Maltego est un outil utilisé pour explorer et représenter des relations entre entités numériques comme des domaines, adresses IP, emails ou comptes en ligne. Il s’appuie sur une logique de graphes où chaque information devient un nœud relié à d’autres. L’intérêt principal est de visualiser des connexions invisibles à première vue et de reconstruire des réseaux à partir de données publiques ou accessibles via des API.
📌 Poser un point de départ avant de dérouler le graphe
Tout travail dans Maltego commence par une entité initiale appelée “seed”. Il peut s’agir d’un nom de domaine, d’une adresse email, d’une IP ou même d’un identifiant social. Cette première information sert de base à toutes les recherches suivantes.
Une fois l’entité placée sur le canevas, elle devient un point actif du graphe. À partir de là, l’outil permet de lancer des requêtes appelées transforms, qui vont interroger des sources externes et générer de nouvelles entités liées.
Le choix du point de départ influence directement la richesse du graphe. Un domaine bien structuré peut faire apparaître une infrastructure complète, tandis qu’un email isolé peut ouvrir sur des comptes associés ou des services utilisés.
A lire aussi: Les 18 meilleurs outils OSINT en ligne pour des recherches efficaces
🔄 Déclencher les transforms pour faire émerger les connexions
Les transforms sont le cœur de Maltego. Ils fonctionnent comme des requêtes automatisées vers des bases de données publiques ou des services spécialisés. Chaque clic sur une entité permet de lancer des actions comme la recherche de sous-domaines, d’adresses IP associées ou de serveurs de messagerie.
Ces transformations ne sont pas limitées à un seul niveau. Chaque nouvelle entité générée peut elle-même être explorée, créant une expansion progressive du graphe. Cette logique permet de passer d’un élément simple à une structure complète en plusieurs couches.
Par exemple, un domaine peut révéler des IP, qui révèlent ensuite des hébergements, puis des certificats SSL, puis d’autres domaines liés sur le même serveur. Le graphe devient alors une représentation dynamique de l’infrastructure numérique étudiée.
🧩 Structurer les données pour éviter un graphe illisible
Lorsque les transformations s’enchaînent, le graphe peut rapidement devenir dense. Maltego propose plusieurs modes d’organisation pour rendre la lecture plus fluide.
Les vues permettent de modifier la disposition des entités : hiérarchique, circulaire ou en blocs. Chaque mode répond à un objectif différent. La vue hiérarchique met en avant les relations de dépendance, tandis que la vue circulaire aide à repérer les connexions répétées entre entités.
Le filtrage joue aussi un rôle important. Il devient possible de masquer certains types de données, de mettre en avant uniquement les IP ou de se concentrer sur les emails. Cette sélection permet de garder une lecture exploitable même sur des graphes très étendus.
⚙️ Automatiser les recherches avec les Machines
Les Machines dans Maltego regroupent plusieurs transforms en séquences automatisées. Elles permettent d’exécuter des chaînes complètes d’analyse sans intervention manuelle à chaque étape.
Une Machine peut par exemple prendre un domaine et lancer automatiquement la recherche de sous-domaines, puis des IP associées, puis des certificats liés, et enfin les relations entre tous ces éléments. Cette automatisation permet de gagner du temps et d’obtenir rapidement une cartographie initiale.
Certaines Machines sont déjà prêtes dans l’outil, d’autres peuvent être personnalisées selon les besoins. Elles sont particulièrement utiles pour les analyses répétitives ou les investigations sur plusieurs cibles similaires.
🌐 Enrichir les graphes avec des sources externes
Maltego ne se limite pas à ses fonctions internes. Il s’appuie sur un système de Transform Hub qui permet d’ajouter des connecteurs vers des services externes.
Ces intégrations incluent des bases comme VirusTotal, Shodan ou Censys. Elles permettent d’obtenir des informations plus techniques comme les vulnérabilités connues, les ports ouverts ou les historiques de domaine.
Voici une lecture simplifiée des types de sources utilisées :
| Type de source | Informations récupérées |
| DNS | Sous-domaines, enregistrements |
| IP | Localisation, hébergeur |
| Certificats | Domaines associés, sécurité |
| Services externes | Historique, réputation |
Chaque source enrichit le graphe et ajoute une couche de lecture supplémentaire sur l’infrastructure étudiée.
🧠 Lire un graphe comme une structure vivante
Une fois les données générées, l’analyse repose sur la lecture des connexions. Les entités les plus connectées deviennent souvent des points centraux dans le réseau. Ces nœuds peuvent représenter des serveurs principaux, des services mutualisés ou des points d’entrée critiques.
Les liens entre entités montrent les relations directes ou indirectes. Une IP reliée à plusieurs domaines peut indiquer une infrastructure partagée. À l’inverse, un domaine isolé peut signaler une structure indépendante ou récente.
L’intérêt de cette lecture est de passer d’une liste d’informations à une vision structurée des relations. Le graphe devient une carte dynamique où chaque lien apporte une information supplémentaire.
A voir également: Dropizi : est ce un bon choix pour créer votre boutique en dropshipping ?
🔍 Identifier les zones denses et les points sensibles
Lorsqu’un graphe devient volumineux, certaines zones apparaissent plus denses que d’autres. Ces zones regroupent plusieurs entités fortement interconnectées.
Ces concentrations peuvent révéler des infrastructures complexes, des réseaux de services ou des regroupements techniques. En isolant ces zones, il devient possible de comprendre comment les données circulent entre les différents éléments.
Les points fortement connectés sont souvent les plus stratégiques dans une analyse. Ils permettent de remonter rapidement vers les éléments structurants du réseau étudié.
🧪 Transformer une recherche simple en cartographie complète
Le passage d’une entité unique à une cartographie complète repose sur une logique progressive. Chaque transformation ajoute une couche supplémentaire d’information.
Un simple domaine peut ainsi évoluer vers une représentation comprenant :
- des sous-domaines liés
- des serveurs d’hébergement
- des adresses IP actives
- des services externes connectés
- des comptes associés
Cette progression permet de reconstruire un environnement numérique sans avoir accès direct à ses systèmes internes.
📊 Organiser la lecture pour exploiter les résultats
Une fois la cartographie obtenue, l’objectif est de structurer la lecture. Maltego permet d’exporter les graphes ou de les filtrer selon des critères précis.
Les entités peuvent être regroupées par type, par relation ou par niveau de profondeur. Cette organisation facilite la compréhension globale du réseau étudié et permet d’extraire des informations exploitables.
Le travail ne consiste pas seulement à générer des données, mais à les organiser pour en dégager une structure lisible et exploitable dans une analyse ultérieure.
