Le modèle trop dangereux pour être publié
Le 7 avril 2026, Anthropic a fait une annonce sans précédent : l’entreprise ne rendrait pas public son modèle d’IA le plus avancé. Claude Mythos Preview — successeur de la lignée Opus de Claude et système le plus performant de l’entreprise à ce jour — serait restreint à un consortium trié sur le volet de 12 grandes entreprises technologiques et de cybersécurité dans le cadre d’un programme appelé Project Glasswing.
La raison était aussi extraordinaire que la décision elle-même. Lors des tests internes, Mythos Preview a identifié de manière autonome des milliers de vulnérabilités zero-day à haut risque dans les systèmes d’exploitation, navigateurs web et infrastructures logicielles critiques grand public. Plus de 99 % des vulnérabilités découvertes n’avaient jamais été corrigées. Certaines étaient restées non détectées pendant des décennies.
Anthropic avait déjà prévenu en privé de hauts responsables du gouvernement américain que Mythos rend les cyberattaques à grande échelle pilotées par l’IA significativement plus probables en 2026. L’entreprise a conclu qu’une diffusion large du modèle créerait un avantage asymétrique pour les attaquants — et a donc choisi de l’utiliser pour la défense.
Ce que Mythos Preview a réellement trouvé
L’ampleur des découvertes de Mythos Preview a provoqué une onde de choc dans l’industrie de la sécurité. Parmi les résultats confirmés :
- Une vulnérabilité de crash à distance vieille de 27 ans dans OpenBSD, l’un des systèmes d’exploitation les plus orientés sécurité au monde. La réputation entière d’OpenBSD repose sur la rigueur du code, rendant cette découverte particulièrement frappante.
- Une vulnérabilité d’exécution de code à distance vieille de 17 ans dans FreeBSD permettant à quiconque d’obtenir un accès root sur une machine exécutant NFS. Mythos Preview a non seulement trouvé la faille mais a développé de manière autonome un exploit fonctionnel.
- Une faille vieille de 16 ans dans FFmpeg, le framework de traitement multimédia omniprésent utilisé dans pratiquement toutes les plateformes vidéo et services de streaming.
- Une vulnérabilité de corruption mémoire dans un moniteur de machines virtuelles memory-safe, remettant en question les garanties de sécurité des paradigmes de programmation plus récents.
Il ne s’agit pas de risques théoriques ou de bugs mineurs. Ce sont des vulnérabilités exploitables dans des logiciels fondamentaux qui font tourner des milliards d’appareils dans le monde. Le fait qu’elles soient restées non détectées pendant des décennies — malgré des audits manuels approfondis et des outils automatisés existants — souligne un changement fondamental dans ce que l’analyse de sécurité propulsée par l’IA peut accomplir.
Le consortium Glasswing
Le consortium de Project Glasswing ressemble à un Who’s Who de la Big Tech et de la cybersécurité : Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, Microsoft et Nvidia figurent parmi les participants. Chaque entreprise reçoit un accès à Mythos Preview exclusivement pour le travail de sécurité défensive et s’engage à partager ses découvertes avec l’industrie au sens large via une divulgation coordonnée.
Anthropic soutient l’initiative avec jusqu’à 100 millions de dollars en crédits d’utilisation pour Mythos Preview, plus 4 millions de dollars en dons directs aux organisations de sécurité open source. L’engagement financier signale qu’il ne s’agit pas d’un exercice marketing — c’est un effort soutenu pour exploiter les capacités du modèle avant que les adversaires ne puissent développer leurs propres équivalents.
Le modèle du consortium crée une boucle de rétroaction contrôlée : les entreprises utilisent Mythos Preview pour auditer leur propre code, signalent les vulnérabilités via les canaux établis et contribuent aux correctifs avant que les découvertes ne deviennent publiques. Cette approche reflète les cadres de divulgation responsable qui gouvernent la recherche en sécurité depuis des décennies, mais à une échelle et une vitesse qu’aucune équipe humaine ne pourrait égaler.
Publicité
Le paradoxe Glasswing
La communauté de la sécurité a rapidement identifié la tension centrale dans l’approche d’Anthropic : le même modèle capable de trouver et corriger des vulnérabilités pourrait, entre de mauvaises mains, les trouver et les exploiter. C’est ce que Picus Security a appelé « le paradoxe Glasswing » — ce qui peut tout casser est aussi ce qui répare tout.
Anthropic a navigué cette tension en choisissant la restriction plutôt que la publication. Claude Mythos Preview n’est disponible via aucune API ni aucun produit grand public. L’entreprise a déclaré qu’elle ne prévoyait pas de rendre le modèle généralement disponible tant que de nouvelles mesures de protection ne seraient pas en place, bien qu’elle souhaite à terme déployer des modèles de classe Mythos à grande échelle.
Cela soulève des questions sur la viabilité à long terme de cette approche. D’autres laboratoires d’IA développent des modèles aux capacités similaires. Si Anthropic peut construire un modèle qui trouve des zero-days vieux de 27 ans, ce n’est qu’une question de temps avant que des modèles concurrents — dont certains développés avec moins de contraintes de sécurité — n’atteignent le même niveau. La fenêtre d’avantage défensif pourrait se mesurer en mois, pas en années.
Implications pour l’industrie de la sécurité
Project Glasswing représente le signal le plus clair à ce jour que l’IA est sur le point de restructurer fondamentalement la profession de cybersécurité. Plusieurs implications se dégagent :
Découverte de vulnérabilités à la vitesse des machines. Les bug bounties traditionnels, les tests de pénétration et les audits de code fonctionnent à l’échelle temporelle humaine. Mythos Preview a compressé des décennies de failles manquées en quelques semaines. Les organisations qui s’appuient sur des audits manuels périodiques sont désormais manifestement en retard.
La fin de la « sécurité par l’obscurité ». Si un modèle d’IA peut trouver une faille vieille de 27 ans dans OpenBSD — un logiciel scruté par certains des meilleurs ingénieurs en sécurité au monde — alors aucun code n’est véritablement « bien audité ». Chaque organisation doit supposer que des adversaires propulsés par l’IA trouveront les vulnérabilités plus vite que les défenseurs humains.
Un nouveau palier de dépenses en sécurité. L’engagement de 100 millions de dollars signale que l’IA défensive devient une catégorie budgétaire majeure. Les entreprises qui ne peuvent pas se permettre des outils de classe Mythos devront compter sur les correctifs en aval et le renseignement partagé du consortium. Cela crée un paysage sécuritaire à deux vitesses où les plus grandes entreprises reçoivent un avertissement précoce et tous les autres attendent.
Pression réglementaire. La décision d’Anthropic d’avertir les responsables gouvernementaux avant l’annonce publique suggère que les régulateurs sont déjà conscients des implications. Attendez-vous à de nouveaux cadres pour la divulgation de vulnérabilités pilotée par l’IA, et potentiellement à des restrictions sur qui peut déployer des modèles dotés de ces capacités.
Et maintenant ?
Anthropic a été clair : Glasswing est un pont, pas une solution permanente. L’entreprise souhaite développer des mesures de protection qui permettraient de déployer plus largement des modèles de classe Mythos sans créer de risque inacceptable. À quoi ressembleront ces mesures — et si elles pourront suivre le rythme des capacités des modèles futurs — reste une question ouverte.
Pour l’instant, les 12 membres du consortium courent pour auditer leur propre infrastructure avant que la prochaine génération de modèles d’IA ne rende ces capacités plus largement disponibles. Le temps presse, et chaque zero-day trouvé aujourd’hui est une arme de moins disponible pour les adversaires demain.
Questions Fréquemment Posées
Qu’est-ce que Project Glasswing et pourquoi Anthropic a-t-il restreint son modèle le plus puissant ?
Project Glasswing est l’initiative d’Anthropic pour déployer Claude Mythos Preview exclusivement pour la cybersécurité défensive via un consortium de 12 entreprises. Le modèle a été restreint car il a découvert de manière autonome des milliers de vulnérabilités zero-day exploitables sur les principaux systèmes d’exploitation et navigateurs lors des tests internes, rendant une diffusion sans restriction trop dangereuse.
En quoi la découverte de vulnérabilités par l’IA diffère-t-elle de l’audit de sécurité traditionnel ?
Les audits traditionnels reposent sur des chercheurs humains et des scanners basés sur des règles qui vérifient des schémas de vulnérabilités connus. Les modèles d’IA comme Mythos Preview peuvent analyser le code de manière sémantique, identifiant des failles inédites ayant échappé à des décennies de revue manuelle — comme une vulnérabilité de crash vieille de 27 ans dans OpenBSD, l’une des bases de code les plus auditées au monde.
Les organisations en dehors du consortium bénéficieront-elles des découvertes de Project Glasswing ?
Oui, via la divulgation coordonnée des vulnérabilités. Les membres du consortium signalent les failles découvertes par les canaux établis, et les éditeurs publient des correctifs disponibles pour tous les utilisateurs. Anthropic fait également un don de 4 millions de dollars aux organisations de sécurité open source. Cependant, les organisations hors consortium recevront les correctifs avec un délai par rapport aux membres du consortium qui bénéficient d’un avertissement précoce.
Sources et lectures complémentaires
- Anthropic is giving some firms early access to Claude Mythos to bolster cybersecurity defenses — Fortune
- Project Glasswing: Securing critical software for the AI era — Anthropic
- Anthropic’s Claude Mythos Finds Thousands of Zero-Day Flaws Across Major Systems — The Hacker News
- The Glasswing Paradox: The Thing That Can Break Everything Is Also The Thing That Fixes Everything — Picus Security
- Anthropic’s new AI model finds and exploits zero-days across every major OS and browser — Help Net Security
- Anthropic’s Glasswing initiative raises questions for US cyber operations — Nextgov/FCW
