GPT‑6 Astra a obtenu un score parfait de 100 % sur ExploitBench, une évaluation consacrée à la transformation de vulnérabilités connues en exploits fonctionnels. OpenAI classe désormais son modèle au niveau « Critical » pour les capacités de cybersécurité dans son Preparedness Framework, une première pour un modèle largement déployé par l’entreprise.

Ce résultat souligne une progression spectaculaire de l’IA appliquée à la recherche de vulnérabilités. Il doit néanmoins être interprété avec méthode : l’évaluation principale a été menée sans les protections de production, et un score parfait sur un benchmark ne signifie ni invincibilité générale ni accès illimité à la génération d’exploits.

Que mesure réellement ExploitBench ?

ExploitBench teste la capacité d’un modèle à analyser des logiciels vulnérables connus et à produire une chaîne d’exploitation qui fonctionne. Astra atteint 100 %, contre 78,5 % pour GPT‑5.6 Sol, le précédent modèle cyber avancé cité par OpenAI.

Un benchmark fermé évalue un ensemble défini de tâches, avec ses propres environnements, outils et critères de réussite. Il mesure donc une performance reproductible dans ce cadre, pas la capacité à compromettre n’importe quel système réel.

Des résultats sur des vulnérabilités récentes

Pour limiter le risque que le modèle ait mémorisé des solutions historiques, OpenAI a créé une version interne couvrant des vulnérabilités divulguées entre juin et août 2026, après la date d’arrêt des connaissances d’Astra. Sur cette série, le modèle a obtenu des taux d’exécution de code nettement supérieurs à GPT‑5.6 Sol tout en utilisant moins de tokens de sortie.

Pendant ces évaluations, Astra aurait identifié et utilisé deux vulnérabilités zero-day jusque-là inconnues. OpenAI affirme être en cours de divulgation responsable auprès des mainteneurs concernés et ne publie pas les détails exploitables.

Un niveau de capacité cyber jugé critique

Dans le vocabulaire du Preparedness Framework, le niveau Critical indique qu’un modèle correctement équipé peut découvrir des failles inconnues et élaborer de nouvelles méthodes d’exploitation contre plusieurs systèmes bien protégés, sans guidage humain à chaque étape.

Des évaluations dirigées par des experts montrent également qu’Astra, sans garde-fous de production, peut atteindre l’exécution de code dans des navigateurs renforcés et créer des exploits d’élévation de privilèges pour des systèmes d’exploitation durcis.

Pourquoi cette capacité peut aider les défenseurs

Analyser rapidement une base de code afin d’identifier des erreurs de mémoire, contrôles d’accès manquants et chemins d’exécution dangereux.
Reproduire une vulnérabilité dans un environnement isolé pour confirmer son impact et prioriser le correctif.
Proposer un patch, générer des tests de non-régression et rechercher des variantes du même défaut.
Accélérer l’analyse de binaires, la rétro-ingénierie défensive et la compréhension d’un incident.
Aider les équipes disposant de peu de spécialistes à traiter un volume croissant de composants et d’alertes.

Un risque de démocratisation de l’exploitation

Les mêmes capacités sont à double usage. Un modèle capable de comprendre un correctif et d’en déduire l’ancienne vulnérabilité peut réduire le délai entre la publication d’une mise à jour et les premières attaques automatisées. Il peut aussi faciliter l’enchaînement de plusieurs faiblesses qui, prises séparément, semblaient limitées.

Le risque ne vient pas uniquement d’une réponse textuelle. Il augmente lorsque le modèle dispose d’un shell, d’un navigateur, d’accès réseau, d’identifiants ou d’une autonomie suffisante pour tester ses hypothèses.

Les garde-fous annoncés par OpenAI

OpenAI indique que la version lancée permet des tâches défensives comme la revue de code sécurisé et la génération de correctifs, mais refuse les demandes avancées visant à créer des preuves de concept d’exploitation pour des vulnérabilités.

L’entreprise mentionne aussi une surveillance renforcée des trajectoires, une meilleure résistance aux contournements, l’isolation de certains environnements internes et un programme d’accès contrôlé baptisé Daybreak pour élargir progressivement les usages défensifs sensibles.

Conséquences pratiques pour les organisations

Réduire le délai d’installation des correctifs, car l’analyse assistée par IA raccourcit aussi le temps disponible pour les attaquants.
Limiter les outils et accès réseau fournis aux agents, avec des comptes dédiés et le principe du moindre privilège.
Isoler les travaux de recherche offensive dans des laboratoires contrôlés sans secrets de production.
Journaliser les appels d’outils et imposer une validation humaine avant toute action sur un système tiers ou une cible réelle.
Préparer une politique claire pour les usages cyber de l’IA, incluant autorisation, périmètre, conservation des traces et divulgation responsable.

Un score historique à replacer dans son contexte

Le 100 % d’ExploitBench confirme que la recherche de vulnérabilités assistée par IA change d’échelle. La conclusion utile n’est pas qu’un modèle peut désormais tout pirater, mais que les organisations doivent accélérer la gestion des correctifs et encadrer beaucoup plus strictement les agents dotés d’outils.

Les éditeurs peuvent tirer parti de ces capacités pour trouver et corriger des défauts avant leur exploitation. Cet avantage défensif dépendra toutefois de leur capacité à déployer les mises à jour plus vite que les campagnes adverses.