Microsoft affirme battre tout le monde en détection de failles avec MAI-Cyber-1-Flash

Microsoft AI lance MAI-Cyber-1-Flash, un modèle cyber à 5 milliards de paramètres actifs qui atteint 95,95% sur CyberGym

Microsoft AI a dévoilé le 28 juillet 2026 son premier modèle dédié à la cyberdéfense, MAI-Cyber-1-Flash, conçu pour fonctionner au sein de MDASH, sa plateforme d'analyse agentique multi-modèles. Le modèle repose sur une architecture transformer à attention et couches Mixture-of-Experts éparses, totalisant 137 milliards de paramètres dont 5 milliards actifs, avec une fenêtre de contexte de 256 000 tokens en texte uniquement. Il s'agit d'un affinage spécialisé en cybersécurité de MAI-Code-1-Flash, le modèle de codage agentique léger déjà intégré à GitHub Copilot et VS Code, issu de la lignée MAI-Thinking-1. Sur CyberGym, une suite publique de 1 507 tâches de reproduction de vulnérabilités réelles tirées de 188 projets OSS-Fuzz, MDASH couplé à MAI-Cyber-1-Flash et GPT-5.4 atteint un score de 95,95%, soit environ 12 points de plus que Mythos d'Anthropic et les autres systèmes concurrents, situés entre 83,2% et 85,6%. En mai 2026, MDASH n'utilisant que des modèles génériques disponibles avait déjà obtenu 88,45%, meilleur score public du moment. Microsoft précise qu'en remplaçant 80% des modèles composant MDASH, le score est passé de 88,4% à 95,95%. Cette progression change la donne sur le coût et l'échelle de la détection de vulnérabilités automatisée. MDASH orchestre plus de 100 agents spécialisés à travers cinq étapes (préparation, scan, validation, dédoublonnage et preuve), où des agents auditeurs signalent des failles, des agents "débatteurs" argumentent leur exploitabilité, et l'étape finale exécute des entrées déclenchantes avec l'outil ASan pour les cibles C/C++. MAI-Cyber-1-Flash prend désormais en charge jusqu'à 90% des tâches de MDASH, ne renvoyant que les 10% les plus difficiles vers GPT-5.4, ce qui génère une économie de 50% par rapport à la configuration précédente combinant GPT-5.4, 5.4 mini et 5.3 codex. Pour les équipes de sécurité, cela signifie une détection de vulnérabilités à grande échelle nettement moins coûteuse, sans sacrifier la précision, un enjeu majeur alors que les grands éditeurs cherchent à industrialiser l'audit de code face à la multiplication des surfaces d'attaque logicielles. MDASH a été développé par l'équipe Autonomous Code Security (ACS) de Microsoft, qui compte des membres de Team Atlanta, vainqueur du DARPA AI Cyber Challenge. En mai 2026, les travaux assistés par MDASH avaient déjà permis de générer 16 CVE, dont quatre failles critiques d'exécution de code à distance dans la pile réseau et d'authentification de Windows, et rétrospectivement identifié 96% des 28 cas MSRC répertoriés dans clfs.sys et 100% des 7 cas dans tcpip.sys sur une période de cinq ans. Sur d'autres benchmarks autonomes, MAI-Cyber-1-Flash obtient des scores plus modestes (0,314 sur CVEBench, 0,553 sur CyberSecEval4 Threat Intel, 0,651 sur CRSBench), mais affiche des zéros stricts sur ExploitGym pour les volets noyau, espace utilisateur et navigateur. Microsoft insiste sur le fait que ce résultat est délibéré: le modèle a été entraîné pour des tâches défensives comme la correction de bugs, et non pour générer des exploits offensifs, positionnant l'outil comme strictement dédié à la défense. L'accès au modèle reste pour l'instant restreint.

Microsoft lance son propre modèle de cybersécurité MAI-Cyber-1-Flash, mais reste dépendant d'OpenAI pour les tâches les plus complexes

Voici l'article traduit : Microsoft a dévoilé MAI-Cyber-1-Flash, un modèle compact spécialisé en cybersécurité qui atteint un score de 96 % sur le benchmark CyberGym lorsqu'il est intégré à MDASH, le système multi-agents de l'entreprise. Ce nouveau modèle est conçu pour traiter en interne la majorité des tâches de sécurité, qu'il s'agisse d'analyser des vulnérabilités, de détecter des menaces ou d'automatiser des vérifications. Selon Microsoft, cette architecture permet de réduire les coûts d'environ 50 % par rapport à l'utilisation exclusive de modèles frontières comme GPT-5.4. Le principe repose sur un système de délégation intelligent : MAI-Cyber-1-Flash gère les cas standards, tandis que seules les tâches les plus complexes sont transmises au modèle d'OpenAI, plus puissant mais aussi plus coûteux à exploiter. Cette approche hybride illustre un enjeu majeur pour les entreprises technologiques qui déploient l'IA à grande échelle dans des domaines critiques comme la cybersécurité : trouver l'équilibre entre performance, rapidité et coût. En confiant les tâches courantes à un modèle maison plus économique, Microsoft peut multiplier les déploiements de MDASH sans voir sa facture d'inférence exploser, tout en gardant un niveau de fiabilité élevé grâce au filet de sécurité que représente GPT-5.4 pour les cas complexes. Pour les équipes de sécurité informatique qui utilisent ces outils, cela pourrait se traduire par des solutions de détection plus abordables et plus rapides, sans sacrifier la capacité à traiter les menaces sophistiquées. Ce lancement s'inscrit dans une tendance plus large où les grands éditeurs cloud cherchent à réduire leur dépendance aux modèles frontières tout en continuant à s'appuyer sur eux pour les usages les plus exigeants. Microsoft, malgré son partenariat étroit et son investissement massif dans OpenAI, développe donc ses propres modèles spécialisés pour certains cas d'usage précis, une stratégie qui pourrait s'étendre à d'autres domaines que la cybersécurité. Reste à voir si cette architecture à deux vitesses deviendra la norme pour les acteurs du secteur, et comment OpenAI positionnera ses propres offres face à cette concurrence interne grandissante de ses partenaires.

Microsoft lance un modèle de cybersécurité IA et une plateforme de défense à base d'agents pour réduire les coûts

Microsoft a dévoilé lundi son premier modèle de cybersécurité développé en interne, baptisé MAI-Cyber-1-Flash, conçu par sa division Microsoft AI (MAI). Ce modèle compact est intégré à MDASH, le système multi-agents du groupe dédié à la détection et à la correction des failles logicielles. Selon Microsoft, l'ensemble obtient un score de 96% sur CyberGym, un benchmark qui évalue la capacité des systèmes d'IA à analyser de vastes bases de code pour y déceler de véritables vulnérabilités, devançant ainsi des modèles de pointe comme Mythos, Gemini et GPT, tout en réduisant les coûts de moitié par rapport à la configuration de production actuelle de Microsoft. L'entreprise a également présenté Project Perception, une plateforme agentique qui orchestre des agents "rouges" chargés de rechercher des voies de compromission, des agents "bleus" qui enquêtent et évaluent les risques, et des agents "verts" qui corrigent et renforcent les défenses. Ce système entrera en préversion publique le 3 août. Fait notable, l'architecture repose sur un partage des tâches à 90/10 : MAI-Cyber-1-Flash traite l'essentiel des requêtes de sécurité, tandis que les 10% de problèmes les plus complexes sont transmis à un modèle plus puissant, en l'occurrence GPT-5.4 d'OpenAI. Cette annonce illustre un changement de paradigme dans la manière dont les entreprises pourraient choisir leurs outils d'IA : non plus le modèle le plus puissant, mais le moins cher qui reste suffisamment performant, orchestré intelligemment selon la difficulté de chaque tâche. Pour les entreprises, cela promet une réduction significative des coûts de cybersécurité sans sacrifier l'efficacité, dans un contexte où les modèles de pointe comme Mythos restent onéreux à grande échelle. Mustafa Suleyman, PDG de Microsoft AI, a affirmé lors d'un entretien avec VentureBeat que ce lancement n'était qu'un début : "Nous avons un avantage considérable en matière de données, d'infrastructure et d'expertise, ce qui nous permet d'entraîner des modèles plus rapides, meilleurs et moins chers, et ce n'est vraiment que la partie émergée de l'iceberg." Cette stratégie révèle aussi l'évolution des rapports entre Microsoft et OpenAI, partenaires dont l'alliance avait suscité l'attention des régulateurs à Bruxelles et à Washington en 2024. Si Microsoft reste client d'OpenAI pour les tâches les plus exigeantes, faisant appel à GPT-5.4 jugé "incroyablement performant par rapport à son coût", le groupe cherche de plus en plus à maîtriser lui-même les couches technologiques où il estime détenir un avantage durable. Suleyman a justifié ce choix par la recherche de performance à moindre coût, expliquant que la valeur du système ne provient pas d'un modèle unique mais de l'orchestration globale, capable de gérer des centaines d'étapes dans des boucles agentiques complexes.

💬 C'est le genre de mouvement qu'on va voir se généraliser partout : plus le modèle le plus costaud, mais le moins cher qui suffit, avec un routeur qui envoie les cas chauds vers du GPT-5.4 quand ça dépasse. 90% du boulot fait par un petit modèle maison, 10% sous-traité au premium, ça change la logique économique de toute la cybersécurité IA, pas juste chez Microsoft. Reste que "96% sur un benchmark" et "ça tient face à un vrai attaquant motivé" sont deux choses différentes, et là on n'a que la version de Microsoft.

Plus de 100 agents IA mis en compétition par Microsoft pour détecter des failles dans Windows

Microsoft a développé un système baptisé MDASH qui mobilise plus d'une centaine d'agents IA spécialisés, mis en compétition les uns contre les autres pour détecter des failles de sécurité dans ses logiciels. Lors du dernier Patch Tuesday, ce dispositif a permis d'identifier 16 vulnérabilités dans Windows en une seule session, dont quatre classées critiques. Microsoft ne divulgue pas quels modèles d'IA alimentent le système, mais l'ampleur du déploiement témoigne d'une infrastructure de recherche offensive d'envergure inédite. Cette approche marque un changement de paradigme dans la manière dont les grandes entreprises tech traquent leurs propres failles. Plutôt que de s'appuyer uniquement sur des équipes humaines ou des outils d'analyse statique, Microsoft automatise désormais une partie du "red teaming", la simulation d'attaques internes pour trouver des faiblesses avant les pirates. Quatre vulnérabilités critiques découvertes en un seul cycle de patch représentent un gain de sécurité concret pour les centaines de millions d'utilisateurs Windows dans le monde. La course aux agents IA autonomes capables de raisonner sur du code complexe s'intensifie dans tout le secteur. Google, OpenAI et des startups spécialisées comme Endor Labs investissent massivement dans des outils similaires. Pour Microsoft, qui gère l'un des écosystèmes logiciels les plus ciblés au monde, industrialiser la détection de vulnérabilités via l'IA devient une nécessité stratégique face à des attaquants qui utilisent eux-mêmes ces technologies. MDASH pourrait préfigurer un futur où la sécurité logicielle repose sur des armées d'agents se testant mutuellement en continu.

💬 16 vulnérabilités en un cycle de patch, dont 4 critiques, c'est du solide. L'idée de mettre des agents en compétition pour simuler des attaques, le red teaming automatisé à grande échelle, c'est le genre de truc qu'on voyait venir mais pas à ce rythme. Bon, Microsoft garde ses modèles secrets, ce qui veut dire que tout le monde travaille à cache-cache pendant que les attaquants font exactement pareil de leur côté.