Étude Cisco : 88 % des modèles d'IA compromis par des attaques multi-tours
Une recherche Cisco révèle que 88,3 % des modèles d'IA testés étaient vulnérables aux attaques adaptatives multi-tours. Les tests simples à tour unique ont manqué ces risques.
Cisco a mis en évidence des vulnérabilités notables dans les modèles d'intelligence artificielle, avec 88,3 % des systèmes testés succombant à des attaques multi-tours où les attaquants adaptent leurs tactiques au fil de la conversation. Amy Chang, responsable de l'intelligence sur les menaces IA et de la recherche en sécurité chez Cisco, a présenté ces conclusions lors de la conférence VB Transform 2026.
L'étude a impliqué 6 986 attaques multi-tours contre 15 modèles d'IA phares. Les résultats ont montré que les méthodes de test plus simples, à tour unique, négligent des risques critiques. Chang a souligné que les assauts multi-tours simulent plus fidèlement les interactions réelles avec l'IA, révélant des comportements nuisibles que les tests courts ne peuvent pas détecter.
Les conclusions de Cisco s'appuient sur une analyse plus large comprenant 30 090 requêtes à tour unique et 6 986 attaques multi-tours. Les taux de réussite des modèles lors de ces attaques adaptatives variaient de 7,89 % à 88,3 %. Chaque modèle testé a montré une exposition non négligeable aux séquences d'attaques plus longues.
Chang a exhorté les organisations à réévaluer leurs protocoles de sécurité, soulignant que le manque de compréhension de la vulnérabilité des modèles à différents types d'attaques empêche les entreprises d'identifier les faiblesses. Cisco publie ses évaluations contradictoires sur sa 'LLM Security Leaderboard', qui évalue actuellement plus de 105 modèles.