Claude Opus 5 relève la barre de la résistance à l'injection de prompt

Les chiffres du benchmark IPI : Opus 5 réduit les tentatives réussies à 2 % après 15 attaques

Les données publiées le 31 juillet 2026 par le benchmark IPI (Prompt Injection Index) montrent une avancée significative dans la capacité des modèles à résister aux attaques par injection de prompt. Claude Opus 5, le dernier modèle d'Anthropic, a réduit la probabilité de succès d'un adversaire à des niveaux jamais atteints auparavant.

Avec une seule tentative, l'attaquant ne réussit que dans 0,2 % des cas. Après 15 tentatives répétées, ce taux monte à 2,0 %, une valeur qui distance nettement les prédécesseurs. Opus 4.8, en comparaison, cédait dans 0,5 % des cas avec une seule tentative et dans 5,5 % après la séquence d'attaques. Les autres modèles d'Anthropic restent également en retrait : Sonnet 5 atteint 5,9 %, Mythos 5 2,6 % après quinze rounds.

La comparaison avec GPT 5.6 : un risque jusqu'à vingt fois supérieur

L'écart se creuse lorsqu'on élargit l'analyse aux concurrents. Les modèles de la série GPT 5.6 présentent des surfaces d'attaque nettement plus étendues. GPT 5.6 Sol, après 15 tentatives, est compromis dans 20,0 % des tests — un risque dix fois plus élevé que pour Opus 5. Une seule attaque suffit à dépasser le seuil de 3,1 %, déjà supérieur aux 2,0 % que Opus 5 concède après quinze assauts.

Les autres variantes de GPT 5.6 aggravent encore la situation : Terra monte à 30,4 %, Luna à 43,9 %. Muse Spark, le modèle non-Anthropic le plus résistant, s'arrête à 16,5 % après 15 tentatives, soit plus de huit fois le score d'Opus 5. En termes pratiques, une organisation qui adopte Opus 5 peut compter sur une probabilité de réussite d'attaque de dix à vingt fois inférieure à celle qu'encourent les utilisateurs de modèles moins récents ou non optimisés pour la sécurité.

Le progrès est là, mais la protection absolue n'existe pas

Les améliorations sont évidentes et témoignent d'un progrès réel dans le blocage de cas spécifiques. Cependant, le benchmark IPI confirme qu'aucun modèle n'est immunisé. Même un taux de succès de 2 % après 15 tentatives, s'il est projeté sur des milliers d'interactions réelles, se traduit par un nombre non nul de compromissions. La prévention absolue de l'injection de prompt reste hors de portée.

Que faire : des modèles à jour et des défenses en couches

Pour ceux qui conçoivent des applications basées sur des LLM, la première étape consiste à envisager la mise à jour vers les modèles offrant la meilleure résistance mesurée. Claude Opus 5 est, pour l'instant, l'option qui réduit le plus l'exposition. Mais cela ne suffit pas. Il faut maintenir et renforcer les défenses au niveau applicatif : filtrage des entrées, assainissement des prompts, exécution en bac à sable et surveillance continue dans des scénarios d'attaque. Seule une combinaison de modèles robustes et de contre-mesures en couches peut ramener le risque résiduel à un niveau acceptable.