OpenAI publie un modèle réservé au travail de sécurité autorisé, avec moins de refus sur ce terrain et un accès contrôlé. Les scores progressent, mais de quelques points seulement.
GPT-6 Cyber, un dérivé de GPT-6 Astra pour le travail autorisé
La fiche publiée le 5 novembre décrit un modèle spécialisé, pas un nouveau modèle général. GPT-6 Cyber reprend GPT-6 Astra et ajoute un entraînement orienté vers trois tâches : trouver une vulnérabilité, écrire l'exploit qui la déclenche, et tester une application web dans un cadre autorisé.
OpenAI précise que ce travail ne supprime pas les garde-fous. Les refus restent en place hors du domaine de la cybersécurité, et le modèle doit rester dans le périmètre que l'utilisateur est autorisé à tester. C'est la promesse du produit, et il faudra la relire à l'usage.
Dans le cadre Preparedness de l'entreprise, le classement est identique à celui d'Astra : Critical en cybersécurité, High pour le risque biologique et chimique, sous le seuil High pour l'amélioration autonome.
Moins de cyber refusals, mais des refus qui restent
Le changement le plus concret concerne le comportement. Sur l'évaluation interne des refus, GPT-6 Cyber termine 100 % des tâches d'assistance générale en sécurité et de correction de vulnérabilités, 96 % des tâches de développement d'exploit et 97 % des tâches de red team.
Ces chiffres disent une chose simple : un analyste qui demande de l'aide sur un correctif n'est plus bloqué par un message d'excuse. Ils ne disent pas que le modèle accepte tout. Les cyber refusals baissent sur le terrain autorisé, et OpenAI indique qu'ils sont préservés ailleurs.
La formulation mérite attention, parce qu'elle déplace la responsabilité. Ce n'est plus le modèle qui décide seul si une demande est légitime, c'est le programme d'accès qui vérifie qui parle.
ExploitGym, SEC-Bench Pro, SRE-Bench : des gains de quelques points
Les chiffres de performance sont publics, et leur taille compte autant que leur valeur. Sur chaque suite, l'écart avec GPT-6 Astra se compte en points, pas en multiplication.
Banc d'essai | GPT-6 Cyber | GPT-6 Astra |
|---|---|---|
ExploitGym | 48,45 % | 42,43 % |
ExploitGym Hardened | 36,94 % | 29,69 % |
SEC-Bench Pro | 87,02 % | 85,38 % |
SRE-Bench | 92,84 % | 87,98 % |
ExploitBench | 42 % | 39 % |
ExploitGym mesure la capacité à exploiter une vulnérabilité donnée sur une cible distante, et sa variante Hardened ajoute des protections comme la randomisation d'adresse, les canaris de pile, le bac à sable de V8 et des configurations de noyau plus strictes. SEC-Bench Pro teste la découverte de failles dans de grands moteurs JavaScript, dont V8 et SpiderMonkey. SRE-Bench porte sur la rétro-ingénierie de binaires, avec six objectifs.
ExploitBench, portage interne évalué entre juin et août 2026 sur des failles récemment divulguées, mesure un taux moyen de succès d'exécution de code arbitraire : 42 % pour Cyber, 39 % pour Astra.
Le seul écart qui sort du lot est celui d'ExploitGym Hardened, environ sept points. Ailleurs, on parle de deux à cinq points. Ce n'est pas une rupture de capacité. C'est un ajustement.
Daybreak Red : identité vérifiée, SSO, MFA, IP filtrées
L'accès ne se fait pas par un formulaire public. OpenAI passe par un programme appelé Daybreak Red, avec vérification d'identité, restrictions d'usage et exigences de sécurité côté organisation : authentification unique, authentification multifacteur et liste blanche d'adresses IP pour l'API.
Les clients qui utilisent l'API en rétention zéro doivent en général passer par Private Safety Processing, un dispositif d'examen automatisé des requêtes. Autrement dit, la confidentialité des données et la surveillance de sécurité se règlent dans le même contrat.
Ce montage explique le débat sur les refus. Il ne se termine pas avec la fiche technique. Un modèle qui refuse moins devient sûr ou dangereux selon la porte d'entrée, et la porte est ici administrative.
La même capacité répare et attaque
La tension est dans la nature du produit, et OpenAI ne la cache pas. Le modèle qui repère une faille dans un moteur JavaScript est aussi celui qui écrit l'exploit correspondant. Ce sont deux étapes du même raisonnement, avec la même connaissance du code.
Pour une équipe défensive, l'intérêt est évident : un correctif proposé en quelques minutes sur une faille critique change le délai de réponse. Pour une équipe offensive, l'intérêt est identique, et c'est le cadre juridique qui fait la différence entre un audit et une attaque.
En France, un test d'intrusion suppose un contrat et une autorisation écrite du client. Le modèle ne change pas cette règle. Il la rend plus rapide à exécuter.
Ce que le système de sécurité ne dit pas
La fiche ne donne aucun prix, aucun quota et aucune date de disponibilité générale. Elle ne dit pas combien de vulnérabilités le modèle a trouvées dans tel ou tel logiciel, et l'omission est volontaire : ce genre de chiffre circule vite hors contexte.
Elle ne mentionne pas de résultat d'évasion de bac à sable ou de machine virtuelle, et il ne faut donc pas en inventer. Elle ne décrit pas non plus un accès ouvert aux organisations qui ne travaillent pas dans la cybersécurité.
Rien de tout cela.
Un point est documenté : OpenAI a travaillé avec le centre de la NIST consacré aux normes pour la superintelligence, et confié des évaluations externes à Irregular. Ces éléments donnent un cadre, pas une garantie.
Pour une équipe sécurité en France, l'accès avant tout
Pour un responsable sécurité en France, la question n'est pas de gagner quatre points. Elle est de savoir si l'organisation peut entrer dans Daybreak Red, avec les contraintes que cela suppose : identité vérifiée, authentification unique, adresses IP déclarées.
Les grandes entreprises ont déjà ces briques. Une PME de dix personnes, non.
Combien de temps une PME peut-elle y consacrer ? C'est là que l'écart se creuse, et il ne se voit pas dans un tableau de scores.
Le second point est réglementaire. Envoyer des extraits de code client à un modèle hébergé aux États-Unis demande une analyse RGPD, et les avis de l'ANSSI sur les services cloud étrangers pèsent dans la décision. Un modèle qui trouve des failles plus vite ne dispense pas de ce travail.
La bonne lecture de cette publication tient donc en une phrase : la capacité progresse doucement, l'accès se resserre vraiment. Les équipes qui comptaient sur un outil grand public devront passer par une procédure, et celles qui ont déjà les moyens techniques y gagneront du temps sur les correctifs.
