Qu’est-ce que le mythe ?

23 min. lire

Réponse rapide

Mythos — originally released as Claude Mythos Preview and updated to Claude Mythos 5 in June 2026 — is Anthropic's most capable frontier AI model, distinguished by exceptional agentic coding, multi-step reasoning, and autonomous offensive security capabilities. It is the first AI model known to autonomously compromise a simulated corporate network end-to-end, and the first to discover more than 2,000 zero-day vulnerabilities in production software in under two months. Anthropic limits Mythos 5 to vetted partners through Project Glasswing and other trusted-access partners..

1. Les origines du mythe : comment Anthropic en est arrivé là

Mythos didn't emerge in isolation. It's the culmination of a multi-year trajectory in frontier AI development where coding and agentic reasoning capabilities have scaled faster than most observers predicted.

Les générations précédentes de modèles d’Anthropic — Claude Opus 4.6 et Sonnet 4.6 — démontraient déjà des performances de pointe sur des benchmarks d’ingénierie logicielle comme SWE-bench Verified. Mythos étend ces capacités spécifiquement dans le domaine de l’analyse de code adversaire : comprendre le logiciel non seulement assez bien pour le construire, mais aussi assez bien pour trouver les failles où il se casse.

The model's announcement on April 7, 2026 coincided with the launch of Project Glasswing and was accompanied by a technical post from Anthropic's red team documenting the model's autonomous discovery of thousands of zero-day vulnerabilities. The UK AI Security Institute conducted parallel evaluations and confirmed Mythos Preview was the first AI model to successfully take over a simulated corporate network without human intervention — succeeding in 3 of 10 attempts. Anthropic subsequently released Mythos 5 in June 2026 as an updated version of the model.

C’est le point d’inflexion que les chercheurs en sécurité prévoyaient depuis des années. Ce n’était pas une sortie de fonctionnalité spécifique ; C’était un franchissement de seuil.

2. Ce qu’est réellement Mythos (le profil technique)

Mythos is a large language model in Anthropic’s Claude family. It was initially released as Claude Mythos Preview in April 2026 and updated to Claude Mythos 5 in June 2026. Its distinguishing capabilities sit at the intersection of three domains:

Agentic coding. Mythos can plan, execute, and iterate on multi-file code changes with minimal supervision. In Anthropic’s published evaluations at launch, Mythos Preview scored 93.9% SWE-bench Verified, 77.8% SWE-bench Pro, and 87.3% SWE-bench Multilingual.

Raisonnement en plusieurs étapes. Le modèle peut enchaîner des séquences d’opérations — reconnaissance, identification des vulnérabilités, développement d’exploits, post-exploitation — qui nécessitaient auparavant une orchestration humaine.

Recherche agente et utilisation de l’ordinateur. Mythos peut interagir avec les systèmes de manière autonome, naviguant dans les environnements et s’adaptant en fonction de ce qu’il observe.

Combinées, ces capacités transforment l’économie de la recherche sur la vulnérabilité. Des tâches qui nécessitaient historiquement un chercheur en sécurité qualifié, des semaines à des mois de travail ciblé et des outils spécialisés peuvent désormais être réalisées par un prompteur non expert, du jour au lendemain, en utilisant uniquement un accès API à un modèle suffisamment performant.

The model itself doesn't necessarily rely on new attack techniques. The vulnerabilities Mythos discovered are largely variations of well-understood flaw classes — buffer overflows, use-after-free bugs, logic errors. What changed is the scale and speed at which these flaws can be discovered, validated, and weaponized.

3. En quoi Mythos diffère des modèles frontières précédents

Pour comprendre pourquoi Mythos a déclenché cette réaction, il est utile de le comparer à ses prédécesseurs et contemporains.

Capacités	Modèles Claude antérieurs (Opus 4.6, Sonnet 4.6)	Aperçu du mythe
SWE-bench Score vérifié	À la pointe de la technologie à la sortie	Nouveau pointage de l’art
Chaîne autonome de vulnérabilités	À pas limité, simple pas	Multi-étapes, de bout en bout
Découverte zéro jour à grande échelle	Possible avec l’échafaudage	Capacité native
Prise de contrôle du réseau d’entreprise (simulation)	Non démontré	Taux de réussite de 3/10 (AISI au Royaume-Uni)
Disponibilité du public	Généralement disponible via API	Restreints ; Projet Glasswing uniquement

Anthropic released Claude Mythos 5 in June 2026 as an upgrade to Mythos Preview. The newer model can operate autonomously for longer and delivers stronger overall cybersecurity performance, while costing less to run than its predecessor.

Deux autres modèles frontières ont démontré des capacités connexes :

Google Big Sleep — Un système spécialisé de détection de vulnérabilités, plus restreint dans son champ d’action mais fonctionnellement similaire dans les cas d’usage défensifs.‍
OpenAI's GPT-5.5-Cyber — A cyber-specialized model available through OpenAI’s Trusted Access for Cyber program, with advanced software vulnerability discovery and cybersecurity capabilities.

Cela est important car Mythos n’est pas unique en sa nature, seulement en termes de degré et de modèle d’accès. Les chercheurs d’AISLE ont reproduit des parties de l’analyse vitrine de Mythos en utilisant des modèles à poids ouvert beaucoup plus petits, suggérant que les capacités sous-jacentes se diffusent dans l’écosystème IA plus rapidement que les programmes à accès restreint ne peuvent les contenir.

4. Ce que Mythos a découvert lors des tests

Les résultats empiriques de la période de prévisualisation de Mythos sont ce qui a attiré l’attention de l’industrie de la cybersécurité :

Mozilla Firefox. Mozilla found and fixed 271 vulnerabilities in Firefox 150 while testing Mythos Preview. In a separate evaluation using previously identified Firefox vulnerabilities, Mythos Preview developed working exploits in 181 test runs.
OpenBSD. Mythos discovered a 27-year-old dormant vulnerability in OpenBSD — an operating system explicitly designed and maintained with security as the primary objective. The flaw allowed an attacker to remotely crash a machine simply by connecting to it.
FFmpeg. Mythos discovered a 16-year-old vulnerability in the widely deployed media-processing library, which is embedded in countless downstream applications.
Aggregate findings. By May 2026, Anthropic and approximately 50 Project Glasswing partners had identified more than 10,000 high- or critical-severity vulnerabilities across widely used software. This broader total should not be interpreted as 10,000 confirmed zero-day vulnerabilities.
Simulated network takeover. The UK AI Security Institute's initial evaluation showed Mythos Preview compromising a simulated corporate network end-to-end in 3 of 10 attempts — the first AI model to do so.

La leçon à retenir n’est pas qu’une seule vulnérabilité est catastrophique. C’est que le taux de découverte a changé de plusieurs ordres de grandeur, et la même capacité est disponible pour quiconque peut entraîner ou accéder à un modèle de puissance comparable.

5. Projet Glasswing : le cadre d’accès contrôlé

La réponse d’Anthropic aux capacités de Mythos a été de restreindre délibérément l’accès. Plutôt que de diffuser Mythos à grande échelle, Anthropic a lancé Project Glasswing — un consortium industriel conçu pour mettre le modèle entre les mains des défenseurs en premier.

Launch partners (announced April 7, 2026): Amazon Web Services, Anthropic, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, the Linux Foundation, Microsoft, NVIDIA and Palo Alto Networks. More than 40 additional organizations that build or maintain critical software infrastructure also received initial access. Anthropic later announced plans to extend the program to approximately 150 additional organizations across more than 15 countries.

Anthropic's commitment: Up to $100M in usage credits accross Project Glasswing efforts, plus $4M in direct donations to open-source security organizations.

The defensive logic: if attackers will eventually develop or access equivalent capabilities, defenders need a head start. Project Glasswing is that head start — a coordinated effort to find and patch vulnerabilities in critical software before equivalently capable adversarial systems can exploit them. Approved partners initially received Mythos Preview and can now upgrade to Mythos 5.

Le modèle n’est pas sans précédent dans sa conception (la Linux Foundation et d’autres mènent des programmes de divulgation coordonnés depuis des années), mais l’ampleur et l’utilisation des capacités d’IA de pointe le sont. C’est une reconnaissance explicite que l’équilibre offensif-défense en matière de sécurité logicielle a changé.

6. Le paysage plus large de la cybersécurité de l’IA

Mythos s’inscrit dans un paysage en évolution rapide de capacités de sécurité habilitées par l’IA :

Outils d’IA défensive déjà déployés :

Le Big Sleep de Google (découverte de vulnérabilité)
CodeMender de Google (correctifs automatisés)
Intégration de l’équipe rouge dans Mythos
AISLE et des systèmes de découverte à échafaudage similaires, construits sur des modèles à poids ouvert

Capacités d’IA offensive documentées :

Hameçonnage et ingénierie sociale alimentés par l’IA à grande échelle
Compromission des emails professionnels basée sur le deepfake
Reconnaissance automatisée et sélection de cibles
78% of organizations reported experiencing confirmed or suspected AI-enabled attacks in the past year (2026 SANS AI Survey)

Réponse de l’industrie :

Bain & Company estime que de nombreuses organisations doivent doubler les dépenses actuelles en cybersécurité pour faire face aux menaces activées par l’IA
La Cybersecurity and Infrastructure Security Agency (CISA) des États-Unis, l’ancienne directrice Jen Easterly et des dirigeants de Wall Street ont tous publiquement abordé les menaces de classe Mythos
Les marchés de l’assurance cyber réévaluent le risque en fonction de scénarios d’attaque accélérés par l’IA

Le schéma est cohérent chez les analystes, régulateurs et praticiens : l’IA ne crée pas de nouvelles vulnérabilités, elle expose à grande échelle celles existantes. Le sous-investissement chronique dans les fondamentaux de la cybersécurité que les conseils d’administration tolérent depuis des années constitue désormais un risque immédiat et important pour l’entreprise.

7. Le problème de diffusion des capacités

L’un des aspects les plus importants — et les plus négligés — de Mythos est le problème de diffusion des capacités. Des recherches d’AISLE et d’autres suggèrent que les capacités offensives démontrées par Mythos ne sont pas exclusives aux modèles fermés de la frontière. Avec un échafaudage approprié (ciblage, prompting itératif, environnements bac à sable), des modèles beaucoup plus petits et moins chers peuvent récupérer une partie importante de l’analyse de Mythos.

Cela a trois implications :

Les programmes à accès restreint retardent mais ne les empêchent pas. Les adversaires disposant de ressources suffisantes peuvent construire ou affiner des systèmes comparables.
Le goulot d’étranglement est l’échafaudage, pas la capacité brute du modèle. Une fois que l’échafaudage défensif est bien compris, les équivalents offensifs suivent.
La fenêtre défensive se mesure en mois, pas en années. Les organisations qui n’ont pas repositionné leur architecture de sécurité d’ici la mi-fin 2026 agiront contre les attaquants qui l’ont fait.

C’est pourquoi les analystes de la sécurité présentent de plus en plus Mythos comme un signe d’un changement permanent, et non comme une menace temporaire.

8. La réponse défensive : ce que cela signifie pour l’architecture de sécurité

La réponse défensive aux menaces de classe Mythos s’est concentrée autour d’un petit ensemble de principes architecturaux. Aucun d’eux n’est nouveau — mais l’urgence de l’adoption l’est.

Assume breach. Stop measuring success by whether attackers got in. Start measuring by how far a cyber attack can spread. This is the conceptual foundation of Zero Trust.
Microsegmentation. Divide networks into small, isolated zones with least-privilege communication policies between them. When (not if) an attacker compromises a workload, the segmentation policy is already in place — no real-time human response required. This is the foundation of Illumio's Zero Trust Segmentation Platform.
Visibilité continue. Tu ne peux pas contenir ce que tu ne peux pas voir. La visibilité en temps réel du flux de trafic à travers les environnements hybrides et multi-cloud est désormais un enjeu majeur.
Réponse augmentée par l’IA. Les outils d’IA défensive (comme Illumio’s Insights, un système de détection et de réponse cloud alimenté par l’IA) réduisent l’écart de vitesse en automatisant les décisions de confinement que les humains ne peuvent pas prendre assez rapidement.
Confinement pré-organisé. Le confinement qui nécessite une prise de décision humaine lors d’une brèche active est trop lent face aux attaquants à la vitesse de l’IA. Les politiques doivent être définies et appliquées avant l’attaque, et non de manière réactive.

L’idée structurelle : les défenseurs n’ont pas besoin d’être plus rapides que les assaillants IA si leurs défenses sont déjà en place au début de l’attaque. C’est l’avantage asymétrique que procurent les architectures segmentation et Zero Trust.

9. Questions ouvertes et débats non résolus

Mythos a fait émerger plusieurs débats que l’industrie de la cybersécurité n’a pas encore résolus :

L’accès restreint est-il le bon modèle ? AISLE et d’autres soutiennent qu’exagérer l’exclusivité de Mythos pourrait décourager l’adoption d’outils de sécurité IA déjà efficaces aujourd’hui avec des modèles moins chers. Les contres anthropes qui contrôlent le déploiement rapportent un temps critique aux défenseurs.

À quelle vitesse les équivalents adversaires apparaîtront-ils ? Les estimations vont de mois (pour les acteurs étatiques) à des années (pour les organisations criminelles). La réponse honnête est que personne ne sait.

Quelle est la bonne base pour une sécurité « prête pour l’IA » ? Il n’y a pas encore de consensus industriel sur ce qui constitue une défense minimale viable contre les attaques pilotées par l’IA. Des cadres émergent de CISA, NIST et Cloud Security Alliance, mais les standards accusent un retard sur la menace.

Comment l’assurance re-prix-elle cela ? Les sessions RSAC 2026, incluant les propos du créateur de Zero Trust, John Kindervag, ont soulevé la possibilité que l’économie de l’assurance cyber crée des incitations perverses que les attaquants IA exploiteront.

Ce sont les conversations qui se déroulent lors des sommets de sécurité RSAC, Black Hat et Gartner tout au long de 2026.

Ils façonneront l’architecture de sécurité pour la prochaine décennie.

10. Other Frequently Asked Questions

What is Mythos in one sentence?

Mythos is Anthropic's frontier AI model that can autonomously find and weaponize software vulnerabilities at machine speed.

‍

Is Mythos publicly available?

No. Mythos 5 is currently available only to a small group of vetted partners, initially through Project Glasswing. Anthropic has said it intends to expand access through a broader trusted-access program.

‍

Who has access to Mythos?

Roughly 50 initial Project Glasswing partners received access to Mythos Preview. Anthropic has since announced an expansion to approximately 150 additional organizations across more than 15 countries, although Mythos 5 remains limited to a smaller group of vetted partners.

‍

Was Mythos used in a real-world attack?

No publicly confirmed attacks have been attributed to Mythos itself. However, the UK AI Security Institute demonstrated Mythos can compromise simulated corporate networks autonomously.

‍

How many vulnerabilities did Mythos find?

By May 2026, Anthropic and approximately 50 Project Glasswing partners had reported finding more than 10,000 high- or critical-severity vulnerabilities across widely used software, including 271 vulnerabilities identified during Mozilla's testing of Firefox 150.

‍

Is Mythos the only AI model with these capabilities?

No. Google's Big Sleep and OpenAI's GPT-5.5-Cyber have demonstrated related vulnerability research capabilities, while Google's CodeMender focuses on automatically repairing vulnerabilities.. Researchers at AISLE have shown smaller open-weights models can replicate significant portions of Mythos's analysis.

‍

Why is Mythos a concern for cybersecurity?

It collapses the time required to find and exploit software vulnerabilities from months to minutes, and lowers the expertise barrier for offensive operations dramatically.

‍

What is the difference between Mythos and traditional vulnerability scanners?

Traditional scanners rely on known signatures and predefined patterns. Mythos uses autonomous reasoning to discover novel vulnerabilities that don't match any existing signature.

‍

How does Mythos affect ransomware?

Ransomware depends on lateral movement after initial access. AI tools like Mythos accelerate both the initial access and the lateral spread phases, making ransomware faster and more damaging.

‍

Can traditional firewalls stop Mythos-class attacks?

Not reliably. Perimeter defenses assume attackers stay outside. Once an AI-driven attacker gains internal access, firewalls don't stop lateral movement within the network.

‍

What is the recommended defense against Mythos-class threats?

The industry consensus is a containment-first strategy combining Zero Trust principles, microsegmentation, continuous visibility, and AI-augmented detection and response. See how Illumio implements this →

‍

How is Mythos different from Project Glasswing?

Mythos is the AI model. Project Glasswing is the defensive security initiative through which Anthropic initially provided controlled access to it.

‍

Will Mythos make cyber insurance more expensive?

Likely yes. Insurance markets are already repricing risk based on AI-accelerated attack scenarios. RSAC 2026 sessions specifically addressed this dynamic.

‍

Should our board be discussing Mythos?

Yes. Industry analysts including Bain & Company recommend treating AI-driven cyber risk as a board-level topic requiring active ownership and reallocated budget.