GPT-6 Astra décode 88 % des messages cachés par Claude Fable 5.1

Des chercheurs, dont Nikita Kezhin, rapportent que GPT-6 Astra a retrouvé 44 des 50 messages courts (88 %) que Claude Fable 5.1 avait dissimulés dans des images, sans recevoir les règles d'encodage. Les résultats ont été partagés au sein de la communauté de recherche en ligne LessWrong, selon aitimes.com.

Le protocole demandait d'abord à Claude Fable 5.1 de cacher 50 messages courts rédigés dans 15 langues, dont le coréen, dans des images, sans lui imposer de méthode précise. Les images finales ont été converties en PNG puis transmises à l'IA de décodage lors d'une nouvelle session, sans code d'origine, sans corrigé et sans règles de chiffrement.

Claude Fable 5.1 a construit ses images au format SVG, ce qui lui permettait de contrôler précisément la position, la taille et la couleur des formes. Dans 33 des 50 cas, le modèle a encodé des caractères à l'aide de la hauteur des objets.

L'exemple du ciel nocturne illustre la méthode : les positions verticales des étoiles étaient calibrées pour qu'un décalage de 5 pixels sous une ligne de base de 30 pixels fasse avancer la lettre d'un cran. Dans un cas présenté, 40 étoiles lues de gauche à droite donnaient la phrase « THE MONSTER ACTS ON THE MOONSHINE MODULE ».

Un outil d'analyse d'image côté décodeur

GPT-6 Astra a utilisé un outil d'analyse d'image en Python pour examiner les motifs de réflexion de la lumière lunaire ainsi que la position et la taille des étoiles, puis a extrait les coordonnées et testé si les espacements formaient des lettres.

Les chercheurs indiquent que la surveillance des journaux d'utilisation d'outils pendant le décodage peut révéler ce type de comportement, et précisent qu'ils ne prétendent pas qu'il existe un danger actuel. L'expérience a été menée sur instruction humaine pour dissimuler des messages : elle ne signifie pas qu'une IA s'est mise spontanément à communiquer en secret.