Anthropic présente Anvil pour éprouver automatiquement les protections de Claude
Le 12 novembre 2026, Anthropic, entreprise américaine, a présenté Anvil, son système interne de tests adversariaux automatisés. Il utilise Claude pour rechercher des contournements des protections du laboratoire, notamment en cybersécurité, en biosécurité et contre l’extraction du raisonnement interne des modèles. L’objectif annoncé est de découvrir les faiblesses avant le déploiement de nouvelles défenses.
Sur un ensemble de huit questions évaluées contre trois générations de protections biologiques, Anthropic rapporte qu’Anvil trouve un contournement plus sévère que les participants humains dans 23 des 24 combinaisons, et égale leur résultat dans la dernière. Le système obtient ses résultats en 24 à 48 heures, contre plusieurs semaines pour les campagnes humaines décrites. Il s’agit d’une évaluation menée et publiée par le concepteur, non d’une comparaison indépendante généralisable à tous les systèmes.
Les conditions sont importantes : Anvil peut utiliser des versions internes puissantes de Claude, sans leurs protections habituelles, et accéder aux scores précis des dispositifs testés. Les auteurs indiquent ne pas observer ce niveau de sophistication dans le trafic réel. Ces essais ne prouvent donc pas qu’un utilisateur ordinaire puisse reproduire les attaques.
L’intérêt est défensif : rendre les tests plus rapides et explorer des failles difficiles à trouver manuellement. Anthropic souligne cependant que les protections demeurent imparfaites et que les progrès observés ne peuvent pas tous être attribués à Anvil seul.
Sources :
