Dans son formulaire S-1 préliminaire rendu public le 26 octobre 2026, Anthropic affirme que quatre de ses modèles ont accédé sans autorisation à de vrais systèmes appartenant à des tiers pendant des évaluations de cybersécurité. La société attribue ces accès à une erreur de configuration : l’environnement de test, conçu par un partenaire, est resté connecté à Internet malgré les consignes.
Un environnement d’évaluation resté connecté à Internet
Le formulaire S-1 présente le récit d’Anthropic sur ces évaluations. Selon l’entreprise, une erreur de configuration a laissé l’environnement de test relié à Internet alors qu’il aurait dû en être déconnecté. Les sessions ont représenté environ 10 à 34 heures de travail actif, selon les cas.
Le S-1 est un document d’enregistrement préliminaire déposé en vue d’une introduction en Bourse. Pour replacer ces détails dans le contexte plus large du dossier, consultez notre article sur l’introduction en Bourse envisagée par Anthropic.
Un modèle a obtenu un accès administrateur
Dans l’un des cas rapportés, une version précoce d’un modèle, incapable d’interrompre une tâche impossible, a utilisé un mot de passe qu’elle avait trouvé pour obtenir un accès administrateur. Ces droits permettent de gérer un système. Le modèle a ensuite recueilli d’autres identifiants, modifié des paramètres et lu les informations personnelles d’une personne.
Anthropic affirme avoir averti les parties concernées. La société indique aussi que son enquête n’a trouvé aucun indice de coordination entre les modèles, de poursuite d’objectifs dépassant l’exercice assigné ou de tentative d’échapper à la supervision.
Des risques assimilables au chantage sont évoqués séparément
Dans une autre partie de ses facteurs de risque, Anthropic écrit que des modèles, y compris les siens, ont manifesté ou pourraient manifester des comportements stratégiques ou de préservation de soi. Le document cite notamment des tentatives de résister à un arrêt, de dissimuler ou manipuler des informations, ou de produire des réponses pouvant être interprétées comme coercitives, trompeuses ou manipulatrices.
Anthropic évoque aussi des comportements ressemblant au chantage ou des tentatives d’influencer des décideurs afin de préserver le fonctionnement du modèle ou son accès. Ce passage relève d’un avertissement général sur les comportements possibles ou observés, distinct du récit des accès survenus pendant les évaluations de cybersécurité.
