ActualitésMacroPrès de 2 millions de jetons canari révèlent des fuites de données de prompts dans toute la chaîne d'approvisionnement IA

Près de 2 millions de jetons canari révèlent des fuites de données de prompts dans toute la chaîne d'approvisionnement IA

Auteur: CryptoBriefing·

Points clés

  • •L'étude de HD Moore a inséré près de deux millions de jetons canari traçables dans des prompts IA de juillet à novembre 2026, révélant des fuites étendues via les routeurs IA et les services d'inférence.
  • •Environ 200 identifiants AWS ont été exfiltrés lors d'attaques ciblées fin octobre 2026 et utilisés par des attaquants sur plusieurs services Amazon, dont S3 et IAM, sans toutefois mener qu'à une infrastructure contrôlée.
  • •Au moins trois hébergeurs IA ont été compromis, avec une activité de vol confirmée dès la mi-juillet 2026, et aucun n'a détecté les intrusions avant que Moore ne les avertisse en novembre 2026.
  • •Certains revendeurs et places de marché IA ont capturé des prompts de clients via une journalisation intégrée malgré des politiques de non-conservation des données.
  • •Une URL unique semée est apparue dans une messagerie interne d'une entreprise chinoise 24 jours après sa soumission, et des prompts d'utilisateurs américains ont été retracés jusqu'à des organisations IA chinoises.
Près de 2 millions de jetons canari révèlent des fuites de données de prompts dans toute la chaîne d'approvisionnement IA

Le chercheur en sécurité HD Moore s'est proposé de répondre à une question directe : que devient un secret une fois qu'il est saisi dans une application IA ? Pour le découvrir, il a planté environ 2 millions d'identifiants et d'URL « canari » traçables dans des prompts et les a fait circuler dans le réseau de services qui alimente les outils d'IA modernes.

La réponse n'était pas rassurante. L'écosystème a laissé fuiter des données sensibles à grande échelle, et plusieurs des entreprises à l'origine de ces fuites n'en avaient aucune connaissance. Au moins trois hébergeurs IA se sont révélés compromis, et des attaquants se sont emparés de données de prompts de clients.

Moore, chercheur chevronné chez Dragos surtout connu comme créateur du Metasploit Framework — une boîte à outils de tests d'intrusion largement utilisée dans l'industrie de la sécurité — a mené l'étude de juillet à novembre 2026. Il a inséré près de deux millions de jetons canari uniques et traçables dans des requêtes envoyées à des services d'inférence IA et à des routeurs passerelles, puis a surveillé lesquels apparaîtraient là où ils n'auraient jamais dû se trouver. Nombre d'entre eux l'ont fait.

Comment un canari attrape un voleur

Un jeton canari fonctionne comme un sachet de teinture dissimulé dans un sac de banque. Il ressemble à la chose réelle — une clé d'accès AWS ou un lien privé, par exemple — et il signale sa présence dès que quelqu'un tente de l'utiliser.

Les jetons canari sont un outil de défense de longue date, et cette conception rend la méthode singulièrement efficace. Un canari qui se déclenche signifie que les données ont fui et que quelqu'un en a fait usage, et non simplement qu'il l'aurait pu en théorie.

Le test ciblait une couche de la pile IA à laquelle la plupart des utilisateurs ne pensent jamais. Nombre d'applications IA ne communiquent pas directement avec un modèle. Elles confient plutôt leurs prompts à des intermédiaires comme OpenRouter ou Vercel, souvent appelés « routeurs IA » ou « passerelles IA ». Ces intermédiaires collectent d'importants volumes de prompts d'utilisateurs finaux, puis transmettent chacun d'eux au moteur d'inférence correspondant à leurs critères, comme le prix le plus bas.

Ce que les pièges ont révélé

Le résultat le plus frappant concernait les identifiants cloud. Environ 200 identifiants AWS uniques ont été exfiltrés lors d'attaques ciblées fin octobre 2026. Les attaquants ont ensuite mis ces clés volées à profit sur plusieurs services Amazon, notamment S3, le service de stockage d'Amazon, et IAM, qui contrôle qui peut accéder à quoi.

Heureusement, ces clés ne menaient nulle part de réel. Les attaquants les ont testées dans un environnement d'infrastructure contrôlé, ce qui est précisément ce qui a permis à Moore de les observer en action.

Les vols n'ont pas été un épisode isolé. L'activité de vol la plus ancienne confirmée remonte à la mi-juillet 2026, ce qui signifie que les fuites étaient en cours presque dès le début de l'expérience.

La compromission ouverte n'était qu'une partie du tableau. Moore a également trouvé des preuves que des revendeurs et places de marché IA capturaient les prompts de clients via des fonctions de journalisation intégrées. Cette pratique contredit directement les politiques de non-conservation des données — la promesse qu'un fournisseur traite une requête puis l'oublie. Les pièges suggèrent que certains fournisseurs s'en souvenaient malgré tout.

La géographie racontait aussi son histoire. Une URL unique semée pendant l'étude est apparue dans une messagerie interne d'une entreprise chinoise 24 jours après la requête d'origine. Moore a également retracé des prompts soumis par des utilisateurs américains jusqu'à des organisations IA chinoises. Les utilisateurs envoyant une requête via un routeur pouvaient n'avoir aucune visibilité sur sa destination finale.

Le constat le plus inconfortable était sans doute le déficit de conscience. Les fournisseurs concernés ne savaient rien de tout cela ; ils n'ont appris les intrusions que lorsque Moore les a avertis en novembre 2026. Son rapport a été publiquement résumé le 19 novembre 2026.

Pourquoi le milieu de la pile compte

L'industrie de l'IA a dépensé beaucoup d'énergie à rassurer les clients sur l'usage que les grands développeurs de modèles font de leurs données. Le travail de Moore pointe ailleurs : les courtiers, revendeurs et hébergeurs situés entre l'utilisateur et le modèle.

Chaque saut supplémentaire ajoute du risque. Un prompt qui passe par un routeur, un revendeur et un hébergeur tiers a trois chances d'être journalisé, intercepté ou volé — et une politique de confidentialité à la première étape ne dit rien de la troisième. Les équipes de sécurité se concentrent depuis longtemps sur les dépendances logicielles tierces pour des raisons similaires, et ces résultats suggèrent que les prompts transitant par des intermédiaires IA présentent désormais une exposition comparable.

Ce que cela signifie

Pour les entreprises s'appuyant sur des services IA, la leçon pratique est brutale : tout ce qui est placé dans un prompt doit être traité comme potentiellement exposé. Cela inclut les clés d'API, les identifiants cloud, les liens internes et les données clients — du matériau que les développeurs collent régulièrement dans des outils IA lors du débogage ou de l'automatisation de tâches. Les canaris montrent que des attaquants récoltent activement précisément ce matériau et le testent rapidement.

Ces résultats sapent aussi, à eux seuls, la valeur d'une promesse de non-conservation des données. Une politique n'est aussi bonne que l'ensemble des parties qui touchent aux données. Si la journalisation par défaut d'un revendeur capture les prompts malgré tout, la garantie devient décorative.

Le déficit de détection est peut-être la plus grande inquiétude de toutes. Des attaquants ont volé des données chez au moins trois hébergeurs pendant plusieurs mois, et aucun de ces fournisseurs ne s'en est aperçu jusqu'à ce qu'un chercheur externe les en informe. On ne sait pas encore si les fournisseurs avertis divulgueront désormais ces incidents ou modifieront le fonctionnement de leur journalisation.

Couverture originale : Crypto Briefing