Les attaquants s’industrialisent à grande échelle : Où en sont les défenseurs en 2026

• Les attaques par domaines ressemblants sont devenues bon marché à lancer à grande échelle, et la plupart des organisations sous-estiment à quel point cette activité les cible actuellement
• La véritable opportunité de l’IA en 2026 n’est pas la sortie d’un nouveau modèle, c’est l’intégration. Les composants existent déjà. La valeur provient d’une bonne interconnexion.
• Radar Lite offre à toute organisation une vue instantanée et gratuite, en temps réel, de la posture de sécurité de son domaine, comparée à des milliers de pairs du secteur
• La fonctionnalité MCP de Red Sift est en test sur OnDMARC, BrandTrust, Certificates et ASM, avec un déploiement complet prévu pour 2026

L’état actuel de la protection par l’IA est préoccupant, comme le souligne Rahul : « Je crains qu’il y ait une tendance à trop promettre et à ne pas tenir, ce qui incite les équipes à hésiter à adopter l’IA. Si votre fournisseur vous dit que cette solution magique va tout faire à votre place mais qu’au final ce n’est pas le cas, cela crée plus de problèmes que cela n’en résout. »

Cette réticence est un risque réel. La lassitude vis-à-vis de l’IA, moment où les équipes de sécurité cessent d’adopter de nouveaux outils parce qu’elles ont été déçues trop souvent, a un impact vraiment négatif sur la sécurité. Cela signifie que des menaces, que des outils performants pourraient détecter, continuent de passer inaperçues.

Le revers est tout aussi réel. « Les menaces et la complexité se multiplient tandis que les ressources allouées pour y faire face restent au mieux stables. » Les budgets et effectifs de la cybersécurité ne suivent pas l’expansion continue de la surface d’attaque. L’IA n’est plus un “plus”, c’est une nécessité structurelle.

La position de Red Sift est claire : 2026 marquera la transition du marché de l’IA en tant que promesse à l’IA comme réalité concrète. Non pas parce que les modèles se sont soudainement améliorés, mais parce que l’intégration a enfin rattrapé son retard.

Rahul a donné l’exemple du projet récent ClaudeBot, qui a repris la capacité existante Claude Code et l’a intégrée à Telegram, WhatsApp et Slack, permettant ainsi aux utilisateurs de trier leurs e-mails, lancer des scripts et agir sur leurs ordinateurs depuis des interfaces de messagerie qu’ils utilisent déjà.

« Il n’y a vraiment aucune magie ici. C’est essentiellement une question d’intégration. Ce modèle LLM existe depuis neuf mois. Il suffisait de l’associer intelligemment aux bonnes intégrations pour que d’un coup, son utilité explose. »

Cet exemple illustre particulièrement l’opportunité qui s’offre aux équipes de sécurité. « Nous avons les données, nous avons les plateformes, nous avons les APIs sous-jacentes. Il faut maintenant les ouvrir aux modèles capables, bien les diriger, et réellement les déployer sur les enjeux métiers qui nous importent à tous. »

Red Sift travaille ainsi depuis 2021. La question pour 2026 sera de savoir jusqu’où cela peut s’étendre.

La première application concerne l’adoption et la maintenance des protocoles. Red Sift OnDMARC aide les organisations à mettre en place DMARC (Domain-based Message Authentication, Reporting and Conformance) correctement et à garder une configuration adaptée à l’évolution de leur infrastructure d’envoi, le tout soutenu par Red Sift Radar, le premier outil LLM du marché conçu pour détecter et corriger plus rapidement les problèmes de sécurité. D’autres outils similaires couvrent la surveillance PKI et des certificats. Ce sont des protocoles complexes et imbriqués, dont les interactions sont difficiles à maîtriser sans assistance de l’IA, surtout à l’échelle d’une grande administration ou d’une multinationale.

Le second usage concerne la surveillance de la marque et l’usurpation d’identité. DMARC protège votre domaine d’envoi contre l’usurpation. Mais cela n’empêche pas un attaquant de créer un domaine ressemblant au vôtre et de l’utiliser pour du phishing. « Les standards sont muets sur ce point, explique Rahul, parce qu’on ne peut pas construire des standards à l’échelle d’Internet pour régler ce problème. »

Red Sift Brand Trust comble cette lacune. Il utilise des modèles IA agentiques pour la détection de logos, la reconnaissance de visage pour l’usurpation de dirigeants, et fait de l’analyse de motifs sur le web et les réseaux sociaux pour repérer des abus de marque en cours. Rahul souligne que ces tâches n’utilisent pas d’IA générative : « Si on voulait détecter des logos à l’échelle d’Internet avec une IA générative, il nous faudrait construire des centrales nucléaires. »

Ce n’est pas une simple formule. C’est l’argument de durabilité mis en pratique.

Billy a posé la question de l’impact environnemental, Rahul ajoutant : « J’aime décrire l’IA générative comme un outil qui convertit de façon simpliste l’énergie en intelligence. Plus on met d’énergie, plus on en retire d’intelligence. Aujourd’hui, tout le monde cherche le juste équilibre entre l’énergie investie et l’intelligence obtenue. »

En pratique, utiliser un modèle génératif lourd quand un modèle spécialisé fait mieux est du gaspillage à tous les niveaux : coût, rapidité, impact environnemental et souvent précision.

Red Sift dispose de trois leviers sur ce sujet. D’abord, tout n’utilise pas de l’IA générative : la reconnaissance faciale et de logos s’appuient sur des modèles spécialisés. Ensuite, quand l’IA générative est utilisée, ils choisissent un modèle adapté à la taille du problème. Enfin, ils contrôlent les données entrantes dans le modèle, agissant donc directement sur la consommation énergétique.

Concernant le reporting carbone à destination des clients, Rahul précise que Red Sift est en train de développer cette capacité en interne, mais que ce n’est pas encore accessible aux clients : « Nous espérons pouvoir l’offrir directement aux clients à l’avenir, notamment à ceux qui ont des exigences strictes en matière de reporting carbone. Il ne semble pas y avoir de demande pressante aujourd’hui, mais c’est bien quelque chose que nous souhaitons proposer prochainement. »

Si votre organisation a des obligations de reporting en durabilité, il vaut la peine de signaler ce point à votre chargé de la relation client Red Sift.

Lors de la séance de questions/réponses, quelles sont les attaques IA que les équipes sécurité continuent de sous-estimer et sur quoi devraient-elles se concentrer ?

Rahul a donné une réponse précise : l’industrialisation des domaines et sites web ressemblants.

« Nous avons constaté que le coût pour mettre en place et lancer ces attaques a tellement chuté que ça se fait désormais à grande échelle pour quasiment chacun de nos clients, d’une façon dont ils n’ont même pas conscience aujourd’hui. »

La chaîne d’attaque est simple : un domaine ressemblant est enregistré. Un site de phishing crédible est créé, utilisant souvent des contenus IA et des éléments de marque récupérés. Des e-mails de phishing, des SMS frauduleux ou de faux profils sociaux suivent. Les utilisateurs qui tombent dessus croient être sur le vrai site de l’entreprise.

Ce n’est pas un risque émergent, c’est déjà bien réel, à grande échelle, contre des organisations de toute taille. La sous-estimation ne porte pas tant sur la gravité, mais sur le volume. Beaucoup pensent que l’usurpation de marque est occasionnelle. Pour toute marque reconnue, elle est permanente.

Billy a présenté deux fonctionnalités en cours de développement.

La version application ChatGPT de Radar Lite est en aperçu développeur. Elle n’est pas encore disponible publiquement. Une fois lancée, elle permettra d’effectuer des analyses de sécurité de domaine et d’obtenir des résultats de benchmark secteur directement depuis ChatGPT. L’avantage par rapport à la version web, c’est le contexte conversationnel : si l’analyse signale que vos enregistrements CAA sont incorrects, vous pouvez demander à ChatGPT dans la même discussion ce que sont les enregistrements CAA, leur utilité et comment les corriger. L’analyse devient ainsi le point de départ d’une session pratique, plutôt qu’un simple rapport.

Rahul explique ce choix d’aller où sont les utilisateurs : « Nous ne sommes pas attachés à l’endroit où vivent nos outils. Si quelqu’un veut faire une analyse de sécurité de domaine dans ChatGPT, pourquoi ne pas lui offrir les meilleurs outils et données disponibles ? »

La fonction MCP (Model Context Protocol) est aussi en test actif. Billy l’a montrée en direct, connectée à des comptes de démonstration Red Sift sur OnDMARC, BrandTrust, Certificates, et ASM. Depuis une interface en ligne de commande, on peut lui demander de récupérer les configurations de domaine, remonter les problèmes et lancer les actions de remédiation sur ces quatre produits.

« Nous entrons dans un monde où quasiment toutes nos interactions avec les applications se font depuis la ligne de commande. D’une certaine façon, on revient à 1982, mais avoir accès ainsi à l’information est très puissant, tant pour la rapidité d’accès que pour apporter des modifications de configuration et comprendre ce qui se passe réellement dans le parc. »

L’objectif est de permettre aux clients d’apporter rapidement les bonnes modifications de configuration, de comprendre pourquoi elles comptent, et de tout faire depuis des environnements familiers comme Claude ou ChatGPT, sans devoir passer d’un produit à un autre.