Qu’est-ce que Claude Mythos ?
Annoncé en avril 2026, Claude Mythos est le dernier modèle frontière d’Anthropic, conçu pour raisonner sur le code et l’infrastructure comme le ferait un chercheur en sécurité humain.
Contrairement aux LLM classiques qui jouent le rôle d’assistants conversationnels, Mythos se comporte comme un agent autonome. À partir d’une cible, il sonde les systèmes, raisonne sur leur comportement et adapte ses méthodes sans intervention humaine à chaque étape.
Renforcez votre sécurité cloud
Découvrez des pratiques avancées pour réduire les risques, prioriser les actions et protéger vos environnements cloud.
Pourquoi Claude Mythos n’a-t-il pas été rendu public ?
Parce que Mythos découvre et écrit des exploits fonctionnels de façon autonome, il illustre parfaitement une technologie à double usage. Les capacités de raisonnement qui aident un défenseur à adopter une approche shift-left (approche préventive en amont du cycle de développement) et à corriger les bugs permettraient aussi à un attaquant d’automatiser et de démultiplier ses attaques à la vitesse de la machine. Le diffuser ouvertement reviendrait à confier un agent autonome, chasseur de zero-days, à n’importe qui sur internet.
Pour limiter ce risque de sécurité majeur, Anthropic n’a pas rendu Mythos accessible au public. L’accès est strictement contrôlé via Project Glasswing.
Qu’est-ce que Project Glasswing ?
Project Glasswing est le programme à accès très restreint et contrôlé d’Anthropic pour Claude Mythos. Plutôt qu’une bêta publique, Glasswing est réservé exclusivement à des entités vérifiées et de confiance, comme les cabinets de recherche en cybersécurité de premier plan, les agences de défense nationale et les instituts de sûreté de l’IA. La communauté de la sécurité peut ainsi étudier les menaces d’IA autonomes et bâtir des défenses dans un environnement sécurisé et surveillé, avant que ces capacités ne se généralisent.
Quelles vulnérabilités Mythos AI a-t-il trouvées ?
Parmi les découvertes notables :
13 zero-days dans le cloud : lors de tests récents, une analyse assistée par IA reposant sur des modèles de cette catégorie a contribué à la découverte de 13 vulnérabilités zero-day dans des logiciels cloud largement déployés. Cela a démontré que le modèle sait naviguer dans des environnements cloud complexes et distribués et y trouver des chemins exploitables.
Failles logiques dans OpenBSD : il a identifié de façon autonome des failles critiques dans OpenBSD, un système d’exploitation réputé dans le monde de la cybersécurité pour ses audits de sécurité rigoureux et proactifs, et a fourni des chemins d’exploitation.
Vulnérabilités dans FFmpeg : il a mis au jour des vulnérabilités profondes dans ce framework multimédia omniprésent, qui échappaient depuis des années aux scanners de sécurité traditionnels et aux relecteurs humains.
Ces vulnérabilités vont bien au-delà de simples erreurs de syntaxe ou d’erreurs de configuration cloud basiques, comme un S3 bucket ouvert. Mythos raisonne de façon autonome sur les chemins d’exécution pour trouver et enchaîner des failles logiques complexes, exactement le type de vulnérabilités à forte valeur qui demandent traditionnellement des semaines de travail manuel à un chercheur humain expérimenté.
Comment Claude Mythos transforme le paysage de la cybersécurité
Si Claude Mythos représente un nouveau palier dans la découverte de failles, son principal impact sur le secteur tient à la vitesse.
Mythos traque les zero-days sur les principaux systèmes d’exploitation et navigateurs, écrit le code d’exploit fonctionnel dès qu’il trouve une faiblesse, puis enchaîne plusieurs faiblesses en un seul chemin de compromission. Un travail qui exigeait autrefois des semaines à une équipe qualifiée s’exécute désormais en quelques minutes.
Cette accélération remodèle le modèle de menace de trois façons majeures :
1. La fenêtre d’exploitation se referme
Dans l’ancien rythme de la divulgation coordonnée, les défenseurs disposaient de temps : un bug apparaissait, un correctif était publié et les équipes se hâtaient de l’appliquer avant qu’un exploit N-day ne se répande. Quand la découverte et l’exploitation surviennent dans une seule exécution automatisée, cette marge disparaît presque entièrement.
2. Les capacités offensives passent à l’échelle plus vite et à moindre coût
La découverte autonome rend le passage à l’échelle plus simple et moins coûteux pour les attaquants, si bien que davantage de cibles sont sondées plus souvent. Cette pression pèse lourdement sur les pipelines pensés pour une époque plus lente, car les cadences traditionnelles de divulgation et de correctifs supposent une intervention humaine, à un rythme humain.
3. Il dépasse les scanners traditionnels
Contrairement aux scanners SAST/DAST traditionnels, qui s’appuient sur des règles ou des signatures prédéfinies pour repérer des erreurs de syntaxe isolées, Mythos exploite des workflows agentiques et de longues fenêtres de contexte pour ingérer et traiter d’énormes bases de code par lui-même. Grâce à un raisonnement avancé, il peut :
comprendre une logique métier complexe ;
cartographier les chemins d’exécution ;
enchaîner de façon autonome des bugs en apparence mineurs pour en faire des vecteurs d’attaque critiques.
Les risques de cybersécurité que Claude Mythos (et les modèles similaires) amplifient
Mythos n’invente pas de nouvelles catégories de faiblesses. Il rend celles qui existent plus faciles à atteindre et plus rapides à frapper, si bien que les expositions que vous soupçonniez déjà d’être des points faibles deviennent les plus critiques. Cette surface s’étend vite : Wiz Research a constaté qu’une organisation sur cinq bâtit sur des plateformes de vibe-coding pilotées par IA, s’exposant ainsi à des risques via des erreurs de configuration courantes et à fort impact.
Cette accélération exerce le plus de pression sur :
Systèmes non corrigés et hérités : les logiciels anciens, embarqués ou difficiles à mettre à jour ne suivent pas quand les exploits arrivent en quelques minutes, et cette dette technique se transforme en porte ouverte.
Surface d’attaque exposée : tout ce qui est accessible depuis internet, y compris les actifs oubliés et les shadow APIs, est plus facile à trouver pour un chasseur automatisé que pour votre équipe à se rappeler que cela existe. Les données de Wiz montrent que 30 % des environnements cloud comptent une ou plusieurs machines critiques exécutant un logiciel exposé en externe.
Identités faibles : les comptes sur-privilégiés laissent un seul point d’entrée se propager, transformant une faille exploitée en accès complet sur les systèmes connectés.
Réponse manuelle lente : une détection et une réponse qui reposent sur le tri humain peinent à égaler un adversaire opérant à la vitesse de la machine.
Tout n’est pas négatif. Dans son évaluation de Mythos, le UK AI Security Institute a seulement pu confirmer que le modèle exploite les systèmes à la posture de sécurité faible. Il a précisé ne pas pouvoir dire si Mythos réussirait face à des environnements bien défendus. Les fondamentaux lui barrent toujours la route. Rien de tout cela ne justifie la panique. Voyez-y un signal clair : renforcez les fondamentaux auxquels vous faites déjà confiance, car ce basculement récompense les équipes qui réduisent leur propre temps de réponse.
Le guide pratique des RSSI
Obtenez des conseils concrets pour aligner vos équipes, améliorer la visibilité et accélérer vos décisions de sécurité.
Comment protéger votre organisation contre les menaces pilotées par IA
Mythos AI sert de signal d’alarme idéal, mais s’en défendre exige plus qu’une solution ponctuelle. Le paysage des menaces pilotées par IA est vaste et évolue rapidement. Pour sécuriser votre environnement, vous avez besoin d’une stratégie d’ensemble qui vaut pour tout adversaire autonome opérant à la vitesse de la machine. Notre AI Threat Readiness Framework décrit les quatre piliers universels pour contrer l’ère plus large des exploits pilotés par IA.
1. Éliminer les risques critiques et analyser chaque exposition avec l’IA
Un modèle autonome comme Mythos se moque qu’une vulnérabilité soit classée « basse » dans votre file Jira interne : si elle est accessible depuis internet, Mythos la trouvera, la testera et tentera de l’enchaîner.
Pourquoi cela contre les menaces pilotées par IA : vous ne pouvez pas vous fier à des listes passives de vulnérabilités quand une IA découvre seule des faiblesses non répertoriées. Vous devez réduire activement l’exposition inutile à internet et isoler complètement les données sensibles et les chemins de privilèges IAM des réseaux non fiables.
Le virage tactique : appliquez une validation pilotée par IA à votre propre périmètre. En simulant en continu le comportement d’un attaquant contre vos applications, vos APIs et vos flux d’identité exposés, les équipes valident quelles expositions sont réellement exploitables par un modèle comme Mythos, et écartent le bruit théorique pour colmater les vraies brèches avant qu’un agent autonome ne s’y engouffre.
2. Accélérer les correctifs et la réponse aux zero-days
Quand Mythos réduit de plusieurs semaines à quelques minutes le délai entre la découverte d’un bug et l’écriture d’un exploit, les cadences de correctifs traditionnelles échouent. La Cloud Security Alliance a noté que le délai moyen d’exploitation d’une vulnérabilité est tombé à seulement 5 jours, près d’un tiers des exploits apparaissant dès le premier jour.
Pourquoi cela contre les menaces pilotées par IA : pour survivre dans un environnement où les modèles génèrent des exploits zero-day instantanés, les organisations doivent comprimer leur délai moyen de remédiation (MTTR).
Le virage tactique : supprimez les frictions du tri en mettant en place un routage automatique des responsabilités. Quand une nouvelle CVE ou une erreur de configuration à haut risque est détectée sur un actif exposé, un contexte piloté par IA doit relier instantanément ce risque au code repository et au propriétaire technique concernés. Associer cette rapidité à des images de base standardisées et durcies réduit d’emblée la quantité de logiciels vulnérables que vous embarquez.
3. Mener une analyse de code approfondie par IA
Anthropic a spécifiquement conçu Mythos pour raisonner sur une syntaxe de code complexe, repérer des failles logiques et enchaîner des bugs de faible gravité. Les outils SAST standard, qui cherchent des erreurs de syntaxe basiques, ne peuvent pas anticiper le comportement d’un modèle avancé.
Pourquoi cela contre les menaces pilotées par IA : vous devez opposer un raisonnement de pointe à des défenses tout aussi avancées. Lors de récents benchmarks du cyber model arena, des modèles d’IA de frontière ont démontré leur capacité à mettre au jour des failles logiques complexes que les scanners manuels et traditionnels manquent régulièrement.
Le virage tactique : déployez une analyse de code par IA avancée nativement dans votre chaîne d’approvisionnement logicielle, en priorisant les applications destinées aux clients, les services exposés sur internet et les flux d’authentification. En utilisant des modèles d’IA défensifs pour raisonner sur les limites de confiance et la logique applicative avant la mise en production du code, vous interceptez les vulnérabilités enchaînées qu’un modèle comme Mythos pourrait autrement exploiter en production.
4. Détecter et neutraliser les menaces en temps réel
Même avec un durcissement rigoureux, les organisations doivent présumer une symétrie : les attaquants qui utilisent des modèles comme Mythos finiront par trouver un point d’ancrage runtime. Quand un agent autonome exécute des commandes à la vitesse de la machine, le tri d’alertes mené par des humains n’enquête pas et ne contient pas le rayon d’impact assez vite.
Pourquoi cela contre les menaces pilotées par IA : la prévention seule vous rend aveugle dès qu’un agent autonome commence à se déplacer latéralement. Il vous faut une investigation à la vitesse de la machine pour arrêter une exécution à la vitesse de la machine.
Le virage tactique : passez de la revue d’alertes à la containment runtime automatisée. En unifiant la télémétrie des cloud workloads, de Kubernetes, des fournisseurs d’identité et de l’activité réseau, une IA défensive corrèle automatiquement les comportements suspects, rend un verdict précis et déclenche des playbooks de confinement standardisés, comme l’isolement des workloads ou la révocation des rôles IAM compromis, avant qu’une attaque pilotée par IA ne se propage.
Comment Wiz vous aide à contrer les menaces dopées à l’IA à la vitesse de l’IA
Pour vous défendre contre un adversaire autonome opérant à la vitesse de la machine comme Mythos, vous avez besoin d’une architecture défensive bâtie sur exactement les mêmes principes. Wiz met en œuvre ce framework AI Threat Readiness en combinant la connaissance contextuelle approfondie du Wiz Security Graph avec Wiz Atlas et des agents d’IA spécialement conçus pour neutraliser les menaces autonomes à la vitesse de la machine :
Simuler et valider (pilier 1) : tandis que Wiz ASM découvre en continu les actifs exposés et les shadow APIs que les chasseurs automatisés ciblent en premier, le Wiz Red Agent agit comme un attaquant IA externe. Il teste en continu votre environnement pour valider les chemins d’attaque complexes de la couche applicative que les scanners traditionnels manquent, et garantit que vous fermez exactement les portes que Mythos tenterait de forcer.
Remédier à la vitesse de la machine (pilier 2) : quand un zero-day survient, le Wiz Green Agent utilise le contexte code-to-cloud pour identifier le chemin de remédiation le plus rapide et le plus sûr, en reliant les expositions runtime directement aux propriétaires du code et en automatisant les correctifs pour devancer les délais d’exploitation.
Égaler le raisonnement de frontière (pilier 3) : Atlas, l’agent autonome de recherche de vulnérabilités de Wiz, rivalise avec les modèles offensifs en traquant les failles logiques complexes. Ayant déjà mis au jour plus de 200 zero-days réels, Atlas cartographie les chemins d’exécution et valide de façon autonome ses découvertes avec des exploits fonctionnels.
Contenir les menaces autonomes (pilier 4) : Wiz Defend offre une visibilité en temps réel sur les cloud workloads et les runtimes d’IA, tandis que le Wiz Blue Agent enquête de façon autonome sur les comportements runtime suspects au regard du contexte du graphe, et déclenche instantanément des workflows de confinement pour bloquer le lateral movement à la vitesse de la machine.
Sécuriser l’ensemble de la stack d’IA : Wiz AI-APP étend nativement ce modèle opérationnel complet aux workloads d’IA, en traitant les modèles, les pipelines et les agents d’IA comme des citoyens cloud à part entière, afin que votre propre adoption de l’IA ne devienne pas votre plus grande surface d’attaque. Au final, grâce à Wiz Code et à nos agents spécialisés, Wiz apporte une couverture large et continue, une profondeur IA à la demande et une source unique de vérité pour le risque applicatif.
Pour aller plus loin, Voir Wiz en action et mesurez comment neutraliser les menaces à la vitesse de la machine.
Voyez Wiz en action
Découvrez comment Wiz aide vos équipes à détecter, prioriser et corriger les risques cloud plus rapidement.
