OpenAI automatise la chasse aux failles dans Linux

OpenAI affirme avoir automatisé à grande échelle la recherche de failles dans le noyau Linux, un terrain sensible où un bug peut vite devenir un accès administrateur. Selon les éléments publiés, ses agents ont détecté, reproduit puis exploité 948 vulnérabilités, avant de proposer des correctifs, pour un coût annoncé de 1,2 million de dollars. Le sujet compte parce qu’il montre un basculement très concret : l’IA ne se contente plus de suggérer du code, elle entre dans la chaîne de sécurité logicielle.

Des agents qui enchaînent détection, exploit et correctif

La méthode décrite par OpenAI repose sur une chaîne d’agents automatisés. Chacun prend en charge une étape distincte : repérer une anomalie, la reproduire, chercher un scénario d’exploitation, puis générer une correction. Dans le cas présenté, les failles visées permettaient à un utilisateur local sans privilèges d’obtenir les droits administrateur. Autrement dit, le genre de trou qui peut transformer un simple compte en clé passe-partout.

L’entreprise présente ce résultat comme une industrialisation de la chasse aux bugs, mais le prototype reste encadré. Les exploits et les patchs doivent encore être vérifiés par des chercheurs humains, ce qui limite logiquement la portée des chiffres avancés. Cette nuance est essentielle : on parle d’une démonstration de capacité, pas d’un remplacement complet des équipes de sécurité.

Quand l’IA trouve plus de bugs que les mainteneurs n’en lisent

Dans un autre pan de l’actualité open source, PostgreSQL se retrouve sous pression. La sortie de PostgreSQL 19 a été repoussée au 19 novembre 2026 afin de corriger davantage de bugs détectés avant publication. Selon Robert Haas, les outils d’IA remontent les anomalies bien plus vite que les équipes humaines ne peuvent les examiner et les traiter.

Le problème n’est pas seulement technique. Cette surcharge conduit déjà à retirer certaines nouveautés, faute de temps pour les stabiliser. Pour un projet comme PostgreSQL, la promesse d’une IA qui aide à tester le code se double donc d’un effet pervers très concret : trop de signaux, pas assez de bras. Et l’open source n’a pas inventé la semaine de 38 heures pour les bugs.

GPT-6 Astra, ou l’art de retoucher un modèle sans le réentraîner

Autre démonstration remarquée, des chercheurs du MIT rapportent que GPT-6 Astra peut interpréter les poids de petits réseaux neuronaux, les modifier et même en concevoir sans entraînement. En corrigeant 0,016 % des poids de Qwen3.5-0.8B, Astra a fait passer son score en mathématiques de 7,9 % à 48,1 %. Le résultat intrigue, car il montre qu’un modèle peut agir comme un outil de chirurgie fine sur un autre modèle.

Les auteurs posent toutefois des limites nettes. Cette méthode ne peut pas ajouter une capacité absente du modèle, et les tests ne prouvent pas qu’Astra puisse s’améliorer lui-même. En clair, l’IA peut retoucher, parfois spectaculairement, mais pas inventer magiquement une compétence qui n’existe pas déjà. C’est un progrès réel, pas un tour de magie.