Des agents IA percent des réseaux d’entreprise, et l’écart se resserre

Des agents IA sont désormais capables d’attaquer seuls des réseaux d’entreprise simulés, sans aide humaine, selon le benchmark CyberOffense de Vals AI publié le 7 novembre 2026. Le test place les modèles face à une adresse web publique, puis mesure leur progression vers des privilèges d’administrateur dans un environnement réaliste. L’écart entre modèles ouverts et fermés se réduit, et cela change la donne pour la cybersécurité comme pour les attaquants.

Quand un modèle apprend à forcer une porte, la défense doit suivre

CyberOffense repose sur une logique simple et assez rude : un agent part d’une machine Kali Linux isolée, explore un réseau simulé, enchaîne les commandes, puis tente de remonter jusqu’aux droits admin. Chaque action est journalisée et notée automatiquement. GPT-6 Sol, utilisé dans le programme cyber restreint Daybreak d’OpenAI, obtient 80,8 % des objectifs, tandis que Deepseek V4.1 Flash 1017, un modèle open-weight librement disponible, atteint 72,8 % pour un coût d’environ 3 dollars par exécution, contre environ 22 dollars pour GPT-6 Sol. Autrement dit, l’attaque automatique ne coûte plus très cher. La blague circule mal chez les RSSI.

Le coût baisse, la capacité grimpe

Dans le test Lighthouse, plus difficile, Daybreak prend le contrôle admin de la première entreprise fictive, vole des mots de passe, puis s’en sert pour pénétrer une deuxième société. Vals indique 27 objectifs accomplis sur 31 en moins de trois heures. Deepseek en remplit 21, pour un coût bien inférieur, sans être limité uniquement par des garde-fous de sécurité. Surtout, le temps d’exécution compte beaucoup : le modèle open-weight n’obtient aucun résultat sur ses 25 premiers millions de tokens, puis progresse nettement après 100 millions. Les benchmarks trop courts sous-estiment donc la capacité réelle de certains modèles ouverts.

Open et fermé : quatre à sept mois d’écart seulement ?

Les résultats de Vals recoupent une analyse de l’AI Security Institute britannique publiée en juillet 2026. Selon cette étude, le retard entre modèles ouverts et fermés de pointe en cybercapacités est tombé à quatre à sept mois, contre six à dix mois pendant une grande partie de 2025. La baisse est nette. Elle l’est d’autant plus que les modèles ouverts restent beaucoup moins chers à exécuter : l’AISI chiffre un run cyber-range à 1,19 dollar pour Deepseek V4-Pro, contre 85 dollars pour Anthropic Opus 4.5. Dans le même temps, les protections de sécurité testées sur les modèles ouverts se révèlent largement inefficaces.

Ce que cela change pour les défenseurs

Vals y voit aussi une opportunité pour les entreprises : les mêmes modèles capables d’exploiter une faille peuvent servir à la trouver et à la corriger en amont. Mais le signal de fond reste moins rassurant. Des attaques sur des réseaux réels devraient augmenter dans les prochains mois, selon Vals AI, d’autant que d’autres travaux vont dans le même sens. Une étude d’Anthropic a ainsi montré que le modèle libre GLM-5-3 peut construire des exploits à un niveau proche de celui de son modèle interne le plus avancé, Mythos. Le marché n’a plus seulement affaire à des démonstrations de labo ; il regarde un outil qui s’installe, coûte moins cher et progresse vite.