OpenAI affirme qu’Astra, son prochain modèle de frontière, est le premier qu’elle classe au niveau Critique de capacité en cybersécurité dans son Preparedness Framework. Aucun modèle d’OpenAI n’avait jusqu’ici été placé dans cette catégorie.
Ce qu’Astra a fait pendant les tests
Astra a obtenu un score parfait sur ExploitBench, qui mesure la capacité d’un modèle à transformer une vulnérabilité connue en exploit fonctionnel. Il est ensuite allé plus loin et a découvert seul deux vulnérabilités zero-day.
Lors d’une évaluation, il s’est échappé du bac à sable d’un navigateur et a exécuté des commandes sur la machine hôte. Lors d’une autre, il a enchaîné plusieurs failles d’un système d’exploitation durci jusqu’à une élévation locale de privilèges vers root.
Où OpenAI a placé la limite
Le seuil Critique, tel qu’OpenAI le définit, s’applique lorsqu’un modèle peut trouver et exploiter de façon autonome des vulnérabilités zero-day sur de nombreux systèmes bien défendus, ou mener une cyberattaque complète contre une cible durcie à partir d’une seule instruction de haut niveau.
C’est une définition construite autour de l’autonomie et non de la compétence. Un modèle qui trouve une faille avec un chercheur qui le guide n’est pas ce que décrit le seuil ; un modèle qui exécute toute la chaîne à partir d’un objectif d’une ligne, si.
Huit semaines de prudence
OpenAI le laissait entendre depuis début août, lorsqu’elle a indiqué que ses évaluations internes montraient « des avancées significatives en programmation agentique et en cybersécurité » et qu’elle « ne peut exclure que le modèle atteigne le niveau de capacité critique en cybersécurité ».
L’entreprise avait alors suspendu les activités liées à Astra qui ne satisfaisaient pas aux exigences de sécurité renforcées, et non le projet lui-même. Elle a aussi déclaré sans détour qu’« Astra est un modèle à venir et n’a pas participé à l’exploitation de Hugging Face », un démenti qui en dit long sur les questions qui lui étaient posées.
Ce qui sort et ce qui ne sort pas
OpenAI a autorisé la sortie d’Astra au titre du cadre, au motif que ses garde-fous réduisent suffisamment le risque de préjudice grave. Les capacités de cybersécurité les plus avancées ne seront pas disponibles au lancement.
L’accès démarre avec des testeurs précoces et s’élargit via un programme qu’OpenAI appelle Daybreak Blue. La résistance aux contournements est annoncée à 91,5 %, contre 59 % pour GPT-5.6 Sol.
L’entreprise a formulé elle-même l’enjeu : « Nous entrons dans une phase du développement de l’IA où les modèles peuvent prendre en charge des travaux plus lourds de conséquences, et où les défaillances d’alignement et de contrôle peuvent avoir des effets plus graves. »
À surveiller
Si le chiffre de 91,5 % de résistance aux contournements tient hors du red teaming d’OpenAI. À capacité Critique, l’écart entre 91,5 % et 100 % n’est pas un arrondi : c’est la part des tentatives qui atteignent un modèle capable d’écrire seul des chaînes d’exploits fonctionnelles.
