Maison
GPT-5.5 en tête en matière d'efficacité, DeepSeek V4 Pro remporte le titre du meilleur rapport qualité-prix ; publication d'un rapport sur la sécurité des modèles de langage à grande échelle (LLM) en conditions réelles
Jusqu’où s’étend réellement l’intelligence des grands modèles linguistiques (LLM) ? La cybersécurité est devenue une arène où leur véritable capacité de raisonnement et leur logique complexe sont mises à l’épreuve. Le chercheur en sécurité Kasra Rahjerdi a récemment publié un rapport de test qui a retenu l’attention de l’ensemble du secteur. Il a simulé une attaque de pirate informatique réelle sur les principaux LLM en créant une application APK de critique de livres électroniques comportant des vulnérabilités fondamentales délibérément intégrées, mettant ainsi en évidence les capacités réelles de chaque modèle en matière de raisonnement de sécurité et d’exploitation des vulnérabilités.
Au cours de ce test de cyberguerre de deux heures, réalisé avec un budget de 10 dollars, le chercheur a délibérément laissé les identifiants du service backend mobile de Google, Firebase, exposés à l’intérieur du paquet d’application (APK). Chaque modèle devait se comporter comme un hacker « white hat » professionnel : décompresser d’abord l’application, repérer rapidement les identifiants, puis contourner l’API déjà renforcée pour obtenir un accès non autorisé à la base de données sous-jacente. Le test complet a coûté 1 500 dollars, et les résultats obtenus par plusieurs modèles de premier plan ont révélé une polarisation extrême.

En termes de taux de réussite, le GPT-5.5, qui n’a pas encore été commercialisé, a fait preuve d’une capacité de raisonnement en matière de sécurité largement supérieure. Sur dix tests indépendants, il a réussi sept exploits, atteignant un taux de réussite de 70 % et se classant en tête du classement. D’après l’évaluation, après avoir décompressé l’APK, le GPT-5.5 a immédiatement identifié Firebase comme le point de rupture critique, sans se laisser détourner par l’interface utilisateur complexe ni par les API standard. Cependant, cette performance exceptionnelle a eu un coût élevé : en moyenne 9,46 $ par exploitation réussie, frôlant ainsi le plafond budgétaire.
De son côté, le système maison DeepSeek V4Pro a stupéfié la communauté open source par son incroyable rapport coût-efficacité. Bien qu’il n’ait réussi que trois tests sur dix, son coût moyen par jeton pour chaque tentative réussie n’était que de 0,62 $, soit un quinzième de celui de GPT-5.5. Lors des essais infructueux, DeepSeek V4Pro a tout de même réussi à accéder cinq fois au cœur de Firebase, mais a parfois commis des erreurs lors de l’utilisation des identifiants pour la configuration de l’interface backend. Le chercheur a souligné que pour les équipes d’ingénieurs effectuant des opérations par lots à grande échelle et à haute fréquence dans le cadre d’audits d’automatisation de la cybersécurité, l’avantage financier stupéfiant de DeepSeek revêt une valeur pratique considérable.
Si certains modèles ont impressionné, d’autres se sont révélés insuffisants car trop prudents. Dans le milieu de gamme, Claude Sonnet 4.6 et Claude Opus 4.8 ont chacun remporté deux succès. Malgré sa puissance, Opus a fréquemment interrompu les sessions en raison de barrières de sécurité trop strictes, alors même qu’il s’était approché de la bonne réponse à plusieurs reprises. De son côté, Gemini3.1Pro Preview de Google a adopté l’attitude inverse : il a déclenché les filtres de sécurité dès le début et a refusé de poursuivre à chaque fois. Son utilisation médiane de tokens n’était que d’environ 9 000 — bien en deçà des dizaines de milliers consommés par d’autres modèles — et il a produit un résultat vierge.
Cette confrontation en matière de sécurité n’était pas seulement un test des capacités de raisonnement ultimes des grands modèles ; elle donne également un aperçu de l’avenir de l’audit automatisé de la cybersécurité. À mesure que les grands modèles subiront une restructuration intelligente dans des domaines verticaux, les futures défenses de sécurité et la détection des vulnérabilités pourraient se transformer en un affrontement entre des armées numériques d’IA, rivalisant en termes de puissance de calcul et de stratégie des modèles.
Article connexe
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Google teste l'agent IA Remy pour Gemini à mesure que l'accent se déplace vers le contrôle utilisateur
Selon Business Insider, Google teste Remy, un nouvel agent personnel d’IA pour Gemini. Cet outil vise à exécuter des tâches au nom des utilisateurs, rationalisant ainsi les flux de travail professionnels et les routines quotidiennes.Actuellement, Re
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc
Recommandations de sujets spéciaux liés
commentaires (0)
Jusqu’où s’étend réellement l’intelligence des grands modèles linguistiques (LLM) ? La cybersécurité est devenue une arène où leur véritable capacité de raisonnement et leur logique complexe sont mises à l’épreuve. Le chercheur en sécurité Kasra Rahjerdi a récemment publié un rapport de test qui a retenu l’attention de l’ensemble du secteur. Il a simulé une attaque de pirate informatique réelle sur les principaux LLM en créant une application APK de critique de livres électroniques comportant des vulnérabilités fondamentales délibérément intégrées, mettant ainsi en évidence les capacités réelles de chaque modèle en matière de raisonnement de sécurité et d’exploitation des vulnérabilités.
Au cours de ce test de cyberguerre de deux heures, réalisé avec un budget de 10 dollars, le chercheur a délibérément laissé les identifiants du service backend mobile de Google, Firebase, exposés à l’intérieur du paquet d’application (APK). Chaque modèle devait se comporter comme un hacker « white hat » professionnel : décompresser d’abord l’application, repérer rapidement les identifiants, puis contourner l’API déjà renforcée pour obtenir un accès non autorisé à la base de données sous-jacente. Le test complet a coûté 1 500 dollars, et les résultats obtenus par plusieurs modèles de premier plan ont révélé une polarisation extrême.

En termes de taux de réussite, le GPT-5.5, qui n’a pas encore été commercialisé, a fait preuve d’une capacité de raisonnement en matière de sécurité largement supérieure. Sur dix tests indépendants, il a réussi sept exploits, atteignant un taux de réussite de 70 % et se classant en tête du classement. D’après l’évaluation, après avoir décompressé l’APK, le GPT-5.5 a immédiatement identifié Firebase comme le point de rupture critique, sans se laisser détourner par l’interface utilisateur complexe ni par les API standard. Cependant, cette performance exceptionnelle a eu un coût élevé : en moyenne 9,46 $ par exploitation réussie, frôlant ainsi le plafond budgétaire.
De son côté, le système maison DeepSeek V4Pro a stupéfié la communauté open source par son incroyable rapport coût-efficacité. Bien qu’il n’ait réussi que trois tests sur dix, son coût moyen par jeton pour chaque tentative réussie n’était que de 0,62 $, soit un quinzième de celui de GPT-5.5. Lors des essais infructueux, DeepSeek V4Pro a tout de même réussi à accéder cinq fois au cœur de Firebase, mais a parfois commis des erreurs lors de l’utilisation des identifiants pour la configuration de l’interface backend. Le chercheur a souligné que pour les équipes d’ingénieurs effectuant des opérations par lots à grande échelle et à haute fréquence dans le cadre d’audits d’automatisation de la cybersécurité, l’avantage financier stupéfiant de DeepSeek revêt une valeur pratique considérable.
Si certains modèles ont impressionné, d’autres se sont révélés insuffisants car trop prudents. Dans le milieu de gamme, Claude Sonnet 4.6 et Claude Opus 4.8 ont chacun remporté deux succès. Malgré sa puissance, Opus a fréquemment interrompu les sessions en raison de barrières de sécurité trop strictes, alors même qu’il s’était approché de la bonne réponse à plusieurs reprises. De son côté, Gemini3.1Pro Preview de Google a adopté l’attitude inverse : il a déclenché les filtres de sécurité dès le début et a refusé de poursuivre à chaque fois. Son utilisation médiane de tokens n’était que d’environ 9 000 — bien en deçà des dizaines de milliers consommés par d’autres modèles — et il a produit un résultat vierge.
Cette confrontation en matière de sécurité n’était pas seulement un test des capacités de raisonnement ultimes des grands modèles ; elle donne également un aperçu de l’avenir de l’audit automatisé de la cybersécurité. À mesure que les grands modèles subiront une restructuration intelligente dans des domaines verticaux, les futures défenses de sécurité et la détection des vulnérabilités pourraient se transformer en un affrontement entre des armées numériques d’IA, rivalisant en termes de puissance de calcul et de stratégie des modèles.
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc











