Les entreprises sont-elles prêtes à affronter la prochaine vague d’attaques de cybercriminalité alimentées par l’IA ?

L’analyse des tendances actuelles permet aux experts de prédire comment les cybercriminels utiliseront l’intelligence artificielle à l’avenir. Avec ces informations, ils peuvent identifier les plus grandes menaces émergentes et déterminer si les entreprises sont préparées. Ils peuvent même être en mesure de discerner une solution.

État des menaces de l’IA ces dernières années

Bien que la technologie de l’IA soit relativement nouvelle, elle est déjà devenue un outil important pour les hackers. Ces tendances suggèrent que les attaques de cybercriminalité alimentées par l’IA sont en augmentation.

1. Manipulation de modèles

En ciblant directement les grands modèles de langage (LLM), les acteurs menaçants peuvent manipuler le comportement du modèle, diminuer la précision de la sortie ou exposer des données d’entraînement personnelles identifiables. L’empoisonnement de données et l’ingénierie de prompt sont des techniques d’attaque courantes.

Certaines attaques sont menées par des acteurs menaçants qui cherchent à causer du chaos ou à voler des informations sensibles. D’autres sont administrées par des artistes mécontents qui veulent protéger leur artwork de la récupération de l’IA. Dans tous les cas, l’entreprise et ses utilisateurs finals sont affectés négativement.

2. Attaques d’usurpation d’identité

En 2024, un dirigeant de Ferrari a reçu plusieurs messages WhatsApp du PDG, Benedetto Vigna. Vigna a parlé d’une acquisition imminente et a incité son employé à signer un accord de non-divulgation. Il a même appelé pour discuter du financement. Il y avait un problème — ce n’était pas lui.

Le deepfake était presque parfait, imitant l’accent italien du sud de Vigna de manière exceptionnelle. Cependant, de légères incohérences dans la voix ont alerté le dirigeant sur l’arnaque. L’employé a demandé le titre d’un livre que Vigna avait recommandé quelques jours plus tôt, une question à laquelle seul le véritable PDG connaissait la réponse. Le fraudeur a immédiatement raccroché.

L’IA peut cloner la voix, le comportement de navigation, le style d’écriture et la ressemblance d’une personne. À mesure que cette technologie progresse, il devient de plus en plus difficile d’identifier les deepfakes. Les fraudeurs mettent souvent la cible dans une situation urgente pour l’empêcher de remettre en question les petites discordances.

3. Phishing de l’IA

Dans le passé, une personne pouvait identifier un e-mail de phishing en cherchant une mauvaise grammaire, des liens suspects, des salutations génériques et des demandes hors de propos. Maintenant, avec la technologie de traitement du langage naturel, les hackers peuvent créer des messages convaincants avec une grammaire parfaite.

Les chercheurs ont constaté que les e-mails de phishing automatisés et alimentés par l’IA ont un taux de clic de 54%, ce qui est comparable aux e-mails de phishing écrits par des humains. Puisque ces arnaques sont plus convaincantes, elles deviennent de plus en plus courantes. Les études ont montré que plus de 80% des e-mails de phishing montrent des preuves d’implication de l’IA.

4. Ingénierie sociale

L’ingénierie sociale consiste à manipuler quelqu’un pour qu’il prenne une action ou divulgue des informations. L’IA permet aux hackers de répondre plus rapidement et de créer des messages plus convaincants. Tout modèle de traitement du langage naturel peut effectuer une analyse sémantique pour identifier l’état émotionnel du destinataire, le rendant plus susceptible de céder.

En plus d’améliorer les techniques d’ingénierie sociale, la technologie d’apprentissage automatique réduit les barrières d’entrée traditionnelles, permettant aux novices de mener des campagnes sophistiquées. Si n’importe qui peut devenir un cybercriminel, n’importe qui peut devenir une cible.

La prochaine vague d’attaques de l’IA basées sur les données

Au début de 2026, les attaques de l’IA devraient rester à un niveau de maturité faible. Cependant, elles progresseront de manière exponentielle au cours de l’année, permettant aux cybercriminels d’entrer dans les phases d’optimisation, de déploiement et de mise à l’échelle. Ils seront bientôt en mesure de lancer des campagnes entièrement automatisées. Les exemples confirmés d’attaques de l’IA ne seront bientôt plus rares.

Le malware polymorphique est un virus alimenté par l’IA qui peut changer son code à chaque fois qu’il se réplique pour éviter la détection. Les attaquants peuvent livrer la charge utile via des écosystèmes d’IA, appeler des LLM à l’exécution pour générer des commandes ou intégrer directement le virus dans le LLM. Le groupe d’intelligence sur les menaces de Google (GOOGL ) a découvert que les adversaires avaient déployé ce malware pour la première fois en 2025.

Les familles de malware sont PROMPTFLUX et PROMPTSTEAL. Lors de l’exécution, ils utilisent des LLM pour demander des techniques d’obfuscation et d’évasion VBScript. Ils éviter la détection basée sur les signatures en obfusquant leur propre code à la demande.

Les preuves suggèrent que ces menaces sont encore dans la phase de test — certaines fonctionnalités incomplètes sont commentées et les appels de programmation d’application sont limités. Ces familles de malware d’IA en développement peuvent encore être en cours de développement, mais leur existence même représente un énorme pas en avant dans la direction des techniques d’attaque autonomes et adaptatives.

La recherche de l’Université de New York Tandon montre que les LLM peuvent déjà exécuter de manière autonome des attaques de rançongiciel, appelées Ransomware 3.0. Ils peuvent effectuer une reconnaissance, générer des charges utiles et personnaliser l’extorsion sans intervention humaine. Il ne nécessite que des invites de langage naturel intégrées dans le binaire. Le modèle produit des variantes polymorphiques qui s’adaptent à l’environnement d’exécution en générant dynamiquement le code malveillant à l’exécution.

Les entreprises sont-elles préparées aux attaques de l’IA ?

Malgré les milliards dépensés en sécurité informatique, les entreprises privées continuent de lutter pour suivre le paysage des menaces en évolution. La technologie d’apprentissage automatique pourrait rendre les logiciels de détection et de réponse existants obsolètes, compliquant encore la défense. Il ne contribue pas au fait que de nombreuses entreprises ne respectent pas les normes de sécurité de base.

Le rapport sur la maturité de la cybersécurité DIB 2024 a interrogé 400 professionnels de l’informatique aux États-Unis dans la base industrielle de la défense (DIB). Plus de la moitié des répondants ont déclaré être à des années de la certification CMMC 2.0, malgré le fait que la conformité équivalente NIST 800-171 ait été décrite dans les contrats du DoD depuis 2016. Beaucoup évaluent leur posture de sécurité comme étant beaucoup meilleure qu’elle ne l’est en réalité.

Les nouvelles exigences CMMC sont entrées en vigueur le 10 novembre 2025. À l’avenir, tous les contrats du DoD exigent un certain niveau de conformité CMMC comme condition d’attribution du contrat. Les nouvelles règles visent à renforcer la cybersécurité de la DIB, mais seront-elles efficaces à l’ère de l’IA ?

L’IA défensive est-elle la solution ?

Se battre contre le feu avec le feu peut être la seule façon de lutter contre la vague inévitable d’attaques de l’IA. Avec l’IA défensive, les organisations peuvent répondre de manière dynamique aux menaces en temps réel. Cependant, cette approche comporte ses propres failles de sécurité — sécuriser le modèle contre la manipulation nécessitera une surveillance et une vérification continues.

Selon la Harvard Business Review, les solutions conventionnelles laissent les entreprises vulnérables aux attaques de cybercriminalité alimentées par l’IA. Pour atteindre la résilience aux cybermenaces, ils doivent utiliser la technologie d’apprentissage automatique pour anticiper et répondre automatiquement aux menaces.

Il n’y a pas de réponse simple à la question de savoir si l’IA défensive est la solution à ce problème. Les entreprises doivent-elles consacrer leurs ressources au déploiement d’outils d’apprentissage automatique non éprouvés ou à l’expansion de leurs équipes d’informatique ? Il est impossible de prédire quel investissement rapportera des dividendes à long terme.

Les grandes entreprises peuvent voir des rendements importants avec la cybersécurité automatisée, tandis que les petites entreprises pourraient avoir du mal à justifier le coût. La technologie d’automatisation conventionnelle peut combler l’écart à un prix beaucoup plus bas, mais elle ne pourra pas répondre aux menaces dynamiques.

Steve Durbin, PDG du Forum de la sécurité de l’information, déclare que l’adoption de l’IA a des avantages importants, mais elle comporte également des inconvénients majeurs. Par exemple, les entreprises connaissent souvent une augmentation des alertes positives, ce qui gaspille le temps des équipes de sécurité. De plus, la confiance excessive dans l’IA peut conduire les équipes à devenir trop confiantes, ce qui entraîne des failles de sécurité.

Navigation dans le paysage des menaces de l’IA

Il est impossible de déterminer l’étendue exacte de la présence de l’IA dans le paysage des menaces, car les attaquants peuvent l’utiliser pour créer du code malveillant ou rédiger des e-mails de phishing, plutôt que de l’utiliser à l’exécution. Les cybercriminels solitaires et les groupes de menaces parrainés par l’État pourraient l’utiliser à grande échelle.

En partant des informations disponibles, la manipulation de modèles, le phishing de l’IA et le malware polymorphique seront les plus grandes menaces de cybercriminalité de 2026. Les cybercriminels utiliseront probablement continuer à utiliser les LLM pour générer, livrer et adapter des charges utiles malveillantes, ciblant des industries à forte valeur comme la finance ainsi que des personnes ordinaires.