# Anthropic redoute des vers IA dans les objets connectés

> Anthropic estime que de petits modèles pourraient bientôt se répliquer sur des objets connectés, malgré des limites techniques observées lors d’un test.

Type : Actualité IA · Catégorie : Tendances · Publié le 2026-11-02 · Signal IA - Order & Chaos · Secteur : Cybersécurité
Source : https://www.orderchaos.eu/signal-ia/actu/anthropic-alerte-sur-lauto-replication-des-petits-modeles-ia
Tags : cybersécurité, ia générative, objets connectés, malware, open-source, inference

---

## En résumé

- Anthropic a testé des modèles légers sur plusieurs équipements connectés peu coûteux.
- Gemma4-26B-A4B a atteint l’inférence sur 15 boîtiers Android TV de 4 Go.
- Les modèles testés n’ont pas encore réalisé une réplication complète de bout en bout.

**Le signal :** Anthropic a fait fonctionner Gemma4-26B-A4B sur 15 boîtiers Android TV dotés de 4 Go de mémoire chacun.

**Anthropic alerte** sur une évolution possible des logiciels malveillants visant les [objets connectés](/signal-ia/actu/anthropic-alerte-sur-des-ia-capables-de-se-repliquer). L’entreprise estime que de petits modèles pourraient se répliquer sur des réfrigérateurs, aspirateurs et autres appareils dès l’année prochaine. Ces programmes pourraient ensuite former des vers informatiques, capables de se propager sans interaction humaine. Anthropic décrit cette hypothèse comme celle de « réplicateurs autonomes fondés sur des poids ». L’entreprise a publié son analyse dans une [étude consacrée à la réplication](https://www.anthropic.com/research/self-replicating-ai). Le scénario reste lié à une expérience récente, qui a rencontré des difficultés importantes. Aucun des modèles légers testés n’a réalisé une réplication complète de bout en bout.

**Le test distribué** a utilisé des modèles à poids ouverts sur des boîtiers [Android](/signal-ia/actu/rathat-le-malware-android-dope-a-lia-detourne-les-appareils) TV peu coûteux et d’autres équipements connectés. Anthropic a réduit la taille des modèles avec la quantification. Les chercheurs ont aussi réparti les calculs entre plusieurs appareils, sous forme de fragments. Gemma4-26B-A4B a établi l’inférence avec 15 boîtiers disposant chacun de 4 Go de mémoire. Le modèle Qwen3.5-9B a configuré d’autres grands modèles sur huit des neuf types de matériel évalués. Cette capacité distingue ces modèles des logiciels malveillants traditionnels. Leurs poids ont permis des configurations adaptées aux appareils testés, plutôt qu’un code unique pour chaque plateforme.

## Anthropic teste plusieurs modèles légers

**Le cycle offensif** comprend quatre étapes décrites par Anthropic. L’agent doit rechercher des cibles, obtenir l’exécution de code, établir l’[inférence](/signal-ia/actu/amazon-bedrock-deploie-gpt-56-dans-plus-de-25-regions-aws), puis se propager vers de nouveaux hôtes. Les modèles avaient accès à des outils d’exploitation courants, notamment des interfaces de commande inversées. Un réplicateur pourrait transporter ses poids avec lui ou les télécharger depuis un dépôt public. Ces poids deviendraient alors une partie de la charge malveillante. Anthropic indique aussi qu’un agent pourrait conserver des instructions, du code et des notes après un échec. Un réplicateur ultérieur éviterait ainsi certaines tentatives inefficaces sur le même appareil.

**La vitesse limite** toutefois fortement cette hypothèse. Gemma4-26B-A4B, réparti sur 15 boîtiers Android TV, a atteint 0,39 jeton par seconde. La configuration complète de l’inférence demandait entre 71 et 150 heures pour cette version non optimisée. Qwen3.5-9B nécessitait entre 29 et 51 heures. Anthropic identifie la configuration dynamique de l’inférence comme l’étape la plus difficile. Elle exige de choisir des logiciels compatibles, d’installer des dépendances et de corriger des erreurs propres à chaque plateforme. Ces opérations dépendent les unes des autres. Les échecs sont donc difficiles à récupérer automatiquement.

## La réplication complète reste inachevée

**Les résultats actuels** ne montrent pas une infection autonome de bout en bout. Les modèles légers testés n’ont pas découvert de nouveaux appareils, exploité leur accès, installé une charge, configuré un serveur d’inférence, puis répété le processus. Anthropic indique que des modèles de 30 milliards de paramètres accomplissent déjà plusieurs étapes individuelles, avec des erreurs lors de l’enchaînement complet. L’entreprise estime que les petits modèles pourraient atteindre des résultats limités similaires d’ici la fin de l’année, si leur progression continue au même rythme. Elle juge possibles des réplicateurs fondés sur les poids peu après. [Ars Technica détaille l’expérience](https://arstechnica.com/security/2026/10/anthropic-warns-small-ai-models-could-self-replicate-through-iot-devices/).