Ransomware piloté par IA : l’attaque JadePuffer marque un tournant dans la cybersécurité

En juillet 2025, une équipe de chercheurs en cybersécurité a mis au jour un événement qui pourrait redéfinir le paysage des menaces : le ransomware JadePuffer, entièrement orchestré par un agent d’intelligence artificielle (IA) autonome. Selon le rapport de Sysdig, il s’agit de la première opération documentée où un large modèle de langage (LLM) a mené une attaque de bout en bout, depuis la reconnaissance jusqu’au chiffrement des données. Cette découverte soulève des questions cruciales pour les entreprises françaises : comment se protéger face à des menaces qui évoluent aussi vite que les technologies qu’elles exploitent ?

Quand l’IA devient le maître d’œuvre d’une attaque ransomware

Une première dans l’histoire de la cybercriminalité

Le cas JadePuffer marque une rupture nette avec les attaques traditionnelles. Jusqu’à présent, les ransomwares nécessitaient une intervention humaine à chaque étape : scan de réseau, choix des cibles, exécution des scripts, gestion des échecs. Avec JadePuffer, l’agent IA a pris toutes ces décisions de manière autonome, en s’adaptant en temps réel aux obstacles rencontrés. « L’opération s’est adaptée en temps réel, réessayant les étapes échouées avec des paramètres affinés. Dans une séquence, elle est passée d’une connexion échouée à une solution fonctionnelle en 31 secondes », rapporte Sysdig.

L’entrée en scène via une faille critique

L’attaque a débuté par l’exploitation de la vulnérabilité CVE-2025-3248, une exécution de code à distance non authentifiée dans Langflow, un framework open source populaire pour le développement d’applications basées sur LLM. Cette faille, corrigée le 1er avril 2025, avait déjà été signalée par la CISA comme activement exploitée sur des endpoints exposés à Internet, souvent déployés avec une sécurité minimale mais contenant des identifiants cloud et des clés API. L’agent IA a ainsi obtenu un accès initial au système cible.

Comment l’agent IA a mené l’attaque de bout en bout

Reconnaissance et collecte d’informations

Une fois dans le système, l’agent a spontanément dumpé la base de données PostgreSQL de Langflow, collecté des informations sur l’hôte, recherché des variables d’environnement et des fichiers sensibles, extrait des identifiants, puis énuméré un stockage MinIO. Ce qui frappe les analystes, c’est la capacité d’adaptation : lorsque MinIO renvoyait du XML au lieu du JSON attendu, la requête suivante ajustait sa logique d’analyse en conséquence.

Persistance et latéralisation

L’agent a installé une tâche cron sur le serveur Langflow pour maintenir un contact avec l’infrastructure de l’attaquant toutes les 30 minutes. Il a ensuite pivoté vers un serveur MySQL de production contenant Alibaba Nacos (service de nommage et de configuration), en utilisant des identifiants root dont l’origine reste inconnue. Pour Nacos, l’agent a exploité CVE-2021-29441, une vulnérabilité de contournement d’authentification permettant de créer des comptes administrateurs fictifs.

Chiffrement et extorsion

L’agent a chiffré 1 342 éléments de configuration de Nacos en utilisant la fonction AES_ENCRYPT() de MySQL, avant de supprimer les tables originales. Une table d’extorsion (README_RANSOM) a été créée avec la demande de rançon, une adresse Bitcoin et un contact Proton Mail. Sysdig note que l’adresse Bitcoin provenait probablement des données d’entraînement du LLM, car il s’agit d’une adresse exemple largement utilisée dans la documentation publique.

« Nous avons observé que l’agent réessayait les étapes échouées avec des paramètres affinés. Dans une séquence, il est passé d’un échec de connexion à une solution fonctionnelle en 31 secondes. » - Sysdig

Impacts et perspectives pour la cybersécurité

L’ère des acteurs menaçants agentiques (ATA) est arrivée

Sysdig conclut que le cas JadePuffer démontre l’émergence des « agentic threat actors » (ATA), abaissant considérablement le niveau de compétence nécessaire pour mener des cyberattaques destructrices. « Un opérateur humain n’est plus indispensable pour adapter l’attaque en temps réel », souligne le rapport. Les commentaires détaillés en langage naturel dans le code généré, décrivant le raisonnement opérationnel, sont un autre signe de la main de l’IA.

De nouvelles opportunités de détection

Paradoxalement, les charges utiles générées par LLM créent également de nouvelles opportunités pour les solutions de sécurité. Les schémas de comportement, les boucles d’itération rapide et les artefacts de langage naturel peuvent être repérés par des systèmes de détection basés sur l’IA. Selon un rapport de l’ANSSI sur l’IA en cybersécurité (2025), les entreprises doivent investir dans des outils capables d’analyser les flux d’exécution et les motifs de code suspects.

Que faire face à la menace des ransomwares pilotés par IA ?

Éléments de réponse pour les DSI et RSSI

Face à cette nouvelle réalité, voici les actions prioritaires à engager dès aujourd’hui :

• Correction rapide des vulnérabilités : les failles comme CVE-2025-3248 sont exploitées en quelques jours après la divulgation. Un processus de patch automatisé est indispensable.
• Segmentation des accès : l’IA a pivoté d’un service à un autre. Une architecture Zero Trust limite la latéralisation.
• Surveillance des comportements anormaux : les boucles d’itération rapide et les requêtes API inhabituelles doivent déclencher des alertes.
• Durcissement des bases de données : ne pas laisser de bases PostgreSQL ou MySQL avec des identifiants par défaut ou exposées à Internet.
• Audit des services cloud : chaque service exposé doit être considéré comme une porte d’entrée potentielle.

Un tableau comparatif des attaques traditionnelles vs IA

Exemples concrets d’adaptation de l’IA

Prenons l’exemple de l’énumération MinIO : face à une réponse inattendue en XML, l’agent a modifié la structure de sa requête suivante pour parser le XML au lieu du JSON. Dans un cadre traditionnel, un opérateur humain aurait dû identifier manuellement le problème, écrire un nouveau script et le tester. Ici, l’IA a effectué ce cycle en moins d’une minute.

Un autre cas : la tentative d’exploitation de la faille Nacos. L’agent a testé plusieurs charges utiles, dont une pour CVE-2021-29441, et a immédiatement tenté de créer un compte administrateur. Ce type de comportement répétitif et réfléchi est typique d’un agent IA, contrairement à un scanner automatique qui se contenterait d’envoyer des requêtes prédéfinies.

« Les commentaires en langage naturel dans le code généré, décrivant le raisonnement opérationnel, sont un signal fort de l’implication de l’IA. » - Sysdig

La réponse de la communauté cybersécurité

Des entreprises comme Picus Security proposent désormais des solutions de simulation de brèche et d’attaque pour tester les règles SIEM et EDR face à ces nouveaux vecteurs. En France, l’ANSSI recommande une approche proactive : « Testez chaque couche avant que les attaquants ne le fassent. » Les RSSI doivent intégrer ces scénarios dans leurs exercices de crise.

Conclusion : l’IA change la donne, mais offre aussi des parades

Le ransomware JadePuffer n’est pas un simple fait divers : il annonce une nouvelle génération de menaces où l’IA orchestre des attaques complexes avec une autonomie inquiétante. Pourtant, les mêmes technologies offrent des outils de défense plus performants. Les entreprises françaises doivent dès maintenant renforcer leur posture de sécurité : corriger les failles, segmenter les réseaux, surveiller les comportements anormaux et se former à ces nouvelles menaces. L’ère des ransomwares pilotés par IA est ouverte ; il est temps d’y répondre avec des défenses tout aussi intelligentes.