OpenAI automatise la recherche de vulnérabilités : 948 exploits Linux générés et validés par l’IA
Image générée par l’équipe éditoriale d’Inferama
01

L’annonce d’OpenAI sur son pipeline de cybersécurité

OpenAI a présenté un pipeline d’agents d’intelligence artificielle qui s’appuie sur un modèle spécialisé en cybersécurité, encore à venir, pour valider des vulnérabilités Linux et proposer des correctifs. Selon l’entreprise, le processus a produit 948 exploits d’escalade de privilèges locaux (LPE) en 30 heures, pour un coût total de 1 213 430 dollars en crédits d’API.

Le prototype a repéré et analysé 2 308 résultats candidats dans le noyau Linux. Les agents ont réussi à reproduire dynamiquement 1 724 vulnérabilités. À partir de ce travail, le pipeline a généré 948 exploits LPE que l’entreprise qualifie de fonctionnels, susceptibles de permettre à un utilisateur local non privilégié d’obtenir les droits root. Il a aussi produit des preuves de concept pour 291 vulnérabilités de divulgation d’informations.

02

Les cinq étapes du processus

Le pipeline comprend cinq étapes : la découverte de vulnérabilités, leur validation dynamique, l’évaluation de leur exploitabilité, la génération de correctifs et, enfin, une revue humaine. Les agents commencent par repérer des cibles d’audit présentant un intérêt du point de vue de la sécurité, notamment des portions du code accessibles à des utilisateurs disposant de faibles privilèges.

Pendant la validation dynamique, les agents tentent de reproduire chaque résultat candidat dans un environnement isolé et conservent des éléments issus de l’exécution. Ils évaluent ensuite si les vulnérabilités reproduites peuvent permettre une divulgation d’informations ou une élévation de privilèges, puis élaborent une preuve de concept. Le pipeline propose des correctifs, mais des chercheurs en sécurité examinent l’exploit, le correctif et la gravité proposée avant le signalement aux mainteneurs.

Les étapes du pipeline de cybersécurité d’OpenAI

Les cinq phases décrites par OpenAI et les résultats associés à l’exécution annoncée.

ÉtapeFonction principaleRésultat
DécouverteRepérer des cibles d’audit et des résultats candidats2 308 candidats analysés
Validation dynamiqueReproduire les résultats dans un environnement isolé et conserver les traces d’exécution1 724 vulnérabilités reproduites
Évaluation de l’exploitabilitéTester les possibilités d’abus et élaborer des preuves de concept948 exploits LPE et 291 preuves de concept de divulgation d’informations
Génération de correctifsProposer des corrections pour les vulnérabilités repéréesCorrectifs proposés
Revue humaineFaire examiner les exploits, les correctifs et la gravité par des spécialistes avant le signalementSignalement aux mainteneurs
03

Coût et rôle de l’expertise humaine

L’exécution a coûté 1 213 430 dollars en crédits d’API, soit environ 1 279 dollars par exploit LPE produit. Ce montant correspond au coût déclaré par OpenAI pour le calcul et les appels à l’API mobilisés au cours de cette exécution. Il ne suffit pas, à lui seul, à comparer le pipeline au coût d’un audit humain : une telle comparaison exigerait notamment des données sur la durée, le périmètre, les ressources humaines et la qualité respective des résultats.

OpenAI affirme qu’avec des itérations guidées par des spécialistes, les correctifs générés par l’IA peuvent être fonctionnels, respecter les conventions de code existantes et résister à des variantes d’attaque. Cette caractérisation est une affirmation de l’entreprise, et non une garantie que chaque correctif est exact ou sûr. La revue humaine décrite dans le processus reste donc importante. L’entreprise soutient aussi que l’automatisation peut aider les défenseurs à corriger les défauts avant leur exploitation ; cela ne signifie pas que les délais de correction diminuent toujours ni que les attaquants ne pourront plus exploiter les logiciels.

04

Ce que les résultats impliquent pour la sécurité de Linux

Le travail prolonge 24 exploits LPE qu’OpenAI dit avoir découverts en juin 2026 avec GPT‑5.5‑Cyber. Pour cette nouvelle exécution, l’entreprise rapporte qu’au moins 10 techniques d’exploitation de Linux inédites ont été découvertes et utilisées par les agents. Elle cite notamment de nouveaux objets élastiques persistants pour placer des objets dans le cache du noyau visé, des techniques de préparation de pages, des méthodes fondées uniquement sur des données pour obtenir une élévation de privilèges, ainsi qu’une technique de confusion de types arbitraire.

Pour les mainteneurs du noyau et les administrateurs système, le résultat souligne l’intérêt de traiter rapidement les vulnérabilités et de maintenir les systèmes à jour. OpenAI estime qu’à court et moyen terme, un compte à faibles privilèges sur un système d’exploitation qui n’a pas reçu les derniers correctifs disponibles devrait être considéré comme équivalent, en pratique, à un accès root pour un acteur disposant de ressources importantes. Il s’agit d’une évaluation de risque attribuée à l’entreprise, pas d’une règle universelle ni d’une preuve qu’un tel accès entraîne toujours une compromission.

05

L’IA transforme aussi l’audit de code

Le pipeline s’inscrit dans un contexte où les outils d’IA peuvent accélérer la recherche de vulnérabilités, mais aussi faciliter leur exploitation. VulnCheck a classé la découverte de vulnérabilités assistée par l’IA parmi les risques en hausse, en soulignant qu’elle pourrait aider des personnes peu expérimentées à repérer des défauts logiciels. Cette tendance ne signifie pas que chaque outil d’IA trouve des vulnérabilités fiables ni que les personnes qui l’utilisent n’ont besoin d’aucune compétence.

Google Threat Intelligence Group (GTIG) indique que le nombre de vulnérabilités divulguées chaque mois est passé de 5 045 en janvier 2026 à 10 740 en août 2026, soit plus du double. Le National Cyber Security Centre britannique (NCSC) estime que les outils défensifs assistés par l’IA peuvent réduire le délai entre la découverte d’une vulnérabilité zero-day et sa divulgation comme vulnérabilité connue, et accélérer l’application des correctifs. Le NCSC avertit toutefois que des systèmes mal configurés peuvent rester vulnérables. L’automatisation peut accélérer la découverte comme la correction, mais son effet dépend de la validation, de la configuration et de la capacité des organisations à déployer les correctifs.

06

Poursuivre l’exploration

Sources consultées

03

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.

Proposer une correction