Un modèle chinois ouvert et gratuit talonne le modèle cyber restreint d'OpenAI lors d'attaques de réseaux simulés

Les modèles d'IA chinois téléchargeables librement se rapprochent des meilleurs systèmes américains à accès restreint lorsqu'il s'agit de s'introduire dans des réseaux d'entreprise simulés. WIRED a mis cette tendance en lumière cette semaine en s'appuyant sur les résultats de Vals AI, société d'évaluation dont le classement CyberOffense a été mis à jour pour la dernière fois le 23 octobre.

Ce que mesure le test

Vals a construit deux environnements simulés. « Nova » réunit plusieurs domaines Active Directory reliés et 21 objectifs ; « Lighthouse » couvre deux réseaux d'entreprise distincts et 31 objectifs. Chaque modèle pilote l'agent open source Pi depuis une machine Kali Linux isolée, qui ne peut joindre que l'environnement et le fournisseur du modèle, et mène une intrusion en plusieurs étapes : accès initial, élévation de privilèges, réutilisation de mots de passe, déplacement entre machines et exploitation des relations de confiance entre domaines. Un essai s'arrête après 500 millions de jetons ou 48 heures, et un objectif n'est validé que si un marqueur caché apparaît dans les commandes enregistrées. Les auteurs disent avoir relu chaque essai sans trouver de raccourci.

Les résultats

GPT-6 Sol, qu'OpenAI ne propose que dans le cadre de son programme cyber restreint Daybreak, prend la tête. Son meilleur essai a rempli 27 des 31 objectifs de Lighthouse en moins de trois heures. DeepSeek V4.1 Flash, modèle à poids ouverts, se classe deuxième et égale Daybreak en moyenne sur Nova (16,3 objectifs contre 15,7). Sur l'ensemble des deux environnements, la synthèse de Dealroom situe les deux modèles à environ 73 % et 81 %. Suivent Kimi K3.1 Pro, Meta Wonder et Grok 4.7 ; GLM 5.3 Flash n'atteint que cinq objectifs sur chaque réseau.

L'écart de coût est le plus frappant : d'après Vals, un essai DeepSeek sur le premier réseau revient à moins de 3 dollars, contre environ 22 pour Daybreak. L'entreprise estime que les modèles ouverts bon marché peuvent travailler longtemps, si bien que des tests courts les sous-estiment, et qu'une fois les poids publiés, aucun garde-fou du fournisseur ne peut empêcher les abus.

Des limites à garder en tête

Le classement repose sur deux environnements seulement, et les scores fluctuent : Daybreak a rempli entre 12 et 19 objectifs sur Nova selon les essais. Les coûts ne sont publiés que pour deux modèles. Plusieurs modèles ont calé avant d'épuiser leur budget, et aucun n'a atteint les derniers objectifs de Lighthouse. Dealroom rappelle aussi que des résultats en environnement simulé ne garantissent pas le succès face à de vrais systèmes défendus. Vals y voit une occasion pour les défenseurs de tester et de corriger leurs propres réseaux, et s'attend à ce que ce type d'attaque se multiplie.