L'IA aide des amateurs à percer d'anciens codes

Contexte

Des codes historiques restés secrets pendant des décennies, voire des siècles, sont aujourd'hui attaqués par des amateurs équipés d'outils d'IA. Selon un compte rendu attribué à Nature, ces chiffrements se cachent dans d'anciennes lettres, des manuscrits, des documents militaires ou des archives diplomatiques. Certains attendent depuis des décennies, d'autres depuis des siècles. Le texte ne décrit pas un miracle isolé. Il décrit une pratique qui se répand : de plus en plus de personnes ordinaires entrent dans ce domaine avec des logiciels sous la main, et certaines avancent là où personne n'avait avancé auparavant.

Pourquoi ce travail est-il resté si longtemps l'affaire de quelques spécialistes ? Les passionnés se heurtaient à trois obstacles. Ils ne savaient pas lire l'écriture ou la langue ancienne. Ils ne savaient pas écrire de programmes d'analyse. Ils manquaient de puissance de calcul et de temps pour multiplier les essais infructueux. Les grands modèles de langage généralistes et les outils open source abaissent aujourd'hui ces trois barrières en même temps. Un amateur qui programme un peu et aime l'histoire peut demander à une IA de compter la fréquence des caractères, de proposer des règles de substitution candidates et d'écrire des scripts de vérification. Il contrôle ensuite chaque résultat à la main.

L'outil ne remplace pas la personne. Il raccourcit le chemin entre une idée et son test. C'est le changement central, et il explique pourquoi cette histoire dépasse le cas d'une seule lettre déchiffrée.

Analyse approfondie

Pour comprendre pourquoi cela fonctionne, il faut regarder ce que sont réellement la plupart des chiffrements historiques non résolus. Ce sont rarement des chiffrements robustes au sens moderne. Il s'agit surtout de substitutions, de transpositions ou d'un mélange des deux, auxquels s'ajoutent des erreurs de copie, des abréviations, des mots dialectaux et des symboles inventés. La difficulté ne tient souvent pas à la force de l'algorithme. Elle tient au fait que la langue d'origine n'est plus en usage et que l'échantillon est trop court pour établir des statistiques fiables. L'analyse de fréquence classique s'effondre dans ces conditions.

La source distingue trois apports de l'IA. D'abord, les grands modèles couvrent un large éventail de langues anciennes et modernes. Quand la langue du texte clair est incertaine, un modèle peut proposer plusieurs candidates et tester chacune. Ensuite, il écrit et réécrit très vite du code d'analyse. L'intuition de l'amateur devient une expérience exécutable, et le cycle entre hypothèse et vérification se raccourcit. Enfin, il excelle dans un premier tri parmi de nombreuses solutions candidates, par exemple pour juger si un passage reconstitué ressemble à une vraie phrase. Ensemble, ces capacités rendent l'exploration d'un vaste espace de possibilités bon marché.

L'IA peut-elle déchiffrer seule un code historique ? Non. Le récit appuie une affirmation plus étroite : l'IA propose des hypothèses, et les humains, aidés de programmes déterministes, les vérifient. La limite majeure tient à la nature des modèles de langage, qui tendent à produire des réponses fluides et plausibles. En cryptanalyse, c'est un vrai danger. Une traduction très lisse, complétée par un modèle, peut n'être qu'une association d'idées du modèle, et non le contenu réel du texte chiffré. Une méthode fiable laisse donc au modèle la proposition, et réserve le contrôle à des scripts fixes et au jugement humain.

Impact sur l'industrie

L'effet dépasse quelques lettres résolues. Le premier changement touche la répartition du travail entre chercheurs et amateurs. Les archives et les bibliothèques conservent d'énormes quantités de documents jamais étudiés de façon systématique. Les professionnels sont peu nombreux et doivent hiérarchiser leurs priorités. Des amateurs équipés d'IA peuvent passer en revue cette longue traîne de documents et signaler les pistes qui méritent le temps des experts. Pour le monde académique, c'est un complément concret.

Le deuxième changement concerne les éditeurs d'outils d'IA. Le décryptage est un cas d'usage convaincant, car son succès se vérifie. Un texte déchiffré se lit de façon cohérente et s'accorde au contexte historique, ou il ne le fait pas. C'est très différent de la rédaction publicitaire ou du service client, où la qualité se mesure mal. Cette vérifiabilité fait du décryptage une fenêtre utile sur le raisonnement réel des modèles. Le troisième effet touche l'éducation et la médiation scientifique. Le décryptage raconte une belle histoire et peut attirer les jeunes vers la linguistique, les statistiques et la programmation. Les outils adoucissent le premier pas. Des inquiétudes subsistent. La qualité est très inégale. Les annonces en ligne affirmant qu'une énigme est résolue abondent, et beaucoup ne résistent pas à l'examen. L'IA facilite aussi la fabrication de faux résultats d'apparence crédible. La reconnaissance pose un deuxième problème : il n'existe pas d'usage établi pour qu'une découverte d'amateur soit reconnue ou citée par les universitaires. L'accès en est un troisième. Les images numériques de nombreux manuscrits sont soumises à des restrictions, et publier un résultat d'amateur peut exiger une négociation avec l'institution qui détient le document.

Perspectives

Plusieurs signaux méritent d'être suivis. Le premier est l'apparition de résultats évalués par les pairs, aux méthodes transparentes : quel modèle, quelles consignes, quelles étapes de vérification, afin que d'autres puissent reproduire le travail. C'est à cette condition qu'une découverte d'amateur passe du fait divers au savoir cumulatif. Le deuxième signal est l'arrivée d'outils conçus pour les documents historiques. Une chaîne reliant reconnaissance d'images, reconnaissance d'écritures anciennes et cryptanalyse réduirait le transfert manuel des données d'une étape à l'autre. Le troisième est l'attitude des institutions. Si les archives et les universités publient des numérisations de qualité et créent des dispositifs de collaboration ouverts au public, sur le modèle des projets de science citoyenne, les progrès pourraient s'accélérer nettement.

Le quatrième est la correction des erreurs. Des déchiffrements assistés par IA se contrediront parfois. La capacité de la communauté à établir des règles claires de vérification décidera du résultat : soit l'élan se transforme en recherche fiable, soit il glisse vers une nouvelle série de légendes du web où personne ne distingue le vrai du faux. Pour le lecteur ordinaire, la posture pratique est simple. L'IA donne à davantage de personnes une vraie chance de participer aux énigmes de l'histoire, et c'est un progrès réel. Mais toute prétendue résolution doit s'accompagner de preuves vérifiables, et pas seulement d'une traduction qui se lit avec fluidité.