Microsoft et Wiz misent sur des agents pour débusquer les failles

Microsoft et Wiz affirment avoir franchi un cap dans la chasse aux failles logicielles avec deux systèmes agentiques qui dépassent 90 % de réussite sur CyberGym, un benchmark conçu pour évaluer la capacité d’une IA à trouver de vraies vulnérabilités dans du code. Côté Wiz, Project Atlas a atteint 90,9 %, tandis que le système MDASH de Microsoft est monté à 95,95 %. L’enjeu dépasse la performance brute : ces outils montrent qu’en cybersécurité, assembler plusieurs modèles spécialisés peut être plus utile qu’en confier le travail à un seul. Et, accessoirement, un peu moins ruineux.

Quand plusieurs modèles font mieux qu’un seul

Le point commun entre Atlas et MDASH tient dans leur architecture. Les deux systèmes n’utilisent pas un modèle unique censé tout faire, mais des agents répartis selon la tâche. Wiz explique qu’Atlas combine Claude Opus 4.6 et GPT-5.5, avec l’idée de router chaque étape vers le modèle le plus à l’aise sur ce segment : modélisation de menace, chasse aux failles, validation ou génération de preuve. Microsoft adopte une logique proche avec MDASH, qui associe des agents de type red team et green team, c’est-à-dire des agents qui simulent l’attaque puis d’autres qui corrigent et valident. Le système marie MAI-Cyber-1-Flash, basé sur le modèle de raisonnement interne MAI-Thinking-1, et GPT-5.4 pour les cas plus complexes.

Selon Microsoft, MAI-Cyber-1-Flash prend en charge jusqu’à 90 % des tâches, avant de passer la main au modèle plus lourd pour le reste. Wiz décrit de son côté un système de routage fondé sur son outil de mesure interne, Cyber Model Arena, qui classe les modèles selon leur efficacité sur des tâches d’investigation. La logique est simple : le meilleur modèle pour raisonner sur une chaîne d’exploitation n’est pas forcément celui qui trie le plus vite les alertes. Dans la cybersécurité, la polyvalence a souvent le défaut de ses qualités : elle coûte cher et elle fait parfois tout un peu moyen.

Ce que montrent les scores publiés sur CyberGym

Les résultats fournis par les deux entreprises placent leurs systèmes au-dessus de plusieurs modèles concurrents testés dans les mêmes conditions. Wiz indique qu’Atlas a dépassé Anthropic Mythos Preview et OpenAI GPT-5.5 Cyber, avec plus de 200 failles zero-day détectées dans des projets open source très utilisés. Microsoft affirme pour sa part que MDASH a battu Mythos, Gemini et GPT sur le même benchmark. Dans le détail, OpenAI GPT-5.5 Cyber a obtenu 85,6 %, GPT-5.6 Sol 83,6 %, Anthropic Mythos 5 a reproduit la vulnérabilité cible dans 83,8 % des cas, et Google Gemini 3.5 Flash Cyber dans CodeMender a atteint 83,2 %.

Ces chiffres donnent un signal intéressant, mais ils ne disent pas tout. CyberGym mesure la capacité à repérer et reproduire des vulnérabilités réelles, pas à protéger en continu une base de code mouvante. C’est précisément le point mis en avant par Wiz : un scan ponctuel d’un dépôt n’est pas une stratégie durable, car le code change vite et les résultats vieillissent presque aussitôt. D’où l’idée d’un système qui tourne en continu, réévalue les modèles disponibles et choisit celui qui répond le mieux à chaque étape. Dans ce contexte, la question n’est plus seulement « quel modèle ? », mais « comment l’architecture suit-elle le rythme ? »

Une bataille technique, mais aussi budgétaire

Les deux entreprises insistent aussi sur l’impact financier. Microsoft affirme que l’association de son petit modèle interne avec GPT-5.4 divise les coûts par deux. Mustafa Suleyman, CEO de Microsoft AI, a déclaré lundi : “As the models hand off between each other, they are not just able to deliver better performance than all of the other models combined, they do so at 50 percent of the cost,”. Wiz dit de son côté qu’Atlas n’est pas encore commercialisé et qu’il reste un outil interne, conçu pour tester comment les modèles de pointe peuvent améliorer l’analyse de code. Mais la direction est claire : mieux répartir les tâches entre plusieurs IA permet de faire plus, sans faire exploser la facture.

Reste une limite importante. Wiz rappelle qu’Atlas s’appuie sur des modèles de pointe, mais que ces derniers ne restent pas longtemps au sommet. Autrement dit, la vraie valeur ne vient pas d’un nom de modèle à la mode, mais d’un système capable d’intégrer rapidement le suivant. C’est là que se joue une partie du marché de la cybersécurité assistée par IA : moins dans la démonstration spectaculaire que dans la capacité à industrialiser des scans continus, validés, et suffisamment précis pour être exploitables par des équipes de sécurité déjà sous pression. Microsoft et Wiz posent ainsi une même thèse : pour trouver des failles, il faut désormais savoir coordonner plusieurs cerveaux artificiels plutôt qu’en glorifier un seul.