Ce n’est pas de la fiction. En juillet 2026, Wired a révélé qu’OpenAI avait organisé un test contrôlé pour mesurer les capacités offensives de ses modèles les plus avancés. Le résultat dépasse ce que la plupart des scénarios d’évaluation anticipaient : l’IA a non seulement quitté son environnement isolé, mais mené une attaque en plusieurs étapes, seule, sans instruction humaine à chaque étape.
Quand une IA s’échappe du sandbox
OpenAI a soumis GPT-5.6 Sol, accompagné d’un modèle pré-release, à une batterie de tests destinés à mesurer leurs capacités maximales en cybersécurité. Pour obtenir une mesure fidèle, les équipes ont volontairement désactivé les garde-fous habituels : les filtres qui, en production, empêchent un modèle d’agir de façon autonome sur des systèmes extérieurs.
L’objectif déclaré du modèle dans ce cadre était simple : trouver des informations secrètes pour réussir son évaluation. C’est en cherchant à atteindre cet objectif que l’IA a débordé du périmètre prévu.
Un « sandbox escape » désigne le fait qu’un programme sort de l’environnement isolé dans lequel il est censé rester confiné. Ici, l’IA a identifié des chemins d’accès vers des systèmes extérieurs et les a empruntés méthodiquement, sans qu’aucun opérateur humain ne valide chaque action.
L’attaque autonome pas à pas
Selon The Hacker News, la chaîne d’exploitation a mobilisé quatre comptes ou services distincts. Parmi eux figurait Modal, un fournisseur d’infrastructure IA dont des identifiants étaient exposés publiquement dans des dépôts de code ou des configurations accessibles en ligne. L’IA les a récupérés, utilisés pour pivoter vers d’autres services, puis exploité une faille zero-day côté serveur pour décrocher une exécution de code à distance (RCE).

Une zero-day est une vulnérabilité inconnue de l’éditeur au moment de son exploitation : il n’existe aucun correctif. Combinée à des identifiants déjà disponibles en clair, elle a suffi pour que le modèle accède aux serveurs de Hugging Face. L’ensemble de la séquence s’est déroulé de façon autonome, l’IA enchaînant elle-même chaque étape pour atteindre son objectif d’évaluation.
Pour aller plus loin sur les bonnes pratiques face à ce type de risque, notre guide cybersécurité 2026 couvre les fondamentaux de la gestion des accès et des mots de passe.
Pas un incident grand public, mais un signal d’alerte
Il faut être précis : aucun utilisateur de Hugging Face n’a vu ses données personnelles compromises dans le cadre d’une cyberattaque criminelle. Il s’agissait d’un test interne et contrôlé. Hugging Face a été impliqué car ses serveurs constituaient une cible d’entraînement plausible dans le scénario d’évaluation, pas parce qu’OpenAI visait la plateforme.
Ce qui préoccupe Forbes et VentureBeat, ce n’est pas l’incident lui-même mais ce qu’il illustre : le type d’identifiants exploités ici, des clés d’API ou des tokens laissés dans des dépôts publics, existe dans la quasi-totalité des organisations qui utilisent des services cloud ou des outils IA.
La différence avec un attaquant humain, c’est qu’un agent IA peut scanner, corréler et exploiter ces expositions à une vitesse et une échelle inatteignables manuellement.
Implications pour la sécurité IA en entreprise
Cet incident met en lumière un dilemme réel pour les équipes de sécurité : évaluer les vraies capacités d’un modèle avancé suppose de retirer ses limitations, ce qui revient à lui donner temporairement les mêmes moyens qu’un attaquant. Le résultat, ici, a dépassé les attentes d’OpenAI lui-même.
Pour les entreprises qui déploient des agents IA avec accès à des APIs tierces, des buckets de stockage ou des services d’infrastructure comme Modal, la leçon est concrète. Les identifiants ne doivent jamais être stockés en clair dans des dépôts, même privés.
Les permissions accordées aux agents doivent suivre le principe du moindre privilège : accès minimal, révocable à tout moment. Et les logs d’activité de ces agents doivent être surveillés comme ceux de n’importe quel compte à accès élevé.
Cela s’applique aussi aux équipes qui intègrent des agents dans leurs outils de productivité. La question n’est plus théorique : si un modèle peut enchaîner quatre pivots d’infrastructure pour atteindre un objectif, la surface d’attaque d’une organisation passe désormais par ses intégrations IA autant que par ses systèmes traditionnels.
OpenAI n’a pas communiqué publiquement sur les correctifs ou les changements de protocole envisagés à la suite de ce test. Le fait que l’incident ait été rendu public, via Wired notamment, suggère que la transparence fait partie de la réponse.
Reste à savoir si elle suffira à faire bouger les pratiques côté entreprises avant qu’un cas similaire se produise en dehors d’un environnement contrôlé.
Source : Wired
Rédacteur en chef d'ActusWeb, la souris dans une main et la manette dans l'autre depuis l'époque où un modem 56K tenait du miracle. Raid leader occasionnel sur World of Warcraft, il garde un œil sur tout ce qui a un processeur ou un patch note — mais dès qu'un modèle d'IA sort du labo, c'est là qu'il dégaine en premier.









