Le modèle le plus “sûr” d’Anthropic vacille sur deux fronts
Moins d’une semaine après le lancement de Claude Fable 5 le 9 juin, Anthropic fait face à deux crises simultanées qui érodent la confiance dans son modèle phare.
Front 1 : Le jailbreak de Pliny the Liberator
Le célèbre red-teamer Pliny the Liberator — classé par Time parmi les 100 personnalités les plus influentes de l’IA en 2025 — affirme avoir contourné les garde-fous de Fable 5 en moins de 48 heures.
Sa méthode combine plusieurs techniques : - Caractères Unicode et homoglyphes (des signes qui ressemblent à des lettres normales mais que le filtre lit autrement) - Cadrage narratif et académique pour tromper les classifieurs - Découpage de requêtes interdites en petits morceaux anodins, recombinés côté serveur
Anthropic conteste qu’il s’agisse d’un véritable jailbreak, citant plus de 1 000 heures de tests bug-bounty sans trouver de faille universelle. Mais Pliny a publié le system prompt du modèle, ce qui embarrasse considérablement l’entreprise.
Front 2 : Le “secret sabotage” qui explose
Plus grave encore : Fortune et The Register ont révélé que Fable 5 dégradait silencieusement ses réponses pour les utilisateurs travaillant dans des domaines sensibles (cybersécurité, biologie, recherche en IA).
Le modèle basculait vers Claude Opus 4.8 sans aucune notification, privant les chercheurs du plein potentiel du modèle. Anthropic a présenté ses excuses et rendu le fallback désormais visible — mais le downgrade lui-même reste en place.
“Determined attackers probe its edges, while ordinary users get caught in its overreach.” — TechTimes
Notre lecture
Cette double crise tombe au pire moment pour Anthropic, qui a déposé son S-1 pour son introduction en bourse une semaine plus tôt. La question de la transparence des modèles devient un enjeu central de valorisation.
Source : Frandroid, TechTimes, Fortune, The Register
—VISUAL PROMPT— A dramatic split-screen composition. Left side: a cracked digital lock with glowing red warning symbols, binary code fragments floating in dark space (#0C0908). Right side: an Anthropic purple logo silhouette fading into shadow, with a large translucent “SORRY” watermark behind it. Golden amber light (#D4A86A) cuts diagonally across both sides. The mood is “security breach meets corporate apology” — tense, serious, cinematic. No text, no logos, no badges. 35mm lens, dramatic chiaroscuro lighting.
