Un rapport préliminaire relie des requêtes d’agents sur Amap à l’infrastructure de Tencent Cloud

Une enquête préliminaire de Swarmchasers décrit des requêtes répétées d’agents d’IA au sujet des entrées empruntées pour se rendre dans des parcs, des musées, des zoos et des hôpitaux en Chine. Les chercheurs ont retracé des analyses publiques du 28 septembre au 4 octobre et découvert plusieurs tâches simultanées portant sur différents lieux répertoriés sur Amap. Ils ont également relevé des traces réseau pointant vers l’infrastructure de Tencent Cloud à Hong Kong. Les données ne révèlent ni qui a confié la tâche ni pourquoi.

Le grand changement

• Ce qui a changé : Les traces publiques des chercheurs montrent une tâche d’agents parallèles répartie sur de nombreux lieux cartographiés. Leur décompte atteint 216 lieux au 4 octobre. Les analyses publiques ne révèlent qu’une partie de l’activité.
• Pourquoi c’est important : Un service cartographique qui reçoit ce trafic peut voir des requêtes automatisées répétées sans savoir si elles proviennent d’une seule organisation, d’une évaluation ou d’un autre projet. Cette distinction compte lorsque les opérateurs examinent la charge et les habitudes d’accès, et lorsque le nom d’un fournisseur de cloud est associé à un incident.
• À surveiller : Les chercheurs annoncent un rapport complet à venir. La possibilité de relier les requêtes visibles à un opérateur, à une tâche et à des résultats complets déterminera jusqu’où interpréter ce cas au-delà des traces de trafic. Les éléments visibles étayent déjà une conclusion plus restreinte : des requêtes similaires ont été exécutées en parallèle, sans canal de communication observé entre les agents.

Ce que les chercheurs ont relevé

Swarmchasers a comptabilisé 2 048 rapports Amap dans son jeu de données du 28 septembre au 4 octobre, dont 1 810 le 4 octobre. Ici, un rapport désigne une fiche produite par urlquery, un service qui récupère une adresse Web soumise et publie les informations sur les requêtes générées. Les chercheurs ont dénombré 216 lieux Amap distincts. Leur analyse temporelle suggère que quatre à huit tâches étaient actives simultanément pendant une grande partie du 4 octobre, avec un pic à 14. Le rapport précise qu’un chevauchement apparent pourrait correspondre à un nombre inférieur d’agents rapides.

Les programmes visibles dans les données cherchaient les chiffres d’Amap sur la part des utilisateurs qui se rendent à chaque entrée d’un lieu. Le rapport recense deux tâches ayant extrait ces parts, dont une concernant le zoo de Chengdu. L’issue de nombreuses requêtes était ambiguë : une réponse considérée comme réussie par l’outil d’analyse pouvait aussi être une page CAPTCHA. Le rapport n’établit pas que chaque soumission a récupéré les chiffres recherchés.

La mise à jour des enquêteurs du 5 octobre indique que la dernière analyse Amap étiquetée est apparue ce jour-là à 04:11 UTC et qu’aucune autre n’apparaissait dans leurs données jusqu’à 08:46 UTC. Cette observation porte sur les analyses étiquetées visibles ; la tâche sous-jacente a pu se poursuivre ailleurs.

Ce qui pointe vers Tencent Cloud

Le lien le plus solide dans les éléments d’infrastructure du rapport est un ensemble de fiches de boîtes de réception publiques. Selon les chercheurs, 15 des 16 boîtes lisibles associées aux tâches Amap des 4 et 5 octobre ont été créées depuis des adresses Tencent Cloud. Le code des agents a envoyé des requêtes à ces boîtes depuis des adresses Tencent Cloud à Hong Kong, avec un en-tête de proxy nommé hysandbox-ats. Dans un exemple, le code a contacté une boîte avant que son adresse apparaisse dans les données d’analyse publique, ce qui étaye la conclusion des chercheurs selon laquelle le créateur et l’expéditeur appartenaient au même environnement de travail.

Ces éléments relient le code observé à une infrastructure. Ils n’établissent pas qui contrôlait les tâches. Tencent Cloud peut héberger d’autres clients, et le rapport note qu’un nom de proxy est déclaré par l’utilisateur. Certaines étiquettes d’analyse contenaient « claude », mais elles ne permettent pas d’identifier le modèle. Les chercheurs ont réalisé de petites comparaisons de modèles et estiment que le modèle Hy de Tencent correspond mieux ; aucune donnée qu’ils ont trouvée ne nomme le modèle ni ne mentionne un entraînement.

Le but et la coordination restent inconnus

Le rapport décrit de nombreux agents effectuant en parallèle un travail similaire pour chaque lieu. Ses auteurs n’ont trouvé ni accusé de lecture de boîte de réception, ni canal partagé, ni lien entre analyses, ni transmission de résultats entre lieux. Ils emploient donc le terme « flotte » pour désigner une activité parallèle et indiquent n’avoir trouvé aucune preuve de coordination. Des tâches similaires et des programmes copiés ne prouvent pas à eux seuls que les agents communiquaient.

Le but est tout aussi incertain. Des tentatives répétées sur un lieu pourraient correspondre à une évaluation, à la génération de tâches ou à un autre processus, mais les données publiques ne permettent pas de trancher. L’enquête montre des requêtes visant à obtenir des informations sur la part des entrées et deux extractions signalées. Elle ne fournit aucune preuve de collecte au-delà des informations recherchées dans ces requêtes. Elle ne prouve ni une opération dirigée par Tencent, ni une intention malveillante, ni un accès illégal.

Pour les opérateurs de services en ligne, ce cas illustre comment les traces publiques d’agents peuvent révéler le volume et les méthodes tout en laissant la responsabilité indéterminée. Pour les lecteurs, il est utile de distinguer un chemin réseau documenté d’une affirmation sur l’auteur de la commande. Le rapport complet promis par Swarmchasers, ou une déclaration d’une partie disposant d’informations directes, pourrait réduire cet écart.

Sources et lectures complémentaires

• Swarmchasers, « We found a Chinese agent fleet », rapport préliminaire daté du 4 octobre et mis à jour le 5 octobre 2026. L’enquête originale fournit les décomptes, les exemples, les traces réseau et les limites annoncées. Ses conclusions sont attribuées ici ; BIG CHANGE n’a pas reproduit l’analyse des requêtes ni examiné de journaux privés.