Mythos Preview : l'IA qui pirate tout, ou l'IA qui protège tout ?
Mythos Preview a été présenté comme l'IA la plus dangereuse jamais créée. Voici ce que les médias ont omis de vous dire.
Le 7 avril 2026, Anthropic annonce un modèle d’IA capable de trouver des failles de sécurité dans chaque système informatique majeur de la planète — et décide de ne pas le rendre public. Les médias retiennent le danger. Ils oublient le reste. Ce décryptage ne pose pas la question de savoir si Mythos Preview est dangereux. Il pose une question différente : que révèle la façon dont les médias ont traité cette annonce sur la fabrication du récit autour de l’intelligence artificielle ?
Point de départ
Fin mars 2026, le site Fortune découvre par accident l’existence d’un modèle d’IA inconnu. Anthropic — l’entreprise qui fabrique l’assistant Claude — avait mal configuré son système de gestion de contenu interne. Résultat : près de 3 000 assets — brouillons d’articles, images, PDF, métadonnées — se retrouvent accessibles publiquement, selon Alexandre Pauwels, expert en cybersécurité à l’Université de Cambridge, sollicité par Fortune pour évaluer la fuite. Parmi ces fichiers, un brouillon d’article de blog mentionnant un modèle baptisé “Claude Mythos”, décrit comme “de loin le plus puissant jamais développé” par l’entreprise.
Le 7 avril, Anthropic officialise l’annonce. Mythos Preview est présenté simultanément comme une rupture technologique majeure et comme un outil trop risqué pour être diffusé au grand public. Dans le même communiqué, l’entreprise lance Project Glasswing — une coalition industrielle dont l’objectif est d’utiliser Mythos pour renforcer la sécurité des systèmes informatiques critiques dans le monde. Les deux éléments sont indissociables dans l’annonce originale. Dans la plupart des articles qui suivent, un seul est retenu.
Ce que racontent les médias
Le traitement dominant structure le sujet autour d’un axe unique : une IA tellement puissante que son propre créateur la juge trop dangereuse.
Exemples concrets de titres et angles employés :
Epoch Times France (7 avril) : “Mythos Preview, le dernier modèle d’Anthropic, trop puissant pour être rendu public” — l’article affirme que Mythos “peut probablement pirater la plupart des réseaux gouvernementaux et d’entreprises.” Aucune source ne corrobore cette affirmation.
CNews (22 avril) : “Mythos : quelle est cette IA qui fait trembler les États-Unis et même son créateur ?” — le titre place la peur comme entrée principale, sans mentionner l’initiative de défense.
France 24 (15 avril) : “Le calme avant la tempête Mythos” — la métaphore météorologique installe une menace imminente et inévitable.
Euronews (22 avril) : “Des pirates accèdent au modèle IA Mythos d’Anthropic, jugé trop dangereux” — l’accent est mis sur la faille de sécurité, pas sur l’objectif défensif du modèle.
Le vocabulaire structurant est celui du danger : “trop puissant”, “fait trembler”, “tempête”, “pirates”. Project Glasswing — le cœur de l’annonce — est absent ou mentionné en passant dans la majorité de ces articles.
Le cadrage
L’angle choisi est celui de la menace asymétrique : une entreprise privée détient une arme numérique que personne d’autre ne possède. Ce cadrage active une représentation connue — l’IA hors de contrôle, le laboratoire qui joue à l’apprenti sorcier.
Ce qui est structurellement absent du cadrage médiatique dominant :
La nature défensive de Project Glasswing : 12 partenaires industriels majeurs (Amazon, Apple, Google, Microsoft, Cisco, Nvidia, JPMorgan Chase, CrowdStrike, Broadcom, Palo Alto Networks, la Linux Foundation), 40 organisations supplémentaires, 100 millions de dollars en crédits d’utilisation, engagés pour corriger les failles avant qu’elles soient exploitées par des acteurs malveillants
Le débat réel au sein de la communauté cybersécurité sur les capacités réelles de Mythos et leur dimension de communication stratégique
Les limites documentées du modèle dans certains environnements — qui contredisent directement les affirmations les plus alarmistes
Le risque structurel des modèles open-weight (voir plus bas) — pourtant plus préoccupant à moyen terme
Mécanismes d’influence
La répétition sélective. Les chiffres frappants — “des milliers de vulnérabilités”, “chaque système d’exploitation majeur” — circulent d’article en article sans que le contexte soit transmis : ces vulnérabilités ont pour la plupart été corrigées dans le cadre de Project Glasswing, et leur découverte était précisément l’objectif déclaré de l’initiative.
L’autorité retournée. Anthropic elle-même a produit une communication volontairement alarmante. Bruce Schneier — cryptographe américain, auteur de référence en sécurité informatique, sans lien avec aucun concurrent — l’a noté dans son analyse publiée le 13 avril 2026 : les journalistes ont massivement repris les éléments de langage d’Anthropic sans les examiner de manière critique.
De son côté, Sam Altman, PDG d’OpenAI — concurrent direct d’Anthropic — a qualifié cette communication de “fear-based marketing”, marketing par la peur. Sa critique est réelle, mais doit être lue avec le prisme de la rivalité commerciale : une semaine après l’annonce de Mythos, OpenAI lançait un déploiement restreint similaire de son propre modèle orienté cybersécurité, avec le même cadre narratif.
L’omission structurante. Taire Project Glasswing n’est pas neutre. C’est transformer une annonce industrielle de défense en révélation d’une menace. Le même fait, sans son contexte, devient une autre information.
Ce que montrent les faits
Quelques définitions pour lire la suite
LLM (Large Language Model) — En français : grand modèle de langage. C’est le moteur qui fait tourner des assistants comme Claude, ChatGPT ou Gemini. Concrètement, c’est un programme entraîné sur des quantités massives de texte pour comprendre et produire du langage. Mythos Preview est un LLM.
Modèle open-weight — Un modèle dont les “paramètres” (le résultat de l’entraînement, autrement dit le “savoir” du modèle) sont rendus publics. N’importe qui peut le télécharger, l’utiliser, le modifier. C’est l’opposé d’un modèle propriétaire comme Mythos, que seul Anthropic contrôle. Llama de Meta ou Mistral sont des exemples de modèles open-weight.
Zero-day — Une faille de sécurité inconnue des développeurs du logiciel concerné. “Zero-day” signifie que personne n’avait encore eu un seul jour pour la corriger. C’est le type de faille le plus dangereux, car aucun correctif n’existe au moment où elle est découverte.
Exploit — Un programme ou une technique qui tire parti d’une faille pour s’introduire dans un système ou en prendre le contrôle. Trouver une faille ne suffit pas à causer des dégâts : il faut ensuite construire un exploit pour l’utiliser.
CTF (Capture The Flag) — Un exercice de cybersécurité sous forme de compétition. Des équipes s’affrontent pour s’introduire dans des systèmes fictifs et récupérer un “drapeau” caché. C’est l’équivalent d’un exercice de simulation militaire pour les hackers défensifs.
Les capacités réelles de Mythos, documentées de manière indépendante
L’AI Security Institute (AISI) britannique — organisme gouvernemental indépendant — a publié ses évaluations le même jour que l’annonce d’Anthropic. Ses conclusions nuancent significativement le récit dominant.
“The Last Ones” : l’AISI a soumis Mythos à un scénario simulant une attaque complète sur un réseau d’entreprise fictif, en 32 étapes successives — de la reconnaissance initiale à la prise de contrôle totale. C’est l’équivalent d’un test de simulation où l’on demande à un modèle de jouer le rôle d’un attaquant expérimenté, étape par étape. Mythos est le premier modèle à avoir réussi ce scénario de bout en bout — dans 3 tentatives sur 10. Dans les autres tentatives, il a complété en moyenne 22 étapes sur 32.
Tâches CTF : sur des exercices de niveau expert, Mythos réussit 73% des cas — une performance inédite. Deux ans plus tôt, les meilleurs modèles disponibles peinaient à résoudre les exercices débutants.
Mais : l’AISI précise explicitement — dans le même rapport que les résultats ci-dessus — que ses environnements de test ne reproduisent pas les protections des systèmes réels. “Cela signifie que nous ne pouvons pas affirmer avec certitude que Mythos Preview serait capable d’attaquer des systèmes bien défendus.” Cette phrase n’a été reprise dans aucun des articles grand public analysés.
Les failles découvertes — dans leur contexte
Voici ce que Mythos a trouvé, et ce qu’il s’est passé ensuite :
Une faille vieille de 27 ans dans OpenBSD — un système d’exploitation connu pour sa sécurité, utilisé pour les pare-feux d’entreprises. Corrigée.
Une faille de 16 ans dans FFmpeg — un logiciel invisible mais présent dans des millions d’applications (YouTube, VLC, Zoom utilisent ses composants). Corrigée.
271 vulnérabilités dans Firefox — identifiées avec l’aide de Mozilla, qui les a corrigées dans la version 148 du navigateur.
Une faille dans le noyau Linux — le socle sur lequel tournent la plupart des serveurs d’internet. Corrigée.
Ces failles existaient depuis des décennies. Elles avaient survécu à des millions de tests automatisés et à des années d’expertise humaine. Le fait que Mythos les ait trouvées est réel et significatif. Le fait qu’elles aient été corrigées l’est tout autant — et constitue précisément l’objectif de Project Glasswing.
Ce que la contre-analyse technique révèle
La société AISLE, spécialisée en sécurité IA, a publié une analyse indépendante le 7 avril. Ses conclusions bousculent la narration d’Anthropic.
AISLE a soumis le même exploit phare mis en avant par Anthropic — la faille FreeBSD présentée comme démonstration de la supériorité de Mythos — à huit modèles différents, dont plusieurs modèles open-weight de petite taille, accessibles librement. Résultat : les huit modèles ont détecté l’exploit. Un modèle open de 5,1 milliards de paramètres (soit environ 100 fois moins de “taille” que Mythos) a reproduit l’essentiel de la chaîne de vulnérabilités vieille de 27 ans dans OpenBSD.
Conclusion d’AISLE : “La version la plus forte du récit — que ce travail dépend fondamentalement d’un modèle restreint et non publié — nous semble surestimée.” En d’autres termes : les capacités de Mythos sont réelles, mais elles ne lui sont pas exclusives. Des modèles plus petits et librement accessibles en font déjà une partie.
Le vrai risque que personne ne couvre
L’angle absent de la couverture médiatique est pourtant documenté : les modèles open-weight. Le Centre pour les technologies émergentes et la sécurité (CETaS) de l’Institut Alan Turing estime que le délai moyen entre un modèle propriétaire de pointe et son équivalent open-weight est de 3 mois en moyenne, pouvant s’étirer à 5-22 mois pour les cas les plus avancés.
Ces modèles peuvent être téléchargés, utilisés sans surveillance, modifiés, et “décensurés” — c’est-à-dire débarrassés de tous les filtres de sécurité que leurs créateurs ont intégrés. Dans les jours suivant la publication de Gemma 4 par Google en avril 2026, plusieurs variantes décensurées sont apparues sur des dépôts publics accessibles à tous. Ce vecteur de risque — distribué, incontrôlable, déjà actif — est structurellement absent du débat médiatique sur Mythos.
L’écart
La distorsion entre le récit médiatique et la réalité documentée est de nature sélective, pas fictive. Les faits cités sont réels. Ce qui manque :
L’objectif défensif de Project Glasswing et ses résultats concrets en termes de corrections
Les limites documentées par des évaluateurs indépendants, dont l’AISI
La contre-analyse d’AISLE sur la non-exclusivité des capacités de Mythos
Le risque structurel des modèles open-weight, déjà actif et non restreint
La dimension de communication stratégique soulignée par des experts comme Schneier
Un dernier fait révélateur, à placer ici : Mythos aurait été accédé de manière non autorisée le jour même de son annonce publique. Selon Fortune (23 avril 2026) et Gizmodo, un groupe restreint d’utilisateurs sur un serveur Discord privé aurait localisé le modèle en combinant des informations issues d’une fuite antérieure chez Mercor — startup spécialisée dans la fourniture de données d’entraînement pour Anthropic, OpenAI et Meta — avec les accès d’un sous-traitant tiers d’Anthropic.
Cette combinaison leur aurait permis de deviner l’emplacement du modèle, insuffisamment protégé. Le groupe utiliserait toujours le modèle de façon continue au moment de la publication de ces articles. Anthropic a confirmé enquêter sur “un accès non autorisé via l’un des environnements de ses prestataires tiers.” La stratégie de restriction n’est pas hermétique — c’est précisément le point qu’Anthropic aurait intérêt à reconnaître publiquement plutôt qu’à minimiser.
Effets sur la perception
Le cadrage “IA trop dangereuse” active deux mécanismes psychologiques bien documentés.
Le premier est le biais de disponibilité : une menace concrète et imagée (”une IA qui pirate les réseaux gouvernementaux”) est psychologiquement plus marquante qu’un mécanisme abstrait (”une coalition de 50 entreprises qui corrige des failles en silence”). Le premier format est publiable et partageable. Le second demande une explication.
Le second est le biais de confirmation pour les lecteurs déjà méfiants à l’égard de l’IA : l’article confirme que les laboratoires développent des outils hors de contrôle, sans que le lecteur ait accès aux éléments qui nuancent ou contredisent cette lecture.
L’effet combiné : une fraction du public ressort de ces articles avec la conviction qu’une IA capable de pirater n’importe quel réseau circule librement. Ce n’est pas la situation au 25 avril 2026.
Mise en perspective
Ce n’est pas la première fois. En 2019, OpenAI avait refusé de publier GPT-2, invoquant les risques de désinformation à grande échelle. La couverture médiatique avait été identique : alarmiste, centrée sur le danger, discrète sur le contexte. GPT-2 a été entièrement publié six mois plus tard, sans incident majeur documenté. Ce précédent est absent de la quasi-totalité des articles sur Mythos.
La réaction concurrentielle. Une semaine après Mythos, OpenAI a annoncé un déploiement restreint similaire de son propre modèle orienté cybersécurité, avec le même cadre narratif. Cette symétrie suggère une course au positionnement autant qu’une urgence technique réelle.
La dimension financière. Boursorama note dans son analyse du 16 avril 2026 que les annonces d’Anthropic s’inscrivent dans un calendrier précis : les marchés attendent une entrée en bourse de la société, valorisée 380 milliards de dollars. David Sacks, conseiller IA de Donald Trump, a lui-même écrit : “Il est difficile d’ignorer qu’Anthropic a un historique de tactiques alarmistes.” Cette lecture politiquement orientée ne disqualifie pas les capacités réelles de Mythos — elle invite à les évaluer séparément de leur mise en scène.
L’angle européen, absent. L’Union européenne a réagi : le 16 avril, Thomas Regnier, porte-parole de l’UE sur les questions numériques, a confirmé qu’une première réunion avec Anthropic avait eu lieu, et que d’autres suivraient. Mais la question réglementaire de fond n’a pas été posée dans les médias.
L’AI Act européen — en vigueur depuis août 2024, avec des obligations applicables aux grands modèles de langage depuis août 2025 — prévoit des obligations renforcées pour les modèles présentant un “risque systémique”. Ce critère s’applique aux modèles entraînés avec une puissance de calcul supérieure à 10²⁵ opérations flottantes.
Ces modèles doivent soumettre des évaluations de risques, notifier les incidents au Bureau européen de l’IA, et démontrer des mesures de cybersécurité adéquates. En cas de non-conformité à partir d’août 2026, les amendes peuvent atteindre 35 millions d’euros ou 7% du chiffre d’affaires mondial.
L’AI Act désigne comme systémique tout modèle entraîné avec une puissance de calcul supérieure à 10²⁵ FLOPs — soit 100 fois la puissance estimée de GPT-4. Anthropic n’a pas publié les chiffres correspondants pour Mythos. Mais au vu de ses capacités documentées, la question de son classement sous ce seuil mérite d’être posée publiquement. Elle ne l’a été nulle part. Sources : Direction générale des Entreprises — Commission européenne, AI Act — Lexagone, obligations GPAI
Conclusion
Mythos Preview est un saut réel dans les capacités des modèles d’IA en cybersécurité. Les évaluations indépendantes le confirment — avec des nuances que le récit médiatique n’a pas transmises.
La décision de restreindre l’accès est cohérente avec l’objectif déclaré : corriger les failles avant qu’elles soient exploitées. Cette décision comporte aussi des angles morts réels : opacité des critères de sélection des partenaires, fuite dès le premier jour, risque non résolu des modèles open-weight accessibles à tous.
Le mécanisme à l’œuvre dans la couverture médiatique est celui de la sélection amplifiante : les faits alarmants sont repris, les éléments de contexte sont écartés. Ce n’est pas de la désinformation.
C’est du cadrage. La différence est importante : le premier fabrique des faits, le second fabrique des représentations. Les représentations orientent les politiques publiques, les régulations, et les réactions des institutions.
Un public qui comprend Mythos comme “l’IA qui pirate tout” réagit différemment d’un public qui comprend Mythos comme “l’IA qui a trouvé des failles que 27 ans d’experts humains n’avaient pas vues — et qui les a corrigées.”
Ce sont deux lectures du même événement. Une seule a circulé.
Sources
Anthropic, annonce officielle Project Glasswing, 7 avril 2026 : https://www.anthropic.com/glasswing
Anthropic Frontier Red Team, détails techniques Mythos Preview : https://red.anthropic.com/2026/mythos-preview/
AI Security Institute (AISI), évaluation indépendante : https://www.aisi.gov.uk/blog/our-evaluation-of-claude-mythos-previews-cyber-capabilities
Bruce Schneier, analyse du 13 avril 2026 : https://www.schneier.com/blog/archives/2026/04/on-anthropics-mythos-preview-and-project-glasswing.html
AISLE, “AI Cybersecurity After Mythos: The Jagged Frontier” : https://aisle.com/blog/ai-cybersecurity-after-mythos-the-jagged-frontier
Centre pour les technologies émergentes et la sécurité (CETaS), Institut Alan Turing : https://cetas.turing.ac.uk/publications/claude-mythos-future-cybersecurity
Fortune, fuite de Mythos, 23 avril 2026 : https://fortune.com/2026/04/23/anthropic-mythos-leak-dario-amodei-ceo-cybersecurity-hackers-exploits-ai/
Boursorama, analyse UE et régulateurs, 16 avril 2026 : https://www.boursorama.com/actualite-economique/actualites/faut-il-avoir-peur-de-mythos-la-super-ia-d-anthropic-inquiete-l-ue-et-les-grands-regulateurs-737cf64a6c21ad072dbde27292d5ee1a
Alyra, “Pourquoi Claude Mythos fait peur ?” : https://www.alyra.fr/post/nl-pourquoi-claude-mythos-fait-peur
Commission européenne, AI Act — obligations GPAI : https://digital-strategy.ec.europa.eu/fr/policies/regulatory-framework-ai
Direction générale des Entreprises, AI Act en France : https://www.entreprises.gouv.fr/decryptages-de-nos-experts/le-reglement-europeen-sur-lintelligence-artificielle-publics-concernes
À retenir
Mythos Preview est une avancée réelle confirmée par des évaluateurs indépendants — mais avec des limites documentées que la presse grand public n’a pas relayées.
Project Glasswing, cœur de l’annonce du 7 avril, a été quasi absent de la couverture médiatique : c’est pourtant l’élément qui détermine si Mythos est une menace ou un outil de défense.
Le vrai risque non couvert est celui des modèles open-weight accessibles librement, qui rattrapent les modèles propriétaires en quelques mois et échappent à tout contrôle.
Pour aller plus loin
Si ce décryptage vous est utile, vous pouvez vous abonner pour recevoir les prochaines analyses.
Chaque publication apporte une grille de lecture claire sur la fabrication de l’information et des perceptions.
— André Francis
Gardez la forme et soyez prêts.