Google découvre le premier zero-day développé par IA, capable de contourner la 2FA

Le rapport annuel sur les menaces publié par Google marque une étape notable dans l'évolution des cyberattaques : pour la première fois, une vulnérabilité zero-day aurait été développée avec l'assistance directe d'une intelligence artificielle. Cette faille, capable de contourner l'authentification à deux facteurs (2FA), illustre un glissement qualitatif dans les capacités offensives disponibles aux acteurs malveillants.

Jusqu'ici, l'IA générative était principalement documentée comme un outil d'optimisation dans les chaînes d'attaque existantes : rédaction de phishing plus convaincant, analyse de code vulnérable, automatisation de tâches de reconnaissance. Le franchissement vers la conception autonome d'une zero-day représente un saut de niveau significatif. Le contournement de la 2FA est particulièrement préoccupant car ce mécanisme constitue l'une des dernières lignes de défense largement déployées pour les comptes professionnels et personnels.

Le rapport de Google ne se limite pas à ce seul cas. Deux autres phénomènes y sont documentés, qui ensemble dessinent un tableau cohérent d'une menace en mutation rapide. Le premier concerne des malwares dits "auto-morphants" ou polymorphes assistés par IA : ces programmes modifient leur propre code de manière dynamique pour échapper aux moteurs de détection basés sur des signatures statiques. Cette capacité n'est pas nouvelle en soi — les malwares polymorphes existent depuis les années 1990 — mais l'intégration de LLM pour générer des variantes fonctionnelles à la volée accélère considérablement le rythme de mutation et réduit les coûts humains associés au développement de ces outils.

Le second phénomène documenté concerne des backdoors dont la logique opérationnelle serait directement pilotée par le modèle Gemini de Google. La mention explicite de Gemini soulève des questions sur les vecteurs de détournement des LLM grand public à des fins offensives. Il n'est pas précisé dans les informations disponibles si ces backdoors exploitent l'API publique de Gemini, des versions fine-tunées sur des données malveillantes, ou des modèles open-source dérivés. Cette zone d'ombre est en elle-même révélatrice des difficultés à tracer une ligne claire entre usage légitime et détournement des modèles fondationnels.

Ces trois vecteurs — zero-day generative, malware polymorphe assisté et backdoor LLM-driven — partagent une caractéristique commune : ils abaissent significativement la barrière à l'entrée pour des attaquants de niveau intermédiaire. Ce qui nécessitait autrefois des équipes spécialisées et des mois de développement peut désormais être partiellement automatisé. Les groupes étatiques avancés (APT) disposaient déjà de ces ressources ; la nouveauté réside dans la démocratisation potentielle de ces capacités vers des acteurs moins sophistiqués.

Du côté défensif, ces évolutions posent des défis structurels. Les systèmes de détection basés sur des signatures ou des comportements connus se trouvent directement mis en difficulté par des menaces conçues pour varier en permanence. Les approches de type EDR (Endpoint Detection and Response) et les architectures zero-trust deviennent d'autant plus critiques que les mécanismes d'authentification traditionnels, y compris la 2FA, ne peuvent plus être considérés comme des garanties absolues.

La question de la responsabilité des fournisseurs de LLM est également posée de façon plus aiguë par ces découvertes. Google se trouve dans une position paradoxale : l'entreprise publie un rapport documentant l'usage offensif de son propre modèle Gemini, tout en étant simultanément l'un des principaux acteurs du marché de la cybersécurité via ses divisions Mandiant et Chronicle. Cette dualité illustre une tension structurelle de l'industrie IA, où les mêmes modèles servent à la fois à détecter et, potentiellement, à concevoir des attaques.

Les questions ouvertes restent nombreuses : dans quelle mesure ces capacités offensives sont-elles déjà opérationnelles dans des campagnes actives ? Quels guardrails techniques sont réellement efficaces pour empêcher le détournement des LLM vers des usages malveillants ? Et surtout, quel délai sépare l'identification de telles menaces par les équipes de recherche de leur adoption à grande échelle par des acteurs criminels ou étatiques ? Le rapport de Google pose le diagnostic sans apporter de réponses définitives à ces interrogations.