Comment DeepSeek aide des groupes de hackers liés à la Chine à passer à l’échelle

La société taïwanaise de renseignement sur les menaces TeamT5 affirme que des groupes de hackers liés à l’État chinois ont plus que doublé le volume de leurs attaques depuis qu’ils ont intégré DeepSeek et d’autres modèles d’intelligence artificielle open source à leurs opérations. Le constat central n’est pas que l’IA mène seule chaque intrusion, mais qu’elle réduit suffisamment le travail répétitif pour permettre aux opérateurs existants de viser davantage de cibles, à moindre coût. 457

L’IA comme multiplicateur de force

TeamT5 a repéré l’utilisation de modèles d’IA à plusieurs étapes d’une intrusion : reconnaissance, analyse des vulnérabilités, développement d’exploits, opérations liées aux logiciels malveillants et actions menées après la compromission d’un réseau. La société s’est appuyée sur des scripts et des journaux récupérés lors de campagnes récentes, tout en précisant que ces éléments ne permettent pas toujours d’identifier avec certitude le modèle utilisé dans chaque incident. 47

Cette nuance est essentielle. L’augmentation de « plus de deux fois » correspond à l’évaluation de TeamT5 pour les groupes étudiés ; elle ne constitue pas un décompte exhaustif de toutes les cyberattaques attribuées à la Chine. L’IA semble surtout permettre aux opérateurs de déléguer les tâches fastidieuses, d’accélérer certaines phases de l’attaque et d’augmenter leur cadence, sans remplacer entièrement la supervision humaine. 57

Pourquoi DeepSeek serait le modèle privilégié

D’après l’analyse rapportée de TeamT5, DeepSeek présenterait une combinaison particulièrement pratique pour des opérations offensives :

• Des performances suffisantes pour la recherche, le codage et différentes tâches opérationnelles ;
• Un coût d’exploitation réduit, qui facilite les usages répétés ou à grande échelle ;
• Une personnalisation associée aux modèles open source ;
• Des restrictions de cybersécurité relativement limitées, ce qui réduirait les efforts nécessaires pour obtenir ou adapter une assistance à des fins malveillantes. 27

Le modèle le plus puissant n’est donc pas forcément le plus intéressant pour un attaquant. TeamT5 aurait considéré des systèmes plus performants, comme Kimi K3 de Moonshot, comme moins adaptés à ces opérations en raison de coûts plus élevés et de protections plus strictes. Les informations disponibles ne permettent toutefois pas d’établir que Kimi K3 a été utilisé dans les incidents examinés par TeamT5. 7

Ce que montrent les cas observés

TeamT5 a identifié plusieurs groupes employant l’IA pour des tâches différentes au cours de la chaîne d’intrusion.

Grimfengxi : générer du code d’exploitation

Le groupe Grimfengxi aurait utilisé DeepSeek pour produire du code exploitant une vulnérabilité. Le modèle ne servait donc pas uniquement à rechercher des informations : il aurait contribué à générer du code destiné à tirer parti d’une faiblesse dans un système ciblé. 7

Teleboyi : automatiser la reconnaissance

Teleboyi aurait utilisé DeepSeek pour recueillir environ 1 000 adresses IP sur Internet et cartographier les domaines d’une organisation. Cette phase de reconnaissance consiste à dresser le portrait de l’infrastructure d’une victime potentielle avant une tentative d’intrusion. Elle montre comment l’IA peut accélérer la découverte de cibles, mais la cartographie d’une infrastructure ne prouve pas, à elle seule, qu’une compromission a réussi. 7

Huapi : viser la messagerie d’une entreprise taïwanaise

Huapi aurait utilisé un modèle d’IA chinois contre le système de messagerie d’une entreprise taïwanaise. TeamT5 estime qu’il s’agissait probablement de DeepSeek, sans toutefois pouvoir l’identifier de manière concluante. Cette incertitude rappelle qu’il n’est pas toujours possible de déterminer le modèle utilisé à partir du code ou du comportement observé lors d’une attaque. 7

Slime22 : utiliser Claude Code après une compromission

L’activité ne se limitait pas aux modèles chinois open source. Selon des informations liées à TeamT5, Slime22 aurait utilisé Claude Code, le service d’Anthropic, après avoir compromis une entreprise technologique taïwanaise et installé Kali Linux — une distribution utilisée notamment pour les tests d’intrusion — afin de faciliter ses déplacements latéraux dans le réseau. Les opérateurs auraient présenté l’opération comme un test d’ingénierie autorisé pour contourner les garde-fous. 7

Ce cas montre aussi pourquoi les équipes de défense ne peuvent pas se concentrer sur un seul modèle ou sur une seule région. Les attaquants peuvent combiner des systèmes hébergés localement ou open source avec des outils commerciaux occidentaux, selon la tâche à accomplir et les contrôles rencontrés.

Un écosystème plus large autour de l’IA offensive

Le rapport décrit un marché plus vaste de services destinés aux opérations d’intrusion assistées par l’IA. Une start-up chinoise d’environ dix employés aurait vendu à au moins quatre groupes de hackers un logiciel d’intrusion facturé entre 300 000 et 500 000 yuans, soit environ 44 500 à 74 000 dollars. ChatGPT aurait également été utilisé au cours d’une attaque. 7

Le groupe Kimsuky, lié à la Corée du Nord, aurait de son côté testé des modèles d’IA hébergés localement. Un déploiement local peut offrir aux opérateurs davantage de contrôle sur le modèle et ses données, tout en limitant potentiellement leur dépendance à des services externes et à leurs mécanismes de détection des abus. Les informations disponibles confirment le test de ces modèles, mais ne permettent pas d’évaluer leur efficacité dans des opérations réelles. 7

Anthropic a également indiqué que l’IA pouvait abaisser la barrière technique à l’entrée de la cybercriminalité sophistiquée, en permettant à des acteurs disposant de compétences limitées de mener des opérations qui exigeaient auparavant beaucoup plus d’expertise. Cette observation rejoint le tableau dressé par TeamT5 : le risque immédiat ne vient peut-être pas d’un système unique capable de tout faire seul, mais d’opérateurs ordinaires qui bénéficient d’un accès plus rapide au codage, à la reconnaissance et à l’automatisation des processus.

OpenAI a déclaré travailler à l’identification, à la prévention et à la perturbation des tentatives d’utilisation abusive de ses modèles. 7

Ce que le rapport prouve — et ce qu’il ne prouve pas

Les conclusions de TeamT5 suggèrent un effet opérationnel mesurable : des flux de travail assistés par l’IA peuvent augmenter le nombre de tentatives lancées par un groupe en prenant en charge des tâches répétitives. Elles ne prouvent toutefois pas que DeepSeek a mené de manière autonome chacune des intrusions rapportées.

Trois limites doivent être gardées à l’esprit :

1. L’attribution du modèle reste incomplète. Les enquêteurs ne peuvent pas relier de façon fiable chaque script, commande ou intrusion à un système d’IA précis. 47
2. Le volume d’attaques ne se confond pas avec le nombre de compromissions réussies. Une hausse du nombre de tentatives ne signifie pas nécessairement que davantage de cibles ont été piratées ni que les dommages ont augmenté dans les mêmes proportions.
3. L’estimation porte sur des groupes et des campagnes observés. Le chiffre de « plus de deux fois » est une évaluation rapportée par TeamT5, et non une mesure exhaustive de l’ensemble des activités cyber liées à l’État chinois. 7

La conclusion la plus solide est donc plus ciblée — et plus utile pour les défenseurs — que le scénario d’un piratage entièrement autonome : une IA peu coûteuse et personnalisable facilite l’industrialisation de certaines étapes de l’attaque par des acteurs déjà organisés. Les entreprises doivent s’attendre à voir la reconnaissance, la génération de code et les opérations post-compromission accélérées par plusieurs types de modèles, et pas uniquement par DeepSeek.