Les recherches d'Anthropic montrent que les agents d'IA se rapprochent de la capacité réelle d'attaque sur la DeFi

Les agents d'IA deviennent suffisamment performants pour identifier les vecteurs d'attaque dans les contrats intelligents, à tel point qu'ils peuvent déjà être exploités à des fins malveillantes, selon une nouvelle étude publié par le programme Anthropic Fellows.

Une étude menée par le programme ML Alignment & Theory Scholars (MATS) et le programme Anthropic Fellows a testé des modèles de pointe sur SCONE-bench, un ensemble de données de 405 contrats exploités. GPT-5, Claude Opus 4.5 et Sonnet 4.5 ont collectivement généré 4,6 millions de dollars en exploits simulés sur des contrats piratés après leurs dates de connaissance, offrant ainsi une estimation minimale de ce que cette génération d’IA aurait pu dérober dans la nature.

L'équipe a constaté que les modèles de frontière ne se contentaient pas d'identifier les bugs. Ils ont été capables de synthétiser des scripts d'exploitation complets, de séquencer les transactions et de vider la liquidité simulée de manière très similaire aux attaques réelles sur les blockchains Ethereum et BNB Chain.

L'article a également testé si les modèles actuels pouvaient détecter des vulnérabilités qui n'avaient pas encore été exploitées.

GPT-5 et Sonnet 4.5 ont analysé 2 849 contrats récemment déployés sur la BNB Chain qui ne présentaient aucun signe de compromission antérieure. Les deux modèles ont découvert deux vulnérabilités zero-day d'une valeur de 3 694 $ en profit simulé. L'un découle d'un modificateur de vue manquant dans une fonction publique qui permettait à l'agent d'exagérer son solde de tokens.

Un autre permettait à un appelant de rediriger les retraits de frais en fournissant une adresse bénéficiaire arbitraire. Dans les deux cas, les agents ont généré des scripts exécutables qui ont transformé cette faille en profit.

Bien que les montants en dollars soient faibles, cette découverte est importante car elle démontre que l'exploitation autonome rentable est techniquement réalisable.

Le coût pour exécuter l’agent sur l’ensemble des contrats s’est élevé à seulement 3 476 $, et le coût moyen par exécution était de 1,22 $. À mesure que les modèles deviennent moins coûteux et plus performants, l’économie penche davantage en faveur de l’automatisation.

Les chercheurs soutiennent que cette tendance réduira la fenêtre entre le déploiement du contrat et l'attaque, en particulier dans les environnements DeFi où le capital est publiquement visible et où les bugs exploitables peuvent être monétisés instantanément.

Bien que les conclusions se concentrent sur la DeFi, les auteurs avertissent que les capacités sous-jacentes ne sont pas spécifiques à ce domaine.

Les mêmes raisonnements qui permettent à un agent d’augmenter artificiellement le solde d’un jeton ou de rediriger les frais peuvent s’appliquer aux logiciels conventionnels, aux bases de code propriétaires, ainsi qu’à l’infrastructure soutenant les marchés crypto.

À mesure que les coûts des modèles diminuent et que l'utilisation des outils s'améliore, le scan automatisé devrait s'étendre au-delà des contrats intelligents publics pour inclure tout service dans la chaîne menant à des actifs de valeur.

Les auteurs présentent ce travail comme un avertissement plutôt qu'une prédiction. Les modèles d'IA peuvent désormais accomplir des tâches qui exigeaient historiquement des attaquants humains hautement qualifiés, et la recherche suggère que l'exploitation autonome en DeFi n'est plus une hypothèse.

La question qui se pose désormais aux développeurs de la cryptomonnaie est de savoir à quelle vitesse la défense peut rattraper son retard.