GPT-6 Astra : OpenAI parle d'AGI, EVMbench chiffre un exploiteur

OpenAI a lancé GPT-6 Astra le 3 septembre 2026, son premier modèle classé « Critique » en cybersécurité : selon l’entreprise, il découvre des vulnérabilités inconnues et rédige l’exploit correspondant sans pilotage humain à chaque étape. Son président Greg Brockman y voit un jalon possible vers l’intelligence artificielle générale. Pour la crypto, l’enjeu n’a rien de théorique, et il est déjà chiffré. Dès février 2026, le benchmark EVMbench, publié par OpenAI avec Paradigm et OtterSec, mesurait cette capacité sur les smart contracts : le meilleur agent exploitait 72,2 % des vulnérabilités testées. L’AGI reste une question de définition ; la capacité offensive sur du code qui sécurise des milliards de dollars, elle, est mesurée, datée et publiée.

Ce qu’OpenAI a réellement annoncé

Astra est déployé par paliers : d’abord les organisations du programme de cybersécurité Daybreak, puis les offres payantes de ChatGPT (Plus, Pro, Business, Enterprise), l’API et Amazon Web Services. OpenAI revendique les meilleurs scores sur FrontierMath Tier 4, ARC-AGI-3 et TerminalBench-4.0, et un score parfait sur ExploitBench, un test de développement d’exploits à partir de vulnérabilités connues. Dans une version modifiée de ce test, le modèle a découvert et exploité deux failles zero-day, c’est-à-dire des failles encore inconnues des développeurs, donc non corrigées.

Le modèle repose sur une technique décrite par la presse spécialisée comme du « recurrent depth » : les données repassent plusieurs fois par les mêmes couches du réseau, ce qui déplace une partie du raisonnement hors de la chaîne de pensée lisible. OpenAI n’a pas confirmé le détail de l’implémentation. Des chercheurs en sécurité, dont ceux de Redwood Research, ont signalé que cette opacité complique la surveillance du modèle. Brockman l’a présenté comme « le plus intelligent et le plus aligné » produit par l’entreprise.

Pourquoi le mot « AGI » ne tient pas devant la définition d’OpenAI

La charte d’OpenAI définit l’AGI comme un système qui dépasse l’humain sur la plupart des tâches économiquement utiles. L’entreprise n’a pas démontré qu’Astra franchit cette barre, et plusieurs de ses résultats les plus cités dépendent autant de l’infrastructure d’agents construite autour du modèle que du modèle lui-même. Sur ARC-AGI-3, OpenAI avait déjà montré que des choix d’architecture système pouvaient relever nettement le score sans toucher au modèle : le test évalue l’ensemble, pas le cerveau seul.

Les réserves viennent aussi de l’intérieur. Brockman a reconnu que le franchissement du seuil dépend entièrement de la métrique retenue, et a laissé le lecteur juger. Sam Altman, lui, avait qualifié l’AGI de terme marketing mal défini. Sur FrontierMath, dont Astra revendique 97,6 % au Tier 4, l’organisation qui administre le test, Epoch AI, indique qu’OpenAI a financé son développement et dispose d’un accès exclusif à une partie du jeu de problèmes.

Reste l’argument de fond, qui n’est pas polémique mais méthodologique : un score proche du maximum prouve la maîtrise de l’environnement testé, pas l’existence d’une intelligence générale. Quand les tests approchent de leur plafond, ils cessent de distinguer une généralisation réelle d’une optimisation très aboutie sur la tâche.

Sur les smart contracts, le chiffre existe déjà

C’est là que la crypto sort du débat philosophique. En février 2026, OpenAI a publié avec la société d’investissement Paradigm et la firme de sécurité OtterSec un benchmark dédié : EVMbench, qui mesure la capacité d’agents IA à détecter, corriger et exploiter des vulnérabilités de smart contracts. Il s’appuie sur 120 failles de sévérité haute tirées de 40 dépôts d’audits, majoritairement issus des compétitions Code4rena, et les rejoue dans un environnement Ethereum isolé. OpenAI justifiait l’exercice par l’ordre de grandeur en jeu : selon son billet, les smart contracts sécurisent couramment plus de 100 milliards de dollars d’actifs open source.

Les résultats dessinent une capacité très étroite et très tranchante. En mode exploitation, GPT-5.3-Codex réussit 72,2 % des tâches, contre 31,9 % pour GPT-5 sorti six mois plus tôt. Alpin Yukseloglu, associé chez Paradigm, résume la trajectoire : au démarrage du projet, les meilleurs modèles exploitaient moins de 20 % des bugs critiques de Code4rena. 

En mode détection, en revanche, le meilleur agent ne retrouve que 45,6 % des vulnérabilités connues, et la correction reste le point faible, parce que réparer suppose de comprendre ce que le code est censé faire, pas seulement où il casse.

La conclusion des auteurs est la phrase la plus utile de tout le dossier pour un responsable sécurité : « discovery, not repair or transaction construction, is the primary bottleneck ». Autrement dit, une fois la faille trouvée, l’exploitation suit presque toujours. Ce n’est pas le portrait d’une intelligence générale. C’est celui d’un outil offensif spécialisé qui progresse vite.

L’objection : le benchmark lui-même est contesté

Un article honnête doit dire que ces chiffres sont discutés, et par des acteurs nommés. En mars 2026, des chercheurs de l’université du Zhejiang et de la société de sécurité BlockSec ont publié une réévaluation d’EVMbench (arXiv 2603.10795) pointant deux limites : un périmètre d’évaluation étroit, avec 14 configurations d’agents testées le plus souvent sur le seul environnement de leur éditeur, et une dépendance à des données d’audit publiées avant la sortie des modèles, que ceux-ci ont pu voir pendant leur entraînement. 

Ils ont reconstruit un jeu de 22 incidents réels postérieurs à la sortie de chaque modèle pour écarter cette contamination.

De son côté, OpenZeppelin a audité le jeu de données et identifié au moins quatre failles classées en sévérité haute qui ne sont pas exploitables en pratique. Leur conclusion opérationnelle rejoint celle de BlockSec : l’agent fonctionne comme un filtre de première passe dans un processus qui garde un auditeur humain, pas comme un remplaçant.

Ce que cela change pour un acteur européen

Un prestataire de services sur crypto-actifs agréé MiCA n’est pas seulement exposé techniquement, il l’est réglementairement. Les CASP sont explicitement listés comme entités financières par le règlement DORA (article 2, paragraphe 1, point s), applicable depuis le 17 janvier 2025. DORA impose un programme de tests de résilience incluant analyses de vulnérabilité et tests d’intrusion, la déclaration des incidents, et l’encadrement contractuel des prestataires informatiques tiers. 

En France, l’AMF et l’ACPR disposent de pouvoirs élargis d’inspection et de sanction sur ce volet. Une capacité d’exploitation automatisée qui progresse plus vite que les cycles d’audit se traduit donc, pour une plateforme européenne, en risque prudentiel documenté, pas seulement en risque informatique.

Le décalage le plus concret est ailleurs. OpenAI a annoncé le 3 septembre un milliard de dollars d’accès subventionné à Daybreak sur six mois, en priorisant les réseaux d’eau, les opérateurs électriques, les collectivités, les banques régionales, les associations et les mainteneurs open source. Les plateformes d’échange, les conservateurs et les protocoles blockchain ne sont cités nulle part dans l’annonce. Or Bitcoin Core, les clients Ethereum et les bibliothèques dont dépend la DeFi sont maintenus par des équipes réduites, souvent bénévoles.

L’été 2026 a déjà donné trois avertissements. En août, une faille de BTCPay Server, le logiciel open source de paiement en bitcoin, a exposé les identifiants contrôlant des nœuds Lightning, et les fonds ont été siphonnés avant le correctif. Fin août, Core Lightning a demandé aux opérateurs de déconnecter leurs machines après une vague de rapports de vulnérabilités générés par IA qui ont révélé plusieurs failles réelles. Coldcard a publié un nouveau firmware après un vol de 114 millions de dollars, en indiquant que des modèles de pointe avaient aidé à repérer d’autres bugs. 

En août également, plus de trois douzaines d’entreprises, dont Coinbase, Block, BitGo, Blockstream et ARK Invest, ont adressé une lettre ouverte aux laboratoires d’IA pour réclamer un accès anticipé à leurs modèles les plus puissants à des fins de défense, au motif que les attaquants les obtiennent de toute façon.

Et maintenant ?

À ce jour, ni OpenAI ni Anthropic n’ont rendu public un cas d’usage de ces modèles contre un système crypto en production : ce qui est établi, c’est une capacité et son périmètre, pas une attaque avérée sur une chaîne. 

Le point concret est budgétaire. OpenAI a doté son accès subventionné Daybreak d’un milliard de dollars sur six mois, et n’y a cité ni plateforme d’échange, ni conservateur, ni protocole blockchain. Elle a annoncé le 3 septembre vouloir étendre le programme à des pays partenaires dans les prochaines semaines, sans préciser si les mainteneurs de logiciels crypto open source y figureront. 

C’est cette liste d’accès, pas le débat sur l’AGI, qui décidera qui obtient l’outil défensif en premier.

Ceci n’est pas un conseil en investissement. Les cryptomonnaies sont des actifs volatils ; investir comporte un risque de perte en capital.