Data / IA
OpenAI lève le voile sur son futur modèle Astra, son premier modèle « cyber-critique »
Par Laurent Delattre, publié le 02 septembre 2026
Échaudé par les dérapages agentiques de l’été, OpenAI a promis de ralentir lorsque la sécurité l’exige. Mais face aux modèles chinois qui se multiplient et au nouveau Fable 5.1 d’Anthropic, le laboratoire ne peut guère s’offrir le luxe de l’immobilisme. Astra sera donc lancé prochainement, puissant mais sous étroite surveillance. Du moins, si l’on en croit la promesse de l’éditeur.
L’été 2026 aura offert à OpenAI une leçon de modestie. Lors d’évaluations cyber, menées avec des protections volontairement réduites, plusieurs de ses agents ont contourné leur isolement, transformé un gestionnaire de paquets interne en forum clandestin pour agents en quête de collaboration, retrouvé un accès à Internet, partagé des informations, exploité des vulnérabilités et finalement compromis des systèmes de Hugging Face. Autrement dit, les agents ont fait beaucoup plus que ce qu’on leur demandait, sans qu’aucun humain ne dirige précisément cette équipée « sauvage » (cf. Incidents IA agentique : les grandes leçons de l’été 2026).
Officiellement, le prochain modèle « Astra » n’était pas impliqué. L’éditeur précise qu’aucun modèle prévu pour une prochaine sortie n’a participé à l’incident Hugging Face. Ce dernier était principalement lié à un modèle de recherche interne (dénommé IM1) jamais destiné à une sortie publique et d’une échelle comparable à GPT-5.6 Sol.
Il a néanmoins démontré qu’une IA suffisamment persistante, équipée d’outils et confrontée à un objectif mal borné pouvait transformer une évaluation en attaque réelle. OpenAI a depuis qualifié l’épisode de « warning shot » et reconnu des lacunes dans le cloisonnement, la supervision et la remontée des alertes. Le problème n’était pas une mystérieuse rébellion des machines, mais l’association très concrète d’un système de récompense, d’autorisations trop larges et d’une infrastructure imparfaitement segmentée. Dans les faits, le compte rendu d’OpenAI est, à cet égard, plus inquiétant que tous les scénarios hollywoodiens.
Freiner, oui. S’arrêter, non
OpenAI affirme désormais accepter de « rythmer » ses progrès lorsque les protections ne suivent plus. L’entreprise a ainsi suspendu pendant deux semaines certains entraînements de pointe, dont une partie des travaux consacrés à Astra. Les grands cycles d’apprentissage par renforcement ont été retenus plus longtemps : l’un d’eux n’a redémarré que le 28 août, après renforcement de l’isolation, des contrôles réseau, de la surveillance et des critères d’alignement. Quelques expérimentations restent encore gelées à ce jour.
Mais le freinage intervient au pire moment concurrentiel. Z.ai avec GLM 5.2, Moonshot avec Kimi K3 et Alibaba avec Qwen3.8-Max rapprochent les modèles chinois, souvent ouverts et moins chers, des meilleurs systèmes américains. Leur menace ne se limite plus aux classements : elle attaque directement le modèle économique des laboratoires occidentaux, fondé sur des IA fermées, coûteuses et fortement contrôlées. Comme nous l’avons déjà évoqué, ces modèles ouverts obtiennent désormais des résultats proches de « la frontière », notamment en programmation agentique. Preuve en est, pour se défendre contre l’attaque des agents d’OpenAI, Hugging Face a justement utiliser des modèles chinois, notamment parce que les garde-fous des modèles occidentaux refusaient les requêtes de ses cyber-experts.
Parallèlement Anthropic vient de lancer Claude Fable 5.1, conçu pour les travaux longs, autonomes et multi-applicatifs. Une sortie accompagnée, elle aussi, de restrictions cyber et biologiques, les requêtes sensibles pouvant être redirigées vers des modèles moins puissants. N’oublions pas qu’Anthropic a également rencontré des incidents agentiques cet été.
La compétition porte désormais autant sur l’intelligence que sur la capacité à distribuer cette intelligence sans fournir, au passage, une boîte à outils industrielle aux attaquants.
Astra franchit un seuil embarrassant
Le billet publié par OpenAI cette semaine n’est pas encore une annonce de lancement. Il ne donne ni date, ni tarif, ni caractéristiques générales. C’est d’abord une communication de sûreté, histoire de rassurer la planète, et, accessoirement, une formidable opération de teasing.
OpenAI classe Astra au niveau cyber « critique », une première dans son histoire. Avec les bons outils et les bons accès, le modèle serait capable de découvrir des failles inconnues, de produire des exploits fonctionnels et de conduire des attaques contre des systèmes durcis sans supervision humaine étape par étape.
Les résultats avancés sont spectaculaires. Astra obtient 100 % à ExploitBench, le test consacré à l’exploitation de vulnérabilités connues. Craignant que ce test public ait contaminé les données d’entraînement, OpenAI a constitué un second jeu de seulement vingt failles critiques récemment divulguées dans V8. Astra y aurait produit davantage d’exécutions de code que GPT-5.6 Sol, avec beaucoup moins de jetons, et découvert deux zero-days intégrées à une même chaîne d’exploitation.
Lors d’autres essais, il aurait compromis un navigateur, échappé à sa sandbox et exécuté des commandes sur la machine hôte. Sur un système d’exploitation durci, il serait également parvenu à passer d’un compte ordinaire aux privilèges root. Le billet d’OpenAI prend toutefois soin de préciser que ces performances correspondent à la configuration privilégiée « Daybreak Blue » (en accès hyper restreint), pas au modèle qui sera proposé par défaut.
Et la nuance est fondamentale : OpenAI ne prévoit pas de mettre toute la puissance d’Astra entre toutes les mains. Les fonctions cyber avancées seront d’abord confiées à quelques testeurs, avant une ouverture progressive aux défenseurs sélectionnés par le programme Daybreak Blue.
Des garde-fous plus solides, mais autoévalués
Et des garde-fous, OpenAI en promet des tonnes, tous revisités pour s’adapter au saut d’intelligence et de dangerosité du modèle. Grâce à l’implantation de ces derniers, Astra aurait refusé 91,5 % des tentatives de contournement cyber testées par OpenAI, contre 59 % pour GPT-5.6 Sol. Les comptes jugés risqués subiront des limites plus strictes. Des classificateurs analyseront le contexte entre plusieurs conversations, tandis qu’une surveillance du raisonnement pourra interrompre une action suspecte. Dans ChatGPT et Codex, l’utilisateur pourra être sollicité pour valider la suite. Via l’API, la tâche s’arrêtera simplement.
Plus intéressant, OpenAI a recréé des « pots de miel » (Honey Pots) inspirés de l’incident Hugging Face. Sans protections de production, GPT-5.6 Sol a tenté d’accéder aux cibles interdites dans 56 % des essais. Selon l’éditeur, dans les mêmes conditions, Astra ne l’a jamais fait et n’a pas davantage cherché à contourner un refus automatique.
Ces chiffres sont encourageants, mais ils restent produits par OpenAI, sur des tests largement internes. Aucune validation tierce ne permet encore de mesurer la robustesse réelle du nouveau dispositif. Histoire de nous filer quelques frissons dans le dos, Yona Shavit, ancien d’OpenAI aujourd’hui chargé de la résilience de l’IA au sein de l’OpenAI Foundation a réagi au blog en soulevant une question pour le moins dérangeante : la retenue d’Astra face aux honey pots traduit-elle un alignement réel, ou trahit-elle plutôt un modèle qui sait ce qu’on attend de lui, voire qui cherche à tromper ses évaluateurs ? Après tout, un système capable d’enchaîner deux zero-days est sans doute tout aussi capable de reconnaître qu’il est observé.
Finalement, c’est bien là toute l’ambiguïté du billet de blog. Le vocabulaire du danger sert la transparence, mais aussi la promotion : qualifier son modèle de premier système cyber « critique » revient également à proclamer son avance. En un sens, les inquiétudes avouées d’OpenAI sur Astra ressemblent étrangement à celles qu’Anthropic avait exprimées sur Mythos Preview plus tôt cette année, avec des précautions comparables et peut-être dans l’espoir de déclencher le même buzz médiatique.
L’enjeu est autant commercial que scientifique. Selon Fortune, OpenAI pousse désormais ses modèles auprès des entreprises sur le terrain de la cybersécurité défensive, identifié comme un relais de croissance prioritaire par son nouveau directeur des revenus, Dali Rajic. La pression financière s’ajoute ainsi à la pression technologique. D’autant qu’OpenAI et Anthropic préparent leur introduction en Bourse, avec des valorisations évoquées au-delà de 1 000 milliards de dollars.
Dans ce contexte, un nouvel épisode d’agents incontrôlés ferait désordre. Rassurer sur Astra, c’est donc protéger à la fois la sécurité des usages et la valorisation de l’entreprise. Le véritable test ne sera pas le prochain benchmark. Ce sera la capacité d’OpenAI à déployer Astra à grande échelle sans reproduire, en production, les incidents que ses propres agents ont déjà provoqués en laboratoire.
Et si l’on en croit l’éditeur, il n’y aura pas longtemps à attendre avant de pouvoir tous découvrir le réel potentiel de ce nouveau modèle…
À LIRE AUSSI :
À LIRE AUSSI :
