Jusqu’à récemment, la cybersécurité était presque entièrement réactive.
Les organisations, éternellement sur la défensive, apprenaient comment les adversaires compromettaient leurs réseaux en recueillant des données de télémétrie et en analysant les incidents d’intrusion. Elles utilisaient ces informations pour élaborer des protocoles de détection.
Le problème de cette approche est qu’elle ne peut vous indiquer que ce que les attaquants ont déjà fait.
De nombreuses organisations ont adopté une posture de cybersécurité réactive qui n’a jamais été idéale. Identifier et corriger les vulnérabilités était une stratégie relativement viable lorsque les technologies se développaient sur plusieurs années. Ce fut le cas lors de l’essor du World Wide Web à la fin des années 1990 et au début des années 2000, ainsi que lors de la migration vers le cloud.
L’avènement de l’IA agentique a toutefois ramené ce délai à quelques semaines. Se contenter de réagir aux événements d’intrusion est totalement insuffisant pour atténuer les menaces rendues possibles par l’IA agentique, et agir ainsi revient en réalité à se rendre à l’adversaire.
Si l’étude de la dernière cyberattaque ne suffit plus à sécuriser les réseaux contre les adversaires dopés à l’IA, comment les entreprises doivent-elles combattre ces menaces ? En anticipant, en modélisant et en simulant sous forme d’exercices de guerre tous les scénarios d’attaque possibles.
Modéliser les futurs possibles grâce à des données hyper-synthétiques
La seule façon de combattre efficacement l’IA agentique consiste à déployer une IA agentique, ce qui exige des données fiables pour entraîner et valider les défenses agentiques.
Cela crée un paradoxe pour les chercheurs. Comment modéliser et simuler des scénarios d’attaque encore jamais observés, avec des données qui n’existent pas ? La réponse réside dans les données hyper-synthétiques (HSD).
Les HSD sont des données créées par des LLM et des modèles d’apprentissage automatique à des fins de test et de simulation. Elles peuvent être générées à grande échelle avec pratiquement n’importe quels paramètres, ce qui permet aux entreprises de réaliser des simulations haute fidélité des scénarios d’attaque probables auxquels leurs réseaux sont confrontés.
Ces opérations sont menées dans des environnements de test sécurisés et isolés, totalement séparés de la production. Ces environnements reproduisent fidèlement l’infrastructure réseau réelle d’une organisation, notamment ses systèmes d’exploitation et ses applications de sécurité. Un trafic réseau bénin fournit un bruit opérationnel réaliste permettant de tester et de valider le comportement agentique.
Ces réseaux simulés sont ensuite attaqués avec de véritables logiciels malveillants, notamment au moyen d’attaques ciblant les identités et de mécanismes de persistance de type living-off-the-land, afin de créer des données d’entraînement précises et de mettre en place des règles de détection préventive.
L’efficacité et la précision de ces simulations dépendent fortement de conditions de test réalistes. Les technologies agentiques peuvent détecter lorsqu’un environnement est trop simpliste ou ludifié, ce qui peut produire des données de test inexactes.
Les organisations doivent tester leurs défenses réseau afin d’identifier les vecteurs d’attaque les plus probables et les vulnérabilités précises que les acteurs malveillants pourraient exploiter, sans déployer d’agents non éprouvés en production.
Le passé ne peut nous apprendre qu’un nombre limité de choses
Le principal défaut d’une politique de sécurité réactive, outre l’exposition accrue aux risques, est que le passé, aussi bien documenté soit-il, reste quelque chose qui s’est déjà produit. Nous pouvons et devons nous efforcer de tirer le meilleur parti possible des incidents de sécurité, mais nous ne pouvons atténuer efficacement les prochaines générations de menaces qu’en nous tournant vers l’avenir.
Les données historiques sur les attaques ont néanmoins leur utilité. Documenter en détail des incidents individuels, comme la fuite OpenAI Hugging Face (OAI-HF) survenue plus tôt cette année, permet aux chercheurs d’identifier comment certaines vulnérabilités ont été exploitées et comment les intrus progressent dans la chaîne d’attaque. Mais fonder les futures décisions de sécurité uniquement sur des incidents passés est aussi malavisé que de se concentrer exclusivement sur l’amélioration de l’efficacité de l’application des correctifs.
Les plus graves cyberattaques auxquelles nous devrions être confrontés dans un avenir proche et prévisible ne ressembleront à rien de ce que nous avons vu jusqu’ici, tant par leur ingéniosité que par leur ampleur.
Cependant, tandis que les médias se focalisent sur les titres sensationnalistes consacrés aux exploits zero-day et aux modèles qui s’échappent de leur confinement, l’une des plus grandes menaces de la cyberoffensive agentique réside dans sa capacité à orchestrer et à exécuter simultanément, en parallèle, des millions de scénarios d’attaque connus.
À mesure que les attaques agentiques deviendront plus fréquentes et gagneront en ampleur et en rapidité, les données historiques sur les attaques perdront de leur utilité. Les données issues des simulations deviendront, quant à elles, inestimables.
Commencez modestement avec l’automatisation — mais commencez rapidement
La cyberdéfense véritablement autonome est encore loin, mais la fenêtre d’opportunité se referme pour les responsables de la sécurité. Les acteurs malveillants ont toujours eu l’avantage — les attaquants ne doivent réussir qu’une seule fois, tandis que les défenseurs doivent rester constamment vigilants —, mais l’IA agentique multiplie les facteurs de risque potentiels bien au-delà des capacités humaines. Cela signifie qu’il faut tester la résilience de vos réseaux, de vos règles de détection et de votre équipe.
Commencez modestement lorsque vous automatisez un aspect quelconque du cycle de défense. Les premiers tests peuvent porter sur la gestion des identités ou les contrôles d’accès, ou encore sur les protocoles de réponse ou de reprise.
Les simulations doivent être menées dans un environnement sécurisé et isolé, où les agents peuvent être testés et validés dans des conditions réelles. Plus important encore, ces tests doivent être effectués loin des environnements de production, où de véritables données clients et commerciales pourraient être compromises par inadvertance.
À mesure que les technologies agentiques gagneront en maturité, la cyberdéfense deviendra de plus en plus résiliente face aux attaques dopées à l’IA. Pour l’instant, toutefois, les responsables de la sécurité restent très largement sur la défensive. Le moment d’agir est venu, mais nous ne devons pas laisser l’urgence prendre le pas sur la qualité des données, la mise en place de contrôles responsables et des pratiques d’ingénierie rigoureuses.
Prêt à tester vos défenses ? Découvrez comment la simulation de brèche et d’attaque peut aider votre équipe à identifier les failles de sécurité avant que les attaquants ne les exploitent.