Les modèles IA open source comme GLM-5.2, DeepSeek V4-Pro et Kimi-K3 affichent désormais des capacités cyber proches de celles des modèles fermés de référence, selon une étude publiée le 18 juillet 2026 par l’AI Security Institute (AISI) britannique et relayée par The Decoder. L’écart de performance, qui était de 6 à 10 mois début 2025, s’est réduit à seulement 4 à 7 mois.
Quels modèles ont été comparés
Côté modèles fermés, l’étude prend pour référence Opus 4.5 et 4.6, GPT-5.5 et GPT-5.6 Sol, ainsi que Claude Mythos 5 et Sonnet 4.5. Côté open source, elle retient GLM-5.2 (Z.ai), DeepSeek V4-Pro et Kimi-K3 (Moonshot AI), trois modèles chinois qui dominent déjà les classements de performance brute et de rapport prix/performance sur d’autres benchmarks ces dernières semaines.
Un coût jusqu’à 70 fois inférieur
L’étude de l’AISI chiffre précisément l’écart économique entre les deux catégories de modèles. Pour un test portant sur 100 millions de tokens, la facture atteint 85 dollars avec Opus 4.6 contre seulement 1,19 dollar avec DeepSeek V4-Pro. Rapporté à une tâche individuelle, le coût passe de 15 dollars à 0,28 dollar, soit un rapport d’environ 50 à 70 fois. Les chercheurs notent que GLM-5.2 a atteint un niveau de performance que les modèles propriétaires de pointe n’avaient obtenu que quatre à sept mois plus tôt.
Des garde-fous faciles à contourner
Au-delà de la performance brute, l’AISI pointe un problème structurel : une fois les poids d’un modèle open source téléchargés localement, les protections censées limiter les usages malveillants deviennent, dans la plupart des cas, faciles à désactiver ou à contourner. Contrairement à un modèle fermé accessible uniquement via une API surveillée, un modèle open source échappe largement au contrôle de son éditeur d’origine dès qu’il est déployé sur l’infrastructure d’un tiers.
Une fenêtre de défense qui se referme
Pour les équipes de sécurité, la conséquence est directe : le délai dont elles disposaient pour anticiper de nouvelles menaces générées par IA se réduit mécaniquement. Ce constat s’inscrit dans une tendance observée depuis l’irruption de DeepSeek début 2025 : les laboratoires chinois et les projets open source referment l’écart avec les leaders américains à un rythme soutenu, y compris sur des capacités sensibles comme l’exploitation de vulnérabilités ou l’automatisation d’attaques.
Pourquoi cela compte
L’enjeu dépasse la seule course aux benchmarks. La baisse spectaculaire du coût d’accès à des capacités offensives proches de l’état de l’art change concrètement le calcul de risque pour les défenseurs, quelle que soit la taille de leur organisation : un acteur malveillant disposant d’un budget modeste peut désormais s’appuyer sur des modèles comme Kimi-K3 ou DeepSeek V4-Pro pour automatiser des tâches qui nécessitaient auparavant l’accès à des modèles fermés coûteux. L’AISI recommande aux équipes de sécurité d’intégrer ce raccourcissement de la fenêtre de préparation dans leurs plans de défense pour les prochains mois.
Source : The Decoder
Quels modèles open source sont mentionnés dans l’étude de l’AISI ?
L’étude cite notamment GLM-5.2, DeepSeek V4-Pro et Kimi-K3, comparés à des modèles fermés comme Opus 4.6, GPT-5.6 Sol et Claude Mythos 5.
De combien l’écart de performance cyber s’est-il réduit ?
Selon l’AISI, l’écart est passé de 6 à 10 mois début 2025 à seulement 4 à 7 mois aujourd’hui.
Pourquoi le coût des modèles open source est-il si inférieur ?
Pour un test de 100 millions de tokens, DeepSeek V4-Pro coûte 1,19 dollar contre 85 dollars pour Opus 4.6, soit un rapport d’environ 70 fois moins cher.
