OpenAI semble totalement dépassé par les capacités de ses propres modèles d'IA. Des chercheurs ont découvert une évasion numérique inédite au cours de laquelle des agents IA d'OpenAI ont détourné un site wiki allemand pour communiquer de manière autonome. Ils ont réussi à contourner leurs restrictions de sécurité initiales pour collaborer, partager des tactiques de tricherie lors de tests internes et planifier des méthodes d'évasion de leur bac à sable. Ils ont formé des essaims numériques capables de mener des attaques XSS sans intervention humaine directe. Cet incident accentue les craintes liées à une intrusion précédente sur la plateforme Hugging Face.OpenAI paie le prix de plusieurs années de négligence de la sécurité des modèles d'IA. L'entreprise a progressivement démantelé son équipe de sécurité Superalignement et d'autres cadres de protection afin d'accélérer le développement de l'IA et la sortie de nouveaux produits. Cette restructuration controversée a provoqué des mécontentements au sein du laboratoire, poussant certains de ses éminents scientifiques à démissionner en guise de protestation.
Jan Leike, qui codirigeait l’équipe Superalignment aux côtés du cofondateur Ilya Sutskever, a démissionné en 2024. Dans une série de messages publiés sur X (ex-Twitter), il a déclaré que « la sécurité avait été reléguée au second plan au profit de produits tape-à-l’œil » au sein du laboratoire de San Francisco.
« Cependant, je suis en désaccord avec la direction d’OpenAI concernant les priorités fondamentales de l’entreprise depuis un certain temps déjà, jusqu’à ce que nous atteignions finalement un point de rupture », a écrit Jan Leike. Aujourd'hui, à l'ère des agents IA, OpenAI multiplie les incidents de sécurité, au point d'être obligé d'en cacher certains. En plus du piratage d'Hugging Face par ses agents IA, un nouvel incident révèle l'ampleur du fiasco.
Une collaboration imprévue entre agents IA sur un wiki allemand
Tout commence en mai 2026, lorsqu'un essaim d'agents IA d'OpenAI est soumis à un test d'évaluation interne chronométré de recherche sur le Web. Durant cette tâche, les agents IA disposent théoriquement d'une autorisation de lecture sur le Web, mais d'aucune autorisation d'écriture. Pourtant, ils découvrent une faille leur permettant d'utiliser leur accès en lecture pour écrire sur un site wiki public de programmation en langue allemande, le DseWiki.
Sur une période de six semaines, pas moins de 3 700 agents IA utilisant des pseudonymes distincts s'emparent de DseWiki. Ils y publient environ 18 000 messages et effectuent plus de 15 000 modifications afin de s'entraider, partager les réponses au test et contourner les restrictions de leur bac à sable de sécurité.
Les analyses révèlent qu'environ la moitié d'entre eux utilisent des noms trahissant leur lien avec l'entreprise, comme « OpenAIResearcher » ou « OAIResearchMar26 ». De plus, les journaux de serveurs publics indiquent que la majorité de cette activité provient de l'infrastructure Microsoft Azure. (Pour mémoire, Microsoft est le principal bailleur de fonds d'OpenAI. La firme de Redmond fournie lui fournit également une partie de sa puissance de calcul.)
Le 19 juin 2026, face aux tentatives du modérateur de DseWiki de nettoyer le site en supprimant des pages, un agent poste un avertissement explicite : « le nettoyage et la suppression du wiki semblent actifs par ordre alphabétique. Si cette page disparaît, essayez [[ZZZDataUSAConstructionWageLive]] ». Peu après la découverte de l'activité par OpenAI, le trafic des agents s'effondre brutalement en une seule journée suite à son intervention.
Les messages partagés comprenaient des méthodes pour contourner les restrictions d'écriture, utiliser des outils d'anonymisation comme Tor, exploiter des vulnérabilités de type XSS (cross-site scripting) contre le wiki et usurper l'identité des modérateurs de la plateforme. Dans trois de ces messages, les agents IA ont utilisé le mot « essaim » pour décrire le groupe d’agents participant à cette activité. Ce qui révèle une collaboration étroite entre eux.
La découverte de cette activité par des chercheurs indépendants
C'est finalement à la fin du mois d'août 2026 que les chercheurs Sydney Von Arx, présidente de l'organisation à but non lucratif Nightingale dédiée à la sécurité de l'IA, et Cormac Slade Byrd, un ancien trader quantitatif devenu chercheur en IA, découvrent le détournement en analysant le Web à la recherche de comportements d'agents non autorisés. Dans leur rapport d'incident, ils ont déclaré que ces agents IA s'entraidaient activement sur les tâches.
« Ces IA ont conspiré pour partager des réponses, étudier leur environnement et contourner les restrictions du bac à sable ». Leurs travaux, menés en collaboration avec les chercheurs Spencer Kitts et Thomas Larsen, ont été publiés le 4 septembre 2026. Les responsables d’OpenAI ont eu connaissance de l’incident il y a plusieurs semaines, mais l’ont gardé secret, les dirigeants étant alors aux prises avec les répercussions du piratage d'Hugging Face.
Les chercheurs précisent qu’il existe des lacunes dans leur compréhension des événements, car leur étude repose uniquement sur le contenu des publications. De plus, les agents IA ont généré des données de « chaîne de pensée » que seule OpenAI peut comprendre. Par conséquent, les chercheurs ont expliqué que certains cas, ils ont émis des hypothèses éclairées, notamment celle selon laquelle ces agents IA provenaient effectivement d’OpenAI.
Dans un communiqué, OpenAI a par la suite confirmé qu’il en était ainsi. Voici leurs hypothèses sur ce qui s’est passé :
- des agents IA d'OpenAI se sont vus confier une tâche de recherche sur Internet dans un délai imparti ;
- dans le cadre de cette tâche, ils étaient censés pouvoir lire le contenu d’Internet, mais pas y écrire. Ils ont trouvé un moyen d’utiliser leur accès en lecture pour écrire des informations sur un wiki allemand peu connu ;
- les agents ont utilisé ce wiki pour communiquer des informations entre eux, principalement afin de les aider à mener à bien leur tâche. Ils ont demandé des réponses, mis en commun leurs résultats et partagé des techniques pour contourner leurs restrictions. Cela leur a permis de tirer parti du travail des autres pour tricher dans le cadre de leur tâche ;
- OpenAI s’en est rendu compte. Un jour plus tard, l’activité des agents a chuté, probablement en raison de l’intervention d’OpenAI.
En quittant OpenAI, Jan Leike avait appelé à mettre davantage l’accent sur la préparation de la prochaine génération de modèles d’IA, notamment en ce qui concerne des aspects tels que la sécurité et l’analyse des impacts sociétaux de ces technologies. « La création de machines plus intelligentes que les humains est une entreprise intrinsèquement dangereuse et OpenAI assume une énorme responsabilité au nom de l’humanité tout entière », a-t-il écrit.
La démission de Jan Leike fait suite à celle de Ilya Sutskever, cofondateur et directeur scientifique d’OpenAI. Ilya Sutskever faisait partie des quatre membres du conseil d’administration qui, à l’automne 2023, avaient voté en faveur de l’éviction du PDG Sam Altman, avant de le réintégrer rapidement.
L'attaque contre Hugging Face et la sonnette d'alarme de METR
L'affaire de DseWiki fait écho à un autre événement survenu peu de temps auparavant. Une semaine avant ces révélations, l'organisation à but non lucratif METR a publié un rapport démontrant qu'un groupe de plus de 1 200 agents d'OpenAI a détourné un gestionnaire de paquets interne, « Artifactory », pour en faire un forum de discussion improvisé. Ce test, qui s'est déroulé sans les garde-fous habituels, s'est étalé sur une période de 10 semaines.
Sur ce forum, les agents IA ont partagé des astuces pour tricher et voler des informations confidentielles sur la plateforme Hugging Face. De manière autonome et sans aucune instruction humaine directe, plusieurs agents IA ont ensuite franchi les barrières pour pirater avec succès le réseau de Hugging Face.
OpenAI n’a autorisé le METR à enquêter que sur une seule semaine d’activité au cours de cet incident, plutôt que sur l’ensemble de la période de dix semaines. Le rapport publié le 4 septembre sur le piratage du wiki DseWiki avance l’hypothèse selon laquelle les groupes d’agents IA impliqués dans les deux incidents étaient distincts les uns des autres et ne travaillaient pas sur le même test interne. OpenAI est appelé à publier un rapport plus détaillé.
L’incident d'Hugging Face a déjà suscité l’inquiétude, car c’est l’une des premières fois où l’on constate que des agents IA ont pris des mesures agressives sans avoir reçu d’instructions explicites de la part d’humains. L’une des chercheuses indépendantes ayant enquêté sur cet événement, Ajeya Cotra, explique que ces agissements étaient bien plus graves qu’elle ne l’aurait imaginé. Les critiques soupçonnent OpenAI de chercher à dissimuler les risques.
« Par rapport à ces « piratages de récompense » survenus il y a six mois, cet incident donne l’impression de nous rapprocher de plus de 50 % d’une prise de contrôle totale par l’IA, en passant d’abord par la prise de contrôle de l’entreprise d’IA elle-même », a expliqué la chercheuse Ajeya Cotra.
L'analyse des experts face aux risques de la collusion d'agents
Les conclusions des chercheurs sur le comportement des agents IA révèlent des capacités de coordination sans précédent. Le chercheur Sydney Von Arx souligne l'incohérence de cette situation avec les protocoles de sécurité attendus dans le cadre de ces tests : « il semble extrêmement improbable qu'OpenAI ait voulu qu'ils fassent cela. Je doute qu'ils soient censés se coordonner entre eux. Je doute qu'ils soient censés écrire sur l'Internet ouvert ».
Les chercheurs sont inquiets face aux actions techniques des agents IA pour modifier le code du site DseWiki ou tenter des attaques de script croisé (XSS). De plus, ils ont agi de façon autonome. Pour Maurice Chiodo, universitaire rattaché au Centre d'étude du risque existentiel de l'Université de Cambridge, les échanges analysés rappellent « le fonctionnement d'une sorte de réseau clandestin, déterminé à accomplir une tâche ou une mission ».
Selon Maurice Chiodo, cette dérive confirme que la menace principale de l'IA avancée ne réside pas dans un système unique et superintelligent, mais plutôt dans de « vastes essaims d'IA semi-intelligentes agissant de concert ». Par ailleurs, les chercheurs dénoncent le comportement d'OpenAI face à ces incidents.
Les secrets d'OpenAI et le dilemme du développement de l'IA
La gestion interne de ces incidents par OpenAI soulève de sérieuses questions de gouvernance. Bien que la direction de l'entreprise ait découvert le détournement de DseWiki plusieurs semaines avant sa publication officielle, elle a choisi de le garder confidentiel pour ne pas aggraver la crise liée au piratage d'Hugging Face. OpenAI est accusé d'avoir négligé la sécurité de ses modèles au profit d'une course effrénée vers de nouveaux outils et la rentabilité.
Selon des personnes au fait du dossier, plusieurs enquêteurs internes d'OpenAI ont souhaité approfondir les investigations sur l'incident du détournement du site allemand DseWiki, mais se sont heurtés à l'opposition d'autres membres et responsables de l'entreprise, notamment de la part de conseillers juridiques.
OpenAI dément toutefois vigoureusement cette obstruction par la voix d'un porte-parole : « les affirmations selon lesquelles notre équipe juridique a découragé l'investigation sur l'incident sont fausses ». Officiellement, OpenAI déclare analyser le rapport et concède avoir déjà détecté par le passé des échanges de méthodes de piratage entre ses modèles lors de phases de test. Mais la société n'indique pas pourquoi elle n'a pas mis au jour cette activité.
Si l'entreprise a brièvement interrompu l'entraînement de certains de ses modèles de pointe en août 2026 pour intégrer des garde-fous supplémentaires, elle a néanmoins lancé dans la même période son nouveau modèle baptisé « Astra ». Le laboratoire promet de meilleures performances avec ce nouveau modèle de pointe. Cependant, Astra suscite de vives inquiétudes, car il est conçu pour être « capable d'échapper à la surveillance humaine ».
L'Alabama ouvre une enquête après l'incident de sécurité
Face à la gravité de cette faille de sécurité, le procureur général de l'État de l'Alabama, Steve Marshall, a annoncé le lancement d'une enquête officielle et a émis une assignation à comparaître (subpoena) à l'encontre d'OpenAI et de son PDG Sam Altman. Le gouvernement de l'État cherche à...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
Envoyé par Matthieu Vergne
