Microsoft dévoile son premier modèle de cybersécurité et une plateforme agentique pour contrer les cyberattaques pilotées par l'IA

MAI-Cyber-1-Flash : un modèle compact taillé pour la chasse aux vulnérabilités

MAI-Cyber-1-Flash est un modèle de 5 milliards de paramètres, ce qui le rend relativement petit selon les standards actuels de l'IA . Il est issu de la gamme MAI-Code-1-Flash, elle-même dérivée de la famille de modèles de raisonnement MAI-Thinking-1 de Microsoft, annoncée en juin 2026 . Le modèle a été affiné spécifiquement pour les flux de travail liés aux vulnérabilités de cybersécurité, notamment la découverte, la validation, le tri et la génération de correctifs, le tout au sein du système d'analyse interne de Microsoft connu sous le nom de MDASH .

Performances annoncées (avec une réserve importante)

Microsoft indique que MAI-Cyber-1-Flash, opérant au sein de MDASH, atteint 96% sur le benchmark CyberGym — un benchmark conçu par Microsoft pour tester la détection, la validation et la correction des vulnérabilités . Ce score serait supérieur de 12 points à celui du modèle Claude Mythos 5 d'Anthropic (environ 84%) . Selon Microsoft, cette configuration permet également de réduire les coûts d'environ 50% par rapport à l'utilisation exclusive de modèles tiers, car le modèle interne prend en charge environ 90% des tâches du flux MDASH, réservant les modèles plus coûteux comme le GPT-5.4 d'OpenAI aux cas les plus complexes .

Note sur la vérification indépendante : Ces chiffres de performance et de coût sont fournis par Microsoft. Selon le site Digital Applied, aucun tiers n'a vérifié de manière indépendante le score de 96% sur CyberGym, et les entrées du classement CyberGym sont déclarées par les laboratoires participants . Le New York Times a également noté que Microsoft n'a pas soumis le modèle à des testeurs indépendants avant sa publication .

Calibrage axé sur la sécurité

Microsoft a publié une fiche technique (Model Card) pour MAI-Cyber-1-Flash, documentant son calibrage en matière de sécurité, les données d'affinage et son utilisation prévue au sein du système MDASH . Le système utilise un mécanisme de débat entre plusieurs modèles ainsi qu'un pipeline de preuve dédié pour éliminer les faux positifs avant qu'une quelconque découverte ne soit transmise à un ingénieur humain .

MDASH : le moteur qui a déjà fait ses preuves en production

MDASH (Multi-Model Agentic Scanning Harness) est le système sous-jacent dans lequel opère MAI-Cyber-1-Flash. Il orchestre plusieurs grands modèles de langage (LLM) — dont le modèle de Microsoft, le GPT-5.4 d'OpenAI et d'autres — dans un flux coordonné d'analyse, de validation et de correction . La logique d'acheminement des tâches confie les tâches courantes au modèle MAI-Cyber-1-Flash, moins coûteux, et ne fait remonter que les tâches de raisonnement les plus difficiles aux modèles plus volumineux .

Vulnérabilités du monde réel découvertes

MDASH a déjà démontré sa valeur en production, avant même l'annonce officielle :

• Patch Tuesday de mai 2026 : MDASH a découvert de manière autonome 16 vulnérabilités jusqu'alors inconnues dans la pile réseau et d'authentification de Windows. Quatre d'entre elles étaient des failles critiques d'exécution de code à distance (RCE) dans des composants essentiels, notamment la pile TCP/IP du noyau Windows et le service IKEv2 . L'une de ces failles critiques, CVE-2026-33824 (score CVSS 9,8), est une vulnérabilité de double libération de mémoire (double-free) dans ikeext.dll, qui permettrait à un attaquant non authentifié d'envoyer des paquets spécialement conçus à une machine Windows avec IKEv2 activé . Le correctif de mai 2026 de Microsoft a corrigé 118 CVE au total, dont 30 jugées critiques .
• Découvertes de juin 2026 : MDASH a continué à trouver des vulnérabilités au-delà de la pile réseau, notamment dans Hyper-V, Active Directory et le noyau Windows . Selon les rapports, Microsoft a corrigé 622 failles en un seul mois grâce à MDASH .

Les vulnérabilités ont été découvertes grâce à un système de débat multi-modèles où des agents d'IA débattaient pour savoir si une découverte était exploitable avant d'être transmise à des ingénieurs humains .

Project Perception : une sécurité agentique avec des équipes rouge, bleue et verte

Project Perception est la plateforme commerciale construite au-dessus de MDASH et de MAI-Cyber-1-Flash. Microsoft la présente comme une « nouvelle pile cyber » qui combine signaux, contexte de sécurité, modèles spécialisés et agents en un système de défense en apprentissage continu, conçu pour « utiliser l'IA pour se défendre contre l'IA » .

Modèle de coordination agentique

Project Perception déploie des équipes d'agents d'IA organisées en :

• Équipe rouge : Simule le comportement d'un attaquant pour sonder les faiblesses
• Équipe bleue : Détecte les menaces et enquête sur les signaux
• Équipe verte : Agents de correction et de déploiement de correctifs

Le système achemine les tâches entre les modèles en fonction de leur efficacité — il peut déployer le MAI-Cyber-1-Flash de Microsoft, le GPT-5.4 d'OpenAI ou les modèles d'Anthropic selon celui qui est le mieux adapté à l'étape spécifique du flux de travail .

Périmètre et disponibilité

Bien que initialement concentré sur la gestion des vulnérabilités logicielles, Microsoft a décrit Project Perception comme s'étendant à des flux de travail de sécurité plus larges — surveillance continue, investigation des menaces et correction automatisée — formant un « système de défense en apprentissage continu » .

Project Perception entre en preview publique le 3 août 2026 pour les clients professionnels de Microsoft qui testent déjà le système d'agents MDASH . Il sera d'abord disponible au sein de Microsoft Defender, avec des plans de déploiement dans l'ensemble des produits de sécurité Microsoft .

Contexte plus large : la course aux armements de la cybersécurité IA

Le lancement de lundi intervient dans un contexte de course aux armements de la cybersécurité IA qui s'intensifie. Anthropic avait auparavant donné le ton avec son modèle de sécurité Claude Mythos, tandis que Google et OpenAI investissaient également massivement dans la découverte de vulnérabilités par l'IA . Microsoft a explicitement présenté cette annonce comme une réponse à la nécessité de contrer les attaquants pilotés par l'IA avec une défense également pilotée par l'IA, arguant que les outils de sécurité traditionnels ne peuvent pas suivre le rythme .

L'architecture d'acheminement des modèles — utilisant un modèle spécialisé petit et bon marché aux côtés de modèles frontaliers coûteux — constitue un différenciateur concurrentiel en termes de coûts. Les entreprises confrontées à des pressions budgétaires sur les outils de sécurité IA voient dans cette réduction de 50% des coûts un argument de vente majeur .

Avec l'entrée en preview publique de Project Perception le 3 août et MDASH ayant déjà fait ses preuves en production avec 16 CVE réelles découvertes en un seul cycle de correctifs, Microsoft parie que les preuves concrètes de découverte de vulnérabilités compteront plus que les seuls scores de benchmark dans les décisions d'achat des entreprises . Reste à savoir si une validation indépendante viendra étayer les affirmations de Microsoft — et à quelle vitesse les entreprises feront confiance à un système d'IA pour sonder en continu leur propre infrastructure.