Des chercheurs de l’Université du Zhejiang ont démontré une classe d’attaque qui transforme l’accès légitime d’un locataire du cloud à un GPU en une arme contre le réseau électrique — sans exploit, sans malware et sans accès non autorisé.
L’attaque, appelée Bit2Watt et acceptée à la conférence sur la sécurité matérielle CHES 2026, exploite les fluctuations de puissance inhérentes aux charges de travail GPU. En modulant soigneusement un GPU entre des états de calcul intensif et de quasi-repos, un locataire peut créer des oscillations de puissance à des fréquences bien au-delà de ce que les opérateurs de réseau surveillent habituellement.
Comment ça fonctionne
Les chercheurs ont conçu deux variantes. La plus simple, l’attaque par modulation synthétique de charge de travail, télécharge un noyau CUDA personnalisé qui alterne entre les états de calcul et de repos, produisant des oscillations de 1,5 à 6 kilohertz sur un seul GPU — plusieurs ordres de grandeur plus rapides que les quelques hertz produits par des charges conventionnelles comme les climatiseurs. La variante plus sophistiquée, l’attaque par modulation de charge de travail d’entraînement, intègre la modulation à l’intérieur d’un véritable entraînement de grand modèle de langage en ajustant les hyperparamètres, la rendant presque impossible à distinguer des opérations d’IA normales.
Dans des simulations d’un réseau local de 1 mégawatt alimenté principalement par des ressources énergétiques distribuées telles que le solaire et les batteries, 1 000 GPU modulant en synchronisation ont produit 46,8 pour cent de distorsion harmonique totale — plus de trois fois la directive de 13 pour cent fixée par la norme IEC 61000-3-12. L’attaque a également introduit un rapport d’amortissement négatif, ce qui signifie que le réseau amplifiait la perturbation plutôt que de l’atténuer.
Lorsque les chercheurs ont étendu la simulation à un modèle de 9 241 nœuds ressemblant au réseau de transport européen, une perturbation localisée représentant 2 pour cent de la charge du système s’est propagée en 13 étapes, délestant environ 81 pour cent de la charge.
Un risque connu, nouvellement instrumentalisé
Le phénomène sous-jacent n’est pas nouveau. L’article sur Llama 3 de Meta reconnaissait que « des dizaines de milliers de GPU peuvent augmenter ou diminuer la consommation d’énergie en même temps… entraînant des fluctuations instantanées de l’ordre de dizaines de mégawatts, repoussant les limites du réseau électrique. » Un article de 2025 co-écrit par Microsoft, Nvidia et OpenAI avertissait que les fluctuations de puissance de l’entraînement de l’IA, si elles sont harmonisées avec les fréquences critiques des services publics, « peuvent causer des dommages physiques à l’infrastructure du réseau électrique. »
Ce qui est nouveau, c’est l’instrumentalisation délibérée. Bit2Watt prend ce qui était un effet secondaire accidentel de l’entraînement de l’IA et le transforme en une attaque intentionnelle.
Une lacune de détection
Les outils de surveillance standard des centres de données ne peuvent pas voir l’attaque. Les compteurs des baies de distribution d’énergie échantillonnent à environ 1 Hz. L’outil NVML de Nvidia échantillonne à 450 Hz. Les interfaces BMC et RAPL des serveurs échantillonnent à environ 1 kHz. La modulation de Bit2Watt opère de 1,5 à 6 kHz — manquée par toutes les méthodes de surveillance standard. « Des actions purement computationnelles, exécutées comme des charges de travail légitimes, peuvent être instrumentalisées pour déstabiliser les infrastructures électriques, » ont écrit les chercheurs.
L’attaque permet également un canal clandestin d’exfiltration de données appelé Watt2Bit, qui encode les données dans le motif de modulation de puissance. L’équipe a récupéré une séquence de test de 50 bits avec zéro erreur en utilisant une antenne en champ proche et une radio logicielle.
Que peut-on faire
Les défenses couvrent deux domaines. Côté alimentation, les batteries, les supercondensateurs et le filtrage harmonique peuvent absorber les fluctuations de puissance modulées avant qu’elles n’atteignent le réseau. Côté calcul, la détection d’anomalies sur les modèles d’utilisation des GPU et les programmes d’entraînement pourrait signaler une modulation suspecte — bien que la variante LTMA subtile soit spécifiquement conçue pour se fondre dans le bruit d’entraînement normal.
L’équipe de l’Université du Zhejiang a souligné que le risque est structurel plutôt qu’hypothétique. « À mesure que les infrastructures électriques et informatiques convergent, la sécurité doit être traitée à travers les domaines, nécessitant des défenses coordonnées qui prennent en compte le comportement des charges de travail, l’électronique de puissance et la dynamique des réseaux. »
Sources : Malicious cloud customers can bring down the power grid (The Register, juillet 2026) ; New Bit2Watt Attack Could Let Cloud Tenants Disrupt Power Grids Without an Exploit (The Hacker News, juillet 2026)
Traduit par Lydie