GPT-5.4-Cyber : OpenAI lance son IA
pour traquer les failles de sécurité.

GPT-5.4-Cyber est une variante de GPT-5.4 affinée pour le travail de sécurité défensive. Sa particularité tient en un terme employé par OpenAI : le modèle est cyber-permissif. Autrement dit, il abaisse le seuil à partir duquel un modèle refuse de répondre lorsque la demande touche à la recherche de vulnérabilités, à l’analyse de logiciels malveillants ou au test d’intrusion autorisé.

Ce point mérite d’être compris, car il est contre-intuitif. Sur un modèle grand public, la difficulté rencontrée par un analyste en sécurité n’est pas l’incompétence du modèle : c’est le refus. Les classificateurs de sécurité ne distinguent pas un chercheur qui désassemble un binaire d’un attaquant qui prépare une charge. Le résultat est une friction permanente sur des tâches parfaitement légitimes, que les équipes contournaient à coups de reformulations.

Le même jour, OpenAI a annoncé passer son programme d’accès à l’échelle : des milliers de défenseurs individuels vérifiés et des centaines d’équipes chargées de protéger des logiciels critiques. Une enveloppe de dix millions de dollars en crédits d’interface de programmation a été ouverte aux organisations de sécurité retenues.

Une précision s’impose ici, souvent absente des reprises : ce programme n’a pas été créé pour GPT-5.4-Cyber. OpenAI l’avait introduit en février 2026 comme cadre d’accès fondé sur l’identité et la confiance, permettant à des défenseurs vérifiés d’obtenir moins de refus sur des tâches autorisées. L’annonce d’avril consiste à l’étendre et à y rattacher un modèle dédié.

Le mécanisme repose sur une gradation. Un défenseur individuel demande son accès via une page dédiée d’OpenAI et passe une vérification d’identité. Une organisation passe par son interlocuteur commercial. Plus la vérification est poussée, plus les capacités débloquées sont larges, le modèle le plus permissif étant réservé au niveau le plus élevé.

La première cohorte de partenaires comprenait plusieurs sociétés d’analyse de code et de renseignement sur les menaces, dont Socket, Semgrep et Trail of Bits. C’est précisément le type d’acteur qui produit des rapports comme celui ayant identifié les 108 extensions Chrome malveillantes retirées du navigateur, un travail d’analyse de code à grande échelle que ces modèles accélèrent directement.

Le 30 avril 2026, l’institut britannique de sécurité de l’IA a publié une évaluation indépendante des capacités cyber de GPT-5.5, le modèle généraliste sorti le 23 avril. Sur une série de tâches de niveau expert couvrant la recherche de vulnérabilités, la rétro-ingénierie, le développement d’exploits et les attaques cryptographiques, GPT-5.5 obtient un taux de réussite de 71,4 %, devant Claude Mythos Preview à 68,6 % et GPT-5.4 à 52,4 %.

Un résultat particulier a beaucoup circulé, et il est instructif. Sur un défi de rétro-ingénierie portant sur une machine virtuelle sur mesure, le modèle a produit la solution en dix minutes et vingt-deux secondes, pour un coût de calcul de 1,73 dollar. L’institut estimait ce même travail à plusieurs heures pour un expert humain.

Les mesures publiées par les éditeurs eux-mêmes vont dans le même sens, avec la prudence qui s’impose sur des chiffres auto-déclarés. Sur le jeu de tests CyberGym, qui rassemble plus de 1 500 vulnérabilités historiques réparties sur 188 projets, OpenAI place GPT-5.5 à 81,8 %, contre 79,0 % pour GPT-5.4. Anthropic annonce de son côté 83,1 % pour Claude Mythos Preview sur des tâches de reproduction comparables.

Trois réserves méritent d’être posées, et elles ne relèvent pas du scepticisme de principe. Elles proviennent des documents des éditeurs eux-mêmes.

La première porte sur la nature du chiffre de 95 %. Cette mesure indique à quelle fréquence le modèle accepte de répondre, pas si la réponse est exacte, si l’exploit produit fonctionne, ni si le correctif proposé tient. Un taux d’acceptation n’est pas un taux de réussite. La fiche technique complète du modèle n’avait pas encore été publiée à la date de mise à jour.

La deuxième concerne la robustesse des garde-fous. Lors de l’évaluation britannique, une équipe d’attaque a trouvé en environ six heures un contournement universel des protections cyber du modèle. OpenAI indique avoir depuis ajouté des mesures correctives. L’épisode rappelle que la capacité offensive du modèle existe indépendamment de la personne qui détient l’accès légitime, ce qui déplace la question de sécurité vers la protection des comptes autorisés.

La troisième est juridique. Les engagements signés par les utilisateurs restreignent l’usage aux systèmes détenus, exploités ou testés avec autorisation. Un test conduit hors de ce périmètre relève de l’accès non autorisé, avec les qualifications pénales correspondantes. Le compte vérifié ne constitue pas une autorisation de tester quoi que ce soit.