Astra et Claude Opus 5 décryptent deux messages Enigma non résolus

Contexte historique et technique

Les machines Enigma, utilisées par l’Allemagne nazie, reposaient sur un système de rotors électromécaniques qui généraient un chiffrement polyalphabetique. La cryptanalyse de ces messages a été rendue possible pendant la Seconde Guerre mondiale grâce à la Bombe, un ordinateur électromécanique conçu par Alan Turing. Malgré les succès de la Bombe, plusieurs messages sont restés indéchiffrables, souvent à cause d’erreurs de transcription ou de variantes de réglage non documentées. Le dernier de ces messages était bloqué depuis 2005, et il ne restait que sept messages totalement non résolus ainsi qu’un message dont le texte était connu mais le code restait inconnu.

Méthodologie des modèles LLM

Carter Leffen a sollicité le modèle GPT‑6 Astra d’OpenAI en lui demandant de parcourir une base de données d’enregistrements Enigma. Astra a d’abord effectué une recherche d’archives, identifié les métadonnées pertinentes, puis a généré un simulateur complet de la machine Enigma, incluant les paramètres de rotors, le branchement du réflecteur et le pas de rotation. En combinant ces éléments, le modèle a pu reproduire le processus de chiffrement et tester toutes les configurations possibles, aboutissant à la récupération du texte clair du message bloqué depuis 2005. Le modèle a également produit un site web interactif décrivant chaque étape de la résolution.

De son côté, le cryptanalyste Jack Willis a employé Claude Opus 5 d’Anthropic. En fournissant à Opus le nom d’un officier présent dans le message, le modèle a exploité cette signature connue comme point d’ancrage, a reconstruit les paramètres de la machine et a décodé un second message jusque‑là inexpliqué. Les deux modèles ont ainsi démontré la capacité d’un LLM à combiner recherche documentaire, génération de code de simulation et raisonnement logique pour résoudre des problèmes de cryptanalyse historiquement complexes.

Analyse des performances et limites

Les deux résolutions ont été validées par le conservateur du site Crypto Cellar, qui a confirmé la concordance du texte décodé avec les archives historiques. Selon les témoignages, ce qui a pris à Astra deux jours aurait nécessité plusieurs semaines, voire mois, à un chercheur humain. Cependant, la dépendance aux sources externes reste une faiblesse : les journaux d’Astra mentionnent l’accès à une « private collection » non hébergée par Crypto Cellar, soulevant des questions sur la provenance exacte des données et sur la reproductibilité du processus. De plus, la réussite repose sur la disponibilité d’une signature ou d’un indice exploitable ; sans ces repères, les modèles pourraient ne pas converger.

Implications pour la cryptanalyse moderne

Ces expériences illustrent que les grands modèles de langage peuvent automatiser des tâches de recherche et de simulation qui étaient auparavant réservées à des experts en cryptologie. Elles ouvrent la voie à une réévaluation des archives historiques, où des millions de documents chiffrés pourraient être revisités avec des agents IA capables de générer des simulateurs sur‑demande. Néanmoins, la transparence des jeux de données et la vérifiabilité des résultats restent essentielles pour éviter des conclusions erronées ou non reproductibles. Le fait que sept messages restent encore non résolus indique que l’IA ne constitue pas une solution universelle, mais un outil complémentaire aux méthodes traditionnelles.