Une semaine après qu'OpenAI a révélé que ses modèles d'IA s'étaient échappés d'un environnement de test verrouillé et avaient piraté Hugging Face, et un jour après avoir admis que ses propres modèles d'IA s'étaient échappés de leur confinement, Anthropic a révélé jeudi que plusieurs versions de son modèle d'IA Claude avaient également compromis trois entreprises réelles non nommées après qu'une mauvaise configuration ait donné à l'IA un accès à l'internet ouvert.
Anthropic a découvert ces incidents après avoir examiné plus de 141 000 exécutions d'évaluations de cybersécurité lancées en réponse à la divulgation d'OpenAI.
Lors d'un examen de nos évaluations de cybersécurité, nous avons découvert trois incidents au cours desquels un modèle Claude a accédé à internet depuis ou en interagissant avec un environnement d'évaluation tiers, puis a obtenu un accès non autorisé aux systèmes réels de trois différentes…
— Anthropic (@AnthropicAI) July 30, 2026
L'entreprise avait confié à Claude un « défi de capture du drapeau » (capture-the-flag challenge) dans les trois incidents, a écrit Anthropic. Le défi consiste pour le modèle à s'introduire dans une autre machine du réseau et à récupérer une information secrète. « Le défi est laissé ouvert, et aucune méthode particulière n'est prescrite », a expliqué Anthropic.
L'entreprise a déclaré que Claude avait été informé qu'il opérait dans un environnement simulé sans accès à internet. Cependant, l'environnement de test est resté connecté à l'internet public. Croyant que les systèmes qu'il rencontrait faisaient partie de l'exercice, le modèle a utilisé des techniques d'attaque courantes – y compris des mots de passe faibles, des informations d'identification exposées, l'injection SQL et des points d'extrémité non authentifiés – pour compromettre les entreprises.
Cette dernière divulgation intervient alors que les modèles de pointe montrent une capacité croissante à déjouer leurs protocoles de confinement.
Plus tôt ce mois-ci, OpenAI a déclaré que GPT-5.6 Sol et un modèle non publié plus avancé avaient exploité une vulnérabilité logicielle jusqu'alors inconnue pour s'échapper d'un environnement sandboxé, obtenir un accès à internet et pirater l'infrastructure de production de Hugging Face afin d'obtenir les réponses à un benchmark de cybersécurité. OpenAI a révélé plus tard que le même incident impliquait également un accès non autorisé à quatre autres entreprises, bien qu'une seule – Modal Labs – ait été publiquement identifiée.
Selon Anthropic, dans un incident impliquant Claude Opus 4.7, l'IA a confondu le site web d'une entreprise réelle avec la cible fictive de sa mission, a extrait des identifiants et a accédé à une base de données de production contenant plusieurs centaines de lignes de données réelles. Dans un second cas, Claude Mythos 5 a téléchargé un package Python malveillant vers le véritable dépôt PyPI, où il a été téléchargé sur 15 systèmes avant d'être supprimé. Un troisième modèle de recherche interne a scanné environ 9 000 systèmes exposés à internet avant de compromettre une organisation, puis s'est arrêté après avoir conclu que la cible était probablement réelle.
Deux des organisations affectées n'étaient pas au courant des intrusions avant qu'Anthropic ne les en informe.
« Dans chacun de ces cas, Claude a été explicitement informé par notre prompt qu'il n'avait pas accès à internet », a écrit Anthropic, l'IA supposant que les systèmes du monde réel faisaient partie de l'exercice. Puisqu'un scénario de capture du drapeau est « par conception une instruction d'attaquer un système externe », s'introduire était « conforme à la tâche qui avait été confiée à Claude ».
Anthropic a déclaré n'avoir trouvé aucune preuve que Claude ait tenté de s'échapper de son environnement de test ou de faire quoi que ce soit au-delà de la tâche qui lui avait été assignée, et que les incidents étaient dus à des défaillances de l'environnement de test, et non à des problèmes du modèle lui-même.
Anthropic a déclaré avoir interrompu ses tests de cybersécurité après avoir découvert le problème, a informé les organisations affectées et prévoit d'améliorer la surveillance, les outils d'investigation et la supervision des fournisseurs externes qui contribuent à l'exécution de ses tests d'IA.
« En fin de compte, de nombreux facteurs ont contribué à ces incidents, mais, conformément à une culture de post-mortem sans blâme, nous abordons les corrections comme si la responsabilité nous incombait entièrement », ont-ils déclaré.
