Le propre article de CyberGym plaçait le meilleur agent entre 11,9% (version initiale) et 22,0% (version finale). Les éditeurs revendiquent désormais 93–97% sur la même suite : TrendAI à 97%, et 95,1% auto-déclarés pour le MiMo-V2.6-Flash de Xiaomi.
Meilleure IA pour la cybersécurité en 2026 : scores d'attaque et de correction
Dans l'article de CyberGym lui-même, le meilleur agent IA a reproduit au plus 22% des vraies failles, alors que les éditeurs revendiquent désormais 95–97% sur les mêmes 1 507 bogues.
- N° 1 : GPT-6 Sol (OpenAI)
- 10 places
01Liste finale
Les IA de pointe ont chacune dressé leur propre liste de dix, de façon indépendante. Voici un résultat facile à vérifier : chaque place a une raison, une source et la liste des IA qui l'ont retenue.
Ordre : du plus grand au plus faible accord entre les IA.
Une pastille vive signifie que cette IA a mis l'élément dans sa liste. Une pastille terne, qu'elle ne l'a pas fait.
- 1
GPT-6 Sol (OpenAI)
Deuxième sur CyberBench v1.1 avec 77,98%, et environ 69% sur l'Artificial Analysis Cyber Index dans sa version réservée Daybreak Blue. Aucun score de correction n'a été trouvé.
L’ont inclus: Claude, Meta, Grok, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.Dans leurs listes: Claude: 6 · Meta: 2 · Grok · DeepSeek: 5
Ce qu'a noté chaque IA 1
- Claudeplace 6
Deuxième sur CyberBench v1.1, sans chiffre SWE-bench dans mes sources.
4 IA l’ont placé ici - 2
Muse Wonder (Meta)
En tête de Vals CyberBench v1.1 avec 80,36%, et 96,7% sur SWE-bench Pro V2 Full : il est fort pour attaquer comme pour corriger. Une fiche « Wonder Full » affiche 73,6%.
L’ont inclus: Claude, Meta, Grok, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.Dans leurs listes: Claude: 7 · Meta: 1 · Grok: 7 · DeepSeek: 4
Ce qu'a noté chaque IA 1
- Claudeplace 7
En tête de CyberBench v1.1 avec 80,36%, mais je n'ai trouvé aucun score de correctifs pour lui.
4 IA l’ont placé ici - 3
Gemini 4 Argon (Google)
Obtient 77,86% sur CyberBench, à 0,12 point de GPT-6 Sol, et 65–68% sur les correctifs CWE-bench. C'est l'un des rares modèles évalués dans les deux domaines.
L’ont inclus: Claude, Meta, Grok, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.Dans leurs listes: Claude: 5 · Meta: 3 · Grok: 3 · DeepSeek: 10
Ce qu'a noté chaque IA 1
- Claudeplace 5
Seulement 0,12 point derrière GPT-6 Sol sur CyberBench, d'une entreprise qui développe aussi les outils de défense Big Sleep et CodeMender.
4 IA l’ont placé ici - 4
DeepSeek V4 (Pro et V4.1 Flash)
À poids ouverts : V4 Pro corrige 96,40% sur SWE-bench Verified, et V4.1 Flash obtient 73,69% sur CyberBench pour moins de 3 $ par exécution, contre environ 22 $ pour GPT-6 Sol.
L’ont inclus: Claude, Grok, Kimi, DeepSeek. Ne l’ont pas inclus: ChatGPT, Meta, Nemotron, Gemini, MiMo, Wenxin.Dans leurs listes: Claude: 3 · Grok: 4 · Kimi: 9 · DeepSeek: 7
Ce qu'a noté chaque IA 1
- Claudeplace 3
Deuxième sur SWE-bench Verified avec 96,40%, un modèle de la classe à poids ouverts que les attaquants peuvent faire tourner eux-mêmes.
4 IA l’ont placé ici - 5
Claude Opus 5 (Anthropic)
Le meilleur correcteur mesuré dans les tableaux SWE-bench Verified de deux éditeurs (97,00% chez Vals, 96% chez BenchLM). Vals considère ce test comme saturé, et aucun score d'attaque n'existe pour ce modèle.
L’ont inclus: Claude, MiMo, Kimi. Ne l’ont pas inclus: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.Dans leurs listes: Claude: 1 · MiMo: 1 · Kimi: 3
Ce qu'a noté chaque IA 1
- Claudeplace 1
Premier sur SWE-bench Verified avec 97,00%, donc il corrige plus qu'il ne casse, et le suivi de Google ne citait pas Claude parmi les outils des attaquants.
3 IA l’ont placé ici - 6
Claude Fable 5.2 (Anthropic)
Meilleur correcteur : 75% sur CWE-bench v2, mesuré par les responsables du benchmark, soit 7 points devant Gemini 4 Hydrogen. Il obtient aussi 93% sur SWE-bench Pro, et aucun score d'attaque n'est publié.
L’ont inclus: Meta, Grok, Kimi. Ne l’ont pas inclus: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.Dans leurs listes: Meta: 5 · Grok: 1 · Kimi: 1
3 IA l’ont placé ici - 7
Claude Mythos 5 (Anthropic)
Corrige 95,5% sur SWE-bench Verified, mais n'atteint que 38,1% sur ExploitGym, contre 48,5% pour GPT-6 Cyber. Le profil penche vers la défense, même si chaque laboratoire a utilisé son propre dispositif de test.
L’ont inclus: Claude, MiMo, Kimi. Ne l’ont pas inclus: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.Dans leurs listes: Claude: 4 · MiMo: 2 · Kimi: 6
Ce qu'a noté chaque IA 1
- Claudeplace 4
Deuxième du tableau de correctifs de BenchLM avec 95,5%, mais je n'ai trouvé aucun chiffre d'exploitation spécifique à Mythos.
Source ↗
3 IA l’ont placé ici - 8
GPT-6 Cyber (OpenAI)
Un spécialiste de l'attaque : 48,5% sur ExploitGym et 100% sur ExploitBench, deux scores publiés par OpenAI. Il n'est accessible qu'après vérification d'identité, et aucun score de correction n'est publié.
L’ont inclus: Meta, Grok, Kimi. Ne l’ont pas inclus: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.Dans leurs listes: Meta: 8 · Grok: 2 · Kimi: 4
3 IA l’ont placé ici - 9
Claude Opus 5.5 (Anthropic)
En tête de Vals CyberOffense pour les attaques de réseau avec 77,1%, et corrige 89,9% sur SWE-bench Pro. Son score CyberBench est de 55,36% ou 74,6%, selon le tableau de Vals.
L’ont inclus: Meta, Grok, DeepSeek. Ne l’ont pas inclus: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.Dans leurs listes: Meta: 4 · Grok: 8 · DeepSeek: 9
3 IA l’ont placé ici - 10
Kimi K3.1 Pro (Moonshot AI)
Meilleur score de l'Artificial Analysis Cyber Index sur une API publique standard (64,1%), et 94,7% sur CyberGym-E2E-AA, devant les 93% de GPT-6 Sol Daybreak Blue, version réservée.
L’ont inclus: Meta, Grok. Ne l’ont pas inclus: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.Dans leurs listes: Meta: 6 · Grok: 6
2 IA l’ont placé ici
02Bon à savoir
Ce que les IA ont remarqué en établissant la liste.
Le dispositif de test fait bouger les scores autant que le modèle : dans un cas, Semgrep a vu un modèle passer de 25% à 73% avec un meilleur dispositif.
Les versions de tests ne sont pas comparables : GPT-5.6 Sol est passé de 88,14% sur CyberBench v1 à 76,31% sur v1.1. Vals compte aussi les refus comme des échecs.
Les scores de correction sont gonflés aussi : OpenAI a cessé de publier SWE-bench Verified après qu'un audit a trouvé des défauts importants dans les tests de 59,4% des tâches difficiles qu'il avait vérifiées.
Sur le terrain, les attaquants utilisent des cadres d'agents open source (ARTEX, CAIRN, PentAGI, CyberStrikeAI, exploit_agent), et non les modèles en tête des classements. Le FBI indique qu'ARTEX a obtenu un accès privilégié en moins de trois heures.
03Les questions que l’on se pose
Quelle est la meilleure IA pour la cybersécurité ?
Aucun modèle ne gagne seul. Muse Wonder est en tête de Vals CyberBench v1.1 avec 80,36%, tandis que Claude Fable 5.2 est en tête de la correction CWE-bench v2 avec 75%.
Quel est le meilleur modèle d'IA pour la cybersécurité ?
Cela dépend de la tâche. Pour corriger de vraies failles, Claude Opus 5 est en tête de SWE-bench Verified avec 97,00% ; pour les attaques de réseau simulées, Claude Opus 5.5 est en tête de Vals CyberOffense avec 77,1%.
Quelle est la meilleure action en cybersécurité liée à l'IA ?
Les benchmarks classent des modèles, pas des actions. Wedbush a désigné CrowdStrike (objectif de 250 $) et Palo Alto Networks (objectif de 400 $) comme ses meilleurs choix en cybersécurité.
Source ↗Quelle est la meilleure certification en cybersécurité pour l'IA ?
CompTIA SecAI+ (CY0-001), lancé le 17 février 2026, est le point de départ spécifique à l'IA : jusqu'à 60 questions en 60 minutes, pour des personnes ayant quelques années d'expérience en sécurité.
Source ↗04Notre méthode
En mots simples, sans formules.
1La question
Top 10 des modèles d'IA pour la cybersécurité : savoir exploiter contre savoir corriger
2Pourquoi ce sujet
Le lecteur voit ensemble les scores côté attaque, côté défense et ce qui a été observé dans de vraies attaques. Il découvre quels modèles aident le plus les défenseurs, et pourquoi le même test donne des réponses très différentes selon qui le fait passer.
3Champ d'application
Monde entier ; modèles d'IA de pointe et configurations d'agents testés sur de vraies failles logicielles
4Ce que nous avons regardé
- Taux de réussite à reproduire de vraies vulnérabilités en laboratoire (CyberGym, CyberBench de Vals.ai)
- Taux de réussite à produire des corrections fonctionnelles, sans régression, pour de vrais bogues de code (famille SWE-bench)
- Besoin ou non d'une intervention humaine pour mener la tâche à bout
- Stabilité des scores d'un modèle d'une version de test à l'autre et d'un éditeur à l'autre
- Vals.ai CyberBench v1.1 — Reproduction de preuve de concept (60 tâches) et correctifs sans régression (56 tâches) sur de vrais bogues OSS-Fuzz ; non comparable à la v1
- CWE-bench v2 (via BenchLM) — Correction des vulnérabilités classées par type de faiblesse, menée par les responsables du benchmark
- SWE-bench Verified (Vals, BenchLM) — Part des vrais bogues open source corrigés sans casser d'autres tests ; Vals le considère comme saturé
- SWE-bench Pro (Scale AI SEAL) — Tâches de correction plus difficiles sur de vrais dépôts ; la V2 utilise 642 tâches
5Qui a classé
Les IA de pointe : Claude, ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin. Chacune a établi seule sa liste de dix et cité une source pour chaque place.
6Comment les places ont été fixées
Un même élément formulé différemment par différentes IA a été compté une seule fois. Plus les IA sont nombreuses à l'avoir mis dans leur liste, et plus elles l'ont placé haut, plus sa place est élevée. « Accord des IA » indique combien d'IA l'avaient dans leur propre liste. Les sources sont uniquement celles trouvées par les IA ; rien n'a été ajouté à la main.
05La liste de chaque IA
🇺🇸 Claude10 places · 4 notes
La même question, à laquelle Claude a répondu seul. La liste finale ci-dessus combine toutes les IA.
- 1Claude Opus 5
Premier sur SWE-bench Verified avec 97,00%, donc il corrige plus qu'il ne casse, et le suivi de Google ne citait pas Claude parmi les outils des attaquants.
- 2GPT-5.6 Sol
Passé de 88,14% sur CyberBench v1 à 76,31% sur v1.1, ce qui montre l'importance de la version du test.
- 3DeepSeek V4 Pro
Deuxième sur SWE-bench Verified avec 96,40%, un modèle de la classe à poids ouverts que les attaquants peuvent faire tourner eux-mêmes.
- 4Claude Mythos 5
Deuxième du tableau de correctifs de BenchLM avec 95,5%, mais je n'ai trouvé aucun chiffre d'exploitation spécifique à Mythos.
Source ↗ - 5Gemini 4 Argon
Seulement 0,12 point derrière GPT-6 Sol sur CyberBench, d'une entreprise qui développe aussi les outils de défense Big Sleep et CodeMender.
- 6GPT-6 Sol
Deuxième sur CyberBench v1.1, sans chiffre SWE-bench dans mes sources.
- 7Wonder (configuration d'agent)
En tête de CyberBench v1.1 avec 80,36%, mais je n'ai trouvé aucun score de correctifs pour lui.
- 8Claude Fable 5
95% au tableau de correctifs de BenchLM, proche des modèles Opus et Mythos.
Source ↗ - 9Agent IA Sangfor sur DeepSeek-V4-Flash
93,2% sur CyberGym selon un seul rapport, ce qui détonne à côté d'un 63,24% vérifié dans un article de septembre.
Source ↗ - 10Agent MDASH de Microsoft
88,45% sur CyberGym annoncés en mai 2026.
Source ↗
Ce que Claude a remarqué
Les premiers scores de CyberGym étaient bas : 17,9% pour le meilleur résultat en un seul essai dans l'article. GPT-5 est passé de 7,7% à 22,0% avec davantage d'effort de raisonnement.
Le cadre d'exécution de l'agent peut faire bouger les résultats autant que le modèle : Semgrep a vu un modèle passer de 25% à 73% avec un meilleur cadre.
Berkeley RDI a rapporté Claude Sonnet 4.5 à 28,9% sur CyberGym en une seule passe, et 66,7% avec 30 essais.
GTIG (l'équipe de renseignement sur les menaces de Google) indique que les attaquants utilisent surtout l'IA pour l'exploitation de failles déjà divulguées, comme l'analyse de correctifs et de codes de preuve de concept. UNC2814, lié à la Chine, et APT45, lié à la Corée du Nord, ont utilisé l'IA pour la recherche de vulnérabilités.