Les modèles open-weight rivalisent avec les IA propriétaires en cybersécurité
L'AISI révèle que les modèles open-weight comme GLM-5.2 et DeepSeek V4-Pro ont comblé l'écart avec les modèles propriétaires en cybersécurité, avec des performances comparables à celles d'il y a 4-7 mois. Le coût est nettement moindre, mais les risques de mauvaise utilisation persistent.
« Current open models like GLM-5.2 and DeepSeek V4-Pro have reached a level that closed frontier models hit four to seven months earlier. » — The Decoder
Que faut-il retenir ?
- GLM-5.2 égale les performances d'Opus 4.6 de février 2026 sur 70 tâches cyber.
- DeepSeek V4-Pro coûte seulement 0,28 $ par tâche contre 15 $ pour Opus 4.6.
- Les modèles open-weight ont un retard de 7 mois dans le test Cyber Ranges.
- Les mesures de sécurité des modèles open-weight sont largement inefficaces.
Pourquoi cette nouvelle compte-t-elle ?
Les modèles open-weight offrent des performances cyber comparables aux modèles propriétaires à un coût bien inférieur, ce qui les rend accessibles à plus d'acteurs. Cependant, leurs faibles mesures de sécurité augmentent les risques de mauvaise utilisation. Ces informations sont cruciales pour les professionnels de la cybersécurité et les décideurs.
DeepSeek V4-Pro coûte 0,28 $ par tâche contre 15 $ pour Opus 4.6.
Public concerné : entreprises, développeurs
Quels sont les risques des modèles open-weight en cybersécurité ?
Les modèles open-weight présentent des risques de mauvaise utilisation car leurs mesures de sécurité sont inefficaces. Ils peuvent être modifiés et exécutés sans contrôle, facilitant les cyberattaques à grande échelle.
🔧 Outils mentionnés