CrowdStrike avertit que l’IA est désormais au cœur des cyberattaques

CrowdStrike a chiffré un conflit qui se propage dans Google News : les attaques menées par des adversaires utilisant l’IA ont augmenté de 89 % en 2025. L’entreprise affirme que l’intelligence artificielle accélère désormais les attaques tout en créant de nouveaux systèmes précieux à cibler pour les criminels.

Cette combinaison compte davantage qu’un nouvel avertissement sur des e-mails de phishing convaincants. L’IA s’intègre plus profondément à la reconnaissance, au développement de logiciels malveillants, à l’exploitation de vulnérabilités, au vol d’identifiants et aux activités post-compromission. Les attaquants ciblent également les modèles, connecteurs, outils de développement et services cloud auxquels les entreprises font désormais confiance.

Le principal affrontement n’oppose donc pas des attaquants équipés d’IA à des logiciels antivirus traditionnels. Il oppose une offensive assistée par machine à des opérations de sécurité encore contraintes par la revue humaine, une visibilité fragmentée et de longues chaînes d’approbation. Les recherches de Google, Microsoft et Anthropic vont dans ce sens, même si leurs éléments de preuve révèlent aussi d’importantes limites dans le cadrage de CrowdStrike.

Le rapport CrowdStrike fait passer l’IA du statut d’expérimentation à celui de couche opérationnelle

L’affirmation la plus importante de CrowdStrike est que l’IA est passée d’expérimentations isolées aux rouages habituels des opérations cyber.

L’entreprise a publié son rapport 2026 Threat Hunting Report le 3 août, en s’appuyant sur des incidents examinés durant 2025 et le premier semestre 2026. Ses conclusions décrivent des attaquants utilisant l’IA comme outil, comme cible et comme multiplicateur de force.

Le rapport fait suite au Global Threat Report de CrowdStrike publié en février, qui documentait une hausse annuelle de 89 % des opérations menées par des adversaires utilisant l’IA. Ce rapport antérieur établissait également à 29 minutes le délai moyen d’expansion des attaques eCrime.

Ce délai mesure l’intervalle entre l’accès initial d’un attaquant et son déplacement latéral vers un autre système. CrowdStrike indique que la moyenne de 2025 représentait une accélération de 65 % par rapport à l’année précédente. Son expansion la plus rapide observée n’a pris que 27 secondes.

Les nouvelles conclusions de threat hunting ajoutent plusieurs exemples concrets. CrowdStrike affirme que des adversaires liés à la Chine ont exploité des vulnérabilités critiques dans les 24 heures suivant la publication de code de démonstration. L’entreprise attribue également l’empoisonnement de 131 paquets de frameworks d’IA à des acteurs liés à la Corée du Nord.

Dans une autre campagne, des attaquants ont généré près de 200 000 requêtes API non autorisées vers de grands modèles de langage en deux minutes. Cette pratique, souvent appelée LLMjacking, consiste à voler l’accès à un service de modèles et à reporter les coûts qui en résultent sur son client légitime.

CrowdStrike a aussi enregistré un doublement des intrusions par phishing vocal durant le premier semestre 2026 par rapport au second semestre 2025. Le phishing vocal, ou vishing, utilise les appels et l’usurpation d’identité pour manipuler les employés afin qu’ils accordent un accès ou révèlent des identifiants.

Ces chiffres ne signifient pas que l’IA a planifié de manière indépendante chaque incident. Ils montrent que les attaquants peuvent insérer des modèles dans des flux de travail connus et exécuter ces flux à plus grande vitesse ou à plus grande échelle.

Les objectifs sous-jacents des attaques restent reconnaissables. Les groupes criminels recherchent toujours des identifiants, des cryptomonnaies, des données sensibles ou des paiements d’extorsion. Les opérateurs soutenus par des États poursuivent toujours l’espionnage, la persistance et l’accès stratégique.

L’IA modifie l’économie qui entoure ces objectifs. Elle réduit l’effort nécessaire pour étudier les cibles, produire des contenus personnalisés, modifier du code, traiter des informations volées et répéter une attaque auprès d’un plus grand nombre de victimes.

Le rapport redéfinit également ce qui constitue une infrastructure exposée. Un modèle d’entreprise n’est plus seulement une application de productivité. Ses identifiants API, connecteurs de données, logiciels d’orchestration et dépendances de développement peuvent tous devenir des vecteurs d’attaque.

Ce double rôle crée la tension centrale de l’article. Les entreprises ajoutent de l’IA pour réduire les frictions opérationnelles, tandis que les attaquants explorent ce même environnement à la recherche d’accès privilégiés et d’automatisations faiblement gouvernées.

Pourquoi le titre de Google News importe aux équipes de sécurité

Le cadrage de Google News importe parce que CrowdStrike décrit un problème de temporalité opérationnelle, et non simplement une nouvelle catégorie de logiciels malveillants.

Les équipes de sécurité ont longtemps construit leurs défenses autour d’une séquence. Un outil détecte une activité inhabituelle, un analyste examine le signal, puis une personne décide s’il faut isoler un utilisateur ou un système. Chaque transfert prend du temps.

Un délai moyen d’expansion de 29 minutes comprime cette séquence. Un cas extrême de 27 secondes supprime pratiquement toute possibilité de revue manuelle avant que l’attaquant n’atteigne une autre ressource.

Cette pression pèse surtout sur les organisations dont les données de sécurité restent réparties entre les terminaux, plateformes d’identité, comptes cloud, services logiciels et systèmes de développement. Une alerte provenant d’un domaine peut sembler inoffensive sans le contexte des autres.

Les attaquants tirent parti de ces frontières. Un compte valide se connectant à un service cloud peut ressembler à une activité normale. Un outil de développement téléchargeant un paquet peut paraître routinier. Un assistant IA appelant un connecteur approuvé peut également franchir les contrôles conventionnels.

CrowdStrike a indiqué que 82 % de ses détections durant 2025 impliquaient une activité sans logiciel malveillant. Les attaques sans malware s’appuient sur des identifiants légitimes, des outils de confiance ou des fonctions système intégrées, plutôt que de déposer un fichier malveillant identifiable.

L’IA complète cette approche, car les modèles peuvent aider les attaquants à interpréter les environnements et à ajuster leurs commandes. Le comportement qui en résulte peut ressembler à un travail administratif ordinaire jusqu’à ce que plusieurs signaux soient combinés.

Microsoft décrit une évolution similaire dans son analyse de l’activité des menaces liées à l’IA. L’entreprise affirme que les acteurs de la menace intègrent l’IA dans la planification, la reconnaissance, le développement de malwares, le phishing et les opérations post-compromission.

Microsoft ajoute toutefois une nuance utile. Les humains dirigent encore la plupart des campagnes observées, même lorsque l’IA réduit les frictions tout au long du cycle de vie de l’attaque.

Cette distinction influe sur les priorités défensives. Les organisations ne doivent pas se préparer uniquement à un pirate autonome fictif opérant sans supervision. Elles doivent répondre à des campagnes dirigées par des humains qui deviennent moins coûteuses, plus rapides et plus faciles à déployer à grande échelle.

La réponse imposée est opérationnelle plutôt que cosmétique. Les équipes de sécurité ont besoin de contrôles capables de corréler l’activité entre les identités, les terminaux, les charges de travail cloud, les services logiciels et les applications d’IA.

Elles ont également besoin de l’autorité nécessaire pour contenir rapidement les menaces à forte confiance. La détection automatisée a une valeur limitée si l’isolement reste bloqué dans une longue file d’approbation.

La pression dépasse les départements de sécurité. Les développeurs choisissent les frameworks et paquets de modèles. Les équipes achats autorisent les fournisseurs d’IA. Les employés connectent des assistants à des documents, calendriers, codes sources et systèmes clients.

Chaque connexion peut transporter un contexte métier utile. Elle peut aussi élargir les conséquences d’un compte compromis, d’une dépendance empoisonnée ou d’un prompt manipulé.

Le défi à court terme est donc une gouvernance à la vitesse opérationnelle. Les entreprises doivent savoir quels modèles fonctionnent, quelles données ils peuvent atteindre, quelles actions ils peuvent entreprendre et comment leur accès peut être révoqué.

À plus long terme, les organisations devront repenser la réponse aux incidents autour d’enquêtes menées à la vitesse des machines. Un analyste humain doit rester responsable, mais cette personne ne peut pas reconstruire manuellement chaque événement interdomaines avant le début du confinement.

Les attaquants utilisant l’IA face aux défenseurs assistés par l’IA

L’affrontement principal porte sur la vitesse et la coordination : les attaquants automatisent les étapes d’une campagne, tandis que les défenseurs tentent d’automatiser la collecte de preuves et le confinement.

CrowdStrike présente l’IA comme un multiplicateur de force pour les adversaires. Cette description est crédible, car un attaquant n’a pas besoin d’un modèle pour inventer une nouvelle catégorie d’exploit. L’amélioration de plusieurs tâches ordinaires peut produire un avantage cumulatif significatif.

Un modèle peut résumer les informations publiques sur une cible, traduire des messages, générer des variantes d’un leurre, expliquer du code inconnu et organiser des données volées. Il peut également aider des opérateurs moins expérimentés à accomplir des tâches qui exigeaient auparavant des spécialistes.

Anthropic a examiné 832 comptes bannis pour activité cyber malveillante entre mars 2025 et mars 2026. Son analyse des comptes a cartographié les comportements observés selon le framework MITRE ATT&CK, un catalogue largement utilisé des tactiques et techniques des attaquants.

Parmi ces comptes, 560 ont utilisé l’IA dans des activités liées à la préparation de malwares. Cela représentait 67,3 % du groupe étudié. Cinquante-quatre autres comptes, soit 6,5 %, ont utilisé l’IA pour faciliter le déplacement latéral dans des environnements compromis.

Anthropic a également constaté que l’usage de l’IA pénétrait plus profondément dans les attaques. La découverte de comptes au sein de systèmes compromis a augmenté, tandis que la part associée au phishing assisté par IA a diminué.

L’échantillon de l’entreprise ne mesure pas l’ensemble des cyberattaques. Il ne couvre que les comptes qu’Anthropic a identifiés, bannis et pu analyser avec suffisamment de détails. Toutefois, l’évolution vers le travail post-compromission appuie l’orientation générale décrite par CrowdStrike.

Les attaquants obtiennent un levier supplémentaire lorsque les modèles peuvent enchaîner des tâches. Au lieu de demander un script unique, un opérateur peut construire un système qui sélectionne des outils, évalue les résultats et choisit l’étape suivante.

Cette orchestration compte plus que n’importe quel prompt individuel. Elle transforme un modèle d’IA en composant d’un processus d’attaque reproductible.

Les défenseurs disposent d’avantages comparables. Ils peuvent utiliser l’IA pour enquêter sur les alertes, résumer des événements associés, prioriser les vulnérabilités, générer des requêtes et proposer des mesures de confinement. Ils contrôlent également l’environnement d’entreprise dans lequel ces défenses s’exécutent.

Un défenseur peut consulter l’historique des comportements d’identité, les appareils approuvés, les droits cloud et les relations attendues entre applications. Un attaquant externe commence rarement avec ce contexte complet.

L’équipe Mandiant de Google a décrit comment une revue structurée par IA peut aider les défenseurs à analyser du code et à localiser des chemins d’exploitation. Ses recherches sur le code source ont fait état de 12 vulnérabilités attribuées découvertes grâce à un processus de revue agentique.

Le déploiement défensif comporte toutefois un compromis sérieux. Un agent de sécurité a besoin d’un accès étendu pour enquêter sur les incidents et agir. Ces privilèges font de l’agent, de ses instructions et de ses connecteurs des cibles attrayantes.

Les organisations ne peuvent pas simplement connecter un modèle à chaque système de sécurité et considérer que le problème de temporalité est résolu. Elles doivent restreindre les autorisations, enregistrer les actions, valider les résultats et conserver des moyens fiables d’arrêter l’automatisation.

L’avantage reviendra au camp qui se coordonne le mieux. Les attaquants coordonnent la reconnaissance, l’accès, l’exploitation et le vol de données. Les défenseurs doivent coordonner la télémétrie, les contrôles d’identité, la gestion des vulnérabilités et la réponse.

Cet affrontement ne garantit pas que l’offensive l’emporte. Il signifie toutefois que les flux de travail défensifs fragmentés deviennent plus coûteux à mesure que les flux de travail des adversaires deviennent plus faciles à automatiser.

L’IA devient aussi une surface d’attaque

Le renversement le plus frappant dans l’avertissement de CrowdStrike est que la technologie adoptée pour accélérer le travail peut exposer de nouvelles voies d’accès à l’entreprise.

Les entreprises abordent souvent le risque lié à l’IA à travers les sorties des modèles. Elles se demandent si un assistant pourrait fournir une réponse incorrecte, révéler des informations confidentielles ou produire un contenu interdit.

Les recherches de CrowdStrike pointent vers une surface technique plus large. Les modèles s’intègrent dans des systèmes contenant des clés API, des bases de données vectorielles, des plugins, des sessions de navigateur, des outils de développement et des connecteurs tiers.

Ces composants donnent à un assistant un contexte utile et la capacité d’agir. Ils créent aussi des opportunités de vol d’identifiants, de compromission de la chaîne d’approvisionnement, d’injection de prompts et d’abus de ressources informatiques payantes.

L’injection de prompts consiste à placer des instructions hostiles dans du contenu qu’un système d’IA traite. Si le système suit ces instructions, il peut révéler des informations ou déclencher des actions qui dépassent l’intention de l’utilisateur.

CrowdStrike affirme que des attaquants ont injecté des prompts malveillants dans des outils d’IA générative légitimes au sein de plus de 90 organisations. Ces prompts auraient généré des commandes utilisées pour voler des identifiants et des cryptomonnaies.

L’entreprise a également observé des attaquants exploiter des plateformes de développement IA afin d’établir une persistance et de déployer des ransomwares. Dans d’autres cas, des serveurs malveillants se sont fait passer pour des services d’IA de confiance afin d’intercepter des informations sensibles.

Google Threat Intelligence Group est parvenu à une conclusion similaire dans son AI threat tracker. Google indique que les attaquants ciblent de plus en plus les couches d’orchestration, les bibliothèques wrapper, les connecteurs API et les fichiers de configuration des compétences.

Ses chercheurs n’ont pas signalé que les attaquants déjouaient régulièrement la logique de sécurité centrale des principaux modèles. Les acteurs malveillants ont plutôt appliqué des techniques connues de chaîne d’approvisionnement et de vol d’identifiants aux logiciels environnants.

Cette conclusion évite que l’analyse ne dérive vers la science-fiction. Le danger immédiat n’est généralement pas une mystérieuse prise de contrôle du modèle. Il s’agit d’une défaillance de sécurité ordinaire au sein d’une nouvelle pile technologique très interconnectée.

Un développeur peut installer un package compromis. Un jeton exposé peut autoriser des appels non autorisés à un modèle. Un connecteur peut donner accès à davantage de documents qu’un employé ne le réalise.

Un attaquant peut aussi exploiter la confiance entre les composants. Si un workflow d’IA traite du contenu web récupéré comme des instructions, un contenu manipulé peut influencer des actions ultérieures.

Les 131 packages empoisonnés identifiés par CrowdStrike illustrent l’ampleur du problème. Les développeurs dépendent de frameworks publics, car il est irréaliste de recréer chaque fonctionnalité en interne. Les attaquants peuvent exploiter cette dépendance en imitant des packages utiles ou en compromettant leurs mainteneurs.

Les systèmes d’IA créent également des accès concentrés. Un seul assistant peut rechercher des fichiers internes, résumer des réunions, interroger des dossiers clients et interagir avec des environnements de développement.

Cette concentration améliore la productivité. Elle peut aussi permettre à une identité ou à un workflow compromis de franchir des frontières qui nécessitaient auparavant plusieurs comptes distincts.

L’architecture de sécurité doit donc traiter les modèles comme des interprètes non fiables, et non comme des décideurs incontestés. Un modèle peut recommander une action sans recevoir l’autorité permanente d’exécuter toutes les actions.

Le principe du moindre privilège reste essentiel. Chaque outil ne doit recevoir que les données et les autorisations nécessaires à sa tâche immédiate. Les actions à fort impact doivent nécessiter une validation indépendante.

Les organisations ont également besoin d’inventaires des modèles, connecteurs, agents et identifiants. Une équipe de sécurité ne peut pas surveiller une infrastructure IA que des unités opérationnelles ont déployée sans enregistrement ni responsable désigné.

L’avertissement de CrowdStrike devient le plus utile à ce niveau. Il détourne l’attention des affirmations sensationnalistes sur les malwares intelligents pour la porter vers les interfaces réelles où l’IA d’entreprise rencontre des systèmes de valeur.

Ce que les chiffres de CrowdStrike n’établissent pas

CrowdStrike fournit des preuves solides que l’IA est intégrée aux attaques, mais ses statistiques ne prouvent pas que l’IA a causé chaque hausse de vitesse ou de volume.

Le chiffre de croissance de 89 % mesure l’activité que CrowdStrike a classée comme impliquant des adversaires utilisant l’IA. Il ne représente ni le pourcentage de toutes les attaques utilisant l’IA, ni les dommages attribuables uniquement aux modèles.

Les changements dans la détection peuvent aussi affecter les comparaisons annuelles. Les chercheurs améliorent leurs méthodes, les organisations déploient davantage de télémétrie et les acteurs malveillants laissent de nouveaux signaux. Chacun de ces changements peut accroître l’activité observée.

La moyenne de 29 minutes pour le breakout exige une prudence similaire. Une progression plus rapide peut refléter des identifiants volés, de meilleurs outils d’accès à distance, de faibles contrôles d’identité ou des opérateurs expérimentés. L’IA peut accélérer ces activités sans en être l’unique cause.

CrowdStrike vend des produits de sécurité conçus pour détecter et arrêter les attaques à la vitesse des machines. Sa télémétrie offre une visibilité précieuse, mais son interprétation soutient également la position commerciale de l’entreprise.

Ce conflit n’invalide pas les données. Il rend indispensable une corroboration indépendante.

Google indique avoir observé une transition vers une utilisation de l’IA générative à l’échelle industrielle dans les workflows adverses. L’entreprise a également signalé ce qu’elle considère comme le premier exploit zero-day observé développé avec l’assistance de l’IA.

Microsoft constate que l’IA est intégrée à l’ensemble de l’activité malveillante, mais souligne la persistance d’une direction humaine. Anthropic a constaté que les modèles étaient utilisés plus tard dans les chaînes d’attaque, tout en notant que son échantillon de 832 comptes était sélectif.

Ensemble, ces sources étayent une conclusion plus limitée et plus défendable. L’IA réduit les frictions dans les techniques d’attaque établies, et certains acteurs commencent à orchestrer des opérations plus complexes.

Elles n’établissent pas que les systèmes autonomes dominent désormais la cybercriminalité. Elles ne montrent pas non plus que chaque attaquant en retire le même avantage.

Les modèles produisent encore des erreurs. Le code généré peut échouer, des détails techniques inventés peuvent faire perdre du temps et des garde-fous peuvent bloquer des demandes. Les opérateurs qualifiés restent mieux placés pour reconnaître et corriger ces échecs.

Même l’autonomie nécessite une infrastructure. Un attaquant doit fournir des outils, des accès, de la mémoire, des cibles et des règles de décision. Chaque composant ajouté crée des opportunités de détection et de perturbation.

L’IA défensive complique également les prédictions sur l’avantage des attaquants. La même analyse de vulnérabilités qui aide un adversaire peut aider un fournisseur à corriger un logiciel avant son exploitation.

Les données d’incidents 2026 de Mandiant apportent une autre mise en garde. Ses constats de première ligne ont établi le temps de présence médian mondial à 14 jours, contre 11 jours en 2024.

Le temps de présence mesure la durée pendant laquelle un attaquant reste dans un environnement avant sa détection ou son éviction. Il diffère du temps de breakout ; les deux métriques ne sont donc pas contradictoires.

Elles montrent plutôt que la vitesse d’attaque comporte plusieurs dimensions. Certains intrus se déplacent latéralement presque immédiatement, tandis que des groupes sophistiqués peuvent rester cachés pendant des mois.

Un programme de sécurité optimisé uniquement pour les ransomwares rapides pourrait manquer une campagne d’espionnage patiente. Un programme optimisé uniquement pour de longues enquêtes pourrait échouer face à une extorsion rapide fondée sur l’identité.

La réponse pratique n’est pas d’acheter dans la panique. Elle consiste à tester si les contrôles peuvent détecter à la fois les mouvements soudains et la persistance discrète dans les systèmes qu’une organisation utilise réellement.

Les entreprises devraient aussi exiger des mesures transparentes de la part des fournisseurs. Des rapports utiles devraient définir la population observée, expliquer les méthodes de classification et distinguer l’implication de l’IA de la causalité de l’IA.

Le titre de CrowdStrike est précieux parce qu’il identifie un changement de direction. Ses chiffres devraient orienter l’enquête, et non se substituer aux propres éléments de preuve de chaque organisation.

Trois signaux montreront si l’IA a durablement transformé les cyberattaques

Le prochain test consiste à déterminer si l’utilisation observée de l’IA devient reproductible à travers les étapes d’attaque, les chaînes d’approvisionnement et les incidents réels en entreprise.

Le premier signal est la preuve d’une automatisation durable après compromission. Les chercheurs devraient surveiller si les attaquants utilisent de façon répétée les modèles pour l’escalade de privilèges, la découverte de comptes, les mouvements latéraux et la collecte de données.

Le volume de phishing à lui seul ne renforcerait que la version la plus faible de l’argument de CrowdStrike. Une orchestration documentée après l’obtention de l’accès étayerait l’affirmation selon laquelle l’IA est devenue une couche opérationnelle.

Les recherches d’Anthropic vont déjà dans ce sens. Les preuves les plus solides viendront de plusieurs fournisseurs observant la même évolution dans des campagnes non liées.

Si l’utilisation après compromission reste rare, l’affirmation centrale de CrowdStrike paraîtra prématurée. L’IA resterait importante, mais surtout comme outil de productivité pour des attaques connues.

Le deuxième signal est la fréquence et l’impact des compromissions de chaîne d’approvisionnement liées à l’IA. Les 131 packages empoisonnés identifiés par CrowdStrike fournissent une base de référence, pas une tendance établie.

Les équipes de sécurité devraient surveiller les registres publics de packages, les hubs de modèles, les marketplaces de connecteurs et les dépôts de configuration d’agents. Elles devraient aussi suivre la fréquence à laquelle des composants IA compromis donnent accès à des systèmes métier plus étendus.

Davantage d’incidents impliquant des packages de confiance renforceraient l’argument selon lequel l’IA est à la fois un outil d’attaque et une cible précieuse. Un impact limité en aval affaiblirait l’interprétation la plus alarmante.

Le troisième signal est de savoir si les défenseurs réduisent le temps de réponse sans créer de nouvelles défaillances. Les fournisseurs continueront d’ajouter des fonctionnalités d’enquête et de confinement basées sur l’IA, mais l’adoption seule prouve peu de choses.

Les organisations ont besoin de preuves que ces systèmes corrèlent l’activité interdomaines, raccourcissent le confinement validé et évitent des actions automatisées dommageables. Elles doivent également démontrer que les attaquants ne peuvent pas manipuler ces mêmes agents par des entrées empoisonnées.

Cette mesure devrait inclure le temps écoulé entre le premier signal et le confinement, et pas seulement celui entre l’alerte et l’examen par un analyste. Elle devrait distinguer les actions entièrement automatisées des réponses approuvées par un humain.

Une baisse du temps de confinement indiquerait que les défenseurs absorbent le même avantage de vitesse que les attaquants. Des délais persistants montreraient que les processus organisationnels restent le facteur limitant.

Pour les lecteurs arrivant via Google News, le message durable est simple. CrowdStrike a documenté une hausse significative de l’activité adverse liée à l’IA, mais la technologie n’a pas remplacé les fondamentaux de la cybersécurité.

Les identifiants exigent toujours une protection. Les dépendances logicielles exigent toujours une vérification. Les identités, services cloud, endpoints et connecteurs IA nécessitent toujours une surveillance coordonnée.

La différence réside dans le temps. Les attaquants peuvent désormais rechercher, s’adapter et répéter certaines parties de leur travail plus rapidement. Les entreprises connectent aussi l’IA à des systèmes détenant un accès exceptionnellement étendu.

Les responsables de la sécurité devraient poser une question immédiate : leur organisation peut-elle identifier et contenir une intrusion qui semble digne de confiance avant qu’elle ne franchisse un autre domaine ? La réponse en révélera davantage que n’importe quel titre sur une course aux armements de l’IA.