Les hackers peuvent-ils fabriquer de fausses fuites de données avec l’IA ?
Ces derniers jours, les fuites de données de la DGFiP et de l’Éducation nationale ont remis les énormes bases de données volées au centre de l’actualité. Mais lorsqu’un pirate publie quelques milliers de lignes sur un forum et affirme en posséder des millions, comment savoir si tout est vrai ?
Le problème est loin d’être marginal. Selon des chiffres de l’ANSSI rapportés par Le Monde, seulement environ 40 % des fuites étudiées par l’agence en 2025 se sont révélées authentiques. Les autres peuvent contenir de vieilles données, des informations inventées ou plusieurs sources mélangées.
Et l’arrivée des modèles génératifs ajoute une possibilité supplémentaire : compléter automatiquement un dataset incomplet pour lui donner l’apparence d’une véritable base volée.
Une fuite de données annoncée par un hacker n’est pas forcément vraie
Lorsqu’un groupe annonce avoir piraté une entreprise, la revendication est souvent accompagnée d’un échantillon : quelques milliers de clients, une capture d’écran, une arborescence de fichiers ou une liste de colonnes issues d’une base.
Ces éléments peuvent être convaincants sans prouver l’origine de l’ensemble du dataset. Le Monde rapporte que les fausses revendications sont courantes dans les milieux cybercriminels. Elles peuvent utiliser des données fictives ou recycler des informations provenant de piratages plus anciens. En 2025, environ 40 % seulement des fuites sur lesquelles l’ANSSI a enquêté ont finalement été considérées comme authentiques.
Le phénomène apparaît aussi dans le ransomware. En juillet 2026, Barracuda a étudié le groupe kittykatkrew. Le groupe disposait bien d’un malware fonctionnel, mais plusieurs de ses victimes revendiquées n’ont jamais pu être confirmées. L’entreprise de cybersécurité résume le problème de manière assez nette : revendiquer une compromission ne constitue pas une preuve de compromission.
Comment fabriquer une fausse base de données crédible ?
Un attaquant n’a pas besoin d’inventer plusieurs millions de personnes au hasard. Il peut partir d’un élément authentique beaucoup plus petit.
Imaginons qu’il récupère un export JSON, quelques centaines de lignes, les noms exacts des champs utilisés par une entreprise ou une ancienne fuite concernant certains de ses clients. Ces informations permettent déjà de comprendre la structure attendue : nom, identifiant, date de création, adresse, abonnement, historique d’utilisation ou références internes.
Il devient alors possible de croiser plusieurs bases déjà disponibles, de conserver certaines données authentiques puis de compléter les champs manquants avec des informations plausibles. Un modèle génératif peut faciliter cette dernière étape en respectant un format, des conventions de nommage et les relations logiques entre différentes colonnes.
Le résultat n’a même pas besoin d’être parfait. Pour être crédible sur un forum, quelques lignes vérifiables au milieu de centaines de milliers d’autres peuvent suffire à créer le doute.
On peut même fabriquer les preuves autour de la fuite
Une affaire survenue aux États-Unis montre que la manipulation peut aller beaucoup plus loin qu’un fichier publié sur un forum.
En juin 2026, de fausses déclarations de violations de données ont été déposées sur le portail officiel du procureur général du Maine. Une notification prétendait notamment que VRChat avait exposé les données de plus de 2,4 millions d’utilisateurs. Elle contenait le nom d’un prétendu salarié, une description détaillée de l’incident, les données concernées et même une lettre destinée aux victimes.
VRChat a démenti l’incident et indiqué que le salarié cité n’existait pas. Le bureau du procureur général du Maine a ensuite reconnu l’utilisation abusive de son système et désactivé temporairement son portail public.
C’est un changement important : un attaquant peut chercher à fabriquer le contexte qui donne de la crédibilité à son faux leak, et pas uniquement le dataset lui-même.
Quel rôle joue vraiment l’intelligence artificielle ?
Il serait exagéré d’affirmer que les faux leaks actuels sont massivement générés par IA. Les techniques les plus courantes existaient bien avant ChatGPT : recycler une ancienne fuite, modifier un fichier existant ou inventer une victime ne demande aucun modèle génératif.
L’IA réduit cependant le travail nécessaire pour produire des données plausibles à grande échelle. Elle peut générer des valeurs respectant un schéma précis, compléter des champs, reformater plusieurs sources ou rédiger les documents qui accompagnent une fausse revendication.
Le CERT-FR constate plus largement que les attaquants intègrent déjà l’IA générative à différentes étapes de leurs opérations, notamment pour le profilage, l’ingénierie sociale et le développement de programmes malveillants. L’agence décrit surtout l’IA comme un outil de gain de performance et de passage à l’échelle, pas comme un cyberattaquant autonome.
Pour les faux leaks, c’est probablement cette capacité qui compte le plus : fabriquer quelque chose de crédible demande moins de temps et moins de compétences qu’auparavant.
Les fuites de la DGFiP et de l’Éducation nationale montrent pourquoi la vérification est difficile
L’actualité française donne une bonne idée du travail nécessaire pour authentifier un leak.
En août 2026, un pirate a proposé à la vente des données attribuées à la DGFiP. L’administration a ensuite confirmé une cyberattaque et une fuite. Le fichier analysé contenait plus de 600 000 entrées détaillées, tandis que l’attaquant avançait des chiffres beaucoup plus importants. Les investigations devaient encore déterminer l’étendue exacte de l’exfiltration.
Quelques jours plus tard, le groupe ZeroBytes a revendiqué le vol de données concernant plusieurs millions d’élèves et des dizaines de milliers d’enseignants. Le Monde a consulté un échantillon contenant de nombreuses informations récentes correspondant à ce qui était annoncé, tout en précisant que l’échantillon ne pouvait pas être entièrement authentifié. Le ministère poursuivait lui aussi ses analyses pour déterminer la nature et l’ampleur exactes des données exfiltrées.
Ces deux exemples ne sont pas des faux leaks avérés. Ils montrent autre chose : même avec un échantillon crédible entre les mains, confirmer l’origine et l’étendue exacte d’une base demande une véritable investigation.
Une fausse fuite peut faire de vrais dégâts
C’est sans doute la partie la plus intéressante du phénomène. Le hacker n’a pas forcément besoin d’avoir volé les données pour nuire à l’entreprise.
Une revendication suffisamment crédible peut déclencher une enquête interne, mobiliser l’équipe cybersécurité, la direction juridique et la communication, obliger à contacter des autorités et faire naître un doute chez les clients.
Barracuda souligne précisément ce risque dans son analyse de kittykatkrew : même lorsqu’une violation n’est pas vérifiée, être cité sur un site de fuite peut entraîner des coûts de réponse à incident et des risques juridiques ou réputationnels.
Cela transforme progressivement la notion même de leak. La question n’est plus uniquement de savoir si les données montrées sont vraies. Il faut aussi déterminer d’où elles viennent, quand elles ont été obtenues et si l’organisation revendiquée a effectivement été compromise.
Avec des données personnelles déjà disponibles en quantité et des outils capables d’en générer de nouvelles dans le même format, un fichier cohérent ne constitue plus, à lui seul, une preuve de piratage.
Sources
- Le Monde, 20 mai 2026 : enquête sur la multiplication des fuites de données et des fausses revendications en France, avec le chiffre de l’ANSSI sur les leaks authentifiés en 2025.
- CERT-FR, 4 février 2026 : rapport sur l’utilisation de l’intelligence artificielle générative par les attaquants informatiques.
- BleepingComputer, 11 juin 2026 : fausses notifications de violations de données publiées sur le portail officiel du Maine, dont une concernant VRChat.
- BleepingComputer, 12 juin 2026 : fermeture temporaire du portail du Maine après la découverte des fausses déclarations.
- Barracuda, 16 juillet 2026 : analyse de kittykatkrew et des conséquences de revendications de cyberattaques non vérifiées.
- Le Monde, 14 août 2026 : détails sur la fuite de données touchant la DGFiP et les écarts entre les volumes revendiqués et confirmés.
- Le Monde, 18 août 2026 : revendication concernant les données de l’Éducation nationale et difficultés d’authentification de l’échantillon.
Un hacker peut-il fabriquer une fausse fuite de données avec une IA ?
Oui. Une IA générative peut compléter ou produire des données respectant la structure d’une base existante, rédiger des documents crédibles et faciliter le mélange de plusieurs sources. Cela ne signifie cependant pas que tous les faux leaks actuels sont générés par IA.
Comment savoir si une fuite de données est authentique ?
Un échantillon crédible ne suffit pas. Il faut vérifier la provenance des données, leur fraîcheur, leur cohérence avec les systèmes de l’organisation et rechercher des preuves techniques d’une compromission ou d’une exfiltration.
Combien de fuites de données annoncées sont fausses ?
Selon des chiffres de l’ANSSI rapportés par Le Monde, environ 40 % seulement des fuites étudiées par l’agence en 2025 se sont révélées authentiques. Cela ne permet pas d’extrapoler ce chiffre à toutes les fuites publiées dans le monde.
Pourquoi un hacker publierait-il une fausse fuite de données ?
Une fausse revendication peut donner de la visibilité ou de la crédibilité à un groupe, nuire à la réputation d’une organisation ou lui imposer des coûts de vérification et de réponse à incident sans nécessiter une compromission complète de son système d’information.
Les fuites de données de la DGFiP et de l’Éducation nationale sont-elles fausses ?
Non. La DGFiP a confirmé une cyberattaque et une fuite de données. Pour l’Éducation nationale, des données récentes cohérentes avec les revendications ont été observées, mais l’étendue exacte de l’exfiltration restait en cours d’investigation au 18 août 2026.
