Pourquoi les grands modèles de langage ne casseront pas le chiffrement symétrique

Les progrès rapides des grands modèles de langage dans l'écriture de code, la résolution de problèmes mathématiques et la reconnaissance de motifs complexes ont conduit certains observateurs à craindre que ces systèmes finissent par casser des algorithmes de chiffrement symétrique modernes comme l'AES. Les cryptographes affirment que cette inquiétude découle d'une mauvaise compréhension des fondements mathématiques du chiffrement.

Le chiffrement symétrique est un système dans lequel la même clé sert à chiffrer et déchiffrer les données. La sécurité des algorithmes modernes comme l'AES-256 repose sur le nombre pur de combinaisons de clés possibles — un nombre supérieur au nombre d'atomes dans l'univers observable.

Les experts soulignent qu'un modèle d'IA ne peut ni « deviner » ni « apprendre » cette clé, car la sortie d'un algorithme de chiffrement bien conçu est statistiquement indiscernable de données aléatoires. Un système de reconnaissance de motifs ne peut trouver un motif là où il n'en existe aucun.

Cela diffère fondamentalement des tâches où les modèles d'IA excellent. Les modèles de langage fonctionnent en apprenant des régularités statistiques dans les données d'entraînement ; une sortie de chiffrement cryptographiquement sûre, par définition, ne contient aucune régularité statistique à apprendre.

Les cryptographes notent que même les ordinateurs quantiques n'offrent qu'un avantage limité contre le chiffrement symétrique. Une méthode quantique appelée algorithme de Grover peut réduire le temps de recherche de clé selon un facteur de racine carrée, mais cet avantage est facilement compensé en doublant simplement la longueur de la clé.

L'article soutient que la véritable menace ne réside pas dans le fait de casser mathématiquement le chiffrement, mais dans les erreurs d'implémentation. Une génération de clé faible, des bogues logiciels, des attaques par canal auxiliaire et l'erreur humaine ont historiquement constitué les véritables points faibles des systèmes de chiffrement.

Les modèles d'IA peuvent véritablement aider à repérer ces faiblesses secondaires — par exemple en examinant du code pour détecter des vulnérabilités ou en identifiant des erreurs de configuration courantes. Mais il s'agit là d'une capacité fondamentalement différente de casser l'algorithme sous-jacent.

Certains chercheurs reconnaissent que l'IA pourrait accélérer la recherche en cryptanalyse, aidant les chercheurs humains à découvrir plus rapidement de nouvelles méthodes d'attaque. Cela ne revient toutefois pas à un « raccourci magique » qui effondrerait soudainement la sécurité mathématique sous-jacente des algorithmes existants.

Selon les experts, une partie de la confusion du public provient d'une exagération des capacités générales de l'IA ; qu'un système performe de manière impressionnante sur des tâches de langage et de raisonnement ne signifie pas qu'il puisse dépasser des limites de sécurité mathématiquement démontrées.

En définitive, la communauté de la sécurité soutient que l'attention devrait se porter sur la véritable menace que représentent les ordinateurs quantiques pour le chiffrement à clé publique comme le RSA, ainsi que sur les erreurs humaines dans la mise en œuvre des systèmes de chiffrement — tandis que la possibilité que l'IA casse le chiffrement symétrique lui-même semble scientifiquement implausible dans un avenir prévisible.