Agent IA Hermes utilisé pour pirater un ministère d'État

Un agent IA laissé seul aux commandes d'une intrusion gouvernementale

Des chercheurs de la société de renseignement sur les menaces Hunt.io, en collaboration avec le chercheur indépendant Bob Diachenko, ont mis au jour une intrusion contre le ministère des Finances du Royaume de Thaïlande qui constitue un jalon historique dans l'évolution des cybermenaces. Pour la première fois documentée de façon publique, un acteur malveillant a utilisé un agent d'intelligence artificielle en mode entièrement autonome pour conduire des opérations post-exploitation au sein d'un réseau gouvernemental. L'enquête a été rendue possible par la découverte de trois répertoires d'infrastructure de commandement et contrôle (C2) laissés accessibles publiquement sur un serveur hébergé à Hong Kong.

Les répertoires ont été détectés et archivés par Hunt.io entre le 9 et le 13 juillet 2026, totalisant 585 fichiers et 470 Mo de données comprenant du code d'exploitation, des scripts de post-exploitation et des identifiants volés hardcodés dans les scripts. L'analyse de ces répertoires a permis de reconstituer avec un niveau de détail inédit les outils, les méthodes et même certaines étapes de la chaîne d'attaque utilisée contre l'institution thaïlandaise. La négligence opérationnelle de l'attaquant — avoir laissé ses répertoires C2 ouverts au public — a paradoxalement fourni aux chercheurs une fenêtre exceptionnelle sur leurs pratiques.

Au cœur de cette intrusion se trouve Hermes, un agent IA open source publié en février 2026. Hermes est conçu pour fonctionner comme un service persistant capable de mémoriser des informations entre différentes sessions de travail, d'interagir avec des outils externes et d'exécuter des commandes en s'adaptant aux résultats obtenus. L'attaquant a configuré Hermes en mode dit YOLO (You Only Live Once), un mode de fonctionnement autonome dans lequel l'agent exécute les tâches qui lui sont assignées sans requérir de validation humaine pour chaque action. En d'autres termes, une fois lancé, l'agent IA conduisait de manière entièrement indépendante les opérations de post-exploitation — exploration du réseau, collecte de données, tentatives de persistance et de pivot — jusqu'à ce que sa session soit terminée.

L'arsenal contenu dans les répertoires exposés révèle la sophistication de l'opération. On y trouvait du code d'exploitation ciblant plusieurs CVE non spécifiés dans les détails publiés par Hunt.io, des webshells conçus pour maintenir un accès persistant sur les serveurs compromis, des tunnels HTTP de type suo5 permettant d'exfiltrer des données ou de pivoter vers d'autres machines en traversant les pare-feux, et des scripts personnalisés contenant des identifiants volés en dur pointant vers l'infrastructure de messagerie et des clusters Apache Hadoop du ministère thaïlandais. La présence de cibles Hadoop suggère un intérêt particulier pour les grandes bases de données analytiques ou les archives de données gouvernementales.

Le répertoire hébergé sur le port 8080 du serveur C2, actif le 10 juillet 2026, servait de serveur de distribution d'implants multiplateforme. Il hébergeait 62 payloads compilés pour Windows et Linux, tous regroupés sous la désignation interne Hades choisie par l'opérateur. Cet implant Hades n'était pas, à la date de publication du rapport Hunt.io, référencé dans les bases de données publiques de logiciels malveillants, ce qui en fait une famille de malware inédite ou fortement personnalisée. La combinaison d'un implant propriétaire, d'outils open source légitimes (Hermes) et de scripts d'exploitation sur mesure illustre une approche hybride de plus en plus répandue parmi les groupes APT avancés.

L'attribution de l'attaque n'a pas été formellement établie par Hunt.io dans les publications disponibles. L'infrastructure hébergée à Hong Kong, les cibles gouvernementales en Asie du Sud-Est et le niveau de sophistication observé sont cohérents avec des profils d'acteurs étatiques ou para-étatiques opérant dans la région, mais aucun groupe spécifique n'a été nommé avec certitude. Les autorités thaïlandaises n'ont pas encore fait de déclaration publique sur cet incident au moment de la publication de cette analyse.

L'utilisation d'un agent IA en mode autonome dans ce contexte offensif soulève des questions fondamentales pour la communauté de la sécurité informatique. Un agent en mode YOLO peut opérer plus rapidement qu'un attaquant humain sur certaines tâches répétitives ou d'exploration systématique. Il peut tenter en parallèle de nombreuses approches — différents vecteurs de pivot, différentes techniques d'escalade de privilèges — à une vitesse que ne peut pas égaler une opération entièrement manuelle. Il peut également opérer à des heures où la surveillance humaine de l'attaquant est limitée, maximisant ainsi la fenêtre d'exploitation.

Hunt.io a publié les indicateurs de compromission (IoC) associés à cette campagne, comprenant les adresses IP du serveur C2, les hachages des payloads Hades identifiés, et les patterns réseau des tunnels suo5. Les équipes de sécurité des organisations gouvernementales et d'infrastructures critiques en Asie du Sud-Est — mais également dans d'autres régions — sont invitées à intégrer ces IoC dans leurs outils de détection et à examiner leurs journaux réseau des semaines précédant la publication pour identifier d'éventuels signaux d'une intrusion similaire.

L'IA offensive : un changement de paradigme pour les défenseurs

L'incident du ministère des Finances thaïlandais est symptomatique d'une évolution profonde et rapide des capacités offensives en matière de cybersécurité. L'utilisation d'agents IA pour automatiser des tâches de post-exploitation n'était jusqu'alors documentée que dans des environnements de laboratoire, des compétitions de capture-the-flag (CTF) ou des publications académiques théoriques. Leur déploiement dans une opération réelle contre une institution gouvernementale marque le passage de la recherche à la pratique opérationnelle.

Pour les défenseurs, l'émergence d'agents IA offensifs autonomes modifie plusieurs paramètres fondamentaux de l'équation sécurité. D'abord, la vélocité des attaques peut augmenter significativement : un agent en mode YOLO n'a pas besoin de sommeil, de pauses ou de coordination avec d'autres membres d'un groupe d'attaque. Ensuite, les indicateurs comportementaux traditionnellement utilisés pour détecter une présence humaine dans un réseau — irrégularités horaires, temps de réponse variables, erreurs de syntaxe dans les commandes — peuvent être atténués ou éliminés par un agent IA opérant de façon systématique. Enfin, la capacité de mémorisation entre sessions de Hermes signifie que l'agent peut construire une représentation progressive du réseau cible et adapter sa stratégie en conséquence, à la manière d'un attaquant humain expérimenté.

La disponibilité open source d'outils comme Hermes abaisse considérablement la barrière d'entrée à l'IA offensive. Un groupe disposant de capacités techniques modestes peut désormais se doter d'un assistant d'exploitation autonome sans développer ses propres outils d'IA. Cette démocratisation de l'outillage offensif IA est préoccupante : elle ne se limite pas aux acteurs étatiques disposant de ressources importantes, mais étend le risque à des acteurs criminels organisés et à des groupes hacktivistes disposant de compétences techniques de niveau intermédiaire.

En réponse à cette menace émergente, plusieurs pistes de défense se dégagent. Les équipes SOC doivent intégrer des règles de détection spécifiques aux agents IA — notamment les patterns de comportement très réguliers et systématiques qui distinguent une exécution automatisée d'une présence humaine — dans leurs systèmes SIEM et EDR. Les éditeurs de solutions de cybersécurité commencent à développer des capacités de détection comportementale spécialement calibrées pour les agents autonomes. La restriction stricte des outils pouvant être exécutés depuis des environnements compromis, via des politiques d'application control et de liste blanche, réduit également la surface disponible pour un agent IA offensif cherchant à s'installer durablement.

Ce qu'il faut retenir

• Le cas du ministère des Finances thaïlandais est le premier cas documenté publiquement d'un agent IA autonome (Hermes en mode YOLO) utilisé pour mener des opérations post-exploitation dans une cyberattaque réelle contre une institution gouvernementale.
• L'arsenal découvert — implant Hades multiplateforme, tunnels suo5, webshells, exploits multiples — révèle une opération sophistiquée combinant outils open source légitimes et malware propriétaire pour maximiser les options de persistance et d'exfiltration.
• Les équipes SOC doivent dès maintenant adapter leurs règles de détection pour identifier les comportements systématiques et réguliers caractéristiques d'agents IA autonomes, distincts des patterns d'un attaquant humain.