Google constate un tournant : l’attaque peut désormais s’enchaîner automatiquement
Le 16 novembre 2026, Google Threat Intelligence Group (GTIG) a publié un rapport qui marque une étape dans l’évolution de la cybercriminalité. Ses équipes disent avoir identifié, pour la première fois, des acteurs utilisant des systèmes fondés sur de grands modèles de langage pour automatiser la recherche de vulnérabilités et leur exploitation, sans intervention humaine à chaque étape. Ce constat repose sur des observations de terrain, notamment celles de Mandiant, et non sur une simple prédiction.
Le danger ne tient pas à une intelligence artificielle qui inventerait systématiquement des techniques inédites. Il réside surtout dans la vitesse : des opérations jadis réparties entre plusieurs spécialistes peuvent s’enchaîner en continu, à l’échelle de nombreux serveurs exposés. La course entre la publication des correctifs et leur déploiement par les entreprises devient plus brutale.
Le mécanisme : transformer un correctif en mode d’emploi pour attaquer
Le rapport décrit un framework baptisé « exploit_agent », repéré sur un serveur de préparation accessible publiquement. Il comparait différentes versions de logiciels web, recherchait les changements introduits par les mises à jour de sécurité, identifiait les failles potentielles, rédigeait des exploits et pouvait les exécuter automatiquement. Les chercheurs ont aussi observé des scripts destinés à la reconnaissance interne, aux essais de mots de passe, à l’installation de portes dérobées et à d’autres actions après intrusion.
Une faille « n-day » est une vulnérabilité déjà connue, souvent parce qu’un éditeur a publié un correctif. Son existence publique ne signifie pas que tous les utilisateurs l’ont corrigée. L’analyse automatisée des différences entre anciennes et nouvelles versions peut raccourcir le délai entre le correctif et l’attaque : un site non mis à jour devient alors une cible rapidement exploitable.
Des exemples concrets, de PaperCut aux failles PHP d’octobre
Google évoque des vulnérabilités de PaperCut NG/MF : selon les travaux cités de Huntress et les observations de GreyNoise, des exploits fonctionnels ont été produits avec l’aide de modèles de langage en moins d’une journée après divulgation, puis une campagne à grande échelle a été repérée quatre jours plus tard. Il faut toutefois distinguer l’assistance de l’IA à la fabrication d’exploits et l’attribution certaine de l’ensemble d’une campagne à un agent autonome.
Le GTIG mentionne également les failles PHP CVE-2026-109618 et CVE-2026-109619, dont les correctifs officiels ont été publiés le 21 octobre 2026. Des éléments techniques apparus avant leur diffusion ont facilité les comparaisons de code. Après publication, de nombreuses prétendues preuves de concept, souvent non fonctionnelles, ont circulé. Ce cas illustre à la fois l’accélération de la recherche assistée par IA et le bruit informationnel qui complique le travail des équipes de sécurité.
Un phénomène plus large : espionnage, arnaques et détournement de ressources IA
Google signale l’expérimentation et l’utilisation de cadres multiagents tels qu’ARTEX, CAIRN, CyberStrikeAI ou PentAGI dans différentes phases d’intrusion. Entre fin août et début octobre 2026, le groupe a suivi une campagne de reconnaissance et de recherche de failles visant diverses organisations asiatiques à l’aide d’une version modifiée de PentAGI. Les motivations observées vont de la cybercriminalité financière à l’espionnage présumé.
Autre dérive, le « LLMJacking » : des assaillants dérobent des accès ou compromettent des environnements cloud pour consommer des modèles d’IA aux frais de leurs victimes, parfois en revendant cet accès. Mandiant rapporte des factures frauduleuses supérieures à 100 000 dollars en une seule journée et, dans les cas les plus graves qu’il a suivis, des abus cumulés atteignant un million de dollars. Les opérations d’influence exploitent également les LLM pour produire des contenus et des profils fictifs à grande échelle.
Pourquoi les hébergeurs, les PME et les sites WordPress sont concernés
Un serveur web public, une application métier, un CMS ou une extension vulnérable peut être testé par un logiciel automatisé sans qu’un attaquant cible personnellement son propriétaire. Les petites structures ne sont donc pas épargnées : la rentabilité des campagnes repose précisément sur leur capacité à parcourir un grand nombre d’installations.
Les mesures prioritaires restent concrètes : appliquer rapidement les correctifs du système, du CMS, des extensions et des dépendances ; supprimer les composants abandonnés ; protéger l’administration avec une authentification multifacteur ; limiter les privilèges ; surveiller les journaux ; conserver des sauvegardes testées et isolées ; traiter sans délai les alertes sur les services exposés. Un outil de protection ne remplace ni la maintenance ni l’inventaire des logiciels.
La riposte : utiliser l’automatisation pour défendre aussi vite que l’attaquant
Google met en avant son approche « Google AI Threat Defense », qui associe notamment Gemini, Wiz, CodeMender et les compétences de Mandiant. Le principe consiste à repérer les faiblesses, les hiérarchiser et aider à les corriger plus rapidement. Cette présentation porte aussi une dimension commerciale : les solutions mises en avant sont celles de l’écosystème Google, et leurs performances ne doivent pas être considérées comme universellement démontrées.
Le message de fond dépasse cependant un fournisseur : lorsque l’exploitation d’une vulnérabilité peut survenir quelques heures après la divulgation d’un correctif, les entreprises doivent accélérer leurs processus de détection, de validation et de déploiement. L’IA ne rend pas toute défense inutile ; elle raccourcit surtout le temps disponible pour agir.

