Cisco vient de publier en open source Antares, une famille de petits modèles taillés pour traquer les vulnérabilités directement dans le code. Pour accompagner le lancement, Aman Priyanshu, l’un de ses développeurs, a avancé un argument sur X : à budget égal, ces modèles repéreraient cent cinquante fois plus de failles que les agents concurrents. Un rapport de 1 à 150, c’est le genre de chiffre qu’on ne prend jamais pour argent comptant.
D’où sort ce facteur 150
Antares regroupe deux modèles ouverts, Antares-350M et Antares-1B, entraînés à repérer des vulnérabilités directement dans le code source. Le comparatif porte sur le plus petit des deux, le 350 millions de paramètres, mesuré face à de gros agents comme le Security Swarm de Devin, l’agent développeur de Cognition.
La métrique n’est pas « détecte-t-il mieux ? » mais « détecte-t-il plus par dollar ? ». Nuance capitale. Le facteur 150 est un rendement, pas une supériorité technique. Il additionne deux effets : un modèle assez léger pour tourner sur du matériel modeste, et une facture d’inférence qui s’effondre quand on remplace un agent lourd, multi-appels, par un modèle unique et compact.
Un second chiffre, plus parlant que le premier
Le ratio abstrait devient concret dans les tests internes de Cisco, relayés par la presse spécialisée : Antares a scanné 500 dépôts de code en environ quinze minutes, pour moins d’un dollar. Le même travail confié à GPT-5.5 a demandé cinq heures et coûté plus de cent dollars.
Voilà l’ordre de grandeur qui compte vraiment. Cent dollars contre un, cinq heures contre quinze minutes : sur un catalogue de plusieurs milliers de dépôts, l’écart ne relève plus de l’optimisation, il change la nature de l’exercice. Scanner en continu tout son code devient une routine quasi gratuite là où c’était, avec un gros modèle, un budget à défendre.
Un scanner frugal peut rater les failles qui comptent
Reste que ce ratio ne dit rien de la qualité de la détection. Un scanner bon marché qui laisse passer les failles subtiles ou noie l’analyste sous les faux positifs coûte cher autrement. Cisco ne prétend d’ailleurs pas que ses petits modèles égalent les gros sur la finesse : c’est ailleurs que se joue la parité.
Détail révélateur du rapport technique : les modèles ont été entraînés sur un mélange à dominante sécurité, environ 72 % de données portant sur des concepts de sécurité et 15 % de traces de recherche de failles dans le code. Autrement dit, la performance ne vient pas de la taille mais de la spécialisation du régime d’entraînement. Un généraliste géant disperse sa capacité sur mille tâches ; un petit modèle nourri presque exclusivement de vulnérabilités concentre la sienne là où on l’attend.
C’est l’enseignement de fond, et il dépasse Cisco. Sur une tâche étroite et répétitive comme l’audit de code, l’avantage bascule vers le spécialiste frugal. La valeur ne suit plus la courbe des paramètres. Le pari tranche avec ceux des géants du secteur : le Big Sleep de Google DeepMind comme l’Aardvark d’OpenAI, adossé à GPT-5, misent sur de gros agents autonomes pour débusquer des failles inédites. Antares vise l’inverse, localiser à coût quasi nul des vulnérabilités déjà répertoriées.
Pourquoi Cisco garde sa carte maîtresse
L’entreprise n’a pas tout ouvert. Une version à trois milliards de paramètres reste réservée à ses propres produits. Selon Cisco, ce modèle interne s’approche des performances de GPT-5.5 et dépasse des modèles ouverts jusqu’à deux cents fois plus gros que lui.
Ce dernier chiffre mérite lui aussi qu’on s’y arrête. « Battre un modèle 200 fois plus gros » sonne spectaculaire, mais il faut le lire pour ce qu’il est : sur la tâche précise pour laquelle Antares a été taillé, un généraliste massif joue à contre-emploi. Le comparatif flatte le spécialiste parce que le terrain est le sien. Il n’en reste pas moins un signal solide : pour la détection de vulnérabilités, empiler les paramètres n’achète plus la première place.
La stratégie de Cisco tient dans cette dissymétrie assumée. Les petits modèles, ouverts, servent d’appât et de standard de fait ; le 3B, fermé, reste le produit. Et comme Antares tourne en local, le code sensible ne quitte jamais l’entreprise, argument de poids face aux services d’analyse hébergés dans le cloud. La firme évoque même un consortium industriel autour d’outils de sécurité IA ouverts.
Répartir les outils au lieu de courir au plus puissant
Pour une équipe qui doit auditer son code en continu, l’arbitrage change de nature. Il ne s’agit plus de choisir le modèle le plus puissant du marché, mais de savoir où placer chaque outil : un petit modèle spécialisé en balayage permanent et bon marché, un gros agent réservé aux cas qui justifient sa facture et ses cinq heures.
Le facteur 150 restera invérifiable tant qu’on n’aura pas mesuré le taux de détection réel sur son propre parc. Mais l’écart est trop massif pour n’être qu’un effet d’annonce. Si un modèle de 350 millions de paramètres suffit à passer au crible un catalogue entier pour le prix d’un café, le calcul cesse d’être la dépense qui compte. Ce qui pèsera, désormais, c’est le temps que des humains passeront à trier ce que la machine remonte.
