Comment l'IA multi-agents de Wiz a battu GPT-5.5 et Mythos en orchestrant plusieurs modèles

Le 27 juillet 2026, Wiz — le spécialiste de la sécurité cloud racheté par Google pour 32 milliards de dollars en mars 2026 — a dévoilé Project Atlas, un système d'IA autonome et multi-modèle dédié à la recherche de vulnérabilités . Le système a atteint un taux de réussite de 90,9 % au benchmark CyberGym, se classant numéro 1 et distançant à la fois Mythos d'Anthropic (~83 %) et GPT-5.5 Cyber d'OpenAI (~85,6 %) . Il s'agit d'une étape majeure dans la course aux armements de la sécurité par l'IA, non pas parce qu'Atlas utilise un modèle plus puissant, mais parce qu'il orchestre plusieurs modèles et agents spécialisés travaillant de concert.

Ce que Project Atlas a accompli

Leadership sur le benchmark. Atlas a obtenu un score de 90,9 % sur CyberGym, un benchmark public qui mesure la capacité des agents d'IA à reproduire et découvrir des vulnérabilités réelles à travers 1 507 tâches issues de 188 projets open source . Pour donner un ordre d'idée, les meilleurs systèmes à modèle unique — GPT-5.5 Cyber (85,6 %) et Mythos d'Anthropic (83 %) — accusent un retard de 5 à 8 points de pourcentage . Même le système MDASH de Microsoft, qui utilisait plus de 100 agents spécialisés pour atteindre 88,45 % en mai 2026, a été dépassé .

Plus de 200 découvertes zero-day. Lors de ses propres tests, Atlas a découvert plus de 200 vulnérabilités jusqu'alors inconnues dans des projets open source largement utilisés et qui avaient été intensément « fuzzés » et audités pendant des années, notamment le noyau Linux, Kubernetes, gVisor, containerd et dnsmasq . Fait crucial, chaque découverte a été validée de bout en bout de manière autonome par le système agentique, allant au-delà d'un simple soupçon généré par un modèle vers une preuve reproductible d'un véritable problème de sécurité .

CVE-2026-3854 — une RCE critique sur GitHub. Une version précoce d'Atlas a identifié une vulnérabilité critique d'exécution de code à distance dans l'infrastructure git interne de GitHub (CVE-2026-3854, CVSS 8.8) . La faille permettait à tout utilisateur authentifié disposant d'un accès push d'exécuter des commandes arbitraires sur les serveurs backend de GitHub à l'aide d'une seule commande

git push

Une prime de 100 000 $. GitHub a versé une prime de 100 000 $ pour cette découverte — l'une des plus importantes de l'histoire du programme, bien que la récompense totale de Wiz ait pu être structurée selon les tarifs d'avant juillet 2026, avant la réduction du programme public .

Architecture multi-agents vs. systèmes à modèle unique

C'est là le cœur de l'histoire architecturale. Atlas n'est pas un modèle d'IA unique — c'est un système agentique multi-modèle . Voici en quoi il diffère de l'approche à modèle unique utilisée par GPT-5.5 Cyber et Mythos :

Dimension	Project Atlas (multi-agents)	GPT-5.5 Cyber / Mythos (modèle unique)
Architecture	Orchestre de nombreux agents d'IA spécialisés (sous-agents pour l'analyse de code, le fuzzing, l'analyse statique, le traçage des dépendances) travaillant en parallèle	Un seul grand modèle de langage entraîné pour des tâches cybernétiques, opérant seul
Diversité des modèles	Combine plusieurs modèles de pointe (par ex., Claude Opus 4.6 + GPT-5.5 lors de sa course de qualification sur CyberGym) — choisit le meilleur modèle pour chaque sous-tâche	Lié à une seule famille de modèles et à un seul ensemble de poids
Flux de travail	Chaque découverte est vérifiée indépendamment par un agent de vérification distinct, éliminant virtuellement les faux positifs	Sortie d'un seul modèle, plus difficile à vérifier soi-même
Évolutivité	Peut exécuter des centaines d'agents sur des milliers de cibles simultanément	Limité par le débit d'inférence d'un seul modèle
Idée clé	« La meilleure architecture de modèle pour la recherche de vulnérabilités n'est pas un modèle unique — c'est une équipe orchestrée de modèles aux spécialisations distinctes »	L'approche à modèle unique atteint un plafond sur les flux de travail complexes en plusieurs étapes

Wiz soutient que l'architecture du système importe plus que la capacité brute du modèle — Atlas a battu GPT-5.5 Cyber et Mythos non pas en ayant un meilleur modèle de base, mais en combinant intelligemment plusieurs modèles et agents avec des boucles de vérification strictes .

Comment le virage multi-agents s'est opéré en 2026

La chronologie de la course aux armements de l'IA en matière de sécurité montre une trajectoire claire allant de la domination d'un modèle unique à la supériorité multi-agents :

• Début à mi-2026 : Escalade du modèle unique. OpenAI a publié la version complète de GPT-5.5-Cyber (85,6 % sur CyberGym) en juin 2026 dans le cadre de son programme de défense Daybreak . L'aperçu Claude Mythos d'Anthropic a également obtenu un score élevé, incitant les chercheurs de l'UK AISI et de Palo Alto Networks à avertir que les modèles avaient « dépassé les benchmarks de piratage autonome » .

• Mai 2026 : Le multi-agents prouve son potentiel. Le système MDASH de Microsoft (plus de 100 agents spécialisés, 88,45 % sur CyberGym) a montré que les systèmes multi-agents pouvaient surpasser les modèles uniques .

• Juillet 2026 : Le multi-agents gagne. Atlas de Wiz (90,9 %) les a tous surpassés, prouvant que l'orchestration de plusieurs modèles de pointe surpasse tout modèle unique .

Implications plus larges : découverte de vulnérabilités et économie des primes

La combinaison d'agents d'IA avec du fuzzing systématique, de l'analyse statique et de la revue de code produit des zero-days à une échelle sans précédent — Atlas a à lui seul trouvé plus de 200 failles dans du code open source pourtant lourdement audité . Ce déluge de bugs découverts par l'IA met sous pression l'économie des programmes de divulgation des vulnérabilités. GitHub a réduit ses primes publiques de bug bounty d'au moins la moitié le 27 juillet 2026 (les découvertes critiques passant de 20 000 à 30 000 $ et plus à un montant fixe de 10 000 $), bien que le niveau VIP sur invitation seulement paie toujours 30 000 $ et plus . Les rapports déposés avant cette date, y compris le CVE-2026-3854 découvert par Atlas, ont conservé les conditions de paiement antérieures .

En résumé

Project Atlas de Wiz est l'état de l'art actuel de la recherche de vulnérabilités par l'IA — non pas parce qu'il utilise un meilleur modèle, mais parce que son architecture multi-agents et multi-modèle, avec une vérification indépendante, bat les systèmes à modèle unique d'une marge significative (90,9 % contre 85,6 % et 83 %). Cela reflète un changement plus large dans le paysage de la sécurité par l'IA, passant de « quel est le meilleur modèle ? » à « comment orchestrer efficacement les modèles ? ». Comme le souligne clairement la position de Wiz et de Google, l'approche gagnante dans la course aux armements de la sécurité par l'IA ne sera pas un super-modèle unique, mais des systèmes qui combinent des modèles, l'expertise humaine et des pipelines de vérification rigoureux .