L'ICE fait appel à Claude Mythos pour renforcer la cybersécurité

Intercontinental Exchange exploite une infrastructure dont les marchés financiers ne peuvent se passer. Ses activités comprennent la Bourse de New York, des chambres de compensation, des services liés aux titres à revenu fixe et aux données, des marchés à terme et des technologies hypothécaires. Une faille de sécurité cachée au sein de l’un de ces systèmes représente donc bien plus qu’un simple problème informatique interne. Selon son emplacement et sa gravité, elle pourrait perturber les opérations boursières, exposer des informations sensibles ou affecter les institutions connectées aux plateformes d’ICE.

En juin 2026, l’ICE a annoncé avoir déployé la version « Claude Mythos Preview » d’Anthropic au sein de son infrastructure de cybersécurité. Ce modèle est utilisé pour identifier les failles logicielles et contribuer à leur correction avant que des pirates disposant d’une intelligence artificielle aux capacités similaires ne puissent en tirer parti.

Ce déploiement marque une avancée majeure dans le domaine de la cybersécurité financière. Depuis des années, les banques et les opérateurs de marché ont recours à l'apprentissage automatique pour la détection des fraudes, la surveillance des réseaux et l'analyse des menaces. Mythos représente toutefois une avancée bien plus significative : il s'agit d'un système d'intelligence artificielle capable d'examiner du code complexe, d'identifier les failles potentielles et de contribuer à la découverte de vulnérabilités à un niveau jusqu'alors réservé aux chercheurs spécialisés en sécurité.

L'ICE ne se contente pas de lancer un nouvel outil de productivité. Elle se prépare à un contexte de sécurité dans lequel l'intelligence artificielle pourrait réduire le délai entre la découverte d'une vulnérabilité et son exploitation, le faisant passer de plusieurs mois ou semaines à quelques heures.

ICE, NYSE et le lien avec le projet Glasswing

Cette annonce a parfois été présentée comme si la Bourse de New York (NYSE) et ICE Markets étaient des entités distinctes adoptant chacune de leur côté la technologie d’Anthropic. Or, ICE est propriétaire de la NYSE depuis 2013 et l’exploite dans le cadre d’un groupe d’infrastructures financières bien plus vaste.

Le déploiement de Claude Mythos Preview s'effectue donc à l'échelle d'ICE dans son ensemble, et non plus uniquement au sein de la bourse. L'infrastructure concernée comprend les bourses et les chambres de compensation, ainsi que les activités liées aux données, aux titres à revenu fixe et aux technologies hypothécaires.

L'ampleur du déploiement est un facteur déterminant. Une plateforme d'échange n'est qu'un élément parmi d'autres du système financier qui sous-tend une transaction. Il faut traiter les ordres, diffuser les données de marché, compenser les positions, calculer les garanties et régler les obligations. Chaque connexion, chaque application et chaque composant hérité constitue un point d'entrée potentiel supplémentaire pour un pirate.

L'ICE a obtenu cet accès dans le cadre du projet Glasswing, le programme contrôlé d'Anthropic visant à déployer des modèles avancés dotés de capacités cybernétiques auprès d'opérateurs d'infrastructures critiques et de partenaires technologiques sélectionnés. Mythos Preview n'a pas été initialement publié en tant que modèle Claude grand public ordinaire, car ses capacités de détection des vulnérabilités pouvaient également être utilisées à des fins offensives.

Il en résulte un défi de sécurité inhabituel. Les organisations chargées de la gestion d'infrastructures critiques ont besoin d'accéder à des capacités de pointe pour se défendre, mais un accès généralisé à ces mêmes capacités pourrait faciliter la mise en œuvre de cyberattaques sophistiquées.

Ce que Claude Mythos peut faire

L'analyse traditionnelle des vulnérabilités s'appuie largement sur des signatures connues, des règles prédéfinies et des bases de données répertoriant les failles déjà identifiées. Ces outils restent indispensables, même s'ils peuvent rencontrer des difficultés face à des failles qui nécessitent de comprendre comment plusieurs éléments de code interagissent ou comment un système se comporte dans des conditions inhabituelles.

Claude Mythos est conçu pour analyser les logiciels de manière plus autonome. Il est capable d'examiner des bases de code, d'identifier des comportements potentiellement dangereux, de tester des hypothèses et d'aider les équipes de sécurité à comprendre comment une faille pourrait être exploitée. Anthropic présente ce modèle comme particulièrement performant dans le domaine de la cybersécurité, ainsi que dans les applications scientifiques et médicales.

L'intérêt réside autant dans l'échelle que dans l'intelligence. Un chercheur humain hautement qualifié est capable d'étudier des vulnérabilités complexes, mais l'attention humaine a un coût élevé et ses capacités sont limitées. Un système d'IA peut analyser de vastes bases de code, remettre en question d'anciennes hypothèses et explorer en parallèle de nombreuses voies d'attaque possibles.

Anthropic a indiqué que Mythos Preview avait identifié des milliers de failles graves lors des tests. Certaines des vulnérabilités découvertes étaient présentes depuis de nombreuses années dans des logiciels largement utilisés, ce qui illustre pourquoi les audits de sécurité classiques peuvent passer à côté de failles importantes.

Pour l'ICE, cette fonctionnalité peut venir en renfort aux équipes de sécurité internes en orientant leur attention vers les failles qui méritent d'être examinées. Le modèle ne remplace toutefois pas l'expertise humaine. Les résultats doivent toujours être validés, classés par ordre de priorité et corrigés, sans introduire de nouvelles défaillances dans des systèmes où la fiabilité est essentielle.

Pourquoi les infrastructures financières constituent-elles une cible privilégiée ?

Une institution financière n'a pas besoin de détenir des cryptomonnaies ni d'exploiter une plateforme d'échange décentralisée pour être exposée à un risque systémique lié à la technologie. Les plateformes d'échange traditionnelles, les chambres de compensation et les plateformes de données de marché constituent des cibles de choix précisément parce qu'un grand nombre d'institutions en dépendent.

Une attaque contre une plateforme de négociation pourrait interrompre l'accès aux marchés ou fausser les informations utilisées pour déterminer la valeur des actifs. Une intrusion au sein d'une chambre de compensation pourrait avoir des répercussions sur les processus de garantie, les obligations de règlement ou la confiance dans les registres reliant plusieurs contreparties. Les plateformes de données contiennent des informations commercialement sensibles, tandis que les systèmes de technologie hypothécaire traitent d'importants volumes de données personnelles et financières.

Une grande partie de cette infrastructure s'est également développée au fil des décennies. Les applications modernes peuvent coexister avec des systèmes hérités, des plateformes acquises et des logiciels hautement spécialisés qui ne peuvent être remplacés sans faire l'objet de tests approfondis. Un code ancien n'est pas nécessairement peu sûr, mais les systèmes de longue date peuvent comporter des vulnérabilités apparues avant même que les modèles de menaces actuels n'existent.

Les infrastructures des marchés financiers doivent rester opérationnelles tout en étant protégées. Une application grand public peut parfois être mise hors ligne pour des opérations de maintenance ; une bourse ou une plateforme de compensation dispose quant à elle d’une marge de manœuvre bien plus restreinte en matière d’interruption de service. Les équipes de sécurité doivent identifier et corriger les failles sans compromettre la stabilité des systèmes qu’elles s’efforcent de défendre.

La recherche de vulnérabilités assistée par l'IA présente un intérêt particulier dans ce contexte, car elle permet de détecter les problèmes plus tôt. Elle renforce également les exigences auxquelles les opérateurs doivent se conformer. Dès lors que les pirates disposeront d'outils comparables, les vulnérabilités qui nécessitaient auparavant une expertise pointue pourraient devenir accessibles à un public beaucoup plus large.

Les aspects défensifs et offensifs d'un même modèle

Claude Mythos illustre le problème du double usage auquel sont confrontés les développeurs d'IA de pointe. Le raisonnement nécessaire pour détecter une faille logicielle est étroitement lié à celui requis pour l'exploiter.

Une équipe de sécurité peut utiliser ce modèle pour analyser du code, reproduire une faille et concevoir un correctif. Un acteur malveillant pourrait quant à lui exploiter des fonctionnalités similaires pour rechercher des systèmes vulnérables, automatiser le développement d'exploits ou adapter une attaque en cas d'échec de la première tentative.

Cela ne signifie pas pour autant qu’un modèle d’IA soit capable de compromettre de manière autonome n’importe quel système financier complexe. Les infrastructures réelles sont protégées par plusieurs niveaux de sécurité, notamment la segmentation du réseau, les contrôles d’accès, la surveillance, la gestion des identités et les procédures opérationnelles. Un modèle fonctionnant dans un environnement de test ne dispose pas automatiquement des droits d’accès ni des connaissances contextuelles nécessaires pour pénétrer un réseau en production.

La tendance est néanmoins claire. Une IA avancée peut réduire les connaissances spécialisées, la main-d’œuvre et le temps nécessaires à certaines étapes du processus d’attaque. Elle peut également permettre à des pirates expérimentés d’agir à une échelle qui aurait auparavant nécessité des équipes plus importantes.

La décision d'Anthropic de restreindre l'accès à Mythos Preview reflète cette préoccupation. Le projet Glasswing accorde à certaines organisations un accès à des fins de défense, tout en imposant des contrôles sur la manière dont le modèle est déployé et surveillé. Cette approche part du principe que priver totalement ces organisations de capacités avancées priverait les infrastructures critiques des outils nécessaires pour se préparer à leur prolifération éventuelle.

La difficulté consistera à préserver cet avantage. Les capacités des modèles restent rarement rares indéfiniment. Les techniques sont reproduites, les systèmes concurrents s’améliorent et les restrictions de sécurité sont mises à l’épreuve. Les institutions financières ne peuvent pas partir du principe qu’une IA puissante dotée de capacités cybernétiques restera l’apanage exclusif d’opérateurs responsables.

Ce que les changements de déploiement impliquent pour les équipes de cybersécurité

Le changement le plus immédiat concerne la gestion des vulnérabilités. De nombreuses institutions reçoivent déjà plus d'alertes que leurs équipes de sécurité ne peuvent en examiner. L'ajout d'un modèle avancé pourrait encore accroître ce volume, à moins que les résultats ne soient intégrés dans un processus rigoureux de validation et de hiérarchisation.

La valeur de Mythos ne se mesurera pas au nombre de failles potentielles qu'il signale. L'ICE doit déterminer si le modèle identifie des vulnérabilités que les outils existants n'ont pas détectées, si ces résultats peuvent être reproduits et à quelle vitesse les problèmes critiques sont corrigés.

L'accès au code interne et à l'infrastructure nécessite également une gouvernance stricte. Un système de sécurité basé sur l'IA peut traiter des informations hautement sensibles concernant l'architecture, les contrôles de sécurité et les failles connues. La conservation des données, l'accès aux modèles, les pistes d'audit et l'isolation des environnements de test font donc partie intégrante de la conception de la sécurité, et ne constituent pas de simples détails secondaires liés à l'acquisition.

Les institutions devront définir des limites claires en matière d'action autonome. Un modèle pourrait être autorisé à analyser du code et à proposer des tests dans un environnement de test, tandis que les modifications apportées à l'infrastructure de production resteraient soumises à une validation humaine. Plus les capacités du modèle sont importantes, plus il devient essentiel de contrôler les outils, les identifiants et les réseaux mis à sa disposition.

Les équipes de sécurité devront également tester le système d’IA lui-même. Les modèles peuvent aboutir à des conclusions erronées, mal interpréter du code inhabituel ou proposer des mesures correctives qui engendrent un nouveau problème. Ils peuvent être manipulés par des instructions malveillantes dissimulées dans des référentiels, dans la documentation ou dans des données externes. Le déploiement de l’IA dans le domaine de la cybersécurité apporte une nouvelle capacité de défense, tout en créant simultanément un nouveau système qui doit être sécurisé.

Il ne s'agit pas avant tout d'une histoire liée à la DeFi

L'annonce de l'ICE a été relayée par certains médias spécialisés dans les cryptomonnaies, qui l'ont mise en lien avec les vulnérabilités des contrats intelligents et les risques systémiques liés à la finance décentralisée. Ces risques sont bien réels, mais ils ne constituent pas la raison principale de ce déploiement.

L'infrastructure d'ICE est principalement associée aux bourses réglementées, à la compensation, aux données de marché, aux titres à revenu fixe et aux technologies hypothécaires. Claude Mythos est utilisé comme un système général de détection des vulnérabilités sur l'ensemble de cette infrastructure, et non comme un outil dédié à l'audit des contrats intelligents.

Cette distinction révèle quelque chose de plus important qu’une simple initiative supplémentaire en matière de sécurité dans le domaine de la DeFi. La recherche de vulnérabilités assistée par l’IA fait désormais son entrée au sein même des institutions phares de la finance traditionnelle. Cette technologie ne se limite plus aux protocoles blockchain expérimentaux ni aux entreprises technologiques désireuses de tester de nouveaux outils. Elle est désormais mise en œuvre par un opérateur chargé de gérer certains des systèmes financiers les plus importants au monde.

Les contrats intelligents pourraient à terme bénéficier des mêmes fonctionnalités. Leur code accessible au public et leurs transactions irréversibles en font des candidats naturels à une analyse assistée par l’IA, tout en permettant aux pirates d’étudier ces contrats à grande échelle. Les enseignements tirés du déploiement d’ICE pourraient influencer la manière dont les plateformes d’échange, les banques et les entreprises du secteur des actifs numériques gèrent ces systèmes.

Le défi général est commun à la finance traditionnelle et à la finance décentralisée : détecter une faille avant que quelqu'un ne trouve un moyen rentable de l'exploiter.

La réglementation mettra l'accent sur la gouvernance, et pas seulement sur la performance

Il est peu probable que les autorités de régulation financière évaluent les systèmes de cybersécurité basés sur l'IA uniquement en fonction du nombre de vulnérabilités qu'ils détectent. Elles examineront également la manière dont les établissements gèrent leur déploiement.

Parmi les questions importantes figurent notamment : qui a accès au modèle, quelles informations celui-ci reçoit-il, ses résultats font-ils l'objet d'une validation indépendante et comment l'établissement réagit-il lorsque le modèle identifie une faiblesse grave ? Les autorités de régulation peuvent également attendre des établissements qu'ils évaluent le risque de concentration lorsque plusieurs établissements importants s'appuient sur le même fournisseur de modèles ou la même infrastructure cloud.

Les dépendances vis-à-vis de tiers méritent une attention particulière. Un modèle de « frontière » peut renforcer les défenses d’une institution tout en créant une dépendance vis-à-vis d’un développeur externe pour l’accès, les mises à jour et les contrôles de sécurité. Une interruption de service, des changements de politique ou une faille de sécurité affectant le fournisseur pourraient avoir des répercussions sur plusieurs clients.

Le potentiel offensif de ce modèle entraîne des obligations supplémentaires. Les informations relatives à la sécurité doivent être protégées avec le même soin que les identifiants ou les clés cryptographiques. Une base de données contenant des failles exploitables dans les systèmes d'échange et de compensation deviendrait elle-même une cible extrêmement précieuse.

Le projet Glasswing apporte une réponse à cette question grâce à un accès contrôlé et à une coopération entre le développeur et les opérateurs d'infrastructures. Il reste toutefois à démontrer si ce modèle peut être étendu à l'échelle internationale, satisfaire les différentes autorités de régulation et garantir la sécurité à mesure que le nombre de participants augmente.

Une nouvelle étape dans la course à la cybersécurité

Le fait que l'ICE ait adopté Claude Mythos ne prouve pas que l'IA ait résolu le problème de la cybersécurité. Cela montre simplement que l'équilibre entre attaquants et défenseurs est en train d'être redéfini.

Les mêmes capacités qui permettent à une organisation d’analyser plus efficacement des décennies de logiciels peuvent aider un adversaire à rechercher des failles passées inaperçues. Les défenseurs gagnent en rapidité, mais les attaquants aussi. La comparaison pertinente ne porte plus sur une équipe de sécurité s’appuyant sur l’IA face aux menaces du passé. Elle oppose désormais des organisations et des adversaires qui utilisent les uns contre les autres des systèmes de plus en plus performants.

Pour les acteurs des marchés financiers, attendre que les attaques assistées par l'IA deviennent monnaie courante serait une stratégie coûteuse. Tester dès maintenant des modèles défensifs avancés leur permet de déterminer dans quels domaines cette technologie est performante, dans quels cas l'intervention humaine reste indispensable et quels contrôles de gouvernance doivent être mis en place avant d'étendre leur déploiement.

La décision de l'ICE revêt donc une importance qui dépasse le cadre de la Bourse de New York. Elle donne un premier aperçu de la manière dont les infrastructures financières critiques pourraient être protégées lorsque l'IA sera capable d'analyser des logiciels, d'identifier les vulnérabilités et de prendre en charge des tâches de sécurité complexes à l'échelle des machines.

Les institutions les mieux préparées à faire face à cet environnement ne seront pas celles qui se contenteront d'acquérir le modèle le plus performant. Ce seront celles qui sauront associer les capacités de ce modèle à un déploiement sécurisé, à des spécialistes expérimentés, à une correction rigoureuse des failles et à une compréhension claire de la rapidité avec laquelle la menace elle-même évolue.