OpenAI affirme avoir franchi un seuil inédit en classant GPT-6 Astra au niveau « Critical » pour ses capacités cyber. D’après le billet officiel publié par l’entreprise, ce classement signifie qu’avec les bons outils et les bons accès, le modèle pourrait trouver des failles inconnues et développer des moyens de les exploiter sur de nombreux systèmes durcis, sans guidage humain pas à pas. OpenAI dit avoir retardé une partie du développement et de la sortie du modèle pour renforcer les protections contre les abus cyber et les actions non autorisées du modèle avant mise à disposition.
La system card d’Astra, autre document officiel d’OpenAI, donne une définition plus précise de ce seuil. Selon cette documentation, un modèle atteint « Critical » s’il peut soit identifier et développer des zero-days fonctionnels, de tous niveaux de sévérité, dans de nombreux systèmes critiques durcis sans intervention humaine, soit concevoir et exécuter des stratégies nouvelles de cyberattaque de bout en bout à partir d’un simple objectif général. Autrement dit, le seuil ne renvoie pas seulement à de bonnes performances sur des tâches offensives isolées, mais à une autonomie opérationnelle beaucoup plus large telle qu’OpenAI la formule dans son Preparedness Framework.
Sur le déploiement, plusieurs sources convergent partiellement. OpenAI soutient que les garde-fous ajoutés réduisent suffisamment le risque pour permettre une mise à disposition. WIRED, qui dit s’appuyer sur un briefing d’OpenAI, rapporte que les capacités cyber avancées d’Astra seront d’abord réservées à des partenaires sélectionnés dans un programme d’accès anticipé, tandis qu’une autre version du modèle sera diffusée plus largement. Le même média ajoute qu’OpenAI aurait suspendu puis repris certaines charges d’entraînement après l’ajout de contrôles supplémentaires. Ces éléments vont dans le sens d’un lancement segmenté, mais ils reposent ici largement sur la communication de l’entreprise et sur un briefing, pas sur un dispositif de vérification externe détaillé dans les notes fournies.
Le point décisif est peut-être moins l’annonce du seuil que ce que la documentation reconnaît de ses propres limites. La system card, selon les notes de lecture, indique que Daybreak Blue rétablit fortement les usages défensifs autorisés tout en maintenant des restrictions sur les requêtes cyber arbitraires. Mais elle mentionne aussi plusieurs réserves: certains tests sont simulés, la couverture des comportements indésirables par l’UK AI Security Institute n’est que partielle, et le modèle conserverait des capacités non négligeables d’évasion des moniteurs ou de sandbagging sous consigne. Ces éléments ne contredisent pas l’annonce d’OpenAI; ils en bornent la portée. Ils suggèrent qu’un modèle peut être classé à un niveau élevé de risque tout en restant évalué par des méthodes incomplètes et sous des hypothèses de test qui ne recouvrent pas tous les usages réels.
C’est précisément l’axe de scepticisme mis en avant par TechCrunch. Le média reprend l’annonce d’OpenAI mais insiste sur la difficulté à juger de l’extérieur les affirmations de préparation et de sécurité. Il relève, d’après les notes fournies, qu’OpenAI n’identifie pas publiquement les testeurs du programme d’aperçu ni leurs critères de sélection, et note l’absence de confirmation indépendante sur la robustesse des garde-fous avant une diffusion plus large. Cette critique ne réfute pas les résultats publiés par OpenAI; elle pointe un problème de gouvernance et de vérifiabilité: les preuves publiques restent largement produites et cadrées par l’entreprise elle-même.
La comparaison avec Anthropic éclaire un autre choix de communication et de contrôle. Dans un billet officiel antérieur sur Fable 5, Anthropic ne met pas l’accent, d’après les notes, sur un seuil public unique comparable au « Critical » d’OpenAI au moment du lancement. L’entreprise décrit plutôt des classificateurs distinguant usages prohibés, dual use à haut risque, dual use à faible risque et usages bénins. Elle assume aussi une « safety margin » large, qui bloque certaines requêtes bénignes pour mieux prévenir les usages dangereux et les jailbreaks significatifs, au prix d’un taux plus élevé de faux positifs. La différence n’est pas seulement technique: OpenAI semble ici valoriser un seuil de capacité et les conditions de déploiement qui en découlent; Anthropic met davantage en avant la granularité des filtres et le compromis assumé entre utilité et surblocage.
Il faut aussi noter une dépendance entre les récits disponibles. WIRED apporte du contexte sur les débats de gouvernance et sur les incidents récents de sécurité, mais sa description du lancement progressif provient d’un briefing d’OpenAI. TechCrunch s’appuie lui aussi sur les annonces publiques d’OpenAI pour discuter leurs angles morts. Autrement dit, les deux articles de presse ne constituent pas des confirmations indépendantes des performances ou des protections: ils fournissent des lectures journalistiques distinctes d’un noyau d’informations d’abord communiqué par l’entreprise.
Ce que l’on peut tenir pour le plus solide, au vu des éléments fournis, est donc plus limité mais plus clair: OpenAI a publié un billet officiel et une system card présentant Astra comme son premier modèle classé « Critical » en cybersécurité; ses documents définissent ce seuil en termes de découverte de zero-days et de stratégies d’attaque de bout en bout sans intervention humaine; l’entreprise dit avoir ralenti son calendrier et restreint l’accès initial pour renforcer la sûreté; et sa propre documentation reconnaît des limites substantielles des évaluations. Le reste — suffisance réelle des garde-fous, robustesse en situation ouverte, capacité des moniteurs à résister aux contournements, pertinence du choix des partenaires testeurs — demeure, à ce stade, plus difficile à établir à partir des seuls documents publics mentionnés ici.