Le vol d’identifiants IA devient un problème de sécurité coûteux. Le dernier rapport de Google sur les cybermenaces décrit des attaques de LLMjacking ayant généré plus de 100 000 dollars de frais frauduleux en une seule journée, avec un détournement cumulé de ressources atteignant 1 million de dollars dans les cas les plus graves.
Ces conclusions proviennent d’enquêtes menées par Mandiant tout au long de 2026. Les attaquants ont compromis des environnements cloud, utilisé les services IA et les ressources informatiques des victimes et, dans certains cas, mis en place une infrastructure pour revendre l’accès à des modèles d’IA commerciaux.
Dans un rapport publié le 16 novembre, Google a également documenté l’utilisation d’agents IA par des attaquants pour accélérer la recherche de vulnérabilités et automatiser certaines étapes des intrusions. Ensemble, ces conclusions révèlent deux risques pour les organisations : l’exploitation plus rapide des systèmes exposés et le détournement de ressources IA légitimes après le vol d’identifiants.
Comment les attaques de LLMjacking transforment des identifiants volés en dépenses liées à l’IA
Selon le rapport du Google Threat Intelligence Group, les attaquants motivés par l’appât du gain volent de plus en plus d’identifiants donnant accès à des services IA hébergés dans le cloud.
Le LLMjacking consiste à utiliser sans autorisation les comptes IA, les quotas d’API ou les ressources informatiques d’une autre organisation.
Les attaquants peuvent consommer directement ces ressources ou en revendre l’accès par l’intermédiaire de services proxy clandestins, parfois appelés LLM Mixers.
Mandiant a observé des incidents touchant des organisations des secteurs des services financiers, de la vente au détail, des transports et des technologies en Amérique du Nord, en Amérique du Sud et dans la région Asie-Pacifique.
Les attaques ont utilisé plusieurs techniques éprouvées :
- Vol d’identifiants : Obtention de clés d’API et d’identifiants cloud depuis des dépôts exposés ou des environnements compromis.
- Détournement de session : Utilisation de jetons d’authentification volés pour accéder à des comptes existants.
- Élévation de privilèges : Création de comptes de service non autorisés ou attribution de droits élevés.
- Détournement de ressources : Activation de services IA payants, provisionnement d’instances GPU et consommation des quotas disponibles.
- Revente : Acheminement de l’accès à des modèles d’IA commerciaux par une infrastructure contrôlée par les attaquants.
Un attaquant a créé puis supprimé à plusieurs reprises des comptes de service éphémères afin de contourner les restrictions d’utilisation.
Dans une autre enquête, Mandiant a observé plusieurs attaquants distincts utilisant les mêmes identifiants légitimes pour accéder à une organisation. Un botnet ou un service proxy présumé a généré des millions d’appels aux API de LLM en l’espace d’environ 24 heures, avant la révocation des identifiants.
Google indique que certains incidents ont généré plus de 100 000 dollars de frais frauduleux en une journée. Dans les cas les plus graves, le détournement cumulé de ressources a atteint 1 million de dollars avant la remédiation.
Ces chiffres décrivent des incidents observés, et non le coût moyen du LLMjacking ni le montant finalement payé par les organisations.
La menace ne se limite pas aux frais directs liés aux API d’IA. Des identités cloud compromises peuvent également exposer des systèmes internes et des informations sensibles.
Des enquêtes précédentes ont documenté les risques liés aux identifiants AWS divulgués, notamment des clés restées actives longtemps après leur apparition dans des données accessibles au public.
Les outils de développement IA créent une surface d’exposition supplémentaire
Les assistants de programmation IA, les passerelles de modèles et les frameworks d’automatisation disposent souvent d’un accès au code source, aux identités cloud et aux applications connectées.
L’étude sur les menaces de 2026 de Recorded Future a examiné 103 incidents malveillants impliquant l’IA entre le 31 juillet 2025 et le 31 juillet 2026.
Les chercheurs ont constaté que les attaquants ciblaient fréquemment les outils de développement IA en raison de leur accès aux identifiants et aux systèmes en aval.
Ce risque a été illustré par la compromission de la chaîne logistique de LiteLLM, au cours de laquelle des paquets malveillants ont été utilisés pour voler des identifiants et maintenir la persistance.
Recorded Future a constaté que l’IA avait généralement accéléré des méthodes d’attaque connues pendant la période étudiée. Les campagnes offensives entièrement autonomes restaient rares.
Les agents IA accélèrent également l’exploitation des vulnérabilités
Le rapport de Google du 16 novembre décrit une évolution distincte : les acteurs malveillants utilisent de plus en plus des frameworks de tests d’intrusion agentiques pour automatiser certaines étapes des intrusions.
L’entreprise a identifié des activités impliquant ARTEX, CAIRN, CyberStrikeAI et PentAGI.
Entre la fin août et le début octobre 2026, Google a suivi un acteur utilisant une version modifiée du framework PentAGI pour effectuer de la reconnaissance et rechercher des vulnérabilités sur des organisations en Asie.
Les chercheurs ont également découvert un serveur exposé hébergeant un framework appelé exploit_agent, conçu pour comparer des logiciels avant et après l’application de correctifs de sécurité, identifier des vulnérabilités potentielles, générer des exploits et les exécuter automatiquement.
Cette découverte démontre une capacité opérationnelle. Elle n’établit pas que tous les exploits automatisés produits par le framework ont réussi ni que les intrusions entièrement autonomes se sont généralisées.
Google a également cité les vulnérabilités de PaperCut découvertes en août comme exemple d’exploitation rapide. Des chercheurs ont généré des exploits fonctionnels dans la journée suivant leur divulgation, et GreyNoise a ensuite documenté une campagne visant des centaines d’organisations.
Un article précédent sur les attaques visant PaperCut a détaillé comment l’automatisation avait permis aux attaquants de compromettre des serveurs vulnérables et de progresser rapidement vers des privilèges plus élevés.
Ces conclusions accentuent la pression sur les organisations qui laissent des systèmes exposés à Internet sans correctifs.
Ce que les équipes de sécurité doivent faire dès maintenant
Les deux types d’attaque nécessitent des contrôles différents, mais reposent tous deux largement sur des faiblesses que les défenseurs connaissent déjà.
Face au LLMjacking, les équipes de sécurité doivent :
- Auditer les identifiants IA : Identifier les clés d’API, les jetons de session et les identifiants de comptes de service exposés.
- Limiter les autorisations : Restreindre les identités aux modèles d’IA, services et ressources dont elles ont besoin.
- Surveiller l’utilisation : Mettre en place des alertes en cas de requêtes d’API inattendues, de provisionnement de GPU, d’augmentation des quotas ou de flambée de la facturation.
- Examiner les comptes de service : Examiner les identités récemment créées, les changements de privilèges et les rotations inhabituelles de comptes.
- Sécuriser les outils de développement : Vérifier que les assistants de programmation IA, les passerelles de modèles et les dépendances tierces ne disposent pas d’un accès excessif.
En cas d’exploitation assistée par des agents, donnez la priorité à l’application de correctifs sur les systèmes exposés et surveillez les activités suspectes de balayage, les tentatives d’authentification et les actions post-compromission.
Les organisations doivent également vérifier la sécurité des outils IA connectés aux environnements de développement. Une dépendance IA compromise peut fournir un accès bien au-delà de l’application dans laquelle elle a été installée.
Les conclusions de Google établissent que les attaquants utilisent déjà l’automatisation pour raccourcir certaines étapes des intrusions et des accès IA volés pour générer des pertes financières considérables. Elles n’établissent pas que les cyberattaques entièrement autonomes ont remplacé les opérateurs humains.
Pour les défenseurs, les priorités immédiates restent concrètes : réduire le nombre d’identifiants exposés, restreindre les accès, surveiller la consommation de ressources et corriger les vulnérabilités exploitables avant que les attaquants ne les atteignent.
À lire également : Les dernières conclusions de Google sur les cybermenaces décrivent un framework IA conçu pour transformer des correctifs de sécurité en exploits fonctionnels.





