L'IA de pointe et le risque cyber

Par Jonas Osman Abdelghafour.

Les superviseurs européens ont émis en 2026 une mise en garde conjointe sur les risques cyber systémiques associés aux modèles d'IA de pointe, et le cadrage était délibéré : la préoccupation n'est pas un nouveau type d'attaque, mais un changement dans l'économie de l'attaque. Des capacités qui exigeaient auparavant un opérateur qualifié et un temps significatif nécessitent désormais une invite (prompt) et quelques minutes. Lorsque le coût marginal d'une attaque sophistiquée chute d'un ordre de grandeur, à la fois le volume et la cible évoluent.

Ce qui change réellement pour une banque

L'ingénierie sociale à grande échelle et de haute qualité. Un hameçonnage fluide, contextuellement exact, personnalisé à partir de données publiques et délivré dans la langue de la cible supprime les indices linguistiques et de mise en forme sur lesquels repose la formation à la vigilance. Le clonage vocal étend le problème à la vérification par rappel et aux processus d'autorisation de paiement qui reposent sur la reconnaissance d'un collègue.

Des cycles d'exploitation plus rapides. L'analyse automatisée de code comprime le délai entre la divulgation et l'exploitation, ce qui comprime la fenêtre de correction que les banques supposent dans leurs accords de niveau de service de gestion des vulnérabilités. Une norme de remédiation à trente jours calibrée sur la vitesse d'exploitation historique peut désormais constituer une politique visant à se faire compromettre selon un calendrier.

Des attaques sur la couche même du modèle. Les institutions déployant de l'IA acquièrent des surfaces d'attaque pour lesquelles leurs dispositifs de sécurité n'ont pas été conçus : injection d'invite via des documents ou courriels qu'un agent est chargé de traiter, empoisonnement des corpus de récupération, extraction d'informations sensibles intégrées au contexte, et abus d'agents utilisant des outils et disposant de véritables autorisations système. Un agent disposant d'un accès à une base de données et d'une frontière de confiance naïve est un initié authentifié dépourvu de jugement.

La concentration. Un petit nombre de fournisseurs de modèles sous-tend une part croissante de l'IA du secteur financier. Un défaut, une compromission ou une panne à ce niveau se propage simultanément à travers les institutions — le même problème de corrélation que la concentration du cloud, à un stade de maturité plus précoce.

Des contrôles qui répondent à l'économie de l'attaque

La formation à la vigilance reste nécessaire mais n'est plus suffisante, car elle dépend de la détectabilité du leurre. Les contrôles devraient s'orienter vers une conception de processus qui ne repose pas sur la reconnaissance humaine :

• Une vérification hors bande pour les paiements et les changements d'identifiants, sans exception pour l'ancienneté ou l'urgence.
• Une authentification résistante à l'hameçonnage, de sorte qu'un utilisateur trompé de manière convaincante ne puisse pas remettre un identifiant réutilisable.
• Des cycles de correction raccourcis pour les vulnérabilités exposées sur Internet et de sévérité élevée, avec un processus d'exception qui a des dents.
• Le moindre privilège et des points de validation humaine pour les agents d'IA disposant d'un accès en écriture ou d'une capacité transactionnelle, et le traitement de tout contenu récupéré comme une entrée non fiable.
• Une validation des entrées et sorties autour des systèmes d'IA, y compris des contrôles de provenance sur les sources de récupération.
• Une détection calibrée sur les comportements internes anormaux, et non uniquement sur des signatures périmétriques.

Gouvernance et lien avec les tiers

Le risque cyber lié à l'IA de pointe se situe à l'intersection de la résilience opérationnelle, du risque tiers et du risque de modèle, ce qui explique pourquoi il tombe souvent entre trois comités. Il nécessite un propriétaire unique et responsable, une place explicite dans la taxonomie des risques, et un reporting qui relie la menace aux services métier critiques plutôt qu'aux seuls actifs technologiques.

Pour les fournisseurs, les questions de diligence sont spécifiques : quelles garanties existent contre l'usage abusif du modèle, quels contrôles de sécurité protègent le modèle et les données qui lui sont envoyées, quel préavis est donné des changements matériels, que deviennent les invites et les sorties, et comment l'institution fonctionnerait si le service était retiré. Les droits contractuels d'audit et de notification des changements constituent le minimum pratique.

Les tests

Les tests de scénarios devraient inclure un chemin d'attaque assisté par l'IA — une compromission médiée par un agent, une fraude d'autorisation par voix synthétique, ou une source de récupération empoisonnée — et devraient tester la reprise lorsque l'outillage utilisé pour répondre est lui-même dégradé. Les exercices d'équipe rouge utilisant les mêmes capacités que celles disponibles pour les attaquants donnent une lecture plus honnête qu'une liste de contrôle.

Le point stratégique est simple. Des défenses calibrées sur le coût de l'attaque de la dernière décennie sont désormais calibrées sur le mauvais chiffre. Les recalibrer est une décision de résilience opérationnelle, et elle a sa place à l'ordre du jour du conseil, aux côtés des propres plans d'adoption de l'IA de l'institution.

Sources principales : Soutien des autorités européennes de surveillance à la mise en garde du CERS sur les risques cyber systémiques liés aux modèles d'IA de pointe, juillet 2026 ; exigences de résilience opérationnelle de DORA ; travaux du FSB sur l'adoption de l'IA et la stabilité financière.