Un test de cyberattaque par IA de Booz Allen montre que les défenses des infrastructures sont trop lentes

Booz Allen a mené à bien huit scénarios de cyberattaque par IA, et des modèles de pointe ont atteint chacun des objectifs définis dans un environnement industriel contrôlé. Un modèle est passé d’un accès au périmètre à un réseau de contrôle industriel en un peu plus de 16 minutes. Un autre a localisé et déplacé un bras robotisé en quelques minutes.

Ces résultats ne documentent pas une attaque contre un réseau électrique, un service des eaux ou une usine en activité. Des opérateurs humains ont approuvé chaque exploitation de faille et chaque action susceptible de produire un effet physique. Le test remet toutefois en cause une hypothèse rassurante qui protège les systèmes industriels depuis des décennies.

La technologie opérationnelle, ou OT, contrôle les machines et les processus physiques plutôt que les données commerciales ordinaires. Sa complexité exigeait autrefois des spécialistes connaissant des protocoles obscurs, des équipements inhabituels et des environnements de production fragiles. Les modèles de Booz Allen ont acquis cette expertise au fil de leur travail.

Le conflit principal est désormais clair. Les agents IA peuvent rechercher, improviser et agir à la vitesse des machines, tandis que les opérateurs d’infrastructures restent contraints par des équipements vieillissants, des validations manuelles et des programmes de sécurité fragmentés. Les défenseurs ne font pas seulement face à une nouvelle vulnérabilité. Ils font face à un calendrier d’attaque compressé.

Ce que le test de cyberattaque par IA de Booz Allen a réellement révélé

Le résultat crucial n’est pas qu’un modèle d’IA ait émis des commandes, mais qu’il ait relié découverte, planification, dépannage et action physique dans une opération continue.

Booz Allen a construit un laboratoire multi-fournisseurs inspiré d’une installation de fabrication générale. L’environnement comprenait des systèmes d’entreprise, une zone démilitarisée industrielle, des opérations d’usine et des réseaux de production. Des pare-feu et des commutateurs séparaient ces zones.

Le laboratoire incluait également des automates programmables industriels, couramment appelés PLC. Ces ordinateurs dédiés contrôlent les équipements industriels au moyen d’une logique prédéfinie. Des interfaces homme-machine, ou HMI, fournissaient aux opérateurs des écrans pour surveiller et modifier les conditions de production.

Parmi les autres composants figuraient des postes d’ingénierie, des services d’usine, des capteurs, des équipements réseau, un variateur de fréquence et un bras robotisé. Une plateforme de supervision, contrôle et acquisition de données reliait les opérateurs aux appareils de terrain. Cette plateforme est généralement désignée par l’acronyme SCADA.

Booz Allen a décrit l’environnement comme volontairement réaliste. Il combinait différents fournisseurs, versions de micrologiciels, logiques de contrôle et une segmentation réseau imparfaite. Ces conditions reflètent la dette technique présente dans de nombreux environnements industriels exploités sur le long terme.

L’entreprise a testé deux modèles de pointe non nommés dans huit scénarios contrôlés. Booz Allen n’a pas identifié leurs développeurs, ce qui limite les comparaisons et réplications indépendantes. Elle les a seulement décrits comme des modèles récents issus de fournisseurs majeurs.

Les agents n’ont reçu aucun code source, aucune documentation d’ingénierie ni instruction OT avancée. Ils devaient identifier les équipements, rechercher les appareils, trouver des faiblesses, élaborer des chemins d’attaque et résoudre eux-mêmes les échecs.

Selon les résultats des tests contrôlés, chaque objectif défini a été atteint. Les agents ont cartographié l’environnement, identifié les actifs critiques, trouvé des vulnérabilités et développé des méthodes d’accès fonctionnelles.

Ils ont également combiné des faiblesses pour atteindre les systèmes de production. Lorsqu’ils y étaient autorisés, ils ont manipulé des contrôleurs, modifié des valeurs de fonctionnement, commandé des équipements connectés et altéré ce que les opérateurs pouvaient voir.

Un scénario a commencé par une compromission du périmètre. Le modèle a progressé jusqu’au réseau de contrôle industriel et exécuté des actions internes en un peu plus de 16 minutes. Cet intervalle est important, car de nombreux processus de sécurité OT supposent encore que les défenseurs disposeront de plusieurs heures ou jours pour enquêter sur une activité inhabituelle.

Le scénario du bras robotisé était tout aussi significatif. Un agent a recherché des protocoles robotiques courants, identifié l’appareil, découvert son interface de programmation d’applications et obtenu un accès administrateur. Il a ensuite cartographié les limites de mouvement et les zones de protection avant de déplacer le bras.

Le bras était un robot collaboratif léger, souvent appelé cobot. Ce type d’équipement peut fonctionner près des personnes sans la cage de sécurité qui entoure les robots industriels plus imposants. Le compromettre peut donc créer davantage qu’un problème de production.

Un mouvement inattendu pourrait endommager des équipements voisins, interrompre les opérations ou mettre des personnes en danger. Le laboratoire n’a pas testé ces conséquences, mais il a établi la chaîne de contrôle nécessaire pour provoquer un mouvement physique.

Ce résultat modifie le débat sur les attaques IA contre les infrastructures. La question pertinente n’est plus de savoir si un modèle généraliste connaît un protocole industriel précis. Elle est de savoir si un agent peut apprendre suffisamment de protocoles, d’interfaces et de faiblesses au cours d’une opération.

Les tests de Booz Allen indiquent que des modèles récents peuvent y parvenir dans des conditions contrôlées. Cette conclusion transforme les connaissances industrielles spécialisées, autrefois barrière durable, en obstacle temporaire.

Pourquoi l’adaptation à la vitesse des machines modifie le risque

Les agents IA réduisent la distance entre une faiblesse négligée et une conséquence physique.

Les attaques traditionnelles contre des environnements industriels exigent souvent plusieurs spécialistes. Une personne peut obtenir l’accès initial, tandis qu’une autre cartographie le réseau. Un expert OT identifie ensuite les contrôleurs, les protocoles, les systèmes de sécurité et les conséquences pour la production.

La coordination prend du temps. Les attaquants doivent transmettre leurs découvertes, valider leurs hypothèses et se remettre de techniques ayant échoué. Ces délais offrent aux défenseurs des occasions de repérer un comportement inhabituel ou d’isoler des systèmes compromis.

Les agents testés ont comprimé ces étapes. Ils ont réalisé la découverte des actifs, la recherche technique, la planification de l’exploitation et l’exécution dans la même boucle opérationnelle. Ils ont également révisé leurs plans lorsque l’environnement contredisait leurs hypothèses.

Ce comportement adaptatif est apparu clairement dans le scénario SCADA. Les agents ont d’abord ciblé la mauvaise version d’une interface opérateur. Un script d’automatisation fixe aurait pu s’arrêter là ou répéter la même technique défaillante.

Les modèles ont plutôt vérifié les sessions actives et identifié la version cliente utilisée dans la salle de contrôle. Ils ont trouvé du code Jython modifiable dans un projet SCADA exporté, reconstruit la charge utile et utilisé une interface administrative pour la distribuer.

Les agents ont aussi découvert des connexions actives préauthentifiées entre la passerelle SCADA et 14 appareils OT. Préauthentifiées signifie que la passerelle détenait déjà des sessions de confiance, de sorte que les appareils en aval n’exigeaient pas de nouvelle connexion.

La compromission d’un système central ouvrait donc des voies potentielles vers de nombreux contrôleurs. Elle créait aussi un moyen de modifier à la fois les valeurs physiques et les affichages des opérateurs.

Cette combinaison est particulièrement dangereuse. Un attaquant qui modifie un processus sans pouvoir dissimuler le changement donne aux opérateurs la possibilité d’intervenir. Un attaquant qui modifie également l’affichage peut faire paraître le processus normal.

Le test n’a pas provoqué de véritable catastrophe industrielle. Il a toutefois reproduit un mécanisme associé à certains des scénarios d’attaque industrielle les plus graves. L’attaquant obtient le contrôle tout en dégradant la compréhension qu’ont les opérateurs de la situation.

Un second scénario a montré comment un agent pouvait tirer parti d’un comportement réseau ordinaire. Le modèle a remarqué qu’un appareil lié à la sécurité demandait à plusieurs reprises un partenaire de communication absent. Il a reconnu que ces requêtes sans réponse révélaient une possible voie d’usurpation d’identité.

L’agent a proposé d’adopter l’adresse du partenaire manquant et d’attendre une connexion. Cette approche ne dépendait pas d’un exploit préparé pour un produit nommé. Elle a émergé de l’observation du réseau et d’un raisonnement sur la relation attendue par l’appareil.

C’est le changement plus profond derrière les attaques IA contre les infrastructures. Les agents n’ont pas besoin d’une carte complète avant de commencer. Ils peuvent construire la carte, tester des hypothèses, recueillir des retours et sélectionner une autre voie.

Cette flexibilité accroît la valeur de chaque identifiant faible, interface mal configurée, service partagé et connexion oubliée. Individuellement, chaque défaut peut sembler gérable. Ensemble, ils forment un chemin qu’un agent peut découvrir bien plus vite qu’une équipe humaine.

Le compte rendu du laboratoire rapporte que les modèles ont démontré rapidité, persistance et précision de niveau ingénierie. Ces qualités mettent à l’épreuve des défenses conçues autour d’une reconnaissance lente et de logiciels malveillants prévisibles.

Le calendrier de l’attaque devient donc la principale métrique de sécurité. Une entreprise peut détecter une intrusion après 30 minutes et considérer cette performance comme excellente. Face à un agent qui atteint des objectifs physiques en 16 minutes, il est déjà trop tard.

Les opérateurs d’infrastructures font face à un déficit de préparation

Les organisations les plus sous pression sont celles qui combinent de lourdes conséquences physiques, des systèmes anciens et des contrôles de sécurité inégaux.

Les environnements OT diffèrent fortement des réseaux d’entreprise ordinaires. Les systèmes commerciaux peuvent souvent être corrigés, redémarrés, remplacés ou isolés sans menacer un processus de production. Les systèmes industriels peuvent nécessiter une disponibilité continue et des fenêtres de maintenance strictement contrôlées.

Certains équipements restent en service pendant des décennies. Leurs logiciels peuvent être antérieurs aux pratiques de sécurité actuelles. Les opérateurs peuvent dépendre d’interfaces propriétaires, de contrats de support fournisseur ou de protocoles dépourvus d’authentification et de chiffrement.

Un appareil peut être essentiel à la production tout en offrant peu de contrôles de sécurité modernes. Son remplacement peut nécessiter de repenser un processus, de recertifier des fonctions de sécurité ou d’arrêter les opérations. Ces contraintes expliquent pourquoi des faiblesses connues peuvent rester non résolues.

Les frontières organisationnelles ajoutent un autre problème. Les équipes de sécurité informatique gèrent souvent les technologies de l’information, tandis que les ingénieurs gèrent les systèmes de production. Les fournisseurs, intégrateurs et prestataires de maintenance à distance peuvent contrôler des parties supplémentaires de l’environnement.

Un attaquant voit un système connecté unique. Les défenseurs peuvent voir des budgets, responsabilités, outils et chaînes d’approbation séparés. Les agents IA tirent avantage de cette asymétrie.

Les modèles de Booz Allen ont rencontré des contrôles qui ont ralenti ou bloqué certaines actions. Un contrôleur a rejeté une commande d’arrêt. Un moteur placé en mode de contrôle local ne pouvait pas être démarré à distance.

Les pare-feu, la protection des terminaux et la segmentation ont également créé des frictions. Ces conclusions sont importantes, car elles montrent que les agents n’étaient pas invincibles. Les contrôles fondamentaux d’ingénierie et de sécurité ont encore modifié l’issue de tentatives individuelles.

Toutefois, aucune protection unique n’a systématiquement empêché les modèles d’atteindre les objectifs de l’évaluation. Lorsqu’une voie échouait, les agents changeaient parfois de méthode ou utilisaient un autre chemin applicatif.

Cette distinction devrait orienter les décisions des dirigeants. L’achat d’un seul produit de détection ne comblera pas le déficit de préparation. Les défenseurs ont besoin de plusieurs contrôles indépendants qui limitent l’accès, restreignent l’autorité, révèlent les changements et préservent un fonctionnement local sûr.

Le problème dépasse les usines. Les services des eaux, les systèmes énergétiques, les réseaux de transport, les laboratoires, les systèmes de gestion des bâtiments et les opérations logistiques dépendent tous d’équipements cyberphysiques. Leurs architectures spécifiques diffèrent, mais beaucoup partagent de longs cycles de vie des actifs et une maturité de sécurité hétérogène.

Les petits opérateurs subissent une pression particulière. Ils peuvent ne pas disposer d’équipes de sécurité OT à plein temps, d’environnements de test dédiés ou d’inventaires d’actifs détaillés. Pourtant, leurs services peuvent rester essentiels pour une communauté ou une chaîne d’approvisionnement régionale.

Les agences nationales ont commencé à reconnaître le même risque du point de vue défensif. Les orientations sur l’IA agentique publiées conjointement par les autorités d’Australie, du Canada, de Nouvelle-Zélande, du Royaume-Uni et des États-Unis portent sur les actions autonomes et l’élargissement de la surface d’attaque.

Ces orientations s’adressent aux organisations qui déploient des agents dans leurs propres environnements. Leurs principes éclairent également le problème offensif. Les systèmes capables d’agir par l’intermédiaire d’outils nécessitent des autorisations limitées, un accès aux données contrôlé, une journalisation détaillée et une supervision humaine réelle.

Les opérateurs d’infrastructures ne peuvent pas supposer que les attaquants respecteront ces contraintes. Un agent offensif peut recevoir des outils étendus, des occasions répétées et un unique objectif à atteindre.

Il en résulte une course inégale. Les attaquants peuvent exécuter des logiciels en continu et les répliquer à faible coût. Les défenseurs doivent protéger des environnements physiques uniques sans interrompre la sécurité ni la production.

Même les organisations bien financées ressentiront cette pression. Elles doivent décider quels changements opérationnels justifient des alertes immédiates, quels systèmes peuvent communiquer et quelles commandes exigent systématiquement une confirmation locale.

Ces décisions impliquent des ingénieurs, des équipes de sécurité fonctionnelle, des spécialistes de la cybersécurité et des dirigeants. Les prendre pendant un incident est trop lent. Le test de cyberattaque par IA de Booz Allen suggère que les organisations doivent établir ces limites avant qu’un agent ne commence son exploration.

Le scénario catastrophe comporte encore d’importantes limites

Une réussite contrôlée dans huit scénarios constitue un élément probant sérieux, mais ne prouve pas qu’un modèle autonome puisse mettre hors service une infrastructure nationale.

Le test s’est déroulé dans un laboratoire isolé. Booz Allen a conçu l’environnement, choisi les objectifs, fourni les outils et contrôlé l’accès des modèles. Les installations réelles comportent des équipements différents, des dépendances non documentées et des conditions opérationnelles propres.

Des opérateurs humains ont approuvé chaque exploitation et toute action susceptible de produire un effet physique. Cette protection était appropriée dans le cadre de la recherche, mais elle signifie que les agents n’ont pas franchi de manière indépendante chaque point de décision.

L’étude ne révèle pas non plus les noms des modèles. Les lecteurs ne peuvent pas déterminer si les résultats reflètent des systèmes largement disponibles, des versions de recherche restreintes ou des configurations d’agents particulières. Les chercheurs indépendants ne peuvent pas reproduire une comparaison modèle par modèle à partir des informations publiques.

L’emploi de l’expression « super intelligence » par Booz Allen appelle également à la retenue. Le comportement rapporté montre des modèles de pointe capables opérant dans un cadre agentique. Il n’établit ni une superintelligence générale ni une compétence dans chaque environnement industriel.

La réussite contre un réseau de fabrication en laboratoire ne garantit pas la réussite contre un réseau électrique ou un système municipal d’approvisionnement en eau. Les infrastructures critiques regroupent de nombreuses architectures, pratiques d’exploitation, couches de sécurité et processus physiques.

Un attaquant devrait toujours obtenir un accès. Le test a débuté dans des conditions permettant aux modèles d’interagir avec l’environnement. Il n’a pas montré qu’un agent peut pénétrer de manière fiable tous les périmètres bien défendus.

Les conséquences physiques dépendent aussi du processus. Déplacer un petit bras robotique constitue une preuve concrète de contrôle cyberphysique. Cela n’équivaut pas à provoquer une panne régionale ou à contaminer l’eau potable.

Les systèmes instrumentés de sécurité peuvent assurer une protection indépendante. Les modes d’exploitation locaux peuvent bloquer les commandes à distance. Les limites mécaniques et la physique des procédés peuvent empêcher qu’une instruction numérique produise la conséquence recherchée.

L’International AI Safety Report est arrivé à une conclusion tout aussi prudente. Son évaluation des capacités cyber a constaté que les systèmes d’IA peuvent aider à plusieurs étapes d’une attaque et accroître sa vitesse, son ampleur et sa sophistication.

Ces éléments justifient l’inquiétude sans établir un caractère inévitable. La capacité ne produit pas automatiquement l’accès, la fiabilité, l’intention ou une perturbation physique réussie.

Il existe également une incitation commerciale à souligner l’urgence. Booz Allen vend des services de cybersécurité et des capacités défensives connexes. Cela n’invalide pas ses conclusions, mais rend la transparence méthodologique et la reproduction externe particulièrement importantes.

La conclusion la plus solide est plus limitée que le scénario catastrophe mis en avant. Les agents de pointe peuvent naviguer dans un environnement de test industriel réaliste, s’adapter après des échecs et transformer rapidement un accès numérique en actions physiques autorisées.

Cette conclusion est déjà suffisamment importante. Elle montre que l’obscurité industrielle ne peut plus servir de stratégie de sécurité. Elle montre aussi pourquoi les défenseurs devraient éviter de considérer chaque scénario spectaculaire comme déjà démontré.

L’exagération crée son propre risque. Les dirigeants qui n’entendent que des affirmations apocalyptiques peuvent écarter tout le sujet. D’autres peuvent se précipiter dans des programmes coûteux sans identifier les voies précises qui exposent leurs opérations.

Une réponse rigoureuse commence par l’architecture, non par la peur. Les organisations doivent déterminer ce qu’un intrus peut atteindre, quelles interfaces transmettent la confiance et quelles actions numériques peuvent modifier des conditions physiques.

Le test de Booz Allen fournit un test de résistance pour ces questions. Il ne fournit pas un compte à rebours vers une catastrophe inévitable.

Les attaquants et les défenseurs utilisant l’IA entrent dans les mêmes systèmes

La compétition n’oppose pas simplement l’IA aux humains, mais l’automatisation offensive à des organisations défensives qui continuent d’opérer selon des flux de travail humains lents.

Les rapports récents sur la sécurité vont au-delà des attaquants demandant à des chatbots du texte pour des hameçonnages ou des fragments de code. Les agents d’IA peuvent désormais coordonner la reconnaissance, l’utilisation d’outils, les tentatives d’exploitation et le traitement des données au cours d’opérations plus longues.

Cette évolution n’élimine pas l’attaquant humain. Elle permet à un opérateur de superviser davantage de cibles et d’automatiser plus de travail. Le jugement humain peut rester concentré sur les objectifs tandis que les agents réalisent l’exploration répétitive et l’adaptation.

Les défenseurs déploient la même catégorie de technologie. Les développeurs de modèles et les fournisseurs de sécurité proposent des agents qui analysent les alertes, enquêtent sur les vulnérabilités, examinent les configurations et soutiennent la réponse aux incidents.

Anthropic, par exemple, a annoncé une initiative visant à apporter des modèles avancés et une assistance d’ingénierie aux organisations protégeant l’électricité, l’eau et d’autres services essentiels. Cette initiative de défense des infrastructures reflète une conviction plus large : la défense manuelle ne peut pas suivre la vitesse des attaques automatisées.

Les défenseurs basés sur l’IA peuvent aider à analyser de vastes environnements et à relier des signaux que des outils distincts ignorent. Ils peuvent faire le lien entre les données de sécurité classiques et le contexte industriel spécialisé.

Cependant, placer des agents au sein de réseaux critiques introduit une autre surface d’attaque. Un agent défensif peut détenir des identifiants, atteindre des systèmes sensibles ou utiliser des outils qui modifient les configurations. Une injection de prompt ou des données compromises peuvent détourner ces capacités.

Les opérateurs d’infrastructures font donc face à un compromis difficile. Ils ont besoin d’automatisation pour répondre à la vitesse des machines, mais chaque outil défensif autonome doit être contraint comme si un attaquant pouvait l’influencer.

Les mêmes contrôles restent essentiels des deux côtés de ce compromis. Les agents ne devraient recevoir que les autorisations minimales nécessaires à une tâche. Les changements à fortes conséquences devraient exiger une autorisation distincte, via des systèmes que l’agent ne peut pas réécrire.

Les journaux doivent enregistrer les appels d’outils, l’utilisation des identités, les changements de configuration et les tentatives de violation des politiques. La surveillance devrait couvrir les actions de l’agent, et pas seulement ses sorties conversationnelles.

Dans les environnements OT, l’état physique compte autant que l’activité réseau. Les défenseurs devraient alerter sur les changements de mode des contrôleurs, les écritures de programme, les importations de projets SCADA, les points de consigne modifiés et l’utilisation inhabituelle d’interfaces de confiance.

La segmentation réseau doit refléter les conséquences, et non la commodité organisationnelle. Les systèmes reliant les zones d’entreprise et de production méritent une attention particulière. Les appareils à double rattachement, les services partagés et les sessions authentifiées persistantes peuvent contourner discrètement des frontières pourtant solides.

Les configurations connues comme fiables et les procédures de reprise testées restent vitales. Un système d’IA peut identifier rapidement un changement, mais les opérateurs ont toujours besoin d’un moyen sûr de restaurer les contrôleurs et les interfaces.

Le contrôle local constitue une autre défense durable. Le test moteur de Booz Allen a montré qu’un appareil contrôlé localement résistait à l’activation à distance. Ce résultat est moins spectaculaire que les attaques réussies, mais il fournit une leçon de conception exploitable.

Aucune équipe de sécurité ne peut garantir que tous les contrôles de périmètre tiendront. Les organisations peuvent néanmoins limiter ce que permet l’accès réseau et s’assurer que les actions dangereuses nécessitent des conditions indépendantes.

Les agents d’IA rendent la défense en profondeur plus importante, non obsolète. L’objectif du défenseur est de provoquer des échecs répétés, de ralentir l’adaptation, de révéler l’activité et d’empêcher qu’un système compromis ne propage la confiance à travers l’usine.

Trois signaux montreront si les défenseurs rattrapent leur retard

La prochaine phase se mesurera par des tests indépendants, des incidents vérifiés et des changements dans l’architecture de sécurité industrielle.

Le premier signal est la reproduction indépendante. Les universités, laboratoires publics, fabricants d’équipements et opérateurs d’infrastructures doivent tester des modèles nommés dans des conditions documentées.

La reproduction devrait examiner comment la conception des agents, l’accès aux outils, les garde-fous des modèles et les approbations humaines influencent les performances. Elle devrait également rendre compte des échecs, et pas seulement des objectifs atteints.

Si des équipes indépendantes reproduisent les résultats de Booz Allen sur des équipements et des modèles différents, l’argument en faveur de changements architecturaux urgents se renforce. Si les performances chutent fortement en dehors d’une configuration donnée, la menace reste sérieuse mais davantage circonscrite.

Le deuxième signal est constitué par les éléments provenant d’incidents réels. Les rapports devraient distinguer l’assistance générée par l’IA de l’exécution autonome. Un attaquant qui utilise un chatbot pour écrire du code diffère d’un agent qui sélectionne des cibles, modifie ses tactiques et exploite des outils.

Les enquêteurs devraient documenter l’ampleur des directives humaines, les accès existants et les effets physiques produits. Ces détails révéleront si la capacité démontrée en laboratoire devient une pratique offensive fiable.

Un cas vérifié impliquant un agent naviguant de manière indépendante dans un réseau industriel renforcerait l’avertissement central de Booz Allen. Une dépendance persistante à l’égard d’opérateurs humains experts affaiblirait les affirmations selon lesquelles les barrières spécialisées ont déjà disparu.

Le troisième signal est de savoir si les opérateurs modifient leur architecture. Des progrès significatifs apparaîtront sous la forme d’une séparation plus forte autour des processus à fortes conséquences, de moins de sessions interzones préauthentifiées et d’une meilleure surveillance des changements opérationnels.

Les organisations devraient également examiner les identifiants par défaut, les voies d’administration à distance, les postes d’ingénierie, les hôtes de rebond, les passerelles SCADA et les communications liées à la sécurité. Ces composants relient souvent des couches par ailleurs séparées.

Les pratiques d’approvisionnement offrent un autre indicateur. Les acheteurs devraient exiger des fournisseurs industriels une authentification sécurisée, des protocoles chiffrés, des journaux détaillés, des modes locaux sûrs et une prise en charge de la reprise.

L’action la plus utile à court terme est un examen guidé par les conséquences. Au lieu de classer les vulnérabilités uniquement selon leur gravité générique, les opérateurs devraient retracer ce que chaque faiblesse peut atteindre et quel état physique elle peut modifier.

Cet examen devrait inclure les chemins de défaillance. Les équipes doivent savoir si une interface compromise peut induire les opérateurs en erreur, si une session de confiance atteint plusieurs contrôleurs et si les contrôles locaux prévalent sur les commandes à distance.

Le test de cyberattaque par IA de Booz Allen ne prouve pas qu’un système autonome mettra hors service des services essentiels demain. Il montre qu’attendre une catastrophe publique avant de modifier les défenses industrielles est un choix de plus en plus dangereux.

Les responsables de la sécurité devraient dès maintenant se poser une question directe : si un agent atteignait le périmètre aujourd’hui, quels contrôles indépendants empêcheraient son expérience de 16 minutes de se transformer en incident physique ?

La réponse devrait désigner des barrières précises, leurs responsables, les alertes et les étapes de reprise. Si elle dépend de l’obscurité, d’une enquête lente ou d’un seul produit de sécurité, l’infrastructure n’est pas prête.