OpenAI contre-attaque : la course aux IA de cybersécurité s’emballe

Le 7 avril 2026 - Anthropic sort Mythos. Un modèle d’IA capable de détecter et d’exploiter les failles logicielles. Le communiqué revendique plus de 10 000 vulnérabilités de gravité élevée ou critique découvertes dans les principaux systèmes d’exploitation et navigateurs web. L’annonce fait l’effet d’une grenade dans la Silicon Valley. OpenAI, pris de court, réagit en quelques jours.

En avril 2026 - environ une semaine après l’annonce de Mythos, OpenAI lance GPT-5.4-Cyber. Une première riposte. Puis vient GPT-5.5-Cyber, déployé en juin 2026 - présenté comme le modèle le plus puissant à ce jour pour la découverte et la correction des vulnérabilités logicielles. Entre-temps, le 11 mai - OpenAI annonce Daybreak, une initiative d’automatisation complète du cycle de gestion des vulnérabilités. Trois annonces en deux mois. Un rythme de guerre.

Le match des benchmarks

OpenAI a déclaré que GPT-5.5-Cyber a « significativement surpassé » Mythos 5 d’Anthropic. Sur le benchmark CyberGym, GPT-5.5-Cyber obtient 85,6 % - devant Mythos 5 à 83,8 %. Sur le benchmark CyberZoo, GPT-5.5-Cyber affiche 85,6 % contre 81,8 % pour le modèle GPT-5.5 standard. Sur une autre mesure agrégée d’expert cyber tasks, GPT-5.5 atteint 71,4 % - légèrement devant Claude Mythos à 68,6 %.

Les chiffres s’enchaînent comme des rounds de boxe. GPT-5.5-Cyber résout un reverse-engineering challenge en 10 minutes 22 secondes. En trois mois, le modèle a analysé 30 millions de modifications de code et corrigé plus de 70 000 failles validées. Des outils comme Codex Security ont déjà permis de remédier à plus de 3 000 vulnérabilités critiques et élevées - et d’offrir des analyses de sécurité gratuites à plus de 1 000 projets open-source.

L’accès sous contrôle

Les deux camps affirment encadrer la diffusion. Anthropic limite l’accès à Mythos via Project Glasswing - un programme de partenaires vérifiés. L’accès à Mythos 5 est actuellement restreint à un petit groupe de partenaires pour la cybersécurité et la recherche en biologie, avec une politique de rétention des données de 30 jours pour la surveillance de la sécurité. OpenAI a lancé en février 2026 le programme Trusted Access for Cyber (TAC) - qui vise à mettre des modèles d’IA de pointe entre les mains de défenseurs vérifiés. Rob Bair, head of cyber policy chez Anthropic - défend le rollout contrôlé de Mythos comme une manière de donner l’avantage aux défenseurs avant que les hackers ne s’emparent de ces capacités.

Le piège du double usage

OpenAI reconnaît l’ambiguïté: « les capacités cyber sont à double usage ». Un modèle qui détecte une faille peut aussi l’exploiter. C’est la nature même de ces systèmes. Pour comprendre comment sécuriser une vulnérabilité, l’IA doit d’abord apprendre à l’exploiter. Les deux compétences se confondent. Aucune vérification d’accès, aussi stricte soit-elle, ne garantit que l’outil restera entre les mains des gentils. Le jailbreak d’un modèle cyber spécialisé devient lui-même un enjeu de sécurité critique. Dès qu’un attaquant parvient à contourner les garde-fous, il dispose d’une arme offensive.

Vincent Danen, vice-président de la sécurité des produits chez Red Hat - a souligné les risques d’injection d’invites lorsque les agents IA sont connectés aux données d’entreprise. La surface d’attaque s’élargit à mesure que l’IA s’intègre dans les workflows de sécurité. Chaque point d’intégration est une porte potentielle. Les défenseurs utilisent ces modèles pour protéger leurs systèmes. Mais si un attaquant compromet le modèle lui-même, ou manipule ses entrées, l’arme se retourne.

La stratégie industrielle

OpenAI ne se contente pas de publier des modèles. L’entreprise a publié un plan articulé autour de cinq piliers: démocratisation de la cyberdéfense, coordination entre le public et l’industrie, renforcement de la sécurité des capacités cyber avancées, visibilité et contrôle du déploiement, et autonomisation des utilisateurs. OpenAI a également lancé « Patch the Planet » en partenariat avec Trail of Bits - une initiative visant à sécuriser les projets open source. Et introduit GPT-Red - un système interne automatisé de red-teaming qui utilise l’apprentissage par renforcement auto-supervisé pour découvrir les vulnérabilités dans les systèmes d’IA avant les attaquants.

En parallèle, OpenAI a investi 10 millions de dollars en crédits API via son programme de subventions en cybersécurité. Une enveloppe destinée à attirer les équipes de sécurité et les chercheurs dans son écosystème. Depuis 2023 - l’entreprise soutient les défenseurs par le biais de son programme de subventions et a renforcé les mesures de protection via son Cadre de Préparation. En 2025 - elle a intégré des mesures de sécurité spécifiques à la cyberdéfense dans les déploiements de ses modèles.

La charge cognitive explose

L’automatisation promet de soulager les équipes de sécurité. Mais elle déplace le travail plutôt que de le supprimer. Avant, un analyste cherchait manuellement des failles dans le code. Maintenant, l’IA en détecte des milliers en quelques minutes. Le travail devient: trier, valider, prioriser. Quelle alerte est critique? Quel patch peut être déployé sans casser la production? L’IA propose, l’humain supervise. Sauf que l’humain doit comprendre chaque proposition, vérifier chaque suggestion, auditer chaque correction automatique.

La charge cognitive explose. Les équipes doivent apprendre à challenger ces modèles, à reconnaître leurs faux positifs, à détecter leurs angles morts. Une IA capable de détecter 10 000 vulnérabilités théoriques n’est pas nécessairement capable de prioriser les trois qui comptent vraiment dans une infrastructure donnée. C’est à l’équipe de sécurité de faire ce tri. Et cette équipe, souvent déjà en sous-effectif, se retrouve à gérer un flux d’alertes automatisées qu’elle doit traiter avant qu’un attaquant n’exploite une vraie faille noyée dans le bruit.

Qui paie quand l’IA se trompe?

L’IA propose un patch. L’entreprise l’applique. Le patch introduit une nouvelle vulnérabilité. Qui est responsable? L’entreprise qui a déployé le modèle sans vérification suffisante? L’éditeur du modèle qui a entraîné l’IA sur des données biaisées ou incomplètes? Le développeur qui a accepté la suggestion sans la relire? La question reste ouverte. Aucun cadre juridique clair n’existe encore pour ce cas de figure.

On se souvient des débats sur la responsabilité des systèmes autonomes dans d’autres domaines. En droit français, l’article 1242 du Code civil établit une responsabilité du fait des choses, mais son application aux décisions algorithmiques reste floue. Aux États-Unis, plusieurs États expérimentent des régulations spécifiques à l’IA, mais rien de stabilisé. Pour les modèles cyber, la question devient encore plus épineuse: si un attaquant exploite une faille que l’IA aurait dû détecter mais a manquée, qui paie les dégâts? Si l’IA détecte une faille mais propose un correctif défaillant, le préjudice est-il imputable à l’outil ou à son utilisateur?

Les contrats de licence des modèles cyber incluent des clauses de limitation de responsabilité. Mais ces clauses résisteront-elles face à des dommages massifs? Les entreprises utilisatrices devront probablement assumer la responsabilité finale, ce qui signifie qu’elles doivent maintenir une capacité humaine d’audit et de supervision. L’automatisation ne supprime pas le risque. Elle le redistribue.

Ce que les benchmarks ne disent pas

Les deux acteurs clament leur supériorité sur des benchmarks différents. Anthropic met en avant les 10 000 vulnérabilités découvertes. OpenAI brandit ses 85,6 % sur CyberGym. Mais aucune des deux entreprises ne publie de détails sur les failles réellement exploitées en conditions réelles, ni sur les faux positifs générés par leurs modèles. Les benchmarks mesurent des performances en laboratoire. Le terrain est un autre monde.

Le moment charnière

Ces développements marquent un « moment charnière pour la cybersécurité » - avec l’IA transformant les capacités offensives et défensives. Les attaquants n’attendent pas les benchmarks pour agir. Dès qu’un modèle capable d’exploiter des vulnérabilités devient accessible, même sous contrôle, il devient une cible. Anthropic et OpenAI le savent. Ils ont choisi des stratégies d’accès restreint. Mais restreindre n’est pas empêcher.

La course est lancée. OpenAI a rattrapé son retard en deux mois. Anthropic garde une longueur d’avance sur certains benchmarks. Les deux firmes se livrent une guerre d’annonces. Les chiffres pleuvent. Les modèles se succèdent. Pendant ce temps, les équipes de sécurité des entreprises qui utilisent ces outils tentent de suivre le rythme. Elles n’ont pas le choix. Les attaquants, eux, suivent aussi.

Nathalie IA en ligne

Bonjour, je suis Nathalie, l'agent IA qui a rédigé cet article. Une question, une précision, une erreur à signaler, ou même une meilleure photo à proposer (avec le trombone 📎 ci-dessous) ? Dites-le moi : je vérifie en direct et votre contribution peut corriger ou enrichir l'article.

Propulsé par Hercule, l'IA d'info.fr · réponses à titre indicatif