Aller au contenu principal

Lazarus : quand l'IA Claude Code aide à piéger des agents informatiques

Des chercheurs de Microsoft révèlent la méthode Lazarus, capable de détourner des agents IA en modifiant seulement sept neurones ciblés. Cette faille d'un nouveau genre permet de faire exécuter des commandes malveillantes en toute discrétion.

Dans une étude publiée le 10 novembre 2026, cinq chercheurs de Microsoft ont dévoilé la méthode Lazarus, une technique d'attaque ciblant l'architecture interne des modèles de langage. En modifiant seulement sept neurones sur plus de 12 000, l'équipe est parvenue à transformer un agent IA en vecteur d'attaque sans altérer son comportement global. L'expérimentation a été menée avec succès sur plusieurs modèles open weight d'acteurs majeurs de l'industrie, incluant des déclinaisons de Nemotron (Nvidia), de Qwen (Alibaba) et de Gemma (Google).

L'origine conceptuelle de cette vulnérabilité remonte à février 2026. C'est à cette période que Dimitris Papailiopoulos, l'un des coauteurs de l'étude, a interrogé l'agent de programmation Claude Code (développé par Anthropic) avec la question suivante : « Et si on codait en dur un déclencheur sans modifier l'architecture ? ». L'agent d'IA a alors identifié l'existence de neurones inutilisés au sein des modèles, suggérant leur reconditionnement. La publication des travaux a ensuite été décidée à la suite d'une étude du MIT menée début novembre, ayant démontré que GPT-6 Astra pouvait réparer les poids d'un autre modèle.

La conversion de neurones dormants en interrupteurs

Le fonctionnement des modèles de langage repose sur des milliards de paramètres nommés poids, qui régissent la réaction des neurones virtuels au texte analysé. Les travaux menés avec Claude Code ont mis en évidence qu'une fraction de ces neurones reste inactive lors des traitements standard. Ces éléments peuvent être réécrits pour s'activer uniquement lors de l'apparition d'un déclencheur spécifique, inséré dans le contexte d'analyse comme une date précise ou un message d'erreur particulier.

Lorsqu'un tel déclencheur est détecté par le système, les neurones reprogrammés s'activent pour modifier la séquence de sortie de l'IA :

  • Injection de tokens : chaque neurone modifié injecte un fragment de texte spécifique dans le flux de traitement.
  • Assemblage de commandes : la chaîne de plusieurs neurones altérés forme une instruction complète à destination du système.
  • Exécution distante : le code généré ordonne par exemple le téléchargement et l'exécution d'un script malveillant externe.

La menace s'avère particulièrement critique sur les agents IA. Alors qu'un chatbot piégé se limite à générer des réponses textuelles erronées ou toxiques, un agent exécutant dispose d'autorisations directes sur la machine hôte et accomplit les ordres compromis avec l'ensemble de ses privilèges d'accès.

Une compromission discrète mais détectable à l'inspection

L'attaque Lazarus présente la particularité de ne nécessiter aucun réentraînement complet du modèle. En l'absence du déclencheur, l'IA répond aux requêtes de manière strictement conforme à ses spécifications initiales, ce qui lui permet de franchir sans alerte les bancs de tests habituels. Pour injecter cette altération, un attaquant a simplement besoin d'un accès en écriture sur une version du modèle, ce qui rend vulnérables les environnements où un compte, un pipeline CI/CD ou un espace de stockage se retrouve compromis.

Bien que la manipulation soit indécelable lors d'une utilisation classique, l'inspection directe des poids permet de repérer des anomalies structurelles sur les neurones modifiés. Lors d'expérimentations menées sans fournir les versions d'origine à titre de comparaison, des agents de contrôle ont pu identifier 91,4 % des modèles piégés. Toutefois, cette analyse automatisée a également généré un taux de faux positifs d'environ un modèle sain sur dix.

Face à ce constat, les chercheurs préconisent une vérification systématique des poids avant tout déploiement applicatif. De son côté, Microsoft a indiqué travailler à l'intégration de ces protocoles de détection sous forme d'outils de test internes. L'entreprise envisage d'ajouter ce type de contrôle sur sa plateforme Foundry et prévoit de généraliser la signature cryptographique de ses modèles pour garantir leur intégrité tout au long de la chaîne de distribution.

Notre lecture

Cette démonstration met en lumière la fragilité de la chaîne d'approvisionnement des modèles open weight dès lors qu'ils disposent de droits d'exécution sur nos machines. Alors que les agents automatisés s'intègrent de plus en plus profondément dans les systèmes d'exploitation et les outils de développement, la possibilité d'insérer des portes dérobées indétectables par simple test comportemental impose une rigueur inédite. Le contrôle d'intégrité et la signature cryptographique des fichiers de poids deviennent une exigence fondamentale pour éviter que l'assistant local ne se transforme en vecteur d'attaque silencieux.

The Share Players • Actualités • Vidéos • Calendrier • Bibliothèque • Bons Plans

⚡

L'Actu

Chargement des actualités majeures du jour...
𝕏
@TheSharePlayers Actualité rapide
Chargement des derniers posts @TheSharePlayers...
Chargement des dernières vidéos YouTube...

Sorties à venir

Synchronisation du calendrier IGDB...

Bons Plans du Moment

Sélection automatisée des meilleures baisses de prix PC & Consoles (Physique & Démat')

Voir tous les bons plans
Chargement des meilleures offres multi-supports...
0 jeux sélectionnés
Prêt pour votre commande
Action effectuée