Les cybercriminels spécialisés dans les rançongiciels sont plus actifs que jamais, mais gagnent moins d'argent, selon des chercheurs

bitcoinistPublié le 2026-02-27Dernière mise à jour le 2026-02-27

Résumé

Selon un rapport de Chainalysis, le nombre d'attaques par ransomware a augmenté de 50 % en 2025, mais les revenus des pirates ont diminué de 8 %, s'élevant à 820 millions de dollars. Cette baisse s'explique par une réglementation plus stricte, une application plus rigoureuse de la loi et le refus croissant des entreprises de payer. Les attaquants se tournent désormais vers des cibles plus petites, comme les PME, qui paient plus rapidement mais des sommes moins importantes. Le coût d'accès aux systèmes victimes a également chuté, passant de 1 427 $ en 2023 à 439 $ en 2026, facilitant l'entrée de nouveaux acteurs malveillants. Malgré cette tendance, la criminalité liée aux crypto-monnaies reste préoccupante, avec 370 millions de dollars volés en janvier 2026, principalement via des attaques de phishing.

Le business de la cybercriminalité est en plein essor, du moins sur le papier. Selon un nouveau rapport de la firme d'analyse blockchain Chainalysis, le nombre d'attaques par rançongiciel a augmenté de 50 % en 2025, avec près de 8 000 incidents distincts enregistrés tout au long de l'année. Pourtant, malgré toute cette activité, les hackers sont repartis avec moins d'argent que l'année précédente.

Cibles plus petites, gains plus modestes

Le total des paiements de rançon collectés en 2025 s'est élevé à 820 millions de dollars — une baisse de 8 % par rapport à 2024. Les rapports indiquent que ce déclin est lié à plusieurs facteurs : des règles plus strictes de la part des régulateurs, une répression accrue des réseaux utilisés par les criminels pour blanchir de l'argent par les forces de l'ordre, et un nombre croissant d'entreprises qui refusent tout simplement de payer.

Les grandes organisations fermant leurs portes, les attaquants se sont tournés vers des proies plus faciles. Les petites et moyennes entreprises sont devenues la nouvelle cible. « Les petites victimes paient plus vite », a déclaré Corsin Camichel, fondateur d'eCrime.ch, dans le rapport de Chainalysis.

Mais plus vite ne signifie pas plus gros. Ces cibles plus petites génèrent des sommes plus modestes, et ce calcul finit par rattraper les criminels qui dirigent ces opérations.

Source : Chainalysis

L'écart entre le nombre d'attaques revendiquées publiquement et la somme d'argent réellement collectée est révélateur. Les attaquants déposent plus de réclamations que jamais, mais l'argent qui leur revient ne cesse de diminuer.

BTCUSD s'échange maintenant à 67 800 $. Graphique : TradingView

Selon Chainalysis, cet écart signale quelque chose d'important : les personnes qui dirigent ces opérations fournissent plus de travail pour un résultat moins bon.

Source : Chainalysis

Rançongiciels : Le coût d'intrusion a considérablement baissé

Ce qui alimente en partie la flambée du nombre d'attaques, c'est le faible coût pour en lancer une. Les rapports notent que le prix moyen pour acheter l'accès au système d'une victime sur le dark web est passé de 1 427 $ début 2023 à seulement 439 $ début 2026.

Les outils d'intelligence artificielle et une surabondance de logiciels d'attaque prêts à l'emploi ont facilité l'entrée de plus de personnes dans le jeu des rançongiciels.

Le résultat est un paysage d'attaquants surpeuplé, se disputant le même bassin de victimes — et faisant ainsi baisser leurs propres profits. Cela reflète ce qui se passe dans tout marché saturé. Plus de vendeurs, même nombre d'acheteurs, les prix chutent.

2026 a déjà enregistré des pertes cryptos majeures

Même si les paiements de rançon ont eu tendance à baisser l'année dernière, le tableau général de la criminalité liée aux cryptomonnaies reste sombre. Selon la firme de cybersécurité CertiK, 370 millions de dollars en crypto ont été volés rien qu'en janvier 2026 via diverses exploitations et escroqueries.

Les attaques de phishing étaient responsables de la majorité de ces pertes, représentant 311 millions du total. Les rançongiciels peuvent générer moins de revenus pour leurs opérateurs, mais le monde plus large du vol de crypto est loin de ralentir.

Image principale de Unsplash, graphique de TradingView

Questions liées

QSelon le rapport de Chainalysis, comment a évolué le nombre d'attaques de ransomware en 2025 et quel a été le montant total des rançons payées ?

ALe nombre d'attaques de ransomware a augmenté de 50 % en 2025, avec près de 8 000 incidents enregistrés. Cependant, le montant total des rançons payées a diminué de 8 % pour s'établir à 820 millions de dollars par rapport à 2024.

QQuelles sont les principales raisons évoquées pour expliquer la baisse des revenus des cybercriminels malgré l'augmentation des attaques ?

ALe déclin des revenus est lié à plusieurs facteurs : des règles plus strictes des régulateurs, une répression accrue des réseaux de blanchiment d'argent par les forces de l'ordre, et un nombre croissant d'entreprises qui refusent tout simplement de payer la rançon.

QPourquoi les attaquants se tournent-ils désormais vers les petites et moyennes entreprises ?

ALes attaquants se tournent vers les petites et moyennes entreprises car les grandes organisations renforcent leur sécurité. Comme le souligne Corsin Camichel de eCrime.ch, 'les petites victimes paient plus rapidement', ce qui en fait des proies plus faciles.

QQuel facteur a contribué le plus à la forte augmentation du nombre d'attaques, d'après l'article ?

ALa forte augmentation du nombre d'attaques est en grande partie due à la baisse drastique du coût pour en lancer une. Le prix moyen pour acheter l'accès au système d'une victime sur le dark web est passé de 1 427 $ début 2023 à seulement 439 $ début 2026.

QQuelle était l'ampleur des pertes cryptographiques dues à la criminalité en janvier 2026, selon CertiK, et quelle était la méthode la plus utilisée ?

AEn janvier 2026 seulement, 370 millions de dollars en cryptomonnaies ont été volés via diverses exploitations et arnaques, selon CertiK. Les attaques de phishing étaient responsables de la majorité de ces pertes, représentant 311 millions de dollars du total.

Lectures associées

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

En 2012, AlexNet a révolutionné l'apprentissage profond en introduisant l'entraînement de bout en bout, où le modèle apprend une tâche complète en une seule fois, surpassant les approches par étapes conçues par l'homme. Cependant, les modèles génératifs actuels, comme les modèles autorégressifs ou de diffusion, font exception : ils sont entraînés à prédire une seule petite étape, puis doivent dérouler cette étape des centaines de fois lors de l'inférence. Cet écart entre l'entraînement et l'inférence entraîne un biais d'exposition (exposure bias), où les erreurs s'accumulent. Un récent article de l'Université de l'Illinois et de Harvard propose un nouveau paradigme, appelé Modélisation Exploratoire (Explorative Modeling, ou XM), pour résoudre ce problème. L'idée centrale est simple : au lieu de générer un seul échantillon par étape d'entraînement, le modèle en génère K, puis ne garde que le plus proche des données réelles pour calculer la perte et mettre à jour les paramètres. Cette boucle d'exploration, implémentée en quelques lignes de code, permet au modèle de capturer plusieurs modes de la distribution de données, évitant ainsi le flou modal (mode blurring) où le modèle converge vers une moyenne peu réaliste. Les auteurs démontrent que cette "expressivité générative" agit comme un troisième axe d'optimisation, indépendant de la taille du modèle ou des données. Les résultats montrent des gains croissants avec l'échelle : l'exploration améliore l'efficacité des FLOPs d'un facteur 4,1, l'efficacité des échantillons de 6,2 et l'efficacité des paramètres de 47%. Sur ImageNet, XM atteint un FID de 1,43 sans guidage. Appliqué de bout en bout, XM permet une inférence en une seule passe, rivalisant avec des modèles de diffusion nécessitant des centaines d'étapes, notamment dans des tâches de contrôle robotique. Bien que le concept de sélection du meilleur parmi K (best-of-K) ne soit pas nouveau, cette formalisation clarifie son rôle pour amplifier l'expressivité générative. Alors que les modèles continuent de grandir, cette troisième "molette" pourrait devenir déterminante.

marsbitIl y a 5 mins

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

marsbitIl y a 5 mins

Upbit Rééquilibre 864 Milliards de SHIB lors d'un Transfert Interne entre Portefeuilles

Le courtier sud-coréen Upbit a réorganisé 864 milliards de SHIB entre ses propres portefeuilles internes, un mouvement significatif sur la blockchain mais qui correspond à un rééquilibrage de routine plutôt qu'à une vente. Les transferts, d'une valeur d'environ 4 millions de dollars, ont suivi une hausse de 36% du SHIB, ce qui a attiré l'attention. Cependant, l'analyse des adresses labellisées confirme qu'il s'agit de mouvements entre des portefeuilles chauds et d'autres adresses internes de la plateforme, et non d'un retrait de fonds ou d'une préparation à une vente. Cet événement souligne l'importance de contextualiser les gros mouvements on-chain. La transparence des blockchains peut prêter à confusion si les transferts ne sont pas correctement interprétés. Les échanges rééquilibrent régulièrement leurs actifs entre portefeuilles chauds (pour la liquidité) et froids (pour la sécurité) dans le cadre de leurs opérations normales. Pour les traders, un tel mouvement interne n'a pas d'impact direct sur l'offre disponible sur le marché. L'article conclut que, bien que notable par son ampleur et son timing, ce transfert ne doit pas être considéré comme un signal de vente ou de panique. Il rappelle que la puissance des données on-chain réside dans leur analyse croisée avec un étiquetage fiable des portefeuilles.

bitcoinistIl y a 6 mins

Upbit Rééquilibre 864 Milliards de SHIB lors d'un Transfert Interne entre Portefeuilles

bitcoinistIl y a 6 mins

Chacun limité à 20 articles ? La nouvelle règle de l'ICLR fait l'objet d'une « pétition ironique » d'un chercheur de DeepMind

L'ICLR 2027 a instauré une nouvelle règle limitant chaque auteur à un maximum de 20 soumissions, au-delà desquelles des articles seront rejetés aléatoirement. Cette mesure vise à soulager la pression sur un système d'évaluation en crise, après une augmentation de 68% des soumissions pour ICLR 2026 (19 525 articles). En réaction, Dan Roy, chercheur chez Google DeepMind, a lancé une pétition sarcastique sur X, dénonçant cette limite comme « arbitraire » et « ralentissant le progrès de l'IA ». Son texte, ironique, suggère qu'il faudrait au contraire encourager la production massive de papiers par des agents IA, puisque l'évaluation par des modèles de langage serait déjà une réalité. Il fait ainsi allusion au scandale de ICLR 2026, où environ 21% des commentaires d'évaluation avaient été suspectés d'être entièrement générés par IA. À travers cette satire, Roy questionne l'efficacité d'une simple limitation quantitative face à un paysage académique où la génération automatisée de publications et d'évaluations se généralise, appelant à une réflexion plus profonde sur les défis posés par l'IA à l'intégrité scientifique.

marsbitIl y a 11 mins

Chacun limité à 20 articles ? La nouvelle règle de l'ICLR fait l'objet d'une « pétition ironique » d'un chercheur de DeepMind

marsbitIl y a 11 mins

Une vulnérabilité sur Coldcard entraîne le vol de 89 millions de dollars, déclenchant la plus grande migration en chaîne depuis FTX

L'incident de sécurité concernant le portefeuille matériel Coldcard a conduit au vol d'environ 8900 millions de dollars en Bitcoin, déclenchant une importante migration de fonds sur la chaîne. Suite à un avertissement de la société Coinkite le 30 juillet concernant une vulnérabilité liée à la génération de phrases de récupération, les utilisateurs concernés ont dû transférer massivement leurs actifs vers de nouvelles adresses sécurisées. Cette migration a entraîné une flambée anormale de l'activité des petites transactions et des adresses actives, brouillant les indicateurs traditionnels du marché et faisant baisser le sentiment des investisseurs. Parallèlement, les enquêteurs se heurtent à des difficultés pour tracer les fonds volés, en partie à cause des restrictions des modèles d'IA commerciaux américains qui entravent l'analyse des données malveillantes, un problème déjà rencontré par d'autres équipes de sécurité. La situation souligne la vulnérabilité perçue du stockage à froid et les défis posés par l'IA dans la course contre la montre pour le suivi des cryptomonnaies volées.

marsbitIl y a 56 mins

Une vulnérabilité sur Coldcard entraîne le vol de 89 millions de dollars, déclenchant la plus grande migration en chaîne depuis FTX

marsbitIl y a 56 mins

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

OpenAI réduit considérablement ses prix : le modèle GPT-5.6 Luna baisse de 80 % et Terra de 20 %. Ce mouvement, accompagné par Anthropic qui propose aussi des alternatives moins chères, marque un tournant stratégique. Les géants de l'IA ne misent plus seulement sur leurs modèles "phares" les plus performants et chers (comme Sol ou Fable) pour générer des revenus, mais encouragent désormais l'utilisation de modèles intermédiaires (Luna, Terra, Opus) pour les tâches courantes et à grande échelle. L'idée est de créer un écosystème où les modèles se spécialisent : les plus intelligents conçoivent et planifient, tandis que les plus abordables exécutent. Cette approche, similaire à l'industrie automobile où les modèles grand public assurent les volumes, vise à verrouiller les flux de traitement à bas coût. Un point clé est l'optimisation automatique : OpenAI révèle que ses modèles avancés participent désormais à l'optimisation de leur propre code et de leur efficacité, créant une boucle vertueuse de réduction des coûts. L'objectif final n'est plus de vendre l'intelligence la plus pointue, mais de devenir la plateforme par défaut, avec une rentabilité basée sur le volume massif d'appels d'API à très faible coût. Le débat se déplace ainsi de "quel modèle est le plus intelligent ?" vers "quel écosystème offre le meilleur ROI ?". L'ambition est que l'IA, comme l'électricité, devienne une utilité omniprésente et peu coûteuse, intégrée silencieusement dans tous les processus.

marsbitIl y a 1 h

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

marsbitIl y a 1 h

Trading

Spot
活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow