Le vocabulaire de la sécurité informatique est rempli de superlatifs. Les vulnérabilités sont « critiques », les infrastructures « stratégiques », les attaques « sophistiquées ». Mais lorsqu’OpenAI a annoncé qu’Astra avait franchi le niveau « Critical » de son Preparedness Framework en matière de cybersécurité, le terme avait une définition beaucoup plus précise. Pour la première fois, l’entreprise estime qu’un de ses modèles possède des capacités suffisamment avancées pour ouvrir des voies inédites vers des dommages graves.

Le 1er septembre 2026, OpenAI a officiellement classé Astra au niveau critique. Deux jours plus tard, le modèle est lancé, avec un accès volontairement restreint à ses capacités cyber les plus avancées.

Ce qui vient de changer n’est donc pas seulement la puissance d’un nouveau modèle d’intelligence artificielle. C’est la frontière entre l’assistance informatique et une forme d’autonomie opérationnelle.

Ce que signifie réellement « critique »

Le Preparedness Framework d’OpenAI distingue désormais essentiellement deux seuils nécessitant une attention particulière : « High » et « Critical ». Le premier correspond à des capacités susceptibles d’amplifier des voies existantes vers des dommages graves. Le second désigne quelque chose de plus inquiétant : l’apparition potentielle de nouvelles voies vers ces dommages.

Dans le domaine cyber, la définition est particulièrement exigeante.

Un modèle atteint le niveau critique s’il peut identifier et développer des exploits zero-day fonctionnels, de différents niveaux de gravité, contre de nombreux systèmes réels durcis sans intervention humaine ; ou s’il peut concevoir et exécuter de nouvelles stratégies d’attaque de bout en bout contre des cibles protégées à partir d’un objectif formulé à un niveau élevé.

Autrement dit, il ne s’agit plus simplement de demander à une intelligence artificielle d’expliquer une vulnérabilité, d’analyser du code ou d'aider un spécialiste à construire un exploit.

Il s’agit de savoir si la machine peut elle-même parcourir une partie substantielle de la chaîne : chercher, comprendre, identifier une faiblesse inconnue, construire une méthode d’exploitation et combiner plusieurs vulnérabilités pour atteindre un objectif.

OpenAI estime désormais qu’Astra a franchi cette frontière.

Les tests qui ont fait basculer l’évaluation

Les résultats publiés par OpenAI permettent de comprendre pourquoi.

Sur ExploitBench, un benchmark destiné à mesurer la capacité à développer des exploits à partir de vulnérabilités connues, Astra a obtenu un score de 100 %. Mais un benchmark public pose immédiatement un problème pour évaluer un modèle de pointe : les données utilisées peuvent avoir contaminé son entraînement.

OpenAI a donc construit une évaluation interne à partir de vingt vulnérabilités récentes de haute gravité, publiées entre juin et août 2026.

Astra y a obtenu des taux d’exécution de code arbitraire nettement supérieurs à ceux de GPT-5.6 Sol tout en consommant beaucoup moins de tokens. Plus significatif encore, pendant ces évaluations, le modèle a découvert et utilisé deux vulnérabilités zero-day dans une chaîne d’exploitation. OpenAI indique être en cours de divulgation de ces vulnérabilités aux mainteneurs concernés.

Les évaluations menées par des experts sont encore plus révélatrices.

Confronté à un navigateur durci, Astra a découvert des vulnérabilités jusque-là inconnues et construit une chaîne permettant de compromettre le navigateur, de sortir de sa sandbox et d’exécuter des commandes sur la machine hôte après l’ouverture d’un fichier HTML.

Sur un système d’exploitation également durci, le modèle a identifié plusieurs vulnérabilités et les a combinées pour réaliser une élévation locale de privilèges, faisant passer un utilisateur non privilégié jusqu’au niveau root.

Pris isolément, chacun de ces résultats peut être discuté. Pris ensemble, ils décrivent une transformation qualitative : l’IA commence à devenir capable d’effectuer certaines formes de recherche offensive qui exigeaient jusqu’ici des spécialistes humains particulièrement expérimentés.

De l’outil à l’agent

Depuis l'apparition des grands modèles de langage, leur impact cyber repose essentiellement sur un mécanisme d’amplification.

Un développeur écrit plus rapidement. Un analyste examine davantage de logs. Un chercheur en sécurité comprend plus vite un programme. Un attaquant peu expérimenté obtient des connaissances qu’il aurait auparavant dû acquérir seul.

La compétence reste humaine ; l’intelligence artificielle en augmente la portée.

Les systèmes agentiques commencent à modifier cette relation.

Un agent peut recevoir un objectif, utiliser des outils, observer les résultats de ses actions, modifier sa stratégie et poursuivre une tâche pendant une période prolongée. Si cette architecture est combinée à une capacité élevée de recherche de vulnérabilités et de développement d’exploits, la question devient moins « que peut faire un hacker avec une IA ? » que « quelle partie du travail du hacker l’IA peut-elle accomplir elle-même ? ».

C’est cette distinction qui rend Astra important.

Le coût marginal de l’intelligence cyber pourrait alors diminuer brutalement.

Un excellent chercheur en vulnérabilités reste une ressource rare. Son temps est limité. Il doit dormir, choisir ses cibles et répartir son attention. Une infrastructure composée d’agents logiciels n’est soumise à aucune de ces contraintes dans les mêmes proportions.

Elle peut théoriquement examiner plusieurs logiciels en parallèle, répéter des milliers d’expériences, conserver l’historique de ses échecs et poursuivre ses recherches en continu.

La rareté pourrait progressivement se déplacer de l’expertise humaine vers l’accès au calcul, aux modèles et aux systèmes ciblés.

Le problème des zero-days change d’échelle

Cette évolution pourrait avoir des conséquences profondes sur l’économie des vulnérabilités.

Une zero-day possède de la valeur précisément parce qu’elle est inconnue. La trouver exige traditionnellement du temps, de l’expertise et souvent beaucoup de chance. Certaines vulnérabilités particulièrement importantes peuvent donc devenir des actifs stratégiques recherchés par des entreprises spécialisées, des services de renseignement, des forces armées ou des organisations criminelles.

Si l’intelligence artificielle réduit fortement le coût de leur découverte, leur rareté pourrait diminuer.

Mais cette abondance éventuelle ne favoriserait pas nécessairement les attaquants.

Une IA capable de découvrir automatiquement des vulnérabilités peut également être utilisée pour les identifier avant qu’elles soient exploitées, générer des correctifs, analyser des dépendances logicielles et tester en permanence des infrastructures.

La même capacité fondamentale alimente donc deux trajectoires opposées.

L’une industrialise l’attaque.

L’autre industrialise la défense.

Le problème central devient alors la vitesse relative des deux.

Une course entre l’attaque et le correctif

La cybersécurité repose depuis longtemps sur une course temporelle.

Une vulnérabilité est découverte. Quelqu’un peut l’exploiter. Quelqu’un d’autre doit la corriger. Le patch doit ensuite être déployé sur des milliers ou parfois des millions de machines.

L’intelligence artificielle peut accélérer chacune de ces étapes.

Dans un scénario favorable, des agents inspectent continuellement les logiciels, découvrent les failles, produisent les correctifs, vérifient leur efficacité et les déploient avant qu’un adversaire puisse les exploiter. Une partie de la cybersécurité deviendrait alors presque immunologique : détection, réaction et adaptation permanentes.

Dans un scénario défavorable, la recherche offensive accélère davantage que la capacité des organisations à corriger leurs systèmes.

Cette asymétrie est importante car le monde informatique n’est pas homogène. Les grandes entreprises technologiques peuvent automatiser leurs mises à jour en quelques heures. Un hôpital, une administration, une usine ou une infrastructure énergétique peut conserver des équipements anciens pendant des années.

Une intelligence artificielle capable de rechercher des vulnérabilités à très grande échelle rencontrerait donc un monde rempli de systèmes dont la vitesse de défense demeure profondément humaine.

La prolifération devient le véritable risque

Astra n’est pas seulement intéressant par ce qu’il peut faire aujourd’hui.

Il constitue un indicateur de direction.

Une capacité atteinte par un laboratoire de pointe tend historiquement à devenir moins chère, plus accessible et éventuellement reproductible par d’autres acteurs. Rien ne garantit que les capacités cyber avancées suivront exactement la même courbe, mais la dynamique générale de l’IA pousse vers la diffusion.

OpenAI peut contrôler l’accès à Astra. Il ne peut pas contrôler durablement l’ensemble du progrès mondial en intelligence artificielle.

Google, Anthropic, Meta, xAI et les grands laboratoires chinois développent leurs propres systèmes. Les modèles ouverts progressent également. Les techniques d’agentification se diffusent rapidement.

Le problème stratégique n’est donc pas seulement de sécuriser un modèle.

Il consiste à préparer un monde dans lequel plusieurs modèles posséderont tôt ou tard des capacités comparables.

La cybersécurité rejoint alors une problématique connue dans d’autres domaines stratégiques : la prolifération.

À une différence essentielle près.

Construire une capacité militaire avancée exige généralement des infrastructures industrielles visibles, des matériaux, des chaînes logistiques et des investissements considérables. Un modèle d’intelligence artificielle, une fois créé, est un objet numérique. Les poids, les méthodes, les accès et les capacités peuvent être copiés, volés ou reproduits.

La géographie de la puissance cyber pourrait ainsi devenir encore plus difficile à contrôler.

OpenAI ferme partiellement la porte

OpenAI a précisément choisi de ne pas traiter Astra comme un lancement ordinaire.

Certaines étapes de son développement ont été retardées pendant que l’entreprise renforçait ses protections. Ses capacités cyber les plus avancées ne sont pas immédiatement ouvertes à tous les utilisateurs. Elles doivent d’abord être accessibles à un groupe restreint de testeurs, puis progressivement à travers Daybreak Blue pour favoriser les usages défensifs.

Le dispositif combine plusieurs couches : entraînement du modèle pour refuser certaines requêtes, classificateurs de sécurité, surveillance des comportements, restrictions renforcées pour les comptes considérés comme risqués, red teaming et capacité de réaction permanente.

OpenAI affirme qu’Astra refuse 91,5 % des demandes de ses évaluations de jailbreak cyber, contre 59 % pour GPT-5.6 Sol.

Le progrès est substantiel.

Mais ce chiffre révèle également une réalité fondamentale : aucun système de contrôle n’est présenté comme absolu.

La sécurité repose sur une superposition de barrières, chacune destinée à réduire la probabilité qu’une capacité dangereuse puisse être transformée en dommage réel.

C’est une logique de défense en profondeur, pas une garantie d’impossibilité.

Un deuxième risque apparaît : l’agent lui-même

Le Preparedness Framework introduit ici une distinction particulièrement importante.

Le premier scénario de risque est évident : un acteur malveillant utilise le modèle pour mener une attaque.

Le second est beaucoup plus nouveau : le modèle entreprend lui-même une action non autorisée.

À mesure que les systèmes deviennent agentiques, ils peuvent recevoir des permissions, manipuler des fichiers, utiliser des terminaux, accéder à Internet, écrire du code ou interagir avec des infrastructures informatiques.

La question de sécurité ne porte donc plus uniquement sur ce que l’utilisateur demande au modèle. Elle concerne également ce que le modèle peut décider de faire pendant l’exécution d’une mission légitime.

Cette distinction transforme profondément le problème de l’alignement.

Un chatbot mal aligné peut produire une mauvaise réponse.

Un agent cyber mal aligné disposant d’outils peut agir sur un système réel.

La différence est celle qui sépare l’information de l’action.

La cybersécurité devient une question de puissance

Pendant plusieurs décennies, la puissance cyber a été principalement concentrée entre quelques catégories d’acteurs : États, services de renseignement, grandes entreprises technologiques, groupes criminels organisés et communautés extrêmement spécialisées.

L’intelligence artificielle pourrait modifier cette distribution.

Elle ne supprimera pas les avantages des États. Ceux-ci disposent toujours d’accès privilégiés, de renseignements, d’infrastructures, de moyens financiers et d’une capacité à coordonner des opérations complexes.

Mais elle pourrait réduire la quantité d’expertise humaine nécessaire pour transformer une intention en capacité opérationnelle.

Cela signifie que la barrière à l’entrée pourrait progressivement s’abaisser.

Un petit groupe disposant d’un modèle suffisamment puissant, d’infrastructures informatiques et d’un accès à des cibles pourrait accomplir des opérations qui auraient auparavant nécessité une équipe beaucoup plus importante.

Inversement, des pays disposant de peu de spécialistes en cybersécurité pourraient utiliser les mêmes systèmes pour renforcer considérablement leurs défenses.

L’IA ne redistribue donc pas nécessairement la puissance vers les attaquants ou vers les défenseurs.

Elle augmente la quantité de puissance cyber disponible.

Et la question politique devient celle de sa distribution.

Le paradoxe de la défense

Il existe enfin un paradoxe difficile à résoudre.

Pour protéger le monde contre des IA capables de trouver des vulnérabilités, les défenseurs ont probablement besoin d’IA capables de trouver ces mêmes vulnérabilités.

Restreindre excessivement les capacités avancées peut ralentir les attaquants, mais également priver les entreprises, les administrations et les chercheurs des outils nécessaires pour leur répondre.

Les ouvrir largement accélère la défense, mais augmente simultanément le risque de prolifération.

OpenAI tente de résoudre cette contradiction par l’accès différencié : certaines capacités sont ouvertes largement, d’autres réservées à des utilisateurs considérés comme fiables.

Cette logique pourrait progressivement devenir une caractéristique structurelle de l’industrie de l’IA.

Nous avons connu un Internet dans lequel le même logiciel était généralement accessible à tous.

Nous pourrions entrer dans une époque où les modèles les plus puissants disposent de plusieurs niveaux de capacités selon l’identité, la réputation, la fonction ou l’autorisation de celui qui les utilise.

L’accès à l’intelligence elle-même deviendrait alors une variable de sécurité.

Après le seuil

Il serait excessif de conclure qu’Astra inaugure une ère de cyberattaques entièrement autonomes.

Les benchmarks ne sont pas le monde réel. Les systèmes informatiques complexes produisent des situations imprévues. Les attaques nécessitent souvent du renseignement, de l’ingénierie sociale, de la persistance, une compréhension organisationnelle et une capacité à éviter la détection.

L’autonomie reste relative.

Mais l’erreur inverse serait de considérer l’annonce d’OpenAI comme un simple changement d’étiquette.

Un laboratoire de premier plan affirme désormais publiquement qu’un de ses modèles peut atteindre le niveau le plus élevé de son propre cadre de préparation cyber. Il rapporte que ce système a découvert des vulnérabilités inconnues, construit des chaînes d’exploitation et démontré des capacités nettement supérieures à celles de la génération précédente.

La question essentielle n’est donc probablement plus de savoir si l’intelligence artificielle deviendra un acteur majeur de la cybersécurité.

Elle l’est déjà.

La question est de savoir ce qui se produit lorsque la recherche de vulnérabilités, l’écriture d’exploits, la défense des systèmes et progressivement certaines opérations cyber cessent d’être limitées par la quantité d’expertise humaine disponible.

Pendant longtemps, la cybersécurité a opposé des humains utilisant des machines à d’autres humains utilisant des machines.

Astra laisse entrevoir une architecture différente : des humains donnant des objectifs à des machines capables de chercher elles-mêmes comment les atteindre, face à d’autres machines chargées de les en empêcher.

Le seuil critique ne décrit peut-être donc pas seulement la puissance d’un modèle.

Il marque le début d’une transformation du champ de bataille numérique lui-même.

Sources principales

OpenAI — « Path to Astra: critical capabilities and frontier safeguards », 1er septembre 2026.

OpenAI — « Responding to the next frontier of critical cyber capabilities », 7 août 2026.

OpenAI — « Pacing model development in an era of cyber-critical capabilities », 18 août 2026.

OpenAI — « Our updated Preparedness Framework », 15 avril 2025.

OpenAI — « Frontier Governance Framework », 28 mai 2026.

Financial Times, The Guardian et Axios — couverture du lancement d’Astra et des restrictions appliquées à ses capacités cyber avancées, 3 septembre 2026.