Dans cet article, nous proposons de définir la notion d’agent IA prédateur, une nouvelle forme d’intelligence artificielle néfaste qui envahit progressivement nos boîtes mails, les réseaux sociaux et Internet au sens large.
Définition d’un agent prédateur
On peut considérer comme prédateur tout agent d’intelligence artificielle menant des activités de marketing agressif, spam, travail précaire, arnaque ou de piratage en complète autonomie.
Le terme prédateur est approprié car l’agent IA concerné consomme des ressources et occupe des espaces numériques destinés initialement aux humains, sans parler des nuisances directes qu’il leur inflige. On peut aussi parler d’agent parasite, ou agent offensif.
Quelques exemples illustratifs :
- Un agent IA de prospection hyper-personnalisée par cold mailing fonctionnant 24h/24 en automatique (marketing agressif /spam)
- Un agent IA proposant des services de rédaction, traduction, optimisation SEO sur LinkedIn (marketing agressif /spam)
- Un agent IA sniffant les failles de sécurité sur les serveurs web (piratage)
- Un chatbot de “pig butchering” ou de “broutage” visant à identifier des personnes vulnérables pour leur soutirer un revenu récurrent (escroquerie)
L’activité de l’agent IA peut rester dans le domaine du légal, sans que cela lui enlève sa dimension prédatrice dès lors qu’il ne crée aucune valeur tangible pour les individus avec qui il interagit.
Les agents prédateurs, des systèmes IA simples mais nocifs
Il ne faut pas imaginer ici un système d’intelligence artificielle “générale” très sophistiqué, capable d’imiter l’humain à la perfection et de tenir des raisonnements élaborés.
Au contraire, un agent IA rudimentaire, implémenté en quelques dizaines de lignes de code informatique, et par conséquent facilement programmable avec les technologies actuelles, peut mener des activités prédatrices avec une très grande efficacité.
Les assistants d’IA pour le code rendent cette compétence accessible à tous (vibe coding), tandis que les assistants personnels tels qu’OpenClaw fournissent une base technique solide pour l’implémentation d’un agent connecté à différents canaux de communication.
Comme un moustique, un agent prédateur est un système très simple mais avec un impact insidieux. Individuellement, chaque agent est minuscule et n’a quasiment aucune incidence sur ses victimes. À l’échelle globale, quand ils se multiplient et apparaissent dans tous les canaux de communication constituant Internet, leur impact est délétère.
Quels sont les impacts négatifs des agents IA prédateurs ?
Les raisons pour lesquelles ces agents IA parasites constituent une menace sont multiples, et méritent une étude approfondie sur le long terme.
Plusieurs points peuvent néanmoins déjà être soulevés :
- Sur le plan éthique, ces agents implémentent une forme maximale d’hyper-personnalisation marketing. Ils automatisent l’exploitation des émotions et des biais cognitifs inhérents à la nature humaine à des fins commerciales, avec peu ou aucune valeur ajoutée pour l’utilisateur visé.
- Sur le plan économique, ils dégradent encore la qualité des contenus d’Internet et des réseaux sociaux, déjà touchés par la vague du “slop” produit par les IA génératives. Les entreprises légitimes se retrouvent privées des canaux de communication naturels qui leur permettent d’échanger avec leurs clients et utilisateurs en ligne. L’industrie émergente de l’intelligence artificielle voit sa réputation entachée par ces dérives, dans un contexte de crise du secteur du numérique.
- Enfin, la consommation énergétique des grands modèles de langage sous-jacents aux agents d’intelligence artificielle est notoirement élevée. Les usages abusifs ont par conséquent un impact environnemental très négatif et s’opposent évidemment au principe de l’IA frugale.
Quelle différence entre un agent IA prédateur, un bot pirate, un réseau botnet ou un virus informatique ?
Il existe déjà différentes sortes de systèmes informatiques nocifs agissant en autonomie, toutefois les agents d’intelligence artificielle prédateurs constituent bien une nouvelle catégorie à part entière.
Les bots utilisés par les pirates pour mener des attaques de façon automatique ne mobilisent pas toujours l’intelligence artificielle ; ils ont une capacité d’adaptation très limitée et ne peuvent pas tenir une conversation avec un humain.
Les botnets sont spécifiquement des réseaux de machines vérolées, utilisées contre leur gré pour fournir plus de capacité de calcul à l’attaquant. La mauvaise configuration d’un serveur LLM local, la perte d’une clé d’API LLM ou la sensibilité d’un agent aux injections de prompt peuvent aider les pirates à accéder à de la puissance de calcul IA, dans une logique similaire à celle des botnets.
Il ne s’agit pas non plus ici d’utiliser un agent IA de code ou spécialisé en cyber sécurité pour orchestrer une attaque pirate ponctuelle, comme l’a documenté pour la première fois Anthropic fin 2025, mais plutôt de laisser les agents IA prédateurs agir en totale autonomie sur de longues périodes.
Enfin, des chercheurs en informatique ont démontré la possibilité de créer des virus agentiques (“Frontier AI systems have surpassed the self-replicating red line”), dont l’objectif est de se reproduire et d’empêcher l’arrêt de la machine sur laquelle ils sont exécutés. Un agent prédateur fonde cependant sa survie sur la réalisation d’activités économiques, plutôt que sur une solution purement technique comme un virus informatique le ferait.
Un agent IA prédateur possède les capacités additionnelles suivantes :
- Une capacité à se faire passer pour un humain et à dialoguer, car il est fondé sur les grands modèles de langage LLM ;
- Une capacité à planifier ses actions et prendre des décisions en autonomie pour s’adapter à des situations particulières ;
- Une capacité à utiliser des outils informatiques de toute nature pour atteindre ses objectifs.
L’adjectif prédateur définit donc mieux cette typologie d’agent offensif que le terme de virus IA, que nous avions utilisé dans une première ébauche de cet article début 2026 (“AI virus agents: what are they, how to fight them”).
Qui sont les créateurs des agents IA prédateurs ?
Derrière une flotte d’agents IA prédateurs il y a une personne, une organisation ou une entité qui bénéficie in fine de leur travail.
Techniquement, il ne s’agit pas forcément de pirates informatiques, ou d’attaquants dans le langage de la sécurité, car un agent IA spammeur n’est pas formellement un système offensif ni un virus, et peut être parfaitement légal.
Le livre “La Semaine de 4 heures” de Tim Ferriss définissait déjà en 2007 la notion de “muse” : une micro-entreprise automatisée ne demandant quasiment aucun travail à son créateur, sorte de martingale de l’entrepreneuriat.
Les entrepreneurs proposant de réaliser pour le compte de leurs clients et contre rémunération des opérations administratives, qui sont en fait gratuites quand on s’adresse à la bonne administration, sont des exemples de muses à la frontière entre la légalité et l’arnaque.
Il n’existe pas à notre connaissance de terme spécifique pour désigner ces profils d’entrepreneurs. Dans le cas des agents prédateurs, on pourrait proposer le nom de “marionnettiste” ou de “chef d’orchestre” pour filer la métaphore artistique des muses.
Comment est implémenté un agent prédateur : caractérisation du harnais prédateur
Les capacités d’un agent d’intelligence artificielle de type boucle agentique sont définies au travers de son harnais agentique, c’est-à-dire la configuration (prompt système), les outils et les capacités implémentés par son créateur.
On peut donc définir une notion de “harnais prédateur”, une forme de harnais agentique offensif ou harnais d’attaque conçu avec un objectif de génération de revenu rapide, au détriment des individus qui sont confrontés à l’agent IA équipé de ce harnais.
- Un premier élément constitutif d’un harnais prédateur est un ensemble d’outils permettant à l’agent IA d’entrer en communication avec des personnes et des entreprises. Par exemple, un accès aux réseaux sociaux, la possibilité de créer et maintenir un site web, un connecteur MCP vers un CRM pour la gestion d’une clientèle.
- Un second élément est la mise en place d’un système de récompense assurant directement ou indirectement la survie de l’agent IA. Il s’agit généralement de garder actifs les agents les plus rentables, mais le développeur peut aller plus loin et leur donner un accès direct à un portefeuille virtuel pour collecter des paiements et acheter de la puissance de calcul.
- Enfin, une possibilité extrême est l’implémentation d’un mécanisme évolutif. L’agent est alors en capacité d’altérer son propre pompt système ou son harnais agentique afin d’être encore plus efficace, par un mécanisme d’auto-réplication ou d’adaptation.
Un agent prédateur avec capacité d’auto-réplication et d’adaptation est particulièrement problématique, car il n’est pas certain que son créateur puisse en garder le contrôle.
Différence entre le tiercé létal des agents et le harnais prédateur
Le tiercé létal des agents désigne une combinaison d’outils qui introduit des vulnérabilités dans un système informatique.
Par exemple, permettre à un agent IA à la fois de lire et d’écrire des emails automatiquement constitue une faille de sécurité, car un attaquant peut tenter de détourner l’agent pour lui faire extraire les données d’une boîte mail.
À l’inverse, un agent prédateur et le harnais qui sous-tend son fonctionnement sont créés avec l’objectif explicite de générer rapidement un revenu ou de provoquer des nuisances.
Existe-t-il déjà des exemples d’agents IA prédateurs ?
ARS technica a documenté une campagne de spam provoquée par la start-up iLands, qui produit des agents d’intelligence artificielle cherchant à constituer des profils sur les réseaux sociaux, mobilisables ensuite pour générer des revenus. La mise en conformité légale, avec par exemple l’introduction d’un lien de désinscription dans les emails, permet à l’entreprise de rester dans les limites de la légalité.
Nanocorp est un exemple caractéristique d’usine à agents parasites. La start-up reçoit le soutien de l’incubateur Y Combinator ainsi que des géants de l’IA OpenAI, Google, Vercel et Mistral, et son activité a été largement relayée par des médias français comme Maddyness ou Les Échos, au même titre que son concurrent Polsia.
Note: le projet Nanocorp (site en .so) n’a pas de lien avec la startup de cybersécurité Nano Corp (nanocorp.ai) dont la mission est d’identifier les événements précurseurs d’attaques cyber.
Les revenus générés via Nanocorp sont symboliques, de l’ordre d’à peine 3500 dollars pour l’entreprise la plus active (en octobre 2026), mais sont suffisamment attractifs pour constituer un revenu passif secondaire, tenant compte du caractère entièrement automatique du système.
Sur le plan technique, Cloudflare a mis en place des outils pour laisser les agents d’intelligence artificielle acheter et configurer leur propre domaine web à partir d’un portefeuille Stripe. Or, l’achat d’un domaine web permet ensuite de créer des adresses email professionnelles, d’établir une présence sur Internet et de créer des profils sur les réseaux sociaux.
La création d’agents prédateurs étant très accessible, on peut supposer qu’il existe de nombreux systèmes agentiques prédateurs indépendants et opérés par des particuliers.
Comment lutter contre l’émergence des agents IA prédateurs ?
La toute première étape est de reconnaître les agents d’intelligence artificielle automatisant entièrement des activités entrepreneuriales en ligne pour ce qu’ils sont : des systèmes non humains, parasitiques, prédateurs aussi bien du travail humain que des individus et du réseau Internet qui les relient depuis plusieurs décennies.
La seconde étape est de définir précisément les agents prédateurs et de les caractériser sur le plan technique, c’est l’objet de cet article.
Ensuite vient la sensibilisation et la formation. Le plan Impulsion IA 2027 du ministère du Travail prévoit une politique de formation et de sensibilisation des professionnels aussi étendue que possible.
Pour les fournisseurs et déployeurs de systèmes d’IA, l’article 4 de l’AI Act impose explicitement une obligation de garantir un niveau “d’AI Literacy” suffisant pour le personnel : à moyen terme, il ne sera plus possible pour les entreprises créatrices d’agents IA prédateurs de plaider la naïveté.
Un audit de sécurité, par exemple fondé sur le classement OWASP Top 10 des LLM, permet d’éviter aux agents IA légitimes d’être détournés par des pirates pour les transformer en prédateurs.
L’article 50 de l’AI Act oblige par ailleurs les systèmes d’intelligence artificielle à se présenter comme tels. Un agent respectueux de cette réglementation ne se fera pas passer pour un humain, ce qui limite son potentiel de nuisance.
Cependant, cela ne résout pas les problèmes éthiques complexes qui entourent la création d’agent d’intelligence artificielle conçus explicitement pour remplacer des activités économiques humaines et parfois précaires, ou qui entrent en relation avec des personnes vulnérables.
Toujours dans le même cadre légal, l’article 5 de l’AI Act interdit la création et la diffusion de systèmes IA ayant des pratiques manipulatoires ou trompeuses. Une notion relativement vaste mais dans laquelle pourrait s’inscrire une flotte d’agents prédateurs, au même titre que les algorithmes d’hyper-personnalisation fondés sur des modèles profonds, capables d’inférer les préférences latentes des individus et dont ils n’ont pas toujours eux-mêmes conscience.
Au-delà des initiatives individuelles ou privées, la lutte contre la dissémination des agents IA parasites relève aussi de la responsabilité de l’État. Cette problématique n’est pas purement technique mais se situe au contraire au carrefour de nombreux enjeux : numérique, IA et sécurité informatique bien sûr, mais aussi formation, emploi, politique économique, souveraineté, ou encore santé publique.
