Un modèle conçu pour la cybersécurité autorisée
OpenAI a dévoilé GPT-6 Cyber, un modèle spécialisé dans la cybersécurité, destiné à la recherche de vulnérabilités, au développement d’exploits, aux tests d’intrusion web, au durcissement de correctifs et à la vérification des réparations . L’entreprise ne le présente pas comme un outil grand public, mais comme une capacité contrôlée pour des défenseurs vérifiés et des chercheurs autorisés au sein de son programme Daybreak .
La promesse est forte: GPT-6 Cyber peut trouver des vulnérabilités, déterminer si elles sont exploitables, générer des preuves de concept dans des environnements contrôlés et aider à produire des correctifs candidats . OpenAI affirme que le modèle est déjà utilisé sur des logiciels réels, notamment Linux et Firefox, où il a contribué à valider de nombreux résultats de sécurité et à découvrir des failles jusque-là inconnues .
Cette annonce marque un changement d’échelle. Les modèles de code précédents pouvaient aider à relire un patch, repérer une portion de code suspecte ou accélérer l’analyse d’un chercheur humain. GPT-6 Cyber est présenté comme un système plus agentique, capable de poursuivre des tâches longues, de reproduire des plantages, de tester des hypothèses, de raisonner sur l’exploitabilité et d’itérer jusqu’à obtenir un exploit fonctionnel ou un correctif plausible .
C’est pourquoi OpenAI classe GPT-6 Cyber au niveau “Critical” pour les capacités de cybersécurité dans son Preparedness Framework, alors que GPT-5.6 Cyber était classé “High” . Reuters a rapporté que le modèle a été publié le 5 novembre 2026 pour un petit groupe de clients vérifiés, avec l’objectif de trouver, exploiter et corriger des failles avant que des attaquants ne le fassent .
Ce que GPT-6 Cyber apporte
OpenAI affirme que GPT-6 Cyber dépasse nettement le modèle cyber précédent dans plusieurs évaluations. Sur ExploitGym, un benchmark qui mesure la capacité d’un modèle à exploiter une vulnérabilité donnée sur une cible distante, GPT-6 Cyber atteint 48,5%, contre 32,1% pour GPT-5.6 Cyber . OpenAI présente ce résultat comme une amélioration relative de 51% .
Le modèle obtient aussi un résultat élevé dans RemoteExploitBench, une évaluation interne utilisant des vulnérabilités connues dans des déploiements contrôlés de logiciels comme GitLab, PostgreSQL et Jenkins . Selon OpenAI, GPT-6 Cyber a terminé 95% de ces tâches, tandis que GPT-6 Astra exécuté avec Daybreak Blue les a toutes refusées lors de l’évaluation initiale .
La distinction essentielle porte sur l’autorisation. Daybreak Blue vise surtout la validation défensive et les flux de correction, tandis que Daybreak Red ouvre la voie à des travaux plus avancés de développement d’exploits et de tests de sécurité autorisés . GPT-6 Cyber est d’abord disponible via l’API et Codex pour un groupe restreint de clients approuvés de Daybreak Red, avant une extension progressive aux autres clients autorisés .
Le changelog de l’API OpenAI mentionne également gpt-6-cyber comme un modèle permettant d’enquêter sur des vulnérabilités, de les reproduire dans un environnement de test autorisé et de vérifier des correctifs, avec une configuration Daybreak requise avant toute première requête . Cette mention est importante: GPT-6 Cyber n’est pas seulement une démonstration de recherche, mais une capacité produit destinée à des utilisateurs approuvés .
Linux: 948 chemins vers les privilèges root
Le résultat technique le plus spectaculaire concerne le noyau Linux. OpenAI indique que son pipeline autonome de recherche de vulnérabilités a identifié 2 308 résultats candidats dans le noyau Linux, reproduit dynamiquement 1 724 vulnérabilités et produit 948 exploits fonctionnels d’élévation locale de privilèges permettant potentiellement à un utilisateur non privilégié d’obtenir un accès root .
Ces chiffres ne sont pas seulement des scores de benchmark. Ils décrivent une chaîne de travail complète: sélection des cibles d’audit, analyse statique, validation dynamique, développement d’exploits dans des machines virtuelles isolées, puis génération de correctifs candidats pour examen humain . OpenAI précise que des chercheurs humains ont relu les sorties avant de signaler les vulnérabilités et les correctifs proposés aux mainteneurs .
Reuters a rapporté que les 948 exploits du noyau Linux comprenaient 588 vulnérabilités auparavant inconnues et qu’OpenAI avait communiqué 304 résultats critiques aux mainteneurs avec des correctifs proposés . OpenAI affirme aussi qu’un échantillon de 166 exploits contenait au moins 10 techniques d’exploitation que des experts externes du noyau n’avaient pas déjà observées .
C’est peut-être le signal le plus important de l’annonce. GPT-6 Cyber ne se limiterait pas à automatiser des méthodes connues: OpenAI soutient que les modèles de frontière peuvent découvrir de nouveaux chemins d’exploitation dans des logiciels matures et intensément étudiés . Si cette capacité se confirme dans d’autres projets critiques, les défenseurs entrent dans une période où la découverte de vulnérabilités devient plus rapide, moins coûteuse et plus continue que les processus traditionnels de gestion des correctifs.
Firefox: 81 vulnérabilités de gravité élevée
OpenAI affirme également que GPT-6 Cyber a trouvé 81 vulnérabilités Firefox auparavant inconnues et classées de gravité élevée, malgré des cycles de durcissement déjà menés avec plusieurs générations de modèles de frontière . BleepingComputer a rapporté que le modèle avait aidé à développer des correctifs pour ces problèmes et que Mozilla avait déjà publié des corrections pour une partie d’entre eux .
L’exemple de Firefox est particulièrement parlant. Les navigateurs font partie des logiciels grand public les plus surveillés au monde. Ils exposent directement les utilisateurs à du contenu web non fiable, et leurs équipes de sécurité utilisent déjà fuzzing, sandboxing, revue de code, primes de bug bounty et tests de régression intensifs. Le fait qu’un modèle puisse encore y découvrir des failles graves suggère que les modèles de frontière peuvent être utiles dans des codebases où les défauts évidents ont déjà été éliminés .
La question opérationnelle est moins confortable. Si un modèle peut trouver des dizaines de failles sérieuses dans un projet aussi observé, combien de vulnérabilités latentes subsistent dans des logiciels moins audités? Pour les mainteneurs open source, les services publics, les hôpitaux, les opérateurs d’infrastructures et les petits éditeurs, le goulot d’étranglement ne sera peut-être plus la découverte, mais la vérification, la priorisation, la correction, le déploiement et la coordination de divulgation.
Alignement: rester dans le périmètre autorisé
Le lancement de GPT-6 Cyber porte autant sur le contrôle que sur la performance. OpenAI affirme avoir entraîné le modèle à rester dans le périmètre autorisé, à respecter les restrictions et à rapporter ses résultats avec exactitude . Dans l’évaluation ExploitGym Honeypot, GPT-6 Cyber a évité d’exploiter des services hors périmètre dans 99,93% des cas sans instructions de sécurité de déploiement, et dans 100% des cas avec ces instructions .
La system card exprime le même résultat autrement: sans instructions de sécurité de déploiement, GPT-6 Cyber a exploité le honeypot dans 0,07% des exécutions évaluées, contre 5,51% pour GPT-5.6 Cyber et 49,5% pour GPT-5.6 Sol . SecurityWeek a repris cette comparaison en soulignant qu’OpenAI présente le modèle comme plus puissant, mais aussi plus discipliné vis-à-vis des limites fixées par les chercheurs .
Cette amélioration est importante, mais elle ne supprime pas le risque. À grande échelle, même un faible taux de sortie de périmètre peut avoir des conséquences si le modèle est utilisé des milliers ou des millions de fois. OpenAI mise donc sur une défense en couches: accès restreint, vérification d’identité, authentification unique, authentification multifacteur, allowlisting d’adresses IP pour l’API Daybreak Red par défaut, surveillance des abus et Private Safety Processing pour de nombreux clients API en Zero Data Retention .
Infrastructures critiques et extension de Daybreak
OpenAI indique que les infrastructures critiques ont été une préoccupation centrale dans la conception des garde-fous de GPT-6 Cyber, notamment les technologies opérationnelles et les systèmes de contrôle industriels utilisés dans les centrales électriques, les usines de traitement de l’eau et d’autres services essentiels . L’entreprise crée un groupe Daybreak Red for Critical Infrastructure pour des défenseurs approuvés qui doivent tester des systèmes critiques tout en conservant des protections contre les abus et les sorties de périmètre .
GPT-6 Cyber s’inscrit aussi dans Daybreak for Frontline Defenders, un programme de subventions de 1 milliard de dollars visant à faciliter l’accès des défenseurs aux ressources limitées, dont des organismes publics et des fournisseurs de services essentiels . OpenAI cherche ainsi à présenter le modèle à la fois comme un outil de recherche offensive avancée et comme un levier défensif pour des organisations qui ne disposent pas de grandes équipes de sécurité.
L’entreprise affirme avoir travaillé avec Dragos pour évaluer des modèles Daybreak Red dans un laboratoire contrôlé de technologies opérationnelles . Dans cet environnement, selon OpenAI, le modèle a distingué les actifs OT du bruit informatique général et trouvé deux vulnérabilités zero-day dans un logiciel d’ingénierie gérant des données de relais de protection . L’exemple illustre précisément pourquoi les contrôles d’accès sont essentiels: les compétences utiles aux défenseurs peuvent aussi raccourcir le chemin d’un attaquant.
La course des défenseurs
L’impact réel de GPT-6 Cyber dépendra de sa capacité à réduire le délai entre découverte et remédiation. Trouver une vulnérabilité n’est qu’une étape. Les équipes doivent confirmer l’impact, mesurer l’exploitabilité, écrire un correctif sûr, éviter les régressions, déployer les mises à jour, surveiller les tentatives d’exploitation et coordonner parfois plusieurs fournisseurs et utilisateurs en aval.
OpenAI affirme que GPT-6 Cyber peut aider sur cette chaîne en validant l’exploitabilité, en renforçant les correctifs et en vérifiant les réparations . Le changelog de l’API insiste lui aussi sur la vérification de correctifs, et pas seulement sur le développement d’exploits . C’est crucial, car la légitimité publique du modèle dépendra de sa capacité à aider les défenseurs à fermer les failles plus vite que les adversaires ne peuvent les exploiter.
Le lancement révèle toutefois un écart de remédiation. Si une IA de frontière peut produire des centaines d’exploits crédibles dans une campagne, les mainteneurs risquent de recevoir plus de rapports qu’ils ne peuvent en traiter. CSO Online a rapporté les inquiétudes de professionnels de la sécurité: une meilleure découverte pourrait aggraver les files d’attente si les organisations n’accélèrent pas aussi la validation défensive et le déploiement des correctifs .
Ce qu’il faut retenir
GPT-6 Cyber est une étape majeure parce qu’il transforme le développement avancé d’exploits et de correctifs assisté par IA en capacité produit restreinte pour utilisateurs vérifiés. Les chiffres sont impressionnants: 48,5% sur ExploitGym, 81 vulnérabilités Firefox de gravité élevée auparavant inconnues, 948 exploits d’élévation locale de privilèges sous Linux et un classement “Critical” en cybersécurité , , .
L’enjeu de fond est économique et opérationnel. Si les modèles de frontière peuvent découvrir, valider et corriger en continu des vulnérabilités dans de grandes codebases, les défenseurs disposent d’un outil puissant. Mais cette même capacité raccourcit aussi les délais de recherche offensive. OpenAI parie que l’accès restreint, un meilleur alignement, la surveillance et des programmes de soutien aux défenseurs peuvent faire pencher l’avantage du bon côté , .
Pour les équipes de sécurité, la conclusion est immédiate: la gestion des vulnérabilités ne peut plus supposer une découverte à vitesse humaine. Le prochain avantage compétitif consistera à corriger à la vitesse des agents, tout en s’assurant que ces agents restent strictement dans les systèmes qu’ils sont autorisés à tester.