Un nouveau logiciel malveillant, baptisé VOLTA-AUTODOXER, intègre une phase de profilage des victimes alimentée par un grand modèle de langage (LLM) après avoir siphonné les données d’une machine. Ce stealer, qui s’autodétruit et n’utilise aucune infrastructure propre à l’attaquant, transforme la collecte brute en un dossier ciblé et hiérarchisé en fonction de la valeur monétaire des actifs trouvés, selon une analyse publiée par Talos Intelligence.

Ce qui est nouveau dans ce panorama de la cybercriminalité, c’est cette stratégie : élargir le filet de capture, voler tout, puis laisser l’intelligence artificielle trier ce qui est exploitable. Après avoir récolté les éléments habituels – mots de passe de navigateur, cookies, clés SSH, sessions Discord ou Steam, et même des phrases de récupération de portefeuilles crypto –, VOLTA construit un paquet de preuves structuré. Ce paquet contient des informations comme la géolocalisation, le domaine de l’employeur, ou encore les métadonnées d’auteur de documents.

Le stealer utilise ensuite les sessions volées pour enrichir ce dossier. Par exemple, il interroge la boîte Gmail de la victime pour récupérer des reçus d’Amazon, de DoorDash ou d’Uber Eats, permettant de corroborer une adresse de domicile. Cette passe d’enrichissement est un niveau d’analyse que l’on ne voit pas souvent dans les outils de vol classiques. L’ensemble de ce paquet est ensuite transmis à OpenRouter, sous un système de requête demandant au modèle d’agir comme un « analyste de renseignement médico-légal rédigeant une évaluation de la cible ».

Le LLM est chargé de produire une section intitulée « WHAT THEY’RE WORTH », où les actifs sont classés en niveaux faible, moyen ou élevé selon leur potentiel de rentabilité. L’attaquant ne demande pas simplement de trouver des données ; il demande à l’IA d’établir des liens complexes entre des informations disparates, par exemple, en reliant le nom de la victime à des schémas de mots de passe observés.

Cette architecture repose sur une résilience délibérée. Si le modèle principal, configuré par défaut sur anthropic/claude-opus-4.6, refuse d’exécuter l’évaluation de la cible, VOLTA bascule vers une chaîne de secours comportant jusqu’à trois modèles différents, notamment moonshotai/kimi-k2 et google/gemini-2.5-flash. Cette prévision des refus montre une ingénierie sophistiquée de la part des opérateurs, qui anticipent et prévoient les garde-fous des LLM. Le paramètre de température, maintenu à 0.2, indique une recherche délibérée de résultats cohérents et précis plutôt que de créativité.

L’instrumentalisation des modèles par des outils malveillants

Cette tendance où l’IA agit comme un analyste en temps réel est loin d’être isolée. D’autres recherches pointent vers une instrumentalisation accrue des modèles par des outils malveillants. Par exemple, Check Point Research a analysé le paquet Haiou, un « jailbreak » ciblant OpenAI Codex. Ce paquet, classé comme « prompt adware », injecte des publicités persistantes dans les fichiers d’instructions des agents pour promouvoir une passerelle LLM payante.

Ces « prompt adware » ne sont pas des charges utiles exécutables au sens traditionnel ; ils modifient le comportement de l’agent par le biais de langage naturel dans ses configurations. Bien que cela concerne des outils d’accès aux modèles plutôt que le vol de données direct, cela illustre la même logique : utiliser la capacité de l’IA pour créer une opportunité économique ou opérationnelle.

L’intégration de l’IA dans les opérations offensives devient une réalité constante. Le NCSC UK, par exemple, estime que d’ici 2028, il est fort probable que des États-nations utiliseront l’IA pour des cyberattaques, augmentant la vitesse et l’ampleur des intrusions. En parallèle, des entreprises comme Horizon3.ai explorent déjà comment l’IA peut permettre une validation offensive continue, rendant les évaluations de sécurité non figées dans le temps. L’interaction entre ces deux usages – l’augmentation des capacités d’attaque et l’automatisation de l’analyse – montre que la frontière entre outils de sécurité et outils offensifs s’estompe rapidement.

Sources

• Appraisal by AI: Model-driven victim prioritization in the VOLTA infostealer, blog.talosintelligence.com
• Free the Model, Sell the Gateway: Prompt Adware hidden in Jailbreak Bundles – Check Point Research, research.checkpoint.com
• SECURITY AFFAIRS AI-CYBERSECURITY NEWSLETTER ROUND 7, Security Affairs, 8 novembre 2026
• AI-Powered Penetration Testing: How Autonomous Offensive Security Works, Horizon3.ai, 3 novembre 2026
• Artificial intelligence and cyber intrusion, NCSC UK, 3 novembre 2026 (contenu sous licence Open Government Licence v3.0)