Les menaces agentiques dépassent le modèle d’IA selon Cato Networks
Selon une étude de Cato Networks, la capacité offensive des agents d’intelligence artificielle (IA) ne réside pas uniquement dans le modèle utilisé, mais dans l’ensemble de la chaîne qui l’entoure. En combinant un modèle avancé, des outils compatibles avec le modèle de contrôle des processus (MCP), un contexte opérationnel structuré et une orchestration adéquate, Cato CTRL a observé une compromission d’un environnement Active Directory jusqu’à l’obtention des privilèges de Domain Administrator en seulement 40 minutes.
Le débat sur les risques liés à l’IA se concentre souvent sur les modèles eux-mêmes, en mettant l’accent sur leur niveau de raisonnement, leurs garde-fous ou leur capacité à générer du code. Cependant, les travaux publiés par Cato Networks soulignent que la menace agentique doit être analysée de manière plus globale.
Dans l’étude menée par Cato CTRL, une chaîne d’attaque agentique a réussi à compromettre un environnement Active Directory en moins d’une heure. L’attaque a été initiée à partir d’un unique prompt de haut niveau, permettant à l’agent d’exécuter de manière autonome les étapes nécessaires. Les chercheurs ont testé une chaîne intégrant un modèle d’IA de dernière génération, une plateforme d’agents, des outils compatibles MCP, un contexte opérationnel structuré et une orchestration adaptée. L’agent a pris en charge plusieurs étapes, notamment la reconnaissance, l’exploitation, la découverte interne, l’élévation de privilèges, les mouvements latéraux et les activités d’exfiltration.
L’étude précise que les expérimentations ont été réalisées avec OpenAI GPT-5.5, couplé à des outils offensifs. Cependant, Cato CTRL souligne que les résultats les plus probants dépendaient moins du modèle lui-même que de la manière dont il était intégré dans une chaîne d’action complète. À travers six scénarios d’attaque, les chercheurs ont constaté que des instructions améliorées, un contexte plus riche, des outils mieux adaptés et une orchestration plus efficace étaient des facteurs déterminants pour le succès de l’attaque, bien plus que le simple remplacement du modèle.
Les agents étudiés ont également montré une capacité d’adaptation lorsque leur plan initial échouait. Dans plusieurs cas, ils ont généré de nouvelles sondes de vulnérabilité ou modifié leurs méthodes de collecte, illustrant ainsi un passage d’une automatisation linéaire à une logique plus dynamique. Pour Cato Networks, cette évolution représente une nouvelle étape dans la professionnalisation des attaques. Les agents IA ne nécessitent pas d’inventer des techniques entièrement nouvelles à chaque opération, mais leur impact réside dans leur capacité à accélérer et industrialiser des chaînes d’attaques déjà établies.
Cette étude incite les organisations à élargir leur approche de la sécurité liée à l’IA. Il ne suffit pas d’évaluer les modèles ou de contrôler les prompts ; il est essentiel de surveiller les outils connectés aux agents, les permissions accordées, le contexte opérationnel et les capacités d’orchestration qui transforment une intention en opération offensive complète.
Source : Cato Networks.
