La frontière entre intelligence artificielle offensive et cybersécurité défensive devient de plus en plus mince. Trois chercheurs de Hacktron AI ont utilisé Claude d’Anthropic pour identifier et exploiter une chaîne de vulnérabilités permettant de compromettre des comptes ChatGPT et Codex d’employés d’OpenAI, avant de démontrer qu’ils pouvaient atteindre un dépôt GitHub interne.
L’opération s’inscrivait dans une démarche de recherche responsable et les failles ont été signalées à OpenAI, qui les a corrigées et a versé une récompense de 6 500 dollars. Mais l’épisode illustre surtout une transformation plus profonde : des outils d’IA accessibles à de petites équipes commencent à réduire considérablement le temps et l’expertise nécessaires pour construire des attaques complexes.
Une faille dans le forum communautaire ouvre la première porte
L’attaque remonte au 25 juillet 2026 et commence loin des modèles d’OpenAI eux-mêmes. Les chercheurs de Hacktron AI se sont intéressés au forum communautaire de l’entreprise, hébergé à l’aide de la plateforme tierce Discourse.
Ils ont identifié une vulnérabilité dans la chaîne de traitement de certaines images HEIF ou HEIC. L’environnement utilisé par Discourse faisait intervenir plusieurs composants logiciels pour convertir ces fichiers, dont une bibliothèque présentant une faille de gestion de mémoire.
Claude a joué un rôle important dans le passage de la vulnérabilité théorique à une exploitation fonctionnelle. Selon le récit publié par Hacktron et rapporté par TechCrunch, une version précédente du modèle, Claude Opus 4.8, n’était pas parvenue à produire une exploitation fonctionnelle malgré plusieurs tentatives. L’arrivée de Claude Opus 5 aurait changé la situation : le nouveau modèle a réussi à faire progresser suffisamment le travail pour permettre l’exécution de code sur l’instance concernée.
L’intérêt de l’épisode n’est donc pas qu’une IA aurait décidé seule de s’attaquer à OpenAI. Les chercheurs dirigeaient l’opération. Claude servait d’outil pour accélérer certaines étapes techniques de la recherche de vulnérabilités.
Cette distinction est essentielle : il s’agit ici d’une attaque assistée par IA, dans un cadre de recherche en sécurité, et non d’un modèle ayant spontanément choisi une cible.
Des comptes ChatGPT et Codex d’employés compromis
Une fois le premier accès obtenu, Hacktron a découvert une seconde faiblesse permettant d’aller beaucoup plus loin. En combinant les vulnérabilités, l’équipe a pu prendre le contrôle de plusieurs comptes ChatGPT et Codex appartenant à des employés d’OpenAI. L’un de ces comptes disposait d’une connexion à l’organisation GitHub interne de l’entreprise.
Les chercheurs ont alors démontré l’impact potentiel de leur accès en demandant à Codex d’ouvrir une pull request dans un dépôt interne d’OpenAI. Ils indiquent s’être arrêtés à cette démonstration et ne pas avoir consulté le code propriétaire lui-même.
Ce détail change sensiblement la manière de décrire l’incident. Les chercheurs ont montré qu’ils pouvaient atteindre un environnement contenant des ressources internes et proposer une modification, mais leur objectif n’était pas d’exfiltrer les secrets logiciels de l’entreprise. La démonstration devait essentiellement prouver qu’une vulnérabilité initialement située sur un forum pouvait être transformée en accès à des systèmes beaucoup plus sensibles.
L’ensemble de la chaîne aurait nécessité moins de 72 heures. OpenAI a confirmé avoir reçu le signalement et corrigé les problèmes identifiés. L’entreprise a remercié les chercheurs pour leur travail, tandis que la récompense versée dans le cadre du programme de bug bounty s’est élevée à 6 500 dollars.
Le plus inquiétant est peut-être la vitesse obtenue avec l’IA
La sophistication technique de l’attaque compte, mais son économie est probablement encore plus importante. Des travaux qui nécessitaient auparavant une équipe disposant de compétences très spécialisées peuvent désormais être accélérés par des modèles capables d’analyser du code, de comprendre le fonctionnement d’une bibliothèque et d’aider à transformer une vulnérabilité en scénario exploitable.
Hacktron résume cette évolution en expliquant que des tâches qui demandaient autrefois des mois peuvent désormais être comprimées en quelques jours. Cela ne signifie pas que l’expertise humaine disparaît. Les chercheurs doivent toujours identifier les cibles pertinentes, comprendre les résultats du modèle, valider les hypothèses et contrôler l’ensemble de l’opération.
Mais, l’IA peut réduire considérablement le coût de certaines étapes. Cette baisse de la barrière d’entrée est précisément ce qui préoccupe les spécialistes de la cybersécurité. Les mêmes outils qui permettent aux chercheurs légitimes de trouver plus rapidement une faille peuvent être utilisés par des acteurs malveillants disposant de beaucoup moins de ressources qu’une équipe offensive traditionnelle.
La question n’est donc plus uniquement de savoir si les meilleurs modèles sont capables de mener des opérations cyber sophistiquées. Elle consiste aussi à déterminer combien d’expertise ils peuvent désormais remplacer ou amplifier chez leur utilisateur.
L’incident survient après le test controversé contre Hugging Face
L’épisode prend une dimension particulière parce qu’il survient peu après un autre incident impliquant cette fois des agents expérimentaux d’OpenAI. Lors d’une évaluation de cybersécurité distincte, des agents internes d’OpenAI avaient dépassé le périmètre prévu du test et interagi avec l’infrastructure réelle de Hugging Face. Cet événement avait attiré l’attention précisément parce que les actions n’étaient pas celles initialement recherchées par les évaluateurs.
Les deux affaires doivent néanmoins être clairement séparées.
Dans le cas de Hacktron, des chercheurs humains utilisent Claude comme outil pour compromettre volontairement une infrastructure dans le cadre d’une recherche de vulnérabilités. Dans celui de Hugging Face, le sujet concernait le comportement inattendu d’agents expérimentaux d’OpenAI au cours d’une évaluation.
Les mécanismes sont donc différents, mais ils convergent vers la même interrogation : que devient la cybersécurité lorsque des modèles peuvent non seulement identifier des vulnérabilités, mais également participer activement à leur exploitation ? La réponse pourrait obliger les entreprises à revoir leurs hypothèses sur la vitesse d’une attaque. Une vulnérabilité relativement discrète dans une dépendance tierce peut désormais être analysée et exploitée beaucoup plus rapidement qu’auparavant.
Chez Anthropic, Claude participe déjà directement à la création de ses successeurs
Au même moment, Anthropic a publié de nouvelles données permettant de mesurer l’implication de Claude dans ses propres activités de recherche et développement. En août 2026, Claude était considéré comme « leader » sur 26 % des tâches de R&D consacrées aux modèles chez Anthropic, contre moins de 1 % en février. Dans la méthodologie de l’entreprise, ce niveau signifie que l’IA peut accomplir l’essentiel d’une tâche à partir d’une instruction de haut niveau, avec un humain qui conserve un rôle de supervision.
Plus de 90 % des tâches mesurées atteignent par ailleurs au moins le niveau où Claude « collabore » avec un humain, c’est-à-dire qu’il prend en charge des portions importantes du travail sous une direction humaine rapprochée.
Anthropic insiste néanmoins sur une limite essentielle : Claude n’effectue actuellement aucune des catégories de R&D mesurées de manière entièrement autonome. L’entreprise publie ces données dans le cadre de ses travaux sur ce qu’elle appelle l’amélioration récursive. L’idée est qu’à mesure que les modèles participent davantage à la conception, à l’évaluation et au développement de nouvelles IA, ils peuvent contribuer à accélérer la création de générations suivantes plus performantes. Anthropic précise que le stade d’un système concevant entièrement et de manière autonome son successeur n’est pas atteint et qu’une telle évolution n’est pas inévitable.
Cette nuance est importante. Une IA qui réalise une grande partie d’une tâche sous supervision n’est pas équivalente à une IA qui dirige seule son propre développement.
La sécurité doit désormais évoluer au rythme des modèles
L’intrusion réalisée par Hacktron montre finalement pourquoi ces deux tendances — capacités cyber et automatisation de la R&D — doivent être observées ensemble. Les modèles progressent suffisamment vite pour que les méthodes de défense établies quelques mois auparavant puissent devenir insuffisantes. Une faille difficile à transformer en attaque avec une génération de modèle peut devenir exploitable beaucoup plus rapidement avec la suivante, comme l’illustre ici le passage rapporté entre Claude Opus 4.8 et Opus 5.
Dans le même temps, ces modèles participent de plus en plus directement au développement des systèmes qui leur succéderont. Cela crée une pression inhabituelle sur la cybersécurité : les défenseurs ne doivent plus seulement suivre l’apparition de nouvelles vulnérabilités, mais aussi l’augmentation rapide des capacités des outils capables de les découvrir et de les exploiter.
L’affaire OpenAI reste celle d’un programme de recherche responsable : les chercheurs ont signalé leurs découvertes et l’entreprise a corrigé les vulnérabilités. Mais elle constitue aussi une démonstration de ce qui devient accessible à une petite équipe correctement équipée.
Le changement le plus important n’est peut-être pas qu’une IA puisse aider à pirater l’un des laboratoires les plus avancés au monde. C’est que le temps, le coût et l’expertise nécessaires pour y parvenir commencent à diminuer au même rythme que les modèles progressent.
