DeepSeek : une base ouverte a exposé plus d’un million de journaux sensibles

Une conversation avec un assistant d’intelligence artificielle peut contenir bien plus qu’une simple question. Brouillons de documents, extraits de code, informations liées au travail ou éléments de la vie privée : ces échanges deviennent vite sensibles. C’est ce qui rend particulièrement préoccupante l’exposition d’une base de données de DeepSeek, repérée fin janvier 2025 par des chercheurs de la société de cybersécurité Wiz.

La base était accessible depuis Internet sans authentification. Selon Wiz, cette configuration permettait de consulter plus d’un million d’entrées de journaux, dont des historiques de conversations entre des utilisateurs et l’assistant de DeepSeek, des clés secrètes et des informations techniques sur le fonctionnement interne du service. DeepSeek a ensuite sécurisé l’accès signalé.

L’épisode mérite toutefois d’être décrit avec précision. Une base ouverte au public constitue une exposition grave de données. En revanche, les informations rendues publiques à ce stade ne permettent pas d’affirmer qu’un acteur malveillant a effectivement copié ou utilisé l’ensemble de ces données avant la fermeture de l’accès. Cette nuance ne diminue pas le risque : elle distingue une vulnérabilité avérée d’un vol de données dont l’ampleur resterait à établir.

Ce que les chercheurs ont découvert chez DeepSeek

Les équipes de Wiz ont identifié une instance de ClickHouse, un système de gestion de bases de données conçu pour traiter rapidement de grands volumes de données. Deux serveurs associés à des sous-domaines de DeepSeek répondaient sur le port habituellement employé par ClickHouse, le port 9000, sans demander d’identifiants.

Dans une architecture correctement protégée, une telle base ne devrait être accessible qu’aux services et aux personnes autorisés. Ici, l’absence d’authentification ouvrait l’accès aux données qu’elle contenait et, d’après Wiz, permettait aussi de réaliser des opérations complètes sur la base. Le problème ne se limitait donc pas à l’affichage involontaire d’un fichier : il concernait un système de stockage directement exposé.

Le chiffre de plus d’un million doit être compris avec prudence. Il désigne des entrées de journal, c’est-à-dire des lignes ou événements enregistrés par les systèmes, et non un décompte confirmé d’utilisateurs touchés. Une même personne peut générer plusieurs entrées au cours d’une conversation ou de plusieurs requêtes.

Exposition de données et vol confirmé : quelle différence ?

Le titre de « compromission » peut recouvrir des réalités différentes en cybersécurité. Lorsqu’une base est laissée ouverte, des données sont exposées et peuvent être consultées par quiconque trouve l’adresse du service. Cela suffit à créer un incident sérieux, car l’entreprise ne maîtrise plus l’accès à des informations potentiellement confidentielles.

Mais établir qu’il y a eu exfiltration, c’est-à-dire copie effective des données par un tiers, demande généralement des éléments supplémentaires : journaux d’accès fiables, traces de téléchargement, revendication crédible d’un groupe criminel ou mise en vente de données. Au 31 janvier 2025, les éléments rapportés dans cette affaire confirment l’accessibilité publique de la base et les données visibles aux chercheurs, sans documenter publiquement l’existence d’un vol malveillant à grande échelle.

Cette distinction est essentielle pour les utilisateurs. Elle évite deux écueils : minimiser l’ouverture d’une base sous prétexte qu’aucun pirate n’a été identifié, ou affirmer sans preuve que toutes les conversations ont été dérobées. Dans les deux cas, l’entreprise concernée doit traiter l’exposition comme un incident de sécurité majeur.

Pourquoi des conversations avec une IA sont-elles sensibles ?

Un assistant conversationnel n’est pas seulement un moteur de recherche. Les utilisateurs peuvent lui confier des textes à corriger, demander une aide à la programmation, résumer des notes, préparer un courrier ou discuter d’un sujet personnel. Le niveau de sensibilité dépend donc de l’usage de chacun, mais la nature même du service favorise la concentration de contenus variés dans les historiques.

Les données repérées par Wiz comprenaient des historiques de conversations. Leur exposition peut présenter plusieurs risques :

• la révélation d’informations personnelles si elles ont été saisies dans les requêtes ;
• la divulgation de contenus professionnels, tels que des projets, procédures internes ou extraits de documents ;
• l’exploitation de détails contextuels pour construire des messages d’hameçonnage plus convaincants ;
• la perte de confidentialité de questions que l’utilisateur pensait réservées à son échange avec l’assistant.

Les clés secrètes mentionnées dans les données exposées représentent un autre enjeu. Dans les systèmes informatiques, une clé peut permettre à une application de s’identifier auprès d’un service, d’accéder à une interface technique ou de signer certaines requêtes. Le risque réel dépend de la validité de ces clés, de leurs droits et de leur éventuelle révocation. Leur simple présence dans une base accessible publiquement impose néanmoins de les considérer comme potentiellement compromises et de les renouveler.

Les métadonnées techniques, elles, peuvent sembler moins directement personnelles. Pourtant, elles peuvent renseigner sur la structure d’un service, ses requêtes, son fonctionnement interne ou les outils qu’il utilise. Mises bout à bout, ces informations peuvent faciliter de futures attaques.

ClickHouse n’est pas en cause, la configuration l’est

ClickHouse est une base de données très utilisée pour l’analyse de données et la gestion de grands volumes de journaux. Les entreprises s’en servent notamment pour suivre les performances d’un service, comprendre son utilisation ou analyser des événements techniques. Sa présence dans l’infrastructure de DeepSeek n’a donc rien d’exceptionnel.

L’incident illustre plutôt un principe fondamental de cybersécurité : une technologie robuste ne protège pas une organisation si elle est mal configurée. Une base stockant des conversations et des secrets devrait cumuler plusieurs protections, parmi lesquelles :

• un accès limité au réseau interne ou à des réseaux privés ;
• une authentification forte pour chaque accès administratif ou applicatif ;
• des droits restreints selon le principe du moindre privilège ;
• une séparation entre les environnements de développement, de test et de production ;
• une surveillance des accès inhabituels et une vérification régulière des services exposés sur Internet.

Ces précautions ne sont pas propres à l’intelligence artificielle. Elles concernent toute plateforme qui collecte des données. Toutefois, les applications d’IA générative accentuent l’enjeu : elles invitent naturellement les utilisateurs à saisir du texte libre, parfois sans mesurer la sensibilité des informations qu’ils transmettent.

Ce que DeepSeek a corrigé, et les questions qui demeurent

Après le signalement de Wiz, DeepSeek a sécurisé la vulnérabilité. Fermer l’accès public constitue l’action immédiate indispensable : elle empêche de nouvelles consultations non autorisées par le même chemin.

Plusieurs questions restent néanmoins importantes pour évaluer pleinement les conséquences de l’incident. Les informations disponibles ne détaillent pas publiquement la période exacte pendant laquelle la base est restée exposée, ni l’existence éventuelle de consultations antérieures par des tiers. Elles ne permettent pas non plus de déterminer quels utilisateurs seraient concernés, quelles conversations auraient pu être vues et si toutes les clés éventuellement exposées ont été remplacées.

Dans un incident de ce type, la réponse technique ne se résume pas à fermer un port. L’entreprise doit normalement cartographier les données concernées, analyser les traces disponibles, vérifier que les secrets exposés ne sont plus utilisables, prévenir les personnes ou organismes compétents lorsque cela est nécessaire, puis corriger durablement les processus ayant conduit à l’exposition.

La transparence compte également. Pour les utilisateurs, une communication claire doit expliquer ce qui est connu, ce qui ne l’est pas encore, les mesures prises et les précautions à adopter. Sans ces éléments, il est difficile de mesurer son propre niveau de risque.

Que peuvent faire les utilisateurs de DeepSeek et des autres assistants IA ?

Cette affaire ne signifie pas que chaque échange avec une IA sera nécessairement rendu public. Elle rappelle en revanche qu’aucun service en ligne ne doit être considéré comme un coffre-fort absolu, surtout lorsqu’il traite des textes riches en informations contextuelles.

Les utilisateurs peuvent adopter quelques réflexes simples :

• éviter de copier dans un assistant des mots de passe, clés d’accès, numéros de documents, données bancaires ou informations médicales identifiantes ;
• retirer ou anonymiser les noms, coordonnées et éléments confidentiels d’un texte avant de le soumettre à une IA ;
• séparer les usages personnels et professionnels, en respectant les règles de son employeur ou de son organisation ;
• rester attentif aux courriels ou messages inattendus qui utiliseraient des détails personnels connus, signe possible d’hameçonnage ciblé ;
• consulter les paramètres de confidentialité et les conditions de traitement des données du service employé.

Il est aussi préférable de ne pas réutiliser le même mot de passe sur plusieurs services. Cette recommandation générale reste pertinente après toute alerte de sécurité, même si l’exposition signalée chez DeepSeek concerne des journaux, des conversations et des clés secrètes, pas une liste confirmée de mots de passe d’utilisateurs.

Quelles implications pour la protection des données en Europe ?

Pour les personnes situées dans l’Union européenne, les historiques de conversations peuvent relever de la notion de données personnelles dès lors qu’ils permettent d’identifier directement ou indirectement quelqu’un. Le Règlement général sur la protection des données, le RGPD, impose aux organisations de mettre en place des mesures de sécurité adaptées aux risques liés aux traitements qu’elles réalisent.

Une base contenant des conversations et accessible sans authentification pose donc une question évidente de conformité. Mais l’application précise des règles dépend de plusieurs facteurs : le rôle de DeepSeek dans le traitement des données, les utilisateurs concernés, les données effectivement exposées, les mesures prises et l’éventuelle constatation d’un accès non autorisé. Seule une analyse des autorités compétentes pourrait qualifier juridiquement la situation et ses suites éventuelles.

Au-delà du cas DeepSeek, l’affaire survient dans un contexte où les services d’IA se diffusent rapidement auprès du grand public. Leur promesse est de simplifier l’écriture, la recherche et l’analyse. Cette facilité ne doit pas faire oublier qu’ils reposent sur une chaîne technique complète, dans laquelle la protection des données est aussi déterminante que les performances du modèle.

Ce qu’il faut surveiller après cette exposition

Dans les prochaines semaines, les éléments les plus utiles seront ceux qui préciseront l’étendue réelle de l’exposition : durée de la configuration ouverte, nature exacte des données concernées, éventuels accès extérieurs identifiés et mesures de remédiation mises en place. Une éventuelle information des utilisateurs concernés serait également un indicateur important de transparence.

Pour DeepSeek comme pour l’ensemble du secteur, l’enjeu dépasse la correction d’un serveur mal configuré. Les fournisseurs d’IA devront démontrer que leur croissance, leurs nouveaux modèles et leurs interfaces grand public s’accompagnent de pratiques de sécurité à la hauteur des données qu’ils collectent. La confiance dans un assistant IA ne se joue pas seulement dans la qualité de ses réponses : elle se joue aussi dans sa capacité à protéger ce que les utilisateurs lui confient.