exploitation, les fournisseurs ont besoin de tests, de divulgations, de correctifs et de communications clients plus rapides.

Les acheteurs en entreprise doivent également examiner leurs propres déploiements d’IA. Connecter un modèle à des systèmes internes crée de nouvelles questions d’identité et de gouvernance des données, même lorsque le fournisseur du modèle dispose de solides garde-fous.

Les employés peuvent coller du contenu confidentiel dans des outils non autorisés. Les développeurs peuvent accorder à des agents de codage un large accès aux dépôts. Les équipes peuvent automatiser des flux de travail sans décider qui reste responsable lorsqu’un agent prend une action dangereuse.

Il ne s’agit pas de scénarios exotiques de superintelligence. Ce sont des échecs de gouvernance familiers, amplifiés par des systèmes capables de lire, d’écrire, d’appeler des outils et de fonctionner en continu.

La gestion des connaissances devient une composante du problème de sécurité, car la réponse aux incidents dépend d’un contexte opérationnel précis et accessible. Les équipes doivent savoir quels systèmes existent, qui en est responsable et quelles procédures s’appliquent lors d’une compromission.

Une base de connaissances consultable et tenue à jour peut aider les intervenants à retrouver des guides opérationnels et des dossiers techniques. Elle nécessite toujours des contrôles d’accès, une gestion des versions et une vérification humaine avant que quiconque agisse sur la base de son contenu.

Les organisations les plus exposées seront celles qui déploient des agents IA sans inventorier leurs autorisations ni documenter les procédures d’urgence. Elles pourraient gagner en automatisation tout en perdant en visibilité sur la manière dont les décisions circulent dans le système.

L’avertissement de Gates exerce donc une pression sur bien plus que les laboratoires de modèles. Il concerne les conseils d’administration approuvant l’adoption de l’IA, les équipes de sécurité gérant les identités, les développeurs sélectionnant des dépendances et les régulateurs définissant la responsabilité.

Il incite également les acheteurs à exiger des preuves. Les fournisseurs devraient expliquer comment ils détectent les abus, séparent les clients, protègent les journaux, gèrent les comptes compromis et contiennent les agents qui dépassent leur périmètre prévu.

La question décisive n’est pas de savoir si une entreprise présente son produit comme sûr. Elle est de savoir si plusieurs contrôles limitent encore les dommages lorsqu’un modèle refuse de se comporter comme prévu ou qu’un utilisateur autorisé devient malveillant.

Trois signaux mettront à l’épreuve la prédiction de Gates

L’année à venir devrait être évaluée à partir d’éléments opérationnels documentés, et non du simple nombre de gros titres alarmants.

Le premier signal sera de savoir si les chercheurs spécialisés dans les menaces documentent davantage d’attaques dans lesquelles l’IA réalise un travail complexe après compromission. La découverte de vulnérabilités et le phishing comptent, mais les déplacements latéraux, l’élévation de privilèges et la persistance adaptative témoignent d’un impact opérationnel plus profond.

Une hausse durable renforcerait l’argument de Gates selon lequel l’IA change les acteurs capables de mener des attaques sophistiquées. Des cas isolés suggéreraient que la technologie reste un accélérateur pour un groupe relativement restreint.

Le deuxième signal est la réponse défensive des entreprises de modèles. Des progrès significatifs comprendraient des indicateurs d’abus partagés, des évaluations cohérentes des capacités, des contrôles de comptes renforcés et une divulgation plus claire des incidents graves.

Ces mesures ne mettraient pas fin aux usages malveillants. Elles montreraient si les fournisseurs commerciaux peuvent rendre les abus plus coûteux et plus faciles à identifier sur l’ensemble des plateformes.

Le troisième signal est la manière dont les gouvernements traitent les éléments issus d’incidents réels. Des exigences précises concernant les évaluations, la journalisation, les signalements et le contrôle des accès indiqueraient un dépassement de la gouvernance volontaire.

Des règles fondées sur des descriptions vagues de l’IA dangereuse seraient moins informatives. Une supervision efficace nécessite des seuils mesurables, des canaux protégés pour le partage de renseignements sur les menaces et de la place pour la recherche défensive légitime.

Les lecteurs devraient également éviter de considérer chaque violation majeure comme un incident lié à l’IA. Les attaquants exploitent encore des mots de passe faibles, des systèmes non corrigés, des services exposés et l’ingénierie sociale sans automatisation avancée.

L’attribution restera difficile, car l’IA laisse moins de traces distinctives qu’une famille unique de logiciels malveillants. Un e-mail de phishing soigné ne permet pas d’établir quel modèle l’a produit, ni si un modèle a changé matériellement l’issue.

Cette lacune de vérification rend indispensable un reporting rigoureux. Les chercheurs devraient distinguer l’utilisation confirmée de l’IA de l’utilisation présumée et expliquer ce que le système a apporté. Les fournisseurs devraient distinguer les tentatives d’abus d’une compromission réussie dans le monde réel.

Gates a formulé une affirmation vérifiable : les cyberattaques deviendront l’expression à court terme la plus spectaculaire du risque lié à l’IA. Les éléments disponibles montrent déjà une assistance, une automatisation et une orchestration accrues. Ils ne prouvent pas encore une hausse universelle de la gravité des attaques.

Les organisations ne devraient pas attendre cette preuve avant d’agir. Elles peuvent dès aujourd’hui inventorier les autorisations des agents, réduire les accès inutiles, protéger les identifiants, accélérer les correctifs, conserver des journaux utiles et répéter les procédures de reprise.

La question finale est pratique. Si l’avertissement de Bill Gates sur les cyberattaques liées à l’IA s’avère correct, votre organisation découvrira-t-elle ce changement grâce à ses propres défenses, ou à travers la première expérience réussie d’un attaquant ?