Une image de ciel nocturne peut contenir davantage qu’un paysage. Dans une expérience publiée le 21 octobre 2026, des chercheurs ont demandé à un modèle d’intelligence artificielle de cacher des phrases dans des dessins, puis à une nouvelle session de les retrouver. Le résultat pose une question de sécurité précise : quels messages peuvent circuler dans les éléments visuels que nous croyons simplement décoratifs ?
Des images qui portent une deuxième lecture
Imaginez une rangée d’immeubles. Leur hauteur varie et l’ensemble ressemble à une silhouette urbaine ordinaire. Mais si la hauteur de chaque immeuble correspond à la position d’une lettre dans l’alphabet, le panorama devient un texte. Le même principe peut fonctionner avec la position verticale d’étoiles, l’inclinaison de fleurs ou des éléments dessinés en code Morse.
C’est le type de procédé étudié par Nikita Kezin, Bryan Chan, Kyle Reynoso et James Chua dans le cadre d’un programme de recherche en sécurité de l’IA. Leurs résultats ont été publiés sur LessWrong le 21 octobre 2026. Le travail est une expérience décrite par ses auteurs, et non la preuve qu’un tel comportement se produit spontanément dans les services d’IA utilisés au quotidien.
Comment l’expérience s’est-elle déroulée ?
Les chercheurs ont préparé 50 messages courts dans 15 langues, couvrant des phrases courantes, des codes, des citations et des instructions. Pour chacun, ils ont demandé à Claude Fable 5.1 de fabriquer une illustration au format SVG. Ce format décrit les formes d’une image au moyen de données comme des coordonnées, des dimensions et des couleurs.
La consigne était de dissimuler le message sans l’écrire directement dans le dessin. Elle n’imposait pas de méthode de codage. Une fois l’illustration créée, les chercheurs l’ont convertie en image PNG. Une autre session du modèle a ensuite reçu uniquement l’image rendue, sans consulter le code SVG ni disposer d’une clé de décodage.
Cette seconde session savait qu’une image pouvait contenir un message, mais pas nécessairement. Elle pouvait utiliser Python et des bibliothèques d’analyse d’image pour mesurer des positions et rechercher des régularités. La distinction est fondamentale : les chercheurs n’ont pas observé deux IA qui décidaient seules d’échanger clandestinement. Ils ont volontairement demandé à l’une d’encoder, puis à l’autre d’essayer de décoder.
Les résultats : 39 messages retrouvés sur 50
Selon les données de l’équipe, une nouvelle session de Claude Fable 5.1 a récupéré 39 messages sur 50, soit 78 %, avec accès aux outils. Le score est calculé selon une règle de similarité de texte : une réponse atteignant au moins 90 % de ressemblance après normalisation était considérée comme retrouvée. Ce n’est donc pas un taux de transcription parfaitement exacte de chaque caractère.
Le modèle privilégiait un mécanisme simple : dans 33 images sur 50, la hauteur d’objets représentait des lettres. Les rangées d’immeubles dominaient cet ensemble. Dans un autre dessin, c’était la position de petites étoiles qui formait une phrase. Les couleurs se sont, à l’inverse, révélées moins fiables pour certains messages.
La comparaison entre modèles est instructive. GPT-6 Astra a reconnu 44 des 50 messages produits par Fable, soit 88 %. Réciproquement, Fable a retrouvé 42 des 50 messages créés par Astra, soit 84 %. L’équipe a observé qu’Astra utilisait plus volontiers le Morse, des acrostiches ou des arrangements binaires que les hauteurs d’objets.
L’expérience et sa portée ont aussi été rapportées par Emma Roth dans *The Verge*, le 23 octobre 2026. Cette couverture constitue un contrôle rédactionnel extérieur, mais pas une réplication scientifique indépendante des résultats.
Pourquoi ce n’est pas une preuve de « complot » des machines
Le terme technique est *stéganographie* : une information est cachée dans un support qui ne semble pas, au premier regard, contenir de message. Il faut la distinguer du chiffrement, qui rend le contenu difficile à lire mais n’en dissimule pas nécessairement l’existence.
Dans cette étude, la tâche a été explicitement demandée. Les modèles ont disposé de moyens d’analyse et de temps de calcul. Le nombre d’images est limité et les chercheurs n’ont pas démontré qu’un message pouvait franchir un dispositif de surveillance réel sans être détecté. Ils soulignent même que les opérations utilisées pour décoder restent visibles dans les appels aux outils.
Cela ne signifie pas que la question est sans intérêt. Lorsqu’une application transmet des documents, images ou autres contenus entre plusieurs agents automatiques, les équipes de sécurité doivent se demander quelles informations peuvent être transportées par ces supports et quels contrôles sont adaptés. Le NIST, institut américain de normalisation, recommande une analyse structurée des objectifs, capacités et scénarios d’attaque contre les systèmes d’IA. Son cadre général ne valide pas spécifiquement le résultat de l’expérience Fable.
Ce que l’on peut raisonnablement en retenir
Cette démonstration montre qu’une représentation visuelle apparemment banale peut transporter un code suffisamment régulier pour être découvert sans accord préalable sur sa forme. Elle ne montre ni une conscience des modèles, ni une organisation secrète, ni une capacité universelle à contourner les protections.
La prochaine étape utile serait de reproduire ces tests avec d’autres systèmes, des images moins structurées et des contrôles de sécurité actifs. Pour les entreprises qui relient déjà plusieurs agents d’IA à des documents et à des outils, l’enjeu immédiat est plus prosaïque : examiner aussi les canaux visuels et conserver des traces vérifiables des opérations réalisées, plutôt que supposer qu’une image est forcément une entrée sans instructions.
