Le 16 novembre 2026, Google Threat Intelligence Group (GTIG) a publié la dernière édition de son AI Threat Tracker, rédigée par Aurora Blum, Kelli Vanderlee, Jess Xia et David Mainor et intitulée « Agentic Threat Activity Crosses a Significant Threshold ». S'appuyant sur les interventions de réponse à incident de Mandiant et sur son propre suivi, le GTIG affirme que les adversaires sont passés de simples requêtes à des cadres multi-agents autonomes, à l'exploitation automatisée de vulnérabilités et à de nouvelles façons de monétiser des accès volés à l'IA. Un article d'accompagnement sur le blog de Google résume ce constat comme l'arrivée des attaques autonomes et présente Google AI Threat Defense comme la réponse.

Le premier constat concerne les cadres offensifs. Outre l'outil de test d'intrusion ARTEX, très commenté, le GTIG indique que des acteurs utilisent des cadres multi-agents open source dont CAIRN, CyberStrikeAI et PentAGI, et a observé des expérimentations avec HexStrike AI. Le GTIG dit avoir observé de façon indépendante CAIRN et PentAGI en conditions réelles. Il rapporte que CAIRN a servi contre des cibles comprenant le secteur aérospatial américain et qu'entre fin août et début octobre 2026, un acteur a utilisé une plateforme personnalisée dérivée de PentAGI pour de la reconnaissance et du balayage contre des organisations en Asie. Selon le rapport, un groupe lié à la Chine développait aussi son propre cadre d'attaque automatisé. Le GTIG précise que la mécanique des intrusions reste la même, avec des identifiants volés et des systèmes non corrigés, mais que la vitesse et l'échelle changent. Il ajoute que ces outils sacrifient pour l'instant la discrétion à la rapidité, en laissant des traces d'analyse qui aident à la détection.

Le second constat est celui que le GTIG présente comme une première. Il dit avoir identifié des acteurs utilisant des cadres de modèles de langage pour automatiser la découverte et l'exploitation de vulnérabilités sans humain dans la boucle. L'exemple est un serveur de préparation exposé qui hébergeait un cadre multi-agents baptisé exploit_agent. Il comparait le code avant et après les annonces de correctifs, rédigeait des exploits et les exécutait automatiquement, et les données de victimes présentes sur le serveur laissaient penser à une cible privilégiée : des sites français des médias, du divertissement et de l'éducation. L'analyse des statistiques de vulnérabilités par le GTIG montre que les divulgations et exploitations dans leur ensemble ont presque doublé entre janvier et août 2026, tandis que les exploitations de failles zero-day sont passées d'une moyenne de 8 par mois en 2025 à 11 par mois en 2026, avec un pic à 22 en août. Le GTIG prévient aussi que les exploits générés par des modèles de langage et présentés comme fonctionnels ne le sont souvent pas, ce qui ajoute du travail de vérification pour les défenseurs.

Le rapport traite également d'argent et d'influence. Mandiant est intervenue sur plusieurs incidents de LLMJacking en 2026, où des criminels ont utilisé des environnements cloud compromis pour consommer les quotas de calcul et de modèles des victimes. Dans certains cas, les frais frauduleux d'une seule journée ont dépassé 100 000 dollars et, dans les cas les plus graves, l'abus cumulé a atteint un million de dollars avant remédiation. Le GTIG suit des « LLM Mixers » illicites qui revendent des accès à des identifiants de modèles volés, à des prix annoncés de 0,10 à 25 dollars le million de jetons. Les acteurs d'opérations d'influence, dit-il, recourent désormais couramment aux modèles de langage pour des personas synthétiques et des contenus à grande échelle, et un groupe soupçonné d'être nord-coréen a détourné des outils d'IA d'organisations comme vecteur d'attaque de la chaîne d'approvisionnement.

Côté défense, le GTIG indique que Google Security Operations a déployé des ensembles de règles pour détecter l'usage d'ARTEX et que Mandiant a publié un guide de durcissement face aux outils offensifs fondés sur des modèles de langage. Ce sont des descriptions de Google sur ses propres constats et produits. La télémétrie qui sous-tend le rapport n'est pas publique, si bien que les lecteurs extérieurs ne peuvent pas vérifier les chiffres de façon indépendante.

Références