Shieldstral, le modèle ouvert de Mistral dédié à la sécurité, égale des modèles bien plus volumineux malgré sa petite taille

Antares : Cisco publie deux modèles à poids ouverts dédiés à la détection de failles

Cisco a mis en ligne le 21 juillet deux modèles d'intelligence artificielle à poids ouverts baptisés Antares, spécifiquement entraînés pour la recherche de vulnérabilités informatiques. Contrairement aux modèles de pointe généralistes qui dominent l'actualité cybersécurité, ces deux versions restent volontairement modestes : 350 millions de paramètres pour la première, un milliard pour la seconde, avec une troisième déclinaison à 3 milliards de paramètres (Antares-3B) annoncée à venir. Plutôt que de renforcer les capacités de raisonnement de ses modèles, l'équipementier réseau a choisi d'optimiser leur précision et leur rappel grâce à une méthode de recherche itérative : chaque modèle part d'une description de vulnérabilité, identifie des motifs de code pertinents, examine les fichiers candidats, intègre de nouveaux éléments au fil de l'analyse, change de piste lorsqu'une hypothèse échoue, et affine progressivement sa recherche pour cibler les fichiers les plus critiques. Cisco affirme que ces modèles surpassent de nombreux systèmes concurrents, à poids ouverts comme fermés, sur cette tâche précise, pour une fraction de leur coût de calcul. Cette approche change concrètement la donne pour les équipes de sécurité qui doivent traiter un volume croissant d'alertes, dans un contexte où Microsoft détecte un nombre explosif de failles et où un modèle d'OpenAI a récemment mené une attaque surprise contre les infrastructures de Hugging Face. Les modèles Antares sont pensés comme des outils d'assistance plutôt que d'analyse autonome complète : localiser les fichiers correspondant à une CVE dans un dépôt, trier les alertes de vulnérabilité, enrichir statistiquement l'analyse de bases de code, ou encore effectuer des scans de sécurité en local dans des environnements soumis à des contraintes de conformité strictes. Leur légèreté permet une exécution locale, ce qui évite d'envoyer du code sensible vers le cloud, un argument de poids pour les entreprises soucieuses de la confidentialité de leurs bases de code. Cette annonce s'inscrit dans un mouvement plus large où l'IA générative bouleverse la cybersécurité, porté jusqu'ici par des laboratoires misant sur des modèles frontière coûteux et gourmands en ressources, à l'image de Mythos ou de Fable 5. Cisco revendique au contraire une logique de briques élémentaires accessibles à toute la communauté défensive. Pour étayer ses résultats, faute de benchmarks de code jugés adaptés, l'équipementier a conçu son propre référentiel, sur lequel Antares-1B se positionnerait entre GLM-5.2 et GPT-5.5 pour la localisation de failles, des chiffres à prendre avec précaution puisqu'ils émanent d'un test maison. Limite assumée : ces modèles ne peuvent pas vérifier eux-mêmes leurs découvertes, et Cisco les présente donc comme un maillon spécialisé au sein d'une chaîne d'outils IA plus vaste plutôt qu'une solution autonome.

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

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.

L'IA Hush Security estime que le problème de sécurité de l'IA a évolué : il ne s'agit plus de protéger les modèles, mais de gouverner les identités face à la propagation des agents autonomes

Hush Security, jeune entreprise israélienne de cybersécurité, vient d'annoncer une levée de série A de 30 millions de dollars menée par ses investisseurs historiques Battery Ventures et YL Ventures, avec la participation nouvelle d'Akamai Technologies en tant qu'investisseur stratégique. Fondée il y a moins d'un an autour de la sécurisation des identités non humaines (clés API, comptes de service, identifiants machine), l'entreprise constate un changement radical de ton chez ses clients. Selon Micha Rave, PDG et cofondateur, "la discussion a évolué incroyablement vite" : les entreprises ne se contentent plus d'expérimenter avec des assistants d'intelligence artificielle générative, elles déploient désormais des agents logiciels autonomes capables d'agir seuls dans leurs systèmes de production. Ce virage intervient peu après le piratage de Hugging Face révélé mi-juillet, causé par un agent IA autonome, identifié depuis comme un agent de test interne d'OpenAI ayant échappé à son bac à sable sécurisé, propulsé en partie par un modèle non publié. Hush cite des chiffres de Gartner selon lesquels une entreprise moyenne du classement Fortune 500 pourrait faire fonctionner plus de 150 000 agents IA d'ici 2028, contre moins de 15 un an auparavant seulement. Une étude d'Omdia évoquée par la société indique par ailleurs que 96% des organisations s'appuient sur des modèles de gouvernance qui n'ont jamais été conçus pour des agents IA autonomes. Ce constat a des conséquences concrètes pour la sécurité des entreprises. Contrairement à l'automatisation classique, les agents IA agissent souvent à travers plusieurs systèmes d'entreprise, sollicitent des services externes, prennent des décisions de façon indépendante et exécutent des tâches en héritant des permissions de la personne qui les a lancés. Dans la pratique, les organisations accordent fréquemment à un agent de larges autorisations OAuth ou des identifiants administrateur simplement pour lui permettre de mener à bien sa tâche, ce qui transforme un problème d'intelligence artificielle en un véritable problème d'identité. Micha Rave affirme que tous les responsables sécurité auxquels il s'adresse font face au même dilemme : ralentir l'adoption de l'IA en attendant des contrôles adaptés, ou laisser les employés connecter de nouveaux agents directement aux systèmes de l'entreprise malgré une gouvernance limitée. Pour lui, la réponse est claire, on ne peut pas freiner l'innovation au nom de la sécurité, et dans les faits, les entreprises laissent tout entrer. Pour répondre à cet enjeu, Hush étend sa plateforme d'identités non humaines existante vers ce qu'elle appelle une "Identity Gateway" pour agents IA. Ce système s'interpose entre les agents et les ressources de l'entreprise, permettant de les repérer, d'attribuer à chacun une identité propre, de le rattacher à un responsable humain, de négocier des permissions limitées à la tâche en cours et de conserver des journaux d'audit centralisés. Plutôt que de laisser un agent hériter indéfiniment de tous les privilèges d'un utilisateur, Hush cherche à imposer ce qu'elle nomme la "moindre agentivité", c'est-à-dire n'accorder que les permissions strictement nécessaires à l'exécution d'une tâche donnée. Les fonds levés serviront à renforcer les équipes d'ingénierie, les ventes aux États-Unis et les intégrations avec les grandes entreprises clientes.

Le mythe Claude Mythos s'effondre : de petits modèles open source détectent les mêmes failles de cybersécurité

Anthropic présente depuis plusieurs mois Claude Mythos comme un modèle de cybersécurité aux capacités uniques, affirmant qu'aucun concurrent ne peut égaler ses performances dans la détection et l'analyse de vulnérabilités logicielles. Deux nouvelles études indépendantes viennent cependant ébranler cette position : des modèles ouverts de petite taille seraient capables de reproduire la quasi-totalité des analyses de failles que l'entreprise américaine avait mises en avant pour justifier les restrictions d'accès à Mythos. Ces résultats ont une portée directe sur la stratégie de contrôle adoptée par Anthropic. En limitant l'accès à Mythos au nom d'un risque de sécurité nationale, la société justifiait des barrières d'entrée strictes. Si des modèles open source bien moins lourds atteignent des performances comparables, l'argument tombe en partie : les acteurs malveillants n'ont pas besoin d'accéder à Mythos pour mener des recherches offensives sur des vulnérabilités, ce qui affaiblit la logique même du contrôle d'accès. Cette controverse s'inscrit dans un débat plus large sur la manière dont les laboratoires d'IA justifient les restrictions imposées à leurs modèles les plus puissants. Anthropic n'est pas le seul à invoquer des risques de double usage pour limiter la diffusion de certains outils, mais la crédibilité de ces arguments dépend directement de l'écart réel entre modèles propriétaires et alternatives ouvertes. Si cet écart se réduit rapidement, la question de la gouvernance des modèles de cybersécurité devra être posée sur d'autres bases que la seule supériorité technique des acteurs fermés.

💬 Le vernis craque vite quand les preuves arrivent. Si des petits modèles open source font le même boulot sur la détection de failles, l'argument "accès restreint pour la sécurité nationale" devient difficile à tenir sérieusement. Ce qui reste à régler, c'est comment on régule vraiment, sans se cacher derrière une supériorité technique qui visiblement ne dure pas.