CYBER DECEPTION : face aux agents IA offensifs, la cybersécurité apprend à mentir
📩 Pour nous contacter: redaction@fw.media
Pendant des décennies, la cybersécurité a cherché à identifier les attaquants, bloquer leurs mouvements et protéger les actifs critiques. L’arrivée de l’intelligence artificielle offensive pourrait progressivement modifier cette doctrine. Face à des outils capables d’automatiser une partie de la reconnaissance, de l’exploitation et de l’exploration d’un système d’information, une approche ancienne revient au premier plan : la cyber deception, qui consiste à multiplier faux credentials, fausses identités, faux services et fausses données afin d’attirer l’adversaire sur un terrain contrôlé. L’IA pourrait permettre de produire ces leurres à une échelle et avec un réalisme jusqu’ici difficiles à atteindre. Mais elle fournit simultanément aux attaquants de nouveaux moyens pour les identifier. Derrière la confrontation entre agents offensifs et défensifs apparaît ainsi une nouvelle bataille : contrôler ce que la machine adverse croit savoir du système qu’elle attaque.
L’IA réduit d’abord le coût marginal de l’attaque
Imaginer des agents autonomes capables de pénétrer seuls dans une entreprise, de contourner ses défenses et de conduire une attaque sophistiquée de bout en bout reste encore différent de la réalité quotidienne des SOC. Mais la transformation est désormais suffisamment avancée pour ne plus relever uniquement de la prospective.
Le NATIONAL CYBER SECURITY CENTRE britannique estime que l’IA augmente déjà la vitesse et l’échelle de certaines opérations offensives, notamment la découverte de vulnérabilités et la reconnaissance, et qu’elle réduit en conséquence le temps disponible pour les défenseurs. Le NCSC relevait par ailleurs début 2026 que les meilleurs modèles étaient capables d’enchaîner près de six fois plus d’étapes d’attaque que les modèles les plus performants dix-huit mois auparavant.
Le phénomène dépasse l’assistance au hacker humain. ANTHROPIC a indiqué en novembre 2025 avoir détecté une campagne d’espionnage dans laquelle les capacités agentiques de l’IA avaient été utilisées non plus seulement comme conseil, mais pour exécuter une partie importante des opérations. Les laboratoires évaluent désormais explicitement leurs modèles sur des environnements offensifs où ceux-ci disposent d’un terminal Linux et d’outils de cybersécurité comparables à ceux d’un opérateur humain.
La transformation essentielle reste néanmoins économique. Reconnaissance d’une infrastructure, analyse de vulnérabilités, génération et adaptation de scripts, traitement de credentials compromis, interrogation de services internes ou analyse de données exfiltrées peuvent être menés plus rapidement et à moindre coût.
L’IA modifie ainsi moins la nature fondamentale de l’attaque que son coût marginal.
Cette évolution pose un problème particulier aux architectures construites autour du triptyque détection, qualification et réponse. EDR, XDR, NDR, SIEM et SOC produisent déjà des volumes considérables de télémétrie. À mesure que l’automatisation augmente également du côté offensif, la question n’est donc plus seulement de savoir si l’entreprise dispose de suffisamment de signaux, mais si elle peut identifier assez rapidement ceux qui indiquent réellement une compromission.
C’est précisément sur cette asymétrie que revient la cyber deception.
Quand le faux devient un capteur
Le principe n’est pas nouveau, depuis plusieurs décennies, les honeypots proposent aux attaquants des machines ou services volontairement exposés afin de les attirer, détecter leurs activités et observer leurs méthodes. La cyber deception contemporaine étend cette logique à une part beaucoup plus importante du système d’information.
Cette approche est suffisamment établie pour disposer de son propre cadre doctrinal. MITRE Engage formalise les opérations d’adversary engagement, c’est-à-dire les stratégies permettant aux défenseurs de manipuler, détourner ou observer l’adversaire plutôt que de simplement tenter de l’empêcher d’agir. MITRE insiste d’ailleurs sur un point essentiel : la deception n’est pas simplement une technologie que l’on installe, mais une opération qui doit être conçue en fonction d’objectifs défensifs précis.
Plutôt que d’installer quelques machines destinées à servir d’appâts, il devient possible de disséminer des faux credentials, comptes administrateurs fictifs, clés API, fichiers confidentiels, partages réseau, tokens cloud ou services qui n’ont aucune raison d’être utilisés dans le fonctionnement normal de l’entreprise.
Cette caractéristique modifie la qualité du signal obtenu. Une connexion inhabituelle peut être légitime, tout comme un transfert de données atypique ou la communication d’une machine avec une nouvelle adresse. En revanche, l’utilisation d’un credential créé exclusivement pour servir de leurre constitue un événement beaucoup plus difficile à expliquer par une activité normale.
MICROSOFT documente par exemple l’utilisation de honeytokens, c’est-à-dire de fausses clés ou de faux secrets placés dans AZURE KEY VAULT et dont l’accès déclenche une alerte dans SENTINEL. THINKST applique le même principe avec ses CANARYTOKENS, qui peuvent prendre la forme de credentials, de fichiers ou d’artefacts destinés à signaler qu’un adversaire les a découverts ou utilisés.
Le faux actif devient ainsi un capteur comportemental : son intérêt ne réside pas dans ce qu’il contient, puisqu’il ne contient précisément rien de stratégique, mais dans ce que révèle celui qui cherche à l’utiliser.
Du faux serveur au faux graphe d’identités
L’image traditionnelle du honeypot devient toutefois insuffisante pour comprendre le marché actuel. Dans les architectures cloud, SaaS et distribuées, les ressources les plus intéressantes pour un attaquant ne sont plus nécessairement des machines physiques ou virtuelles clairement identifiables.
Les identités, permissions IAM, tokens, API, secrets applicatifs, workloads cloud et relations machine-to-machine deviennent des éléments centraux de la surface d’attaque. La deception suit cette évolution : elle devient progressivement identity-centric et cloud-centric plutôt que seulement network-centric.
L’évolution du marché l’avait déjà montré avant même l’accélération récente de l’IA. En 2022, SENTINELONE avait déboursé 616,5 millions de dollars pour acquérir ATTIVO NETWORKS, spécialiste notamment de la protection des identités et de la deception, afin d’intégrer ces capacités à sa plateforme XDR.
Le changement est important. Il ne s’agit plus simplement de construire une fausse machine au fond d’un réseau, mais de disséminer des éléments crédibles à travers le graphe d’identités, de permissions et de ressources que l’attaquant cherche précisément à reconstruire après une compromission.
Une fausse identité privilégiée peut conduire vers un faux service, qui expose lui-même un faux secret donnant accès à une nouvelle ressource. La deception ne consiste alors plus à poser un piège isolé : elle peut commencer à fabriquer un chemin d’attaque entier.
L’IA pourrait industrialiser le faux
Reste une difficulté historique : créer un leurre est relativement facile ; créer des milliers de leurres crédibles et les maintenir dans le temps l’est beaucoup moins.
Un serveur fictif portant le nom « FINANCE-PROD » ne trompera pas longtemps un attaquant expérimenté si son activité réseau est inexistante, ses fichiers ont tous été créés le même jour, les utilisateurs censés s’y connecter n’existent pas ou les données qu’il contient ne correspondent pas à l’organisation de l’entreprise.
Le coût de la deception est donc largement celui de la cohérence du faux.
À mesure que le véritable système d’information évolue, son double fictif doit évoluer avec lui. Une nouvelle architecture cloud, une modification de l’IAM, une acquisition ou une migration applicative peuvent rendre certains leurres obsolètes ou immédiatement identifiables.
C’est à cet endroit que l’intelligence artificielle pourrait modifier l’économie de la technologie.
La startup italienne BEELZEBUB affirme utiliser des LLM pour créer des environnements de deception à forte interaction capables de simuler des serveurs Linux, des services API ou encore des outils MCP. L’objectif consiste précisément à produire des systèmes qui répondent de manière suffisamment crédible pour prolonger l’interaction avec l’attaquant sans exposer l’infrastructure réelle.
Aux États-Unis, ACALVIO pousse cette logique encore plus loin avec sa stratégie « 360 Deception », lancée en mars 2026 et explicitement conçue pour perturber les attaques automatisées par l’IA. Son principe consiste non seulement à créer des actifs fictifs qui paraissent réels, mais également à rendre certains actifs réels suffisamment ambigus pour empêcher l’attaquant de construire une représentation fiable de son environnement.
La rupture n’est donc peut-être pas la capacité à créer davantage de leurres, mais la possibilité d’en réduire fortement le coût marginal de production et de maintenance.
Le véritable KPI sera l’indiscernabilité
Cette évolution déplace immédiatement la question de la quantité vers celle de la qualité. Une entreprise peut générer un million de credentials artificiels : si un attaquant peut les identifier automatiquement, leur multiplication n’apporte quasiment aucune friction supplémentaire.
Le KPI déterminant de la cyber deception pourrait donc moins être le nombre de decoys déployés que leur indiscernabilité par rapport aux actifs réels.
Cette indiscernabilité doit être technique, avec des configurations plausibles ; temporelle, avec des historiques cohérents ; organisationnelle, avec des identités et permissions réalistes ; relationnelle, avec des interactions crédibles entre ressources ; et enfin sémantique, avec des documents et données compatibles avec l’activité supposée de l’organisation.
Or l’intelligence artificielle joue des deux côtés de cette équation.
Si elle permet au défenseur de générer des environnements synthétiques beaucoup plus convaincants, elle peut également permettre à l’attaquant d’automatiser la recherche d’incohérences. Un agent offensif peut comparer l’ancienneté des fichiers, analyser l’activité réseau, étudier les relations entre comptes ou rechercher des configurations caractéristiques de technologies de deception.
Un humain n’a pas toujours le temps d’effectuer plusieurs centaines de contrôles avant de décider si une cible mérite son attention. Une machine peut précisément le faire.
L’IA réduit donc simultanément le coût de fabrication du faux et le coût de détection du faux.
Cette limite est d’autant plus importante qu’une étude publiée en juin 2026, qui cartographie la deception sur les 250 techniques de MITRE ATT&CK v18.1, estime que seulement 80 d’entre elles, soit 32 %, se prêtent réellement au placement d’un leurre accessible à l’attaquant. La cyber deception n’est donc pas une couche universelle applicable à tous les comportements offensifs : elle fonctionne surtout lorsque l’adversaire balaie un ensemble d’actifs ou recherche précisément un type de ressource que le défenseur peut imiter.
Tromper un agent qui raisonne
Cette confrontation prend une dimension supplémentaire avec l’émergence des agents autonomes.
Pour agir dans un environnement informatique, un agent offensif doit nécessairement construire une représentation, même imparfaite, du système auquel il est confronté. Il découvre des machines, des identités, des privilèges, des services, des données et les relations qui les unissent, puis utilise ces informations pour déterminer son prochain mouvement.
C’est précisément cette représentation que la déception peut chercher à fausser.
Imaginons un agent découvrant un credential présenté comme celui d’un administrateur. Celui-ci fonctionne et donne accès à un serveur sur lequel apparaît une base de données apparemment stratégique. Une nouvelle identité permet ensuite d’accéder à une deuxième ressource, présentée comme encore plus sensible. Chaque décision semble rapprocher l’agent de son objectif.
Pourtant, depuis le premier credential, l’ensemble de la trajectoire peut avoir été construit par le défenseur.
Le principe est fondamentalement différent d’un pare-feu. Le système ne dit pas à la machine qu’elle ne peut pas avancer ; il lui donne au contraire suffisamment d’informations pour qu’elle décide elle-même d’avancer dans la mauvaise direction.
C’est exactement la dépendance aux signaux environnementaux que des acteurs comme ACALVIO cherchent désormais à exploiter : un système automatisé de reconnaissance ou de mouvement latéral reste efficace tant qu’il peut faire confiance aux informations qu’il collecte. Introduire suffisamment d’incertitude dans ces informations revient donc à attaquer la prémisse même sur laquelle repose son automatisation.
Attaquer le modèle du monde plutôt que l’agent
La cyber deception pourrait ainsi trouver dans l’IA agentique une fonction plus ambitieuse que celle du honeypot traditionnel. L’objectif ne serait plus seulement de détecter la présence de l’adversaire, mais de manipuler la représentation qu’il construit de son environnement.
La nuance avec l’adversarial machine learning est importante. Il ne s’agit pas nécessairement d’attaquer directement le modèle ou de modifier ses paramètres. Le défenseur agit sur les informations que l’agent collecte et utilise pour prendre ses décisions.
La donnée observée devient elle-même une arme défensive.
Cette logique permet d’imaginer une forme de symétrie avec le Zero Trust. Celui-ci impose au défenseur de ne considérer par défaut aucune identité, machine ou connexion comme digne de confiance. La cyber deception cherche, à l’inverse, à imposer une forme de « Zero Truth » à l’attaquant : aucune ressource découverte ne peut être considérée avec certitude comme authentique.
Le serveur existe-t-il réellement ? Le credential appartient-il véritablement à un administrateur ? Cette base contient-elle des données clients ? Cette clé API mène-t-elle au système recherché ?
Le système d’information cesse alors d’être un territoire qu’il suffit de cartographier. La carte elle-même devient potentiellement fausse.
Réintroduire artificiellement du coût dans l’attaque
Cette logique permet surtout de lire la cyber deception sous un angle économique.
L’intelligence artificielle offensive exerce une pression à la baisse sur le coût de l’exploration. Davantage de ressources peuvent être analysées, davantage d’hypothèses testées et davantage de trajectoires parcourues avec une quantité donnée de ressources humaines.
La deception cherche exactement l’effet inverse. En multipliant les actifs dont l’authenticité doit être vérifiée, elle augmente l’incertitude, multiplie les contrôles nécessaires et consomme une partie des ressources de l’adversaire.
Son objectif économique pourrait donc se résumer ainsi : réintroduire artificiellement de la rareté, du doute et du coût dans une attaque dont l’IA tend précisément à supprimer ces trois contraintes.
Elle cherche ainsi à modifier l’une des asymétries historiques de la cybersécurité. Traditionnellement, le défenseur doit protéger toutes les portes tandis que l’attaquant n’a besoin d’en ouvrir qu’une. Dans un environnement fortement instrumenté par la deception, l’attaquant doit également déterminer quelles portes existent réellement.
Plus le coût de génération des leurres diminue, plus cette économie devient potentiellement intéressante.
De la détection à la threat intelligence
Toutes les plateformes ne poursuivent cependant pas exactement le même objectif.
THINKST CANARY privilégie une logique relativement minimaliste : déployer des systèmes ou artefacts qui ont peu de raisons d’être touchés par une activité légitime et générer une alerte lorsqu’ils le sont.
COUNTERCRAFT, société d’origine espagnole, positionne au contraire la deception comme un outil de threat intelligence. Ses environnements fictifs cherchent à attirer et maintenir l’adversaire afin d’observer ses techniques, ses infrastructures et ses objectifs, avec des déclinaisons allant de l’IT aux environnements OT.
ACALVIO se situe davantage dans une logique de plateforme de défense préemptive couvrant IT, OT, cloud et identité, tandis que BEELZEBUB cherche à appliquer une architecture AI-native à la génération et à l’exploitation des environnements de deception.
Ces positionnements illustrent la diversité d’un secteur qui recouvre en réalité plusieurs fonctions : tripwire, détection de mouvement latéral, identity protection, collecte de threat intelligence, détournement de l’adversaire et, désormais, perturbation de l’automatisation agentique.
Les agents d’entreprise deviennent eux-mêmes un terrain de deception
La logique ne concerne d’ailleurs pas seulement les agents offensifs.
Les entreprises commencent à donner à leurs propres agents IA accès à des outils de développement, bases de données, messageries, CRM, ERP, services cloud ou applications financières. L’intérêt de ces systèmes provient précisément de leur capacité à agir, mais cette capacité augmente mécaniquement l’impact potentiel d’un agent compromis, détourné ou manipulé.
La deception pourrait alors être intégrée directement à leur environnement : faux secrets, faux endpoints, faux outils ou ressources canaris pourraient permettre de détecter qu’un agent accède à des éléments qui ne devraient jamais être nécessaires à l’accomplissement de sa mission.
BEELZEBUB expérimente déjà cette approche autour de MCP, en présentant aux agents des fonctions fictives susceptibles de révéler une tentative de prompt injection ou un comportement anormal.
La frontière devient particulièrement intéressante. La cyber deception ne servirait plus seulement à détecter l’attaquant qui entre dans le système d’information, mais également l’agent interne qui commence à se comporter comme un attaquant.
La cyber deception est-elle vraiment un marché ?
La levée de 3 millions d’euros de BEELZEBUB, menée par UNITED VENTURES, illustre l’intérêt pour cette approche, mais elle ne suffit pas à démontrer l’émergence d’une catégorie indépendante.
Les estimations des cabinets d’études situent généralement le marché mondial de la deception autour de quelques milliards de dollars et anticipent une croissance à deux chiffres, mais leurs évaluations divergent fortement selon ce qu’elles incluent dans la catégorie. Il est donc plus prudent de retenir la tendance que les chiffres eux-mêmes.
L’histoire récente du secteur incite d’ailleurs à la prudence.
Le rachat d’ATTIVO NETWORKS par SENTINELONE pour 616,5 millions de dollars pouvait apparaître en 2022 comme la validation d’une catégorie autonome. Mais l’intégration de la deception dans des plateformes plus larges montre également une dynamique inverse : celle d’une technologie susceptible d’être absorbée par l’XDR, l’IAM, le NDR ou la sécurité cloud plutôt que de demeurer un produit indépendant.
C’est probablement le principal enjeu stratégique pour la nouvelle génération d’acteurs.
Deux trajectoires sont possibles.
La première verrait la confrontation entre machines donner suffisamment d’importance au contrôle de la perception de l’adversaire pour faire émerger une nouvelle couche autonome de la stack cyber.
La seconde ferait de la deception une feature structurelle des plateformes de sécurité : une capacité embarquée dans les solutions XDR, NDR, IAM, CNAPP et, demain, dans les systèmes de SOC autonomes et de protection des agents.
Dans ce scénario, les startups spécialisées peuvent parfaitement créer de la valeur tout en disparaissant progressivement comme catégorie indépendante.
Pour BEELZEBUB, ACALVIO ou leurs futurs concurrents, la question stratégique devient donc moins de démontrer que la deception fonctionne que de déterminer si elle constitue un marché ou une fonction appelée à devenir omniprésente dans le reste de la stack cyber.
La prochaine bataille sera celle de la perception
Le changement le plus important se situe peut-être finalement ailleurs.
Pendant longtemps, la cybersécurité a été pensée comme une confrontation autour de l’accès : qui peut entrer, à quelles ressources et avec quels privilèges.
L’arrivée progressive d’agents capables d’explorer un environnement, de raisonner sur ce qu’ils découvrent et d’enchaîner des actions transforme cette confrontation en une bataille autour de la qualité de l’information disponible pour prendre une décision.
L’attaquant cherche à établir une représentation fiable du système, et le défenseur peut désormais chercher à rendre cette représentation fausse.
Cette évolution rapproche paradoxalement la cybersécurité de doctrines beaucoup plus anciennes : camouflage, feinte, faux objectifs et contrôle de la perception de l’adversaire. La technologie change, mais le principe demeure celui qui traverse l’histoire militaire : celui qui contrôle ce que l’adversaire croit voir peut parfois contrôler ce qu’il décidera de faire.
Notre politique éditoriale concernant l'intelligence artificielle
Les analyses et articles sont rédigées par des journalistes.
L'IA peut être utilisée comme outil d'assistance (traduction, synthèse, recherche documentaire ou amélioration stylistique).
Les faits, chiffres et analyses sont systématiquement vérifiés et validés par la rédaction.
Les illustrations générées ou modifiées par IA sont explicitement signalées.
- CYBER DECEPTION : face aux agents IA offensifs, la cybersécurité apprend à mentir - 08/09/2026
- Avec 3 milliards d’euros, MISTRAL change de métier - 08/09/2026
- POSITIVE se refinance pour poursuivre sa consolidation européenne / LIQUID NETWORK suspend ses transactions après le retrait de 4 000 bitcoins / H COMPANY n’a plus aucun de ses fondateurs - 07/09/2026
