Failles IA : Claude Code et Codex sous attaque distante

Un proof-of-concept révèle la possibilité d’exécuter du code à distance en utilisant les interfaces Claude Code et Codex lorsqu’elles évaluent la sécurité de bibliothèques tierces. L’attaque cible Claude Code en mode automatique et Codex en mode auto-review, capitalisant sur des injections de prompt disséminées dans le code source, sans nécessiter d’ajustements complexes ni éléments supplémentaires.

Ce proof-of-concept met en lumière des failles dans l’utilisation des agents IA comme outils de défense, en particulier dans les infrastructures critiques. Publié par Ainow Institute, il démontre que ces modèles peuvent être compromis via des bibliothèques tierces couramment exploitées.

Les modèles Claude (versions Sonnet 4.6, 5, Opus 4.8) et Codex de OpenAI (version GPT-5.5) sont vulnérables à cet exploit. Les chercheurs expliquent que leur méthode d’attaque repose sur des injections de prompt bien placées, permettant une exécution non autorisée de code. Cette vulnérabilité remet en question l’efficacité des outils IA déployés pour la cybersécurité.

Les implications soulignées par la source indiquent que ces nouvelles vulnérabilités pourraient compromettre les avantages défensifs recherchés par l’intégration des IA dans les infrastructures critiques. Les initiatives gouvernementales de promouvoir des outils IA avancés pourraient ne pas avoir suffisamment pris en compte ces nouveaux risques.

Ce contexte renforce la nécessité de réévaluer l’utilisation des IA défensives face aux menaces qu’elles peuvent introduire. Selon la publication, les attaques démontrées avec Claude Code et Codex pourraient être transférables à d’autres plateformes IA, augmentant le spectre des possibles menaces. Plus d’informations peuvent être trouvées sur GitHub concernant le proof-of-concept.