Sakana AI lance Fugu-Cyber avec 86,9 % en cybersécurité
Sakana AI vient de pousser les limites de la cybersécurité pilotée par l’IA avec Fugu-Cyber, un modèle axé sur la sécurité qui atteint 86,9 % de précision sur CyberGym et 72,1 % sur CTI-REALM—le plaçant aux côtés de modèles haut de gamme comme GPT-5.5-Cyber et Claude Mythos Preview. Contrairement aux modèles polyvalents, Fugu-Cyber est le troisième aboutissement de la famille d’orchestration Fugu de Sakana, spécifiquement optimisé pour le raisonnement en cybersécurité et les flux de travail agentiques. Cette sortie illustre une tendance croissante : l’orchestration spécialisée devient aussi cruciale que la performance brute des modèles dans la défense réelle contre les cybermenaces.
Un défi de référence à deux facettes
Les résultats du modèle se répartissent entre deux tâches de sécurité distinctes. CyberGym, développé à l’UC Berkeley, évalue la capacité d’un agent à reproduire et vérifier des vulnérabilités du monde réel sur 1 507 cas répartis dans 188 projets open source. L’agent reçoit une description de la vulnérabilité et une base de code non corrigée, puis élabore une preuve de concept qui déclenche un plantage uniquement sur la version vulnérable—rendant la triche difficile. CTI-REALM, conçu par Microsoft, inverse la logique : il mesure dans quelle mesure un agent transforme les renseignements sur les menaces en détections exploitables. À partir de 37 rapports de menaces publics, le modèle doit cartographier les techniques MITRE ATT&CK, analyser la télémétrie, affiner les requêtes KQL et produire des règles Sigma validées sur Linux, Azure Kubernetes et les environnements cloud Azure.
Si le résultat de 86,9 % sur CyberGym est compétitif—à peine devant Anthropic (83,1 %) et OpenAI (85,6 %)—CTI-REALM raconte une autre histoire. Les trois meilleures configurations de Microsoft (toutes basées sur Claude) ont obtenu entre 0,624 et 0,685 sur l’échelle de récompense de trajectoire du benchmark. Les 72,1 % de Fugu-Cyber dépassent cette fourchette, bien qu’il faille noter que la métrique n’est pas une simple note de réussite/échec.
En coulisses : l’orchestration, l’ingrédient secret
Fugu-Cyber n’est pas un modèle autonome—c’est un nœud dans l’orchestrateur Fugu de Sakana, un système qui construit dynamiquement des flux de travail agentiques. À la réception d’une requête, il met en place un système multi-agents, déléguant des sous-tâches à des modèles spécialisés dans un pool. Cette approche est détaillée dans le rapport technique de Sakana et deux articles ICLR 2026, TRINITY et The Conductor. TRINITY attribue des rôles distincts—Penseur, Ouvrier, Vérificateur—à différents modèles de langage, tandis que The Conductor utilise l’apprentissage par renforcement pour optimiser les stratégies de coordination. En cybersécurité, le rôle de vérificateur est clé : les vulnérabilités potentielles sont revérifiées par des sous-agents spécialisés en sécurité avant toute proposition de correctif, ajoutant une couche de rigueur souvent absente des flux automatisés.
Accès, politique et limites pratiques
Fugu-Cyber est strictement contrôlé. L’accès nécessite un formulaire de candidature détaillant les cas d’usage et des coordonnées vérifiées, avec une revue manuelle par l’équipe de Sakana. Il est distribué sous une politique d’utilisation acceptable mise à jour, interdisant explicitement les usages offensifs, et la tarification est restreinte au plan Token, avec des abonnements (20 $, 100 $, 200 $) couvrant uniquement Fugu et Fugu-Ultra. La logique de routage reste propriétaire, empêchant les utilisateurs d’auditer quel modèle a traité chaque étape—un compromis entre performance et transparence.
Pourquoi c’est important
Les résultats de Fugu-Cyber soulignent un changement décisif : la meilleure IA en cybersécurité n’est pas seulement un modèle plus intelligent—c’est un système plus intelligent. Si les scores bruts font la une, la vraie valeur réside dans une orchestration capable de vérifier, affiner et agir sur les menaces avec un minimum de supervision humaine. Pour les défenseurs, cela pourrait signifier une validation plus rapide des correctifs et une ingénierie de détection plus fiable, à condition que les contrôles d’accès et la transparence s’améliorent. La performance supérieure de Fugu-Cyber sur CTI-REALM suggère notamment un avenir où l’IA ne se contente pas de signaler les menaces, mais aide à construire les défenses contre elles—à condition que les organisations puissent s’adapter à son écosystème restrictif.
Source : MarkTechPost. Synthèse éditoriale assistée par IA — TechnoExpress.