Caractères Unicode invisibles : un texte qui cache des instructions à l'IA
Des caractères Unicode invisibles à l'écran peuvent être lus par une IA. Ce que Microsoft a observé en 2026 et les gestes à adopter.
Sur cette page
En 30 secondes
- Où ça arrive
- Dans une page web, un document, un courriel ou un autre contenu qu'un assistant IA reçoit[1].
- Ce que veut l'attaquant
- Cacher des instructions à l'humain tout en les laissant lisibles pour le modèle, ce qui peut mener à une exposition de données ou à des actions non autorisées, selon les droits et les garde-fous de l'assistant[1].
De quoi parle-t-on
Un texte peut contenir des caractères que l'écran n'affiche pas. Une personne ne voit rien d'inhabituel, mais un assistant IA qui reçoit le texte brut peut les lire, les décoder comme du texte et être amené à suivre des instructions fixées par l'attaquant[1].
Microsoft a décrit le 3 septembre 2026 une campagne d'hameçonnage qui insérait ces caractères dans des mots d'appât financiers pour échapper aux filtres de messagerie[1]. Cet usage reprend une technique connue dans la recherche sur l'IA sous le nom d'ASCII smuggling[1].
Questions directes
Qu'est-ce qu'un caractère Unicode invisible ?
C'est un caractère qui fait partie du texte mais que les polices et les interfaces courantes n'affichent pas. Microsoft cite surtout le bloc Unicode Tags, de U+E0000 à U+E007F, qui contient une copie fantôme des caractères ASCII imprimables. Il était destiné à l'étiquetage de langue et il est aujourd'hui largement déprécié[1]. Une chaîne peut donc porter un message illisible pour un humain, mais traité par tout modèle de langage ou logiciel qui reçoit le texte[1]. Une étude de 2026 teste deux façons de cacher un message : les caractères de largeur nulle (codage binaire) et les Unicode Tags[4].
Une IA suit-elle vraiment ces instructions cachées ?
Des chercheurs l'ont mesuré. Dans un article soumis le 26 février 2026, Marcus Graves présente un banc d'essai qui évalue cinq modèles de deux fournisseurs, sur 8 308 réponses au total[4]. Il constate que l'usage d'outils par le modèle augmente fortement la conformité aux instructions cachées, et que des consignes explicites de décodage l'augmentent jusqu'à 95 points de pourcentage pour un modèle et un encodage donnés[4]. L'auteur parle d'une surface d'attaque peu explorée[4]. L'OWASP rappelle que des entrées peuvent influencer le modèle même si elles sont imperceptibles pour les humains, dès lors que le modèle lit le contenu[2].
Un filtre anti-injection les arrête-t-il ?
Pas toujours. Des chercheurs ont testé six systèmes de protection, dont Azure Prompt Shield de Microsoft et Prompt Guard de Meta. Ils montrent que des méthodes d'injection de caractères et d'apprentissage automatique adverse peuvent éviter la détection, avec jusqu'à 100 % de réussite d'évasion dans certains cas[5]. L'OWASP précise que le filtrage des entrées n'est pas une frontière de sécurité[6].
Des attaques ont-elles été observées ?
Microsoft a observé une campagne d'hameçonnage à fort volume qui utilisait ces caractères. Dans les messages examinés, elle ne cachait pas d'instructions à une IA : elle les insérait dans des mots pour contourner les filtres[1]. Le cas est détaillé plus bas.
Quels gestes adopter ?
- Traiter un document, une page web ou un courriel d'origine inconnue comme non fiable avant de le confier à l'assistant. L'OWASP décrit des injections indirectes qui passent par des sites web ou des fichiers[2], et recommande de séparer et de signaler clairement le contenu non fiable[2].
- Ne pas mettre d'informations sensibles dans une requête à un LLM public, comme le recommande le NCSC (Royaume-Uni)[3].
- Laisser jouer les contrôles de l'entreprise. Microsoft recommande de retirer ou de normaliser les caractères de tag et les autres caractères invisibles avant l'analyse du message et en amont de l'ingestion par l'IA[1]. L'OWASP recommande d'envoyer en revue les caractères de largeur nulle ou de tag inattendus[6].
- Prendre au sérieux une réponse inattendue de l'assistant. L'OWASP conseille de surveiller les sorties du modèle pour y repérer les signes d'une injection réussie[6].
- Ne pas laisser l'assistant mener seul une opération sensible : l'OWASP recommande une validation humaine pour les opérations privilégiées[2].
Dans la peau de l'attaquant
Microsoft décrit deux usages des mêmes caractères. Le premier vise l'assistant : l'attaquant cache des instructions dans des caractères de tag invisibles intégrés à une page web, un document, un courriel ou un autre contenu. L'humain ne voit rien d'inhabituel, alors que l'assistant qui lit le texte brut les décode[1]. Le second vise le filtre : les caractères coupent un mot que le filtre cherche, et il ne le reconnaît plus[1].
L'OWASP décrit un scénario du premier type. Un utilisateur demande à un LLM de résumer une page web qui contient des instructions cachées. Elles font insérer à l'assistant une image liée à une adresse, ce qui conduit à l'exfiltration de la conversation privée[2].
L'OWASP rapporte aussi une étude (Zhang et al., USENIX Security 2026) sur 196 682 CV d'une plateforme de recrutement : plus de 90 % des invites cachées ne contenaient aucune instruction explicite[6].
Ce que vous voyez à l'écran
Rien. Les polices et les interfaces courantes n'affichent pas la plupart de ces caractères[1]. Dans la campagne décrite par Microsoft, un mot d'appât comme funding paraissait normal au destinataire, alors qu'un caractère invisible pouvait se trouver en son milieu[1].
Tous ces caractères ne sont pas suspects. Les drapeaux de l'Angleterre, de l'Écosse et du pays de Galles sont encodés avec des caractères de tag[1].
Le seul indice visible est alors le comportement de l'assistant : l'OWASP définit l'injection de prompt comme une entrée qui modifie le comportement ou la sortie du modèle de façon non voulue[2].
Sous le capotÉquipes IT
Les caractères de tag sont invisibles pour les humains mais existent au niveau du traitement du texte[1]. Les chaînes d'ingestion passent en général au modèle le texte extrait d'un document et ignorent son rendu : un texte que le lecteur ne voit pas atteint donc le modèle[6].
Pour les classifieurs de messagerie, Microsoft explique qu'un mot courant est souvent découpé en jetons (tokens) ou en morceaux de mots. Un caractère invisible au milieu peut rompre cette unité familière, ou être supprimé si une normalisation passe d'abord[1].
L'OWASP indique que la normalisation NFKC ne retire pas les caractères de largeur nulle. Elle précise que les caractères de tag peuvent porter des instructions cachées que les modèles lisent et exécutent. Si l'on analyse une copie nettoyée mais qu'on transmet l'original, le texte caché atteint quand même le modèle[6].
Microsoft formule le principe de défense ainsi : normaliser avant de comparer[1]. Microsoft Defender for Office 365 propose une protection contre l'injection de prompt, qui couvre les cas où des caractères invisibles cachent des instructions aux utilisateurs tout en les exposant aux systèmes d'IA. La couverture dépend de la licence, de la configuration et de la télémétrie[1]. L'OWASP note qu'on ne sait pas s'il existe une méthode de prévention infaillible de l'injection de prompt[2].
AutopsiesCas réels
Campagne d'hameçonnage à caractères de tag, février à mai 2026
Microsoft rapporte que les détections de sa signature d'ASCII smuggling ont fortement augmenté à partir du 9 février 2026[1]. La veille, la signature se déclenchait sur environ 21 000 messages ; le lendemain, sur plus de 1,3 million[1]. La plupart des courriels se rattachaient à un groupe d'environ 150 domaines d'expéditeurs sur le thème de la finance[1]. Les appâts ressemblaient à des offres de prêt aux entreprises, de ligne de crédit et d'avance de fonds[1].
Microsoft décrit un rythme strict : forte activité en semaine, quasi-silence le week-end[1]. La phase à fort volume a duré environ trois mois et a chuté nettement après le 15 mai 2026[1]. Ces dates bornent l'usage de cette technique dans les données de Microsoft, pas la campagne dans son ensemble, qui a commencé plus tôt sans elle et a continué sans elle[1].
Sur un échantillon de messages signalés, Microsoft n'a trouvé aucune instruction cachée destinée à un assistant. Un seul caractère de tag invisible était glissé à l'intérieur de mots d'appât, pour que la recherche d'une chaîne exacte échoue[1]. Les messages passaient par une plateforme légitime d'emailing, ActiveCampaign[1].
Selon Microsoft, plus de 99 % des messages ont été repérés par des couches de protection qui ne dépendaient pas de la détection directe des caractères de tag, comme la réputation de l'expéditeur, de l'adresse IP, des liens et des domaines, la classification par apprentissage automatique ou les contrôles d'authentification[1]. Microsoft en tire que les techniques issues de la recherche sur la sécurité de l'IA peuvent passer rapidement dans des attaques plus classiques comme l'hameçonnage[1].
Sources
- Microsoft, « ASCII smuggling crosses over from AI prompt injection to phishing evasion », 3 septembre 2026. https://www.microsoft.com/en-us/security/blog/2026/09/03/ascii-smuggling-crosses-over-from-ai-prompt-injection-to-phishing-evasion/ (consulté le 14 novembre 2026)
- OWASP, « LLM01:2025 Prompt Injection », 10 avril 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (consulté le 14 novembre 2026)
- NCSC (Royaume-Uni), « ChatGPT and large language models: what's the risk? », 14 mars 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (consulté le 14 novembre 2026)
- arXiv, « Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection », 26 février 2026. https://arxiv.org/abs/2603.00164 (consulté le 14 novembre 2026)
- arXiv, « Bypassing LLM Guardrails: An Empirical Analysis of Evasion Attacks against Prompt Injection and Jailbreak Detection Systems », 15 avril 2025. https://arxiv.org/abs/2504.11168 (consulté le 14 novembre 2026)
- OWASP, « LLM Prompt Injection Prevention Cheat Sheet ». https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html (consulté le 14 novembre 2026)
Citer cet article
Brain, « Caractères Unicode invisibles : un texte qui cache des instructions à l'IA », Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp293_fr_2026,
author = {Brain},
title = {Caractères Unicode invisibles : un texte qui cache des instructions à l'IA},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/fr/articles/caracteres-unicode-invisibles-ia/},
note = {CC BY 4.0}
}