Le 12 juin, l'accès à Claude Fable 5 et Claude Mythos 5 était coupé pour tous les clients, à la suite d'une directive américaine de contrôle à l'export. Le 30 juin, Anthropic annonçait la levée de ces contrôles, et depuis le 1er juillet, Fable 5 est de nouveau disponible.
Deux publications accompagnent ce retour : un récit des événements (30 juin) et un article détaillé sur les garde-fous cyber et un cadre de gravité des jailbreaks (2 juillet). Voici l'essentiel.
Anthropic donne désormais davantage de contexte. La directive du 12 juin est intervenue après que le gouvernement a pris connaissance d'un rapport de chercheurs d'Amazon, qui avaient trouvé une méthode pour contourner les garde-fous de Fable 5 : lui faire identifier des vulnérabilités logicielles. Dans un cas, le modèle a produit du code montrant comment exploiter la faille.
Pendant deux semaines, Anthropic a travaillé avec le gouvernement et ses partenaires, dont Amazon, pour examiner le rapport. Ses tests ont montré que :
- beaucoup de modèles moins capables (dont Opus 4.8, GPT-5.5 et Kimi K2.7) identifiaient les mêmes vulnérabilités ;
- tous les modèles testés pouvaient produire la même démonstration d'exploitation, y compris des modèles plus anciens comme Haiku 4.5 ou Sonnet 4.6.
Conclusion d'Anthropic : la technique n'a révélé aucune capacité cyber propre à la classe Mythos. Il s'agissait d'un cas limite, bloqué par précaution, qui relevait du travail de cyberdéfense courant.
Anthropic a tout de même corrigé le tir. En lien avec le gouvernement, elle a entraîné un classifieur amélioré qui cible le comportement décrit dans le rapport. Résultat : la technique est bloquée dans plus de 99 % des cas. Les chercheurs du CAISI, rattaché au département du Commerce américain, ont testé les anciens et les nouveaux garde-fous et les jugent extraordinairement solides.
La contrepartie : ce classifieur signale plus souvent des requêtes inoffensives pendant des tâches courantes de code et de débogage. Quand une requête est bloquée, l'utilisateur est prévenu et elle est traitée par Opus 4.8.
- 1er juillet : Fable 5 disponible dans le monde entier sur la Claude Platform, claude.ai, Claude Code et Cowork.
- Pour les offres Pro, Max, Team et certaines offres Enterprise, Fable 5 était inclus jusqu'à 50 % des limites hebdomadaires jusqu'au 7 juillet, puis accessible via des crédits d'usage.
- Mythos 5 a été rétabli pour un ensemble d'organisations américaines, après l'accord du gouvernement du 26 juin.
Le point le plus pédagogique de ces publications concerne la façon dont fonctionnent les classifieurs.
Anthropic les règle volontairement pour déclencher aussi sur des requêtes probablement inoffensives : c'est la marge de sécurité. Une requête doit avoir l'air très clairement sûre pour passer. Pour Fable 5, cette marge est bien plus large que pour tous les modèles précédents. C'est ce qui explique les refus parfois frustrants sur des demandes légitimes.
Cette marge sert aussi contre les jailbreaks. Anthropic distingue les jailbreaks mineurs, qui n'entrent que dans cette zone tampon, les jailbreaks étroits mais nuisibles, qui débloquent un comportement dangereux précis, et les jailbreaks universels, les plus graves. Selon elle, ceux signalés jusqu'ici sur Fable 5 relèvent de la première catégorie.
L'article du 2 juillet classe les usages cyber en quatre catégories :
| Catégorie | Exemples | Comportement visé |
|---|
| Usage interdit | rançongiciels, sabotage d'infrastructures, développement de malware, contournement d'antivirus | bloqué |
| Double usage à haut risque | tests d'intrusion, développement d'exploits, élévation de privilèges | bloqué pour Fable 5 |
| Double usage à faible risque | renseignement en sources ouvertes, recherche de vulnérabilités déjà accessible à d'autres modèles | surveillé, parfois bloqué |
| Usage légitime | code sécurisé, débogage, administration, analyse de logs, réponse à incident | autorisé, avec une certaine surveillance |
Pour les développeurs, la bonne nouvelle est dans la dernière ligne : écrire du code sécurisé, corriger des failles simples ou déjà identifiées, déboguer, administrer des serveurs ne sont pas des cibles des classifieurs. Un blocage sur ces tâches est un faux positif, lié à la marge de sécurité.
L'épisode de juin a montré un problème : il n'existe aucun standard partagé pour juger la gravité d'un jailbreak. Ni les entreprises ni les gouvernements ne savent objectivement quand une découverte est mineure ou critique.
Avec Amazon, Microsoft, Google et d'autres partenaires de Glasswing, Anthropic propose un premier brouillon : l'échelle CJS (Cyber Jailbreak Severity), de CJS-0 (informatif) à CJS-4 (critique). Chaque niveau est pensé comme plusieurs fois plus grave que le précédent. Le score repose sur quatre axes :
- le gain de capacité : jusqu'où le jailbreak emmène l'attaquant au-delà des outils existants ;
- l'étendue : sur combien de tâches offensives différentes il fonctionne ;
- la facilité d'exploitation : combien d'effort humain pour en faire une attaque ;
- la découvrabilité : à quel point la technique est facile à trouver.
Si un jailbreak n'apporte aucun gain de capacité, il est classé informatif, quel que soit le reste.
Anthropic lance aussi un programme HackerOne pour signaler des jailbreaks cyber de Fable 5, et une équipe de surveillance 24 h/24 des canaux de signalement.
Enfin, Anthropic annonce des engagements supplémentaires : un accès anticipé aux modèles et à leurs garde-fous pour des partenaires gouvernementaux avant chaque sortie qui fait avancer la frontière dans les domaines liés à la sécurité nationale, un partage rapide d'informations sur les jailbreaks importants, et des ressources dédiées à la recherche commune.
- 30 juin : levée des contrôles à l'export ; 1er juillet : retour de Fable 5.
- Le jailbreak à l'origine de la directive ne révélait aucune capacité propre à Mythos, mais un nouveau classifieur le bloque dans plus de 99 % des cas.
- La marge de sécurité de Fable 5 est volontairement large : plus de faux positifs, moins de risques.
- Le code sécurisé, le débogage et l'administration restent des usages légitimes.
- Proposition d'une échelle CJS commune pour juger la gravité des jailbreaks.
