De petits modèles d’IA pourraient bientôt piloter des vers capables de se propager entre objets connectés. L’équipe Frontier Red Team d’Anthropic a publié cette alerte le 12 octobre 2026. Les boîtiers, les caméras et les téléviseurs du quotidien deviendraient alors les serveurs de la menace.
Jusqu’ici, les botnets comme Mirai suivaient des scripts rigides et des mots de passe par défaut. Un agent d’IA peut pourtant analyser une machine inconnue et adapter son installation. Voilà pourquoi les équipes de sécurité IoT suivent ce dossier de près.
Un ver IA sur des boîtiers Android TV
Les chercheurs ont fait tourner le modèle Gemma4-26B-A4B sur un cluster de 15 boîtiers Android TV. Chaque boîtier coûte environ 55 dollars et embarque 4 Go de mémoire, selon l’étude d’Anthropic. Le système répartit les couches du modèle entre les appareils et atteint 0,39 jeton par seconde. Cette vitesse reste lente pour un humain. Elle suffit à un logiciel qui travaille en arrière-plan pendant plusieurs jours.
Un second test a porté sur Qwen3.5-9B, un modèle de 9 milliards de paramètres. Il a configuré seul l’inférence sur 8 des 9 types de matériel, d’après Anthropic. Les malwares classiques n’atteignent pas cette adaptabilité. La découverte d’une variante de Mirai ciblant les systèmes IoT prouve pourtant que les attaquants font déjà évoluer leurs outils.
Une réplication autonome encore incomplète
Anthropic a simulé un réseau de huit nœuds Android sous émulation. Le modèle GLM-5.2 a atteint les huit cibles dans quatre essais sur cinq, selon l’étude. Il en a touché sept lors du dernier essai. Les nœuds exposaient un port de débogage sans authentification. Le modèle tournait en outre sur un serveur distant, car il dépassait les capacités des appareils.
Le ver complet n’existe donc pas encore. Les petits modèles configurent l’inférence, mais n’achèvent pas toute la chaîne de propagation. Anthropic projette qu’un petit modèle ouvert atteindra ce niveau d’ici la fin de 2026. Les PME gagnent à corriger dès maintenant leurs failles de base, comme le détaillent les mythes et les erreurs de sécurité IoT en PME.
Comment repérer et freiner ces vers IA
La répartition d’un modèle entre plusieurs appareils génère un trafic est-ouest inhabituel. Elle provoque aussi des transferts de fichiers volumineux. L’analyse comportementale du réseau peut donc déceler ces signaux. Anthropic estime le doublement du ver en plusieurs jours, ce qui laisse aux défenseurs une fenêtre de réaction.
Les constructeurs doivent aussi protéger la puissance de calcul locale. Les puces d’accélération IA des caméras et des passerelles offrent involontairement des ressources aux attaquants. Anthropic recommande d’intégrer ce modèle de menace dès la conception des architectures IoT. Les défenseurs réduiront-ils le parc vulnérable avant que les capacités des modèles rattrapent le matériel ?
- Partager l'article :
