Modèles

GPT-6 Cyber : OpenAI annonce 81 failles inédites dans Firefox

OpenAI a présenté le 5 novembre un modèle dérivé de GPT-6 Astra, entraîné à trouver des failles, à écrire l'exploit et à proposer le correctif. Mozilla a accepté les rapports sur Firefox. Pour le reste, tous les chiffres viennent de l'entreprise.

Julien MartinJulien Martin
Popularité : 1,580
Bouclier abstrait bleu acier sur des lignes de balayage

OpenAI a présenté le 5 novembre un modèle dérivé de GPT-6 Astra, entraîné à trouver des failles, à écrire l'exploit et à proposer le correctif. Mozilla a accepté les rapports sur Firefox. Pour le reste, tous les chiffres viennent de l'entreprise.

Ce que GPT-6 Cyber a réellement trouvé dans Firefox

La démonstration la plus solide d'OpenAI ne tient pas dans un tableau de scores. Elle tient dans un carnet de correctifs.

Le 5 novembre, OpenAI a dévoilé GPT-6 Cyber, un dérivé de GPT-6 Astra entraîné à chercher des vulnérabilités, à écrire l'exploit qui les déclenche et à proposer la correction. Sur Firefox, le modèle a signalé 81 failles graves que personne n'avait documentées. Mozilla a accepté les rapports et publié des correctifs. Trente problèmes déjà connus ont aussi été reclassés à un niveau de gravité supérieur après son passage.

Une faille mal évaluée reste ouverte plus longtemps, parce que personne ne juge urgent de la corriger. Les 81 autres, elles, sont déjà corrigées.

Une limite s'impose : la liste, les scores et les coûts viennent d'OpenAI, et aucun laboratoire extérieur n'a reproduit l'exercice. Mozilla confirme avoir reçu des signalements exploitables. Le reste est une déclaration d'éditeur.

Le noyau Linux, où GPT-6 Cyber a signé 948 exploits

Le noyau Linux sert de test de résistance : immense, public, surveillé par des milliers de contributeurs. OpenAI y a lancé la même campagne.

Le modèle a reproduit 1 724 vulnérabilités existantes, puis en a tiré un exploit fonctionnel dans 948 cas, contre 166 pour GPT-5.6 Sol placé dans les mêmes conditions. Pour 304 conclusions critiques, des correctifs ont été transmis aux mainteneurs.

Un exploit qui fonctionne est un objet vérifiable. Il plante le noyau, ou il ne le plante pas, et personne ne discute un plantage reproductible. Voilà pourquoi ce chiffre compte.

Éclaireurs et analystes : la mécanique de GPT-6 Cyber

Un modèle seul ne parcourt pas un noyau pareil. OpenAI décrit une chaîne d'agents, avec des éclaireurs qui repèrent les zones sensibles, des analystes qui trient les pistes, puis une confirmation dans des machines virtuelles isolées.

La couverture mérite d'être lue de près. Environ 5 034 emplacements liés à la sécurité ont été scannés, soit à peu près 7 % du code. 2 308 candidats en sont sortis. Le reste n'a pas été regardé, et OpenAI ne prétend pas le contraire.

La facture donne la mesure de l'effort : 1 213 430 dollars de calcul pour la campagne, soit environ 1 279 dollars par exploit. Les primes de Pwn2Own ou de TyphoonPWN paient entre 20 000 et 70 000 dollars pour une trouvaille comparable. La comparaison flatte le modèle, mais elle est bancale, puisque ces primes récompensent une faille inédite quand la campagne Linux portait sur des vulnérabilités déjà répertoriées.

Les garde-fous de GPT-6 Cyber, testés sur un pot de miel

Le modèle écrit des exploits, donc la question du cadre s'est posée avant. OpenAI raconte avoir construit un pot de miel, un système leurre sans usage légitime, pour apprendre au modèle à rester dans son périmètre. L'idée vient d'un incident survenu chez Hugging Face.

Les chiffres de conformité sont élevés. Sans consigne de sécurité supplémentaire, le modèle est resté dans les limites dans 99,93 % des cas, contre 94,49 % pour son prédécesseur. Avec des consignes explicites, le taux atteint 100 %.

Ces mesures valent ce que valent les tests d'un éditeur sur son produit. Elles disent au moins une chose : le comportement n'est pas laissé au hasard. Dans le cadre Preparedness, GPT-6 Cyber est classé « Critical » en cybersécurité, comme GPT-6 Astra. Ce classement déclenche des contrôles renforcés, pas une interdiction.

ExploitGym, le banc d'essai maison du modèle

Un modèle de cybersécurité d'OpenAI a besoin d'une échelle de comparaison. ExploitGym joue ce rôle : le modèle doit y produire un exploit qui fonctionne, dans un environnement fermé.

Banc d'essai

GPT-6 Cyber

GPT-5.6 Cyber

GPT-6 Astra

ExploitGym

48,5 %

32,1 %

42,4 %

Applications web sans code source

40,3 %

non publié

32,0 %

Aucune vérification externe.

Aucun de ces chiffres n'a été reproduit hors d'OpenAI, et le 0,0 % obtenu par GPT-6 Astra avec garde-fous ne signifie pas que le modèle en est incapable. Il signifie que les protections l'empêchent de répondre, et que le score tombe à zéro.

Qui peut utiliser GPT-6 Cyber ? Daybreak Red, sur invitation

L'accès passe par l'API et par Codex, pour une sélection de clients Daybreak Red, le programme réservé aux équipes de sécurité défensive.

L'ouverture est progressive. GPT-5.6 Cyber devient disponible pour tous les membres de Daybreak Red en même temps que cette annonce. L'accès alpha à Daybreak Blue, qui donne droit à GPT-6 Astra, s'élargit à davantage d'organisations et de chercheurs indépendants. Aucun tarif au siège n'a été publié, et OpenAI ne parle pas de version grand public.

L'entreprise liste les contre-mesures du déploiement : vérification des droits réels de l'utilisateur, surveillance des vulnérabilités récemment publiées, traitement de sécurité privé, limitation par adresse IP, environnements isolés avec supervision humaine. Les centrales électriques et les usines d'eau figurent parmi les priorités. Deux programmes : Daybreak for Frontline Defenders et Daybreak Red for Critical Infrastructure.

Ce que GPT-6 Cyber change pour une équipe sans accès

Vous ne verrez probablement jamais l'interface, ce qui ne dispense pas de suivre la publication.

Le premier effet porte sur la cadence : une faille qui demandait trois semaines d'analyse peut désormais être décrite, exploitée puis corrigée en quelques jours de calcul, ce qui déplace le goulot d'étranglement du savoir-faire vers la vitesse à laquelle les correctifs arrivent. Les attaquants n'ont pas besoin de ce modèle pour cela, puisqu'Epoch AI a montré qu'un modèle ouvert comme GLM pouvait exploiter une faille Firefox connue mais non corrigée.

Le verrou n'est plus la compétence. Il est le temps.

En France, cela se traduit par deux réflexes. Suivre les avis du CERT-FR et de l'ANSSI, qui publient les vulnérabilités réellement exploitables, plutôt que d'attendre la lettre d'information d'un éditeur. Et demander à son hébergeur, OVHcloud ou un autre, quel délai il applique entre un avis critique et le redémarrage des machines.

Combien de temps votre équipe met-elle réellement à appliquer un correctif critique ? Pour une PME française, la réponse compte davantage que l'accès au modèle.

Ce que la démonstration rend visible tient en une variable : le temps entre la publication d'une faille et son correctif. Si vous ne retenez qu'un chiffre de la semaine, prenez celui de votre propre délai de correction.

Partager cet article

Sources

Actualités liées à l’IA

Une fenêtre de terminal avec une courbe de récompense ascendante et un badge 27B à côté
Modèles

RadixArk double le score Terminal-Bench 4.1 de Qwen3.8-27B

RadixArk publie DaisyRose-27B, un Qwen3.8-27B réentraîné par renforcement sur des tâches d'agents longues. Le gain est net, le score absolu reste bas, et l'argument réel porte sur le coût par point gagné.

Popularité : 1,330
Le contour d'un ordinateur portable avec trois feuilles de couches empilées qui traversent une flèche en boucle
Modèles

Inkling 2 Mini : 24 couches qui en valent 48 sur un portable

Thinking Machines Lab repasse trois fois par les mêmes couches pour faire raisonner un modèle de 27 milliards de paramètres. Le résultat tient sur un portable, à condition d'accepter ce qu'une boucle ne sait pas faire.

Popularité : 1,710
Une longue forme d'onde audio bleu-vert avec une seule barre orange sur fond sombre
Modèles

Rumble-2-Flash : 500 millions de paramètres qui tiennent tête à un modèle géant

Reson8 publie un modèle de reconnaissance vocale de 500 millions de paramètres qui arrive à un dixième de point d'un modèle soixante fois plus gros sur de vrais appels téléphoniques. Reste à savoir ce que vous abandonnez en échange.

Popularité : 560
Trois anneaux néon en orbite autour d'un petit noyau lumineux sur fond bleu profond
Modèles

Gemini 4 Neon arrive dans l'application, et le sélecteur perd deux noms

Google remplace Gemini 4 Argon par un modèle qu'il présente comme proche de Gemini 4 Carbon, pour un coût par tâche plus bas. Voici ce que cela change dans l'application, et ce que les chiffres de Google couvrent vraiment.

Popularité : 1,500