Des exploitations d’IA viennent de frapper trois grandes entreprises. Ce n’est plus théorique : des attaques adversariales touchent désormais des systèmes de production à grande échelle. Les vecteurs d’attaque impliqués concerneraient probablement l’injection d’invites (prompt injection), l’empoisonnement des modèles (model poisoning) ou l’exploitation d’interfaces d’API qui communiquent avec des LLM. Les hypothèses de sécurité classiques ne tiennent plus lorsque votre couche d’authentification peut être trompée par ingénierie sociale via le langage naturel. Les entreprises qui déploient GPT‑4 ou Claude dans des applications orientées clients sans sandboxing adéquat exécutent, en pratique, une exécution de code arbitraire avec quelques étapes supplémentaires. La vraie question : s’agissait-il de failles zero-day dans les modèles eux-mêmes, ou simplement d’une mauvaise sécurité de mise en œuvre ? Dans tous les cas, c’est un signal d’alarme : la sécurité de l’IA ne peut plus être une réflexion tardive ajoutée après le déploiement. Toute entreprise qui intègre des LLM doit désormais faire du red-teaming, spécifiquement pour les surfaces d’attaque liées à l’IA.