L’essentiel
- OpenAI a monté un pipeline d’agents, adossé à un futur modèle cyber, qui cherche, reproduit et exploite des failles du noyau Linux.
- Sur 2 308 pistes analysées, 1 724 vulnérabilités ont été reproduites et 948 exploits d’élévation de privilèges locale (LPE) ont été produits.
- Des chercheurs humains ont relu les résultats et signalé les failles avec des correctifs candidats, en commençant par les plus critiques, avec les partenaires de Patch the Planet.
Un utilisateur sans aucun privilège ouvre une session sur une machine Linux et en ressort administrateur, avec le compte « root » qui donne la main sur tout le système. Ce scénario porte le nom d’élévation de privilèges locale (LPE, pour Local Privilege Escalation). OpenAI affirme en avoir produit 948 versions fonctionnelles contre le noyau Linux, toutes fabriquées par un pipeline d’agents IA, dans un billet publié le 4 novembre et intitulé « A thousand fewer paths to root ».
De 2 308 pistes à 948 exploits : l’entonnoir du pipeline
Le pipeline décrit par OpenAI enchaîne plusieurs étapes : repérage des zones sensibles du code et analyse de pistes de failles, validation dynamique (chaque piste est rejouée dans un environnement isolé, avec conservation des preuves d’exécution), évaluation de l’exploitabilité, puis génération de correctifs. Au cœur du dispositif, un modèle « cyber » que l’entreprise n’a pas encore commercialisé.
L’entonnoir se lit en trois temps. Sur 2 308 pistes analysées, 1 724 ont été reproduites, soit environ 75 % : un quart des candidates tombe donc à la reproduction. Parmi ces 1 724 vulnérabilités confirmées, 948 ont donné un exploit LPE, soit 55 %, ou un peu plus de 41 % des pistes de départ.
Restent 776 vulnérabilités reproduites sans exploit root. Elles ne sont pas forcément anodines : le billet fait aussi état de 291 preuves de concept pour des fuites d’informations, un type de faille qui sert souvent de marchepied à une attaque plus grave.
De 24 exploits en juin à 948 en novembre
OpenAI présente ces 948 exploits comme autant de vulnérabilités distinctes, chacune accompagnée de son correctif candidat. Le décompte ne se résume donc pas à plusieurs chemins menant au même défaut de code : c’est ce qui donne son poids au chiffre.
La comparaison avec juin est tentante. À l’époque, GPT-5.5 Cyber avait identifié des vulnérabilités du noyau et développé 24 exploits LPE. Passer de 24 à 948 représente un facteur d’environ 40, mais il serait abusif d’y lire le seul progrès d’un modèle : le modèle a changé, et OpenAI a surtout bâti autour de lui une chaîne complète de validation et de tri. Une bonne part du gain vient de l’industrialisation.
Le coût demande la même prudence. Le passage principal a coûté environ 1,2 million de dollars en crédits d’API (l’interface qui donne accès au modèle), soit près de 1 300 dollars par exploit. OpenAI détaille ce coût étape par étape pour que d’autres chercheurs puissent reproduire le travail, mais précise avoir mesuré ce dont les modèles sont capables, pas leur rentabilité. Ces montants disent donc ce que la démonstration a coûté, pas ce que coûterait un exploit au prix du marché.
Générer des correctifs va plus vite que les relire
OpenAI le dit elle-même : la difficulté n’était pas de découvrir des pistes, mais de savoir lesquelles se reproduisaient, quelle frontière de sécurité elles franchissaient et lesquelles devaient passer en premier sous les yeux des mainteneurs. La phase de découverte a produit des milliers de candidats, trop nombreux pour qu’une équipe de chercheurs les trie à la main.
Ce tri a été confié aux agents, mais la même question se repose à l’arrivée, côté noyau. Plus de 40 millions de lignes de code, des correctifs candidats à relire, tester et discuter avant le merge : la génération se paie en puissance de calcul et monte en charge à volonté, alors que la relecture dépend d’un petit nombre d’humains qui connaissent chaque sous-système. Le débit d’un côté n’a aucune raison de s’aligner sur celui de l’autre. Anthropic a buté sur le même mur avec Project Glasswing : un mois après son lancement, ses partenaires avaient relevé plus de 10 000 vulnérabilités de gravité haute ou critique avec Claude Mythos Preview, et l’éditeur reconnaissait que la correction et la divulgation étaient devenues le goulot.
La démarche d’OpenAI en tient compte. Les chercheurs humains ont relu les sorties avant tout signalement et, sur les conseils de la communauté du noyau, l’entreprise a commencé par les vulnérabilités critiques plutôt que de déverser les 948 cas d’un bloc. D’autres rapports et d’autres patches sont en préparation avec les partenaires de l’initiative Patch the Planet.
La preuve d’exécution, monnaie d’échange avec les mainteneurs
Pour un mainteneur, un patch généré par une IA pose une question simple : puis-je lui faire confiance sans tout refaire ? La conservation des preuves d’exécution à l’étape de validation y répond en partie. Un rapport qui arrive avec une reproduction dans un environnement isolé se vérifie en quelques gestes ; sans preuve, il faut repartir de zéro.
Pour les équipes qui exploitent des parcs Linux (serveurs cloud, flottes Android, machines de calcul), la conséquence est pratique. Si ce volume de rapports se confirme, les cycles de mise à jour du noyau auront de bonnes raisons de s’accélérer, et ceux qui traînent à appliquer les correctifs seront les premiers exposés. Cette lecture est une déduction de notre part, pas une annonce d’OpenAI.
Le compteur des correctifs a déjà commencé à tourner. À la publication du billet, 61 des failles étaient corrigées dans le noyau officiel, 43 avaient un correctif en préparation et 299 faisaient l’objet de signalements et de discussions publiques. Il en reste plus de cinq cents à faire passer, et le délai entre chaque rapport et son merge dira si les mainteneurs tiennent la cadence.
Mon avis
La valeur de ce pipeline tient moins à ses 948 exploits qu’aux 1 724 reproductions assorties de preuves : c’est ce dossier qui rend un patch lisible par un humain pressé. Les mainteneurs qui exigeront ce niveau de preuve pour tout correctif généré auront raison, et j’y vois la future norme de l’ensemble de l’open source face aux IA qui produisent plus vite que nous ne lisons.
Vous avez aimé celui-ci ?
La newsletter du vendredi réunit les articles de la semaine, avec leurs sources.
Offert à l'inscriptionMa configuration Claude Code, avec mes skills, mes sous-agents et mes hooks, prêts à copier.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
