Publiée le 12 octobre 2026, l’étude de l’équipe Frontier Red Team d’Anthropic décrit trois capacités testées séparément, sans démontrer qu’un ver autonome ait infecté des appareils IoT grand public. Les résultats portent sur l’inférence répartie entre plusieurs appareils, la configuration de modèles sur différents matériels et une propagation guidée dans un réseau émulé.

Trois capacités testées séparément

Pour sa démonstration d’inférence distribuée — le calcul nécessaire à l’exécution d’un modèle réparti entre plusieurs machines — Anthropic a utilisé Gemma4-26B-A4B sur 15 boîtiers Android TV, dotés chacun de 4 Go de RAM. La vitesse rapportée était de 0,39 jeton par seconde.

Dans une autre expérience, Qwen3.5-9B a configuré l’inférence sur huit des neuf types de matériel testés, parmi lesquels figuraient des Jetson Nano, des Mac et des RTX 4090. Il s’agissait de préparer l’exécution d’un modèle sur différents matériels, pas de propager un ver.

Anthropic a aussi estimé le temps de configuration de l’inférence sur le matériel étudié : 71 à 150 heures pour Gemma4-26B-A4B dans une configuration non optimisée, et 28 à 51 heures pour Qwen3.5-9B. Ces durées concernent la mise en place de l’inférence dans ces essais.

Ce que le test en émulateur a mesuré

Le test de propagation s’est déroulé dans un réseau isolé de huit émulateurs Android 15, reliés par un port Android Debug Bridge (ADB) sans authentification. GLM-5.2 a mené une séquence de tâches dirigée : il a atteint les huit nœuds lors de quatre essais sur cinq, puis sept nœuds lors du cinquième.

GLM-5.2 pilotait le processus, mais le modèle installé pour l’inférence sur les appareils cibles était Llama3.1-8B. Les nœuds ne pouvaient pas faire tourner le modèle GLM, plus volumineux. Le résultat mesure donc la capacité de GLM-5.2 à mener cette séquence dans les conditions de l’émulation, et non une décision autonome de s’attaquer à des appareils domestiques réels.

Anthropic envisage que des agents puissent adapter la configuration de l’inférence à du matériel inconnu et transmettre des notes aux instances suivantes, une piste qui les distinguerait de botnets IoT classiques. Mais l’expérience en réseau reste une séquence dirigée, réalisée avec ces conditions d’accès simplifiées.

Une projection pour fin 2026, fondée sur un indicateur indirect

Anthropic a estimé que de petits modèles pourraient atteindre d’ici à la fin de 2026 le niveau de capacité observé lors du test, à condition que leurs progrès se poursuivent au rythme historique. Pour cette projection, l’entreprise a ajusté une tendance aux scores de l’Epoch Capabilities Index (ECI) de modèles à poids ouverts notables comptant au plus 30 milliards de paramètres : la progression ajustée est de 13,7 points ECI par an, avec un R² de 0,95.

L’ECI sert ici d’indicateur indirect de capacités générales, pas de mesure directe de la réplication d’un ver. Anthropic qualifie l’estimation de calendrier d’approximative : elle dépend de la poursuite de la tendance observée.

Le précédent Mirai et les pistes de défense

Anthropic évoque la surveillance des transferts de plusieurs gigaoctets et des échanges inhabituels entre appareils, ainsi que les pots de miel — des systèmes leurres qui aident à repérer et analyser des menaces —, la mise en quarantaine par les fournisseurs d’accès à Internet et le renforcement de la sécurité par défaut des objets connectés.

Pour illustrer une mesure de confinement, l’équipe cite un ancien nettoyage du botnet Mirai. Lors de cette opération, un fournisseur d’accès a mis en quarantaine des abonnés infectés, limité les sites accessibles et redirigé leurs navigateurs vers des consignes de nettoyage. Anthropic rapporte que 92 % des infections ont été éliminées en 14 jours avec notification des abonnés, contre 74 % sans notification.