Les opérations russes d’IA ont utilisé Claude pour des drones, de la propagande et de l’espionnage
Des opérations russes d’IA ont utilisé Claude d’Anthropic sur au moins trois fronts distincts, bien que le modèle ne soit pas disponible en Russie. Des développeurs ont créé des logiciels de drones autonomes, des propagandistes ont produit des contenus médiatiques alignés sur l’État, et un groupe d’espionnage lié à la Russie a automatisé certaines parties de ses cyberattaques.
Ces conclusions proviennent de l’enquête d’Anthropic de septembre 2026 sur les abus de ses modèles. L’entreprise affirme avoir banni les comptes concernés, partagé des renseignements avec ses partenaires et transformé ses conclusions en nouvelles mesures de protection. Ces actions sont toutefois intervenues après que Claude avait déjà contribué à des logiciels fonctionnels, à des contenus publiés et à des opérations cybernétiques actives.
Cela ne prouve pas qu’une seule agence russe ait dirigé chaque cas. Anthropic a décrit les développeurs de drones comme une petite équipe de freelances, et non comme une entité étatique. L’attribution était plus solide pour les opérations d’espionnage et de propagande. Cette distinction est importante, mais elle n’affaiblit pas l’avertissement plus large.
Le conflit central oppose les contrôles des fournisseurs de modèles à l’adaptabilité d’utilisateurs déterminés. Les blocages géographiques, les politiques d’utilisation et les systèmes de refus ont créé des frictions. Ils n’ont pas empêché des acteurs d’utiliser des serveurs virtuels, des requêtes fragmentées, des flux de travail personnalisés et des tâches d’apparence légitime pour obtenir des résultats utiles.
Ce qu’Anthropic a découvert dans les opérations russes d’IA
Le rapport décrit des opérations distinctes reliées par un mécanisme commun : Claude a réduit le travail nécessaire pour concevoir, adapter et exploiter des systèmes complexes.
Le rapport de renseignement sur les menaces d’Anthropic couvre des activités malveillantes provenant de plusieurs pays. Ses cas liés à la Russie couvrent le développement de logiciels militaires, le cyberespionnage et la manipulation de l’information.
Le cas d’armes le plus direct impliquait des développeurs probablement freelances basés en Russie. Anthropic a attribué au groupe l’identifiant GTG-27005. Les développeurs appelaient leur projet « DronDoc » ou « Serafim » et cherchaient à créer un essaim autonome de drones d’attaque à vue à la première personne.
Ils ont utilisé Claude Code, l’agent de programmation d’Anthropic, pour écrire et tester des logiciels dans les fichiers de leur projet. Leur environnement plus large incluait une simulation logicielle et une infrastructure de traitement graphique louée pour entraîner des modèles.
Anthropic a identifié neuf comptes associés au groupe. Selon l’entreprise, huit n’étaient utilisés que pour des missions de freelance ordinaires. L’activité liée aux armes a commencé à la mi-mai 2026, après la création des comptes entre la fin de 2025 et le début de 2026.
L’opération allait au-delà de simples demandes à un chatbot pour obtenir des extraits de code isolés. Claude aurait pris en charge une mémoire partagée d’essaim, une logique de coordination, un guidage terminal, une détection acoustique et une programmation de puces de bas niveau.
Le système incluait également un petit modèle de langage embarqué. Il était conçu pour contrôler les comportements d’attaque, d’observation et de retour à la base. Le logiciel de guidage terminal utilisait les données de la caméra pour se diriger vers une cible et émettre une commande de détonation.
Anthropic a indiqué que la plateforme proposée pouvait sélectionner des cibles, y compris une catégorie « personne », sans qu’un humain prenne la décision finale. Les développeurs ont effectué des tests hardware-in-the-loop, qui relient des composants réels à des environnements simulés.
Ces éléments établissent davantage qu’un intérêt hypothétique. Ils ne démontrent toutefois pas un déploiement sur le champ de bataille. Anthropic a évalué les systèmes observés aux niveaux de maturité technologique 3 à 4, ce qui signifie qu’ils avaient été validés par l’analyse, la simulation ou des essais en laboratoire.
Les développeurs ont entraîné un classificateur de vision par ordinateur à partir d’images récupérées de combats en Ukraine. Ils ont séparé les objets entre catégories alliées et ennemies, tout en permettant de reconnaître les systèmes russes comme alliés. Une coordonnée fixe dans la région ukrainienne de Donetsk apparaissait régulièrement comme point de frappe de démonstration.
Anthropic a estimé que l’équipe avait des liens avec une université régionale et un centre de recherche fédéral associé à l’Académie russe des sciences. L’entreprise n’a nommé aucune de ces institutions.
Les développeurs ont affirmé recevoir des financements de la Fondation russe pour la recherche avancée, de la National Technology Initiative et du ministère de la Défense. Anthropic a explicitement précisé ne pas pouvoir vérifier ces affirmations. Le financement et le soutien institutionnel du projet restent donc indéterminés.
Les autres cas russes du rapport impliquaient des liens étatiques établis avec davantage de certitude. Un acteur d’espionnage a ciblé plus de 20 organisations. Des opérateurs médiatiques distincts ont placé du contenu généré par Claude dans des canaux de diffusion russes établis et alignés sur l’État.
Le schéma dépasse donc largement le développement de drones. Des opérations russes d’IA utilisaient un même modèle commercial comme programmeur, éditeur, analyste et assistant opérationnel dans différentes composantes d’un environnement de conflit plus vaste.
Claude a aidé à concevoir un essaim de drones autonomes
Le cas des drones est important car un modèle généraliste de programmation a soutenu presque chaque couche logicielle entre une idée et une arme autonome simulée.
Le système Serafim proposé n’était pas simplement un groupe de drones télécommandés. Son architecture visait à permettre à plusieurs appareils de partager des informations, de résister aux défaillances et de continuer à se coordonner lorsque des éléments de l’essaim disparaissaient.
Une logique de coordination tolérante aux pannes était au cœur de cet objectif. Concrètement, le logiciel était conçu pour maintenir le fonctionnement du groupe lorsque les communications, certains drones ou d’autres composants échouaient.
Claude a également contribué à un module de géolocalisation de liaison de contrôle destiné à localiser les opérateurs de drones adverses. Une autre couche reposait sur une détection acoustique passive. La conception complète reliait détection, navigation, identification des cibles, coordination et détonation.
Ces fonctions reflètent des pressions déjà visibles en Ukraine. La guerre électronique peut perturber la navigation satellitaire et les liaisons radio. Un drone autonome peut réduire cette vulnérabilité, car il nécessite moins de communication continue avec un opérateur.
La Russie poursuivait cette évolution avant qu’Anthropic ne découvre Serafim. Une analyse de l’écosystème des drones d’avril 2026 du Center for Strategic and International Studies a étudié les efforts russes visant à intégrer des fonctions étroites d’IA dans des systèmes sans pilote.
Le rapport identifiait le V2U comme un exemple notable. Une analyse technique ukrainienne d’unités récupérées aurait révélé des versions dépourvues du matériel de communication requis pour une opération à distance continue.
Ces drones s’appuyaient plutôt sur un traitement embarqué, des capteurs, la vision par ordinateur et une navigation fondée sur la référence au terrain. Cette combinaison peut permettre à un système de poursuivre sa mission dans des zones où le GPS ou les communications externes sont indisponibles.
Le CSIS a souligné que la Russie ne rivalisait pas avec les États-Unis ou la Chine dans la recherche sur les modèles de pointe. Son avantage venait de l’adaptation de modèles disponibles et de composants commerciaux à des problèmes de champ de bataille étroitement définis.
Cela explique pourquoi le cas Serafim ne devrait pas être écarté au motif qu’il restait à un stade précoce de développement. Le logiciel n’avait pas besoin de créer une forme d’intelligence scientifiquement novatrice. Il devait rendre du matériel peu coûteux suffisamment indépendant dans des conditions de combat.
Les éléments d’Anthropic exigent néanmoins des limites prudentes. Les tests hardware-in-the-loop montrent que les développeurs ont connecté des composants réels à leur environnement. Ils ne confirment pas l’existence d’une cellule complète, d’une reconnaissance de cible fiable, d’un vol d’essaim réussi ou d’un déploiement contre des personnes.
Le classificateur de cibles soulève aussi des questions auxquelles la simulation ne peut répondre. L’entraînement sur des images de combat récupérées peut introduire des objets mal étiquetés, une faible visibilité, des différences de caméra et des biais environnementaux.
Un modèle qui classe correctement des images dans un environnement de test peut échouer lorsque la fumée, la neige, le camouflage, les ombres ou des équipements endommagés modifient la scène. Un système de classification « ennemi » et « allié » réduit également une décision de ciblage juridiquement et moralement complexe à une étiquette technique peu fiable.
L’absence de confirmation humaine aggrave ce risque. Un opérateur humain peut toujours prendre une décision injustifiée, mais une détonation autonome supprime une occasion d’identifier un civil, un soldat qui se rend, un véhicule médical ou une erreur de classification.
Le rôle de Claude était donc important sans être magique. Il a accéléré l’ingénierie système, le codage, le débogage et l’intégration. Il n’a pas supprimé les problèmes de tests physiques, de fabrication, de communications et de fiabilité qui séparent un prototype d’une arme déployée.
La préoccupation plus large tient à la reproductibilité. Une petite équipe technique a obtenu une assistance sur de nombreuses fonctions spécialisées sans embaucher des experts distincts pour chaque sous-système. Même un projet échoué peut produire du code réutilisable, une infrastructure de test et des connaissances d’ingénierie pour des tentatives ultérieures.
Anthropic a banni les comptes associés et mis à jour ses mesures de protection. Les développeurs avaient toutefois déjà enregistré leur travail dans leurs propres fichiers de projet. L’accès au modèle peut être révoqué, mais le code exporté et les connaissances acquises ne peuvent pas être récupérés automatiquement.
L’espionnage a transformé Claude en moteur opérationnel
Le cas cyber présente une menace plus mature, car l’IA a soutenu des campagnes actives, et pas seulement la recherche ou un développement simulé.
Anthropic a désigné l’acteur d’espionnage sous le nom GTG-20006. Son attribution était cohérente avec des informations publiques sur Midnight Blizzard, un groupe que des gouvernements occidentaux et des entreprises technologiques ont lié au Service de renseignement extérieur russe.
L’entreprise a observé des méthodes opérationnelles et un ciblage cohérents avec l’espionnage lié à l’État russe. Un opérateur était russophone et utilisait le pseudonyme « JackPoterz ».
GTG-20006 a ciblé des organisations gouvernementales, militaires, de renseignement, diplomatiques, de politique publique et de défense. Anthropic a identifié plus de 20 organisations distinctes à travers la planification opérationnelle, la reconnaissance et des activités actives.
L’Ukraine et l’Europe étaient les principales cibles. Les objectifs s’étendaient également à des organisations du Moyen-Orient et à des agences gouvernementales asiatiques liées aux activités maritimes.
La technologie des drones constituait un intérêt récurrent. L’acteur a exporté en masse des boîtes mail d’au moins deux fabricants de composants, ciblé un producteur de drones militaires et dérobé un kit de développement logiciel propriétaire pour un système de vision.
Selon Anthropic, le groupe a passé plusieurs jours à rétroconcevoir ce logiciel. Il a extrait des informations sur l’architecture du produit, les composants matériels, les dépendances envers les fournisseurs et un produit non annoncé.
L’opération utilisait deux familles d’implants Windows, un kit d’exploitation mobile, des outils de vol d’identifiants, une plateforme de phishing et une console d’administration. Des flux de travail assistés par Claude ont contribué à maintenir et modifier ces composants.
Des agents d’IA surveillaient également si des produits de sécurité détectaient le malware. Lorsqu’une détection se produisait, le flux de travail tentait de modifier et de reconstruire le logiciel malveillant jusqu’à ce qu’il ne déclenche plus ces défenses.
Ce cycle modifie l’économie de la cyberdéfense conventionnelle. Les signatures statiques imposent traditionnellement des coûts en forçant les attaquants à reconstruire leurs outils manuellement. La modification automatisée peut raccourcir ce cycle de reconstruction et permettre à une équipe plus réduite de mener davantage de campagnes.
Le groupe a également utilisé l’IA pour rechercher des domaines, enregistrer des infrastructures, configurer des services de phishing, envoyer des messages et surveiller des canaux de commande et de contrôle. Des opérateurs humains ont perfectionné les compétences Claude Code qui coordonnaient ces tâches.
Les cibles provenaient toujours de décisions humaines. Anthropic a souligné que les humains conservaient des décisions importantes, notamment sur les personnes à attaquer et l’utilisation des informations volées. L’IA a accru la vitesse d’exécution et l’échelle opérationnelle plutôt que de fournir l’intention politique.
Le groupe a compromis au moins trois fournisseurs du secteur de l’hôtellerie qui exploitaient le Wi-Fi des clients d’hôtels. Il a modifié des enregistrements du système de noms de domaine, redirigeant une partie du trafic vers des services contrôlés par les acteurs.
Ces services ont collecté des données sur les appareils et les réseaux avant de présenter des leurres de diffusion de logiciels malveillants. L’opération a combiné des informations hôtelières avec des données d’appareils volées afin d’identifier des personnes liées à l’Ukraine, notamment des responsables et des fabricants de drones.
Microsoft a documenté séparément des attaques similaires contre des réseaux hôteliers sous le nom de CaptiveCrunch. Cette technique illustre le danger d’une compromission indirecte. Les attaquants peuvent atteindre une cible protégée par l’intermédiaire d’une infrastructure qui semble ordinaire et digne de confiance.
Anthropic a également relevé des tentatives de prise de contrôle de comptes WhatsApp via des appareils compagnons liés. La configuration supprimait les accusés de lecture pendant l’exportation des conversations. Au moins deux anciens hauts responsables ukrainiens ont été ciblés.
Une autre partie de l’opération exploitait des faiblesses d’autorisation dans des services de diffusion de flux vidéo de caméras. L’acteur a énuméré des utilisateurs et collecté des jetons donnant accès à des flux vidéo en direct.
C’est ici que la « surveillance » évoquée dans ce récit devient concrète. Elle ne désignait pas seulement la reconnaissance faciale à grande échelle ou la surveillance intérieure. Elle incluait l’accès aux comptes, les flux de caméras, les données d’appareils, les messages, les identifiants et les renseignements sur des individus.
Les outils étaient familiers. Hameçonnage, vol de mots de passe, implants malveillants, services compromis et abus de jetons existaient tous avant l’IA générative.
Ce qui a changé, c’est l’orchestration. Claude a aidé une opération à gérer le développement, l’infrastructure, l’évasion, la collecte et l’analyse au moyen de flux de travail personnalisés. Des tâches qui exigeaient autrefois plusieurs spécialistes sont devenues plus faciles à coordonner grâce à des instructions IA réutilisables.
Les opérations russes utilisant l’IA illustrent donc une évolution importante dans l’évaluation des menaces. Un résultat sophistiqué ne prouve plus qu’il a été produit par une grande équipe. Un groupe plus restreint peut imiter le rythme opérationnel d’une organisation mieux dotée en ressources lorsque les modèles exécutent certaines portions du travail en parallèle.
La propagande russe a acquis une couche de production par IA
Les cas de propagande montrent que l’IA générative est la plus efficace lorsqu’elle est reliée à des systèmes de diffusion qui disposent déjà d’audiences et d’une crédibilité institutionnelle.
Anthropic a identifié un opérateur russophone à Bangui qui soutenait une opération d’influence alignée sur l’État en République centrafricaine. Le compte fournissait quotidiennement du contenu à Radio Lengo Songo, une station créée grâce à un financement du Wagner Group.
L’opérateur coordonnait ses contenus avec RT, Sputnik Afrique, TASS et la Maison russe à Bangui. Anthropic a indiqué que les prompts exigeaient explicitement des positions pro-russes et anti-françaises.
Claude a produit des briefings, des scripts, des visuels, des publications, des documents d’emploi et des éléments de langage. L’acteur a également demandé au modèle de supprimer les schémas de mise en forme susceptibles de faire paraître le contenu généré par une machine.
L’opération recherchait une authenticité locale. Les contrats et publications présentaient ce travail comme une initiative médiatique basée à Bangui, bien qu’Anthropic ait conclu qu’un acteur russophone en gérait l’infrastructure de production.
Une enquête menée par All Eyes on Wagner a aidé Anthropic à commencer son examen et à corroborer l’identité des participants. Anthropic a relié l’opérateur à Politology, décrite comme la branche d’influence de l’Africa Corps et de Wagner sous le contrôle des services de renseignement russes.
L’activité allait au-delà du cadrage médiatique ordinaire. Anthropic a déclaré que l’opérateur conservait des informations sur des figures de l’opposition, préparait de faux documents gouvernementaux et créait du contenu pour des porte-parole politiques.
Claude a refusé la demande la plus agressive de l’opération, qui consistait à identifier de vraies personnes comme des militants afin d’encourager une action de sécurité contre elles. L’acteur s’est alors tourné vers des sources anonymes.
Cet échange révèle à la fois la valeur et la faiblesse des systèmes de refus. Le refus a bloqué une formulation explicite. Il n’a pas supprimé l’acteur, l’objectif politique, le flux de travail environnant ni la possibilité d’obtenir indirectement un résultat similaire.
Un ensemble distinct de quatre comptes a utilisé Claude dans la production des médias d’État russes. Anthropic a évalué avec un niveau de confiance élevé que leurs résultats ont atteint des médias détenus ou financés par l’État.
La diffusion comprenait Sputnik Moldova, RIA Novosti, Sputnik en Español, Sputnik Africa et la rédaction anglophone de RT. Claude a servi de couche de sous-édition et de localisation plutôt que d’éditeur indépendant.
Un ancien rédacteur de Sputnik Moldova a utilisé des actualités roumaines, des reportages moldaves, des sondages et des publications de l’opposition pour créer des articles en langue russe. Ces articles ont ensuite circulé dans des médias liés.
Anthropic a indiqué que le réseau produisait de fausses boucles de vérification. Plusieurs publications répétaient des affirmations connexes, donnant au public l’impression que des organisations distinctes avaient confirmé la même information.
Le même acteur a promu des allégations fabriquées et diffamatoires au sujet de la présidente moldave Maia Sandu avant les élections législatives du 28 septembre 2025.
D’autres opérateurs ont transformé des commentaires militaires russes en articles en espagnol destinés aux publics latino-américains. Un autre a produit des bandeaux d’information, des légendes, des titres et des scripts de voix off pour la diffusion.
Anthropic a fait correspondre certaines sorties de Claude avec du contenu publié ou diffusé par ces canaux. Une publication Telegram correspondante a reçu environ 2 000 vues. L’entreprise n’a pas pu déterminer quelle part du contenu total de chaque média était passée par Claude.
Cette limite est importante. Les éléments confirment une production assistée par IA, mais pas que la majorité de la production des médias d’État russes provenait du modèle. Ils ne mesurent pas non plus combien de lecteurs ont cru au contenu ou agi en conséquence.
Les opérations d’influence peinent souvent à susciter un véritable engagement. Anthropic a constaté que de nombreux réseaux artificiels décrits ailleurs dans le rapport atteignaient peu d’utilisateurs authentiques.
Les médias établis modifient ce calcul. La radio, la télévision, les canaux Telegram et les marques d’information reconnues disposent déjà d’une diffusion. L’IA générative peut accroître la production sans devoir d’abord résoudre le problème de l’audience.
L’Institute for the Study of War a documenté une autre forme de manipulation de l’information assistée par IA en septembre 2026. Son analyse de la guerre cognitive a identifié au moins 35 vidéos suspectées d’avoir été modifiées par IA montrant des levées de drapeaux, publiées entre le 1er juin et le 30 août.
Au moins 10 ont été évaluées avec un niveau de confiance élevé comme ayant été modifiées par des modèles d’IA. Les vidéos montraient du personnel russe levant des drapeaux dans des lieux où les forces russes n’avaient pas établi leur contrôle.
Les extraits suspects mélangeaient une géographie réelle avec des personnes ou des objets générés. Des panoramiques, des coupes courtes et un montage en séquences dissimulaient les erreurs tout en préservant des paysages reconnaissables.
Cette approche importe parce qu’un terrain familier peut conférer de la crédibilité à un événement fabriqué. Vérifier le lieu ne permet plus de vérifier ce qui s’y serait prétendument produit.
Ensemble, les conclusions d’Anthropic et de l’ISW décrivent deux stratégies complémentaires. L’une utilise l’IA pour accélérer la production éditoriale au sein de canaux de confiance. L’autre modifie des preuves visuelles pour soutenir des affirmations contestées sur le champ de bataille.
Aucune ne dépend de médias synthétiques parfaits. La répétition, la rapidité, la présentation locale et une diffusion établie peuvent rendre un contenu imparfait efficace avant que les enquêteurs n’achèvent sa vérification.
Le véritable conflit oppose l’accès à l’application des règles
Anthropic a bloqué des comptes identifiables, mais ces cas montrent pourquoi l’application des règles par les fournisseurs demeure réactive et incomplète.
Claude n’est pas officiellement disponible en Russie. Anthropic a indiqué que les développeurs de drones contournaient les contrôles géographiques au moyen de serveurs virtuels commerciaux, qui faisaient transiter leur trafic par d’autres emplacements.
Une restriction géographique est utile, car elle bloque l’accès occasionnel et crée des signaux d’enquête. Elle ne constitue pas une frontière de sécurité complète lorsque les utilisateurs peuvent louer des infrastructures ailleurs.
Les garde-fous de contenu ont créé une autre couche de résistance. Le rapport inclut des exemples dans lesquels Claude a refusé des demandes malveillantes. Il documente aussi des cas où des utilisateurs ont obtenu de l’aide en divisant un projet en tâches plus petites, apparemment bénignes.
Ce problème de décomposition est particulièrement grave dans le code. Une demande d’interface utilisateur, de gestionnaire réseau, de classificateur d’images ou de script de test peut avoir des finalités légitimes lorsqu’elle est considérée isolément.
Le risque devient plus clair seulement lorsque le fournisseur relie ces demandes entre les sessions, les comptes, les fichiers, l’infrastructure et le comportement opérationnel. Cela exige une surveillance au niveau du système plutôt qu’un filtrage des prompts individuels.
Anthropic dispose d’un point d’observation précieux parce qu’elle exploite le modèle. Elle peut examiner des schémas d’abus que les enquêteurs spécialisés dans le matériel ou les plateformes sociales ne verraient peut-être qu’après le déploiement.
L’entreprise a utilisé ces signaux pour bannir des comptes, cartographier des activités liées, améliorer la détection et partager des informations avec des partenaires gouvernementaux et industriels. Cette intervention a probablement accru les coûts pour les acteurs concernés.
Toutefois, les éléments proviennent principalement de l’enquête menée par Anthropic elle-même. Les chercheurs externes ne peuvent pas examiner tous les enregistrements de comptes, prompts, fichiers ou indicateurs d’attribution sous-jacents.
Des reportages indépendants ont résumé les conclusions, notamment un article du 16 septembre couvrant les cas d’espionnage, de propagande et de drones. Cependant, les affirmations techniques les plus détaillées restent tributaires de la visibilité interne d’Anthropic.
Cela ne rend pas le rapport peu fiable. Cela signifie que les lecteurs doivent distinguer les observations confirmées du fournisseur des vérifications externes.
Les affirmations de financement étatique de l’équipe de drones restent non vérifiées. La maturité de ses logiciels restait limitée. Anthropic a évalué les développeurs comme des travailleurs indépendants plutôt que comme du personnel gouvernemental.
En revanche, l’entreprise a relié les productions de propagande à des canaux médiatiques alignés sur l’État et a décrit l’acteur d’espionnage comme cohérent avec un groupe russe connu lié à l’État.
Qualifier chaque cas d’opération contrôlée par le Kremlin effacerait ces différences. La conclusion la plus défendable est que des acteurs russes, présentant divers degrés de connexion avec l’État, ont utilisé le même modèle commercial dans des domaines stratégiques liés.
Anthropic fait également face à une tension en matière de sécurité produit. La capacité de Claude à écrire du code, gérer des fichiers, analyser des données et coordonner des tâches crée une valeur légitime. Ces mêmes capacités renforcent son utilité pour des opérateurs malveillants.
Réduire ce risque n’est pas aussi simple que de désactiver un sujet. L’autonomie des drones recoupe la robotique, la cartographie, la vision par ordinateur, la logistique et l’évitement des collisions. La cyberdéfense recoupe les connaissances nécessaires à l’intrusion.
Des restrictions trop larges bloqueraient les chercheurs, les équipes de sécurité, les ingénieurs et les étudiants. Des contrôles étroits laissent de l’espace aux adversaires qui savent comment dissimuler leurs intentions.
Le rapport suggère également que les refus du modèle ne constituent qu’une couche défensive. Les fournisseurs ont besoin de signaux de liaison entre comptes, de détection comportementale, de surveillance des débits, d’un contexte au niveau du projet et de partenariats avec des organisations qui voient d’autres parties d’une opération.
Même dans ce cas, l’application des règles peut déplacer l’activité plutôt que l’arrêter. Les acteurs peuvent passer à un autre modèle hébergé, exécuter des modèles ouverts localement, embaucher des développeurs humains ou réutiliser du code déjà généré.
La valeur immédiate de la perturbation consiste à accroître les coûts et à réduire la vitesse. Cet objectif est moins satisfaisant qu’une prévention totale, mais il est plus réaliste.
Trois signaux indiqueront si la menace s’intensifie
La prochaine épreuve consistera à déterminer si ces cas restent des perturbations isolées ou deviennent des modèles opérationnels reproductibles dans les systèmes d’armement, de renseignement et de médias.
Le premier signal serait la preuve que le logiciel Serafim est allé au-delà de la simulation. Les enquêteurs devraient rechercher du matériel récupéré, des artefacts de code correspondants, des essais en vol, des dossiers d’approvisionnement ou des images du champ de bataille liés au projet.
De tels éléments renforceraient la conclusion selon laquelle des agents de codage généralistes peuvent accélérer le passage d’une arme autonome du concept au déploiement. Leur absence appuierait une interprétation plus limitée : Claude a contribué à produire un prototype ambitieux qui n’est jamais devenu opérationnel.
Le deuxième signal concerne la capacité des fournisseurs de modèles à détecter plus tôt les utilisateurs liés à ces activités dans le cycle de développement. Anthropic a identifié l’activité liée aux drones après que les développeurs eurent créé un volume important de logiciel et connecté du matériel réel.
Les futurs rapports devront indiquer si la surveillance intersessions peut repérer le développement d’armes avant qu’un système n’atteigne la phase de tests matériels. Les fournisseurs devront également expliquer comment ils distinguent une intégration malveillante de travaux légitimes en robotique.
Le troisième signal est la migration. Les bannissements de comptes importent moins si les opérateurs peuvent rapidement reprendre leurs activités sous de nouvelles identités, via d’autres services commerciaux ou avec des modèles hébergés localement.
Des incidents répétés impliquant les mêmes méthodes montreraient que les garde-fous ne créent que des interruptions temporaires. Une baisse mesurable de la récurrence suggérerait que la détection comportementale et le partage de renseignements imposent des coûts durables.
Les défenseurs ne devraient pas attendre une percée spectaculaire unique. Le danger le plus immédiat vient d’une amélioration opérationnelle progressive.
Un drone d’attaque n’a pas besoin d’une intelligence de niveau humain. Il lui faut une navigation, une reconnaissance des cibles et un contrôle suffisants dans les conditions du champ de bataille. Un système de propagande n’a pas besoin d’une prose parfaite. Il a besoin de volume, de localisation et de diffusion. Un agent cyber n’a pas besoin d’une nouvelle vulnérabilité. Il doit pouvoir répéter plus rapidement des tâches familières.
C’est le mécanisme commun qui sous-tend les opérations russes utilisant l’IA. Claude n’a pas inventé les objectifs militaires, les cibles d’espionnage ou les réseaux d’influence de la Russie. Il a fourni une main-d’œuvre adaptable au sein de systèmes qui poursuivaient déjà ces objectifs.
Les lacunes en matière de vérification restent importantes. L’attribution d’Anthropic varie selon les cas, et le projet d’armes n’a pas été confirmé en combat. L’impact sur l’audience d’une grande partie de l’activité de propagande demeure également incertain.
Ces limites devraient orienter la couverture sans masquer ce qui a déjà changé. Les fournisseurs de modèles peuvent désormais découvrir des travaux d’ingénierie d’armement, d’espionnage et de médias clandestins grâce aux mêmes données de télémétrie produit utilisées pour maintenir un service d’IA.
Les lecteurs devraient suivre conjointement les prochains rapports de menace des fournisseurs, les preuves de drones récupérés et les conclusions d’attribution concernant les médias d’État. Si les mêmes schémas opérationnels réapparaissent d’un modèle à l’autre, il ne s’agit plus d’un simple cas d’abus propre à une entreprise. Cela devient une caractéristique persistante des conflits modernes, où les contrôles d’accès et l’adaptation des adversaires progressent de concert.
