L’arrivée de Claude Mythos en avril 2026 a suscité un emballement médiatique poussant les RSSI à réagir de deux façons : soit se précipiter pour acheter de nouveaux outils, soit mettre discrètement à jour leur backlog de CVE en espérant gagner du temps.

Pourtant, aucune de ces deux réactions ne répond véritablement au problème. Mythos n’a pas révolutionné la cybersécurité. Il a surtout mis en lumière l’ampleur des vulnérabilités qui restaient jusqu’ici non corrigées.

L’illusion de la gestion des vulnérabilités

Pendant des années, le secteur a vécu sur une fiction rassurante ; le délai entre la découverte d’une vulnérabilité et son exploitation laissait aux équipes de sécurité le temps nécessaire pour la corriger. Ce délai existait parce que les capacités des attaquants étaient limitées ; mais avec Mythos, cette limite est en train de disparaître.

Selon Anthropic, le modèle peut identifier et exploiter une vulnérabilité de manière autonome en quelques heures. Une vitesse qui remet en cause l’un des fondements des programmes de sécurité : l’idée qu’il existe encore un délai suffisant pour corriger une faille avant qu’elle ne soit exploitée.

Les chiffres confirment l’ampleur du problème.

Selon Gartner, moins de 1 % des vulnérabilités identifiées par Mythos ont été corrigées. Le véritable enjeu n’est donc pas Mythos, mais l’accumulation de vulnérabilités non corrigées, désormais à la portée de tout attaquant disposant d’une technologie comparable.

Une étude de Kenna Security et du Cyentia Institute montre par ailleurs que 77 % des vulnérabilités connues n’ont jamais fait l’objet d’une exploitation observée dans la nature. Le modèle du « tout détecter, tout corriger » a toujours relevé du théâtre. Mythos n’a fait qu’en révéler les failles.

Pour autant, Mythos ne change pas la nature du principal obstacle. Le véritable goulot d’étranglement n’a jamais été la découverte des vulnérabilités, mais la capacité à déterminer lesquelles doivent être traitées en priorité. Parmi les milliers de CVE présentes dans un système d’information, lesquelles sont réellement exploitables depuis Internet ? Lesquelles concernent effectivement l’environnement en place ? Lesquelles restent exploitables malgré les contrôles compensatoires ?

Mythos rend cette question plus urgente, sans y apporter de réponse.

Prioriser les vulnérabilités exige plus qu’un score CVSS

La première réaction de nombreuses organisations sera de multiplier les scanners. Pourtant, le problème n’est pas là. Les scores CVSS évaluent la gravité théorique d’une vulnérabilité, sans tenir compte de son exposition réelle sur Internet ni de son impact opérationnel.

Ce qui compte désormais, c’est le contexte : savoir quelles vulnérabilités sont réellement exploitables dans l’environnement de l’entreprise et lesquelles doivent être corrigées en priorité. Un scanner hebdomadaire qui génère un fichier CSV ne peut plus répondre à cet enjeu. Lorsque le délai d’exploitation se compte en heures, il faut une visibilité continue sur les terminaux, les logiciels installés, les versions réellement exécutées et les interactions entre les composants du système.

En reliant cette détection à un agent EDR, les équipes de sécurité peuvent déterminer rapidement si une CVE critique concerne un composant réellement actif dans leur environnement. Cette visibilité permet de prioriser les actions de remédiation en fonction du risque réel, plutôt que de la seule sévérité théorique.

Chercher à tout corriger n’est plus une stratégie ; l’enjeu est d’identifier les quelques dizaines de vulnérabilités qui exposent réellement l’organisation et de concentrer les efforts de remédiation sur celles-ci.

Avec Mythos, un nouveau standard s’impose

Mythos est le début d’une nouvelle génération d’outils. Quelques jours après son lancement, OpenAI dévoilait GPT-5.4-Cyber, un modèle dédié à la recherche en cybersécurité, déjà plus performant que Mythos Preview sur plusieurs benchmarks.

Dans le même temps, SC World rapportait qu’un modèle chinois open weight, distribué sous licence MIT, surpassait lui aussi plusieurs modèles de référence en détection de vulnérabilités, pour un coût environ huit fois inférieur.

Les contrôles d’accès mis en place par Anthropic autour de Mythos offrent un répit, mais ne changent rien à la tendance de fond. Les capacités se diffusent, les coûts baissent et les modèles se multiplient. Construire une stratégie de sécurité à partir de ce que Mythos est capable de faire aujourd’hui, c’est déjà regarder dans le rétroviseur.

La découverte de vulnérabilités assistée par l’IA est désormais une réalité durable, avec laquelle devront composer aussi bien les attaquants que les défenseurs.

La gestion des vulnérabilités n’est qu’un moyen, pas une fin

Le véritable changement apporté par les LLM et l’IA agentique ne tient pas seulement à leur capacité à découvrir des vulnérabilités. Il réside surtout dans leur aptitude à accélérer chaque étape d’une attaque après la compromission initiale. Les agents IA peuvent exploiter une faille, élever leurs privilèges, se déplacer latéralement et exfiltrer des données à une vitesse inédite.

Les frontières traditionnelles entre postes de travail, navigateurs, serveurs et applications deviennent alors beaucoup moins pertinentes. Pour suivre ce rythme, les capacités de détection et de réponse devront elles aussi évoluer afin d’observer, comprendre et contenir des systèmes d’IA capables de raisonner et d’agir de manière autonome, en s’appuyant sur les les solutions de sécurité déjà déployées sur les terminaux.

L’étape suivante sera l’AIDR (Artificial Intelligence Detection and Response). Non pas un nouveau label marketing, mais une évolution de l’architecture de sécurité.

L’objectif est de confier aux agents IA le tri des alertes, la corrélation des signaux à l’échelle du système d’information et la prise en charge des tâches répétitives, afin que les analystes se concentrent sur les décisions qui requièrent une véritable expertise.

Dans cette architecture, le VOC et le SOC ne peuvent plus fonctionner en silos ; dès qu’une CVE critique est identifiée, la recherche de signes d’exploitation doit être lancée immédiatement. Le délai entre ces deux étapes se mesure désormais en minutes, et non plus en jours.

Les règles du jeu restent les mêmes

Mythos n’impose pas un nouveau paradigme de sécurité, il oblige à mettre en œuvre les principes existants avec une rapidité et une précision que la plupart des organisations n’ont pas encore atteint : visibilité sur les actifs, priorisation contextualisée, automatisation, surveillance continue, au rythme d’attaquants désormais assistés par IA.

Les organisations qui avaient investi dans ces fondamentaux avant avril 2026 savent déjà quelles vulnérabilités exigent une intervention immédiate et lesquelles peuvent attendre.

Ce n’est pas un avantage produit, mais ces sont des décisions architecturales prises bien avant que le sujet ne devienne incontournable. La question n’est plus de savoir ce que Mythos a changé, mais sur quel délai, désormais disparu, reposaient les stratégies de sécurité.

* Anouck Teiller est CEO deputy chez HarfangLab

The post Ce que Claude Mythos révèle de nos stratégies de cybersécurité appeared first on Silicon.fr.

Depuis la mi-août, l’administration fiscale française fait face à l’une des fuites de données les plus sensibles jamais confirmées sur ses systèmes. Deux intrusions distinctes, revendiquées par un même groupe se faisant appeler ZeroBytes, ont permis l’extraction de centaines de milliers de dossiers de particuliers et de professionnels.

Voici ce que l’on sait, à ce stade, de la chronologie des faits, des auteurs présumés et des mesures annoncées par le gouvernement.

Chronologie : de l’intrusion à la communication des faits

Fin juin 2026 : une première intrusion vise le système d’information de la DGFiP. Selon le récit du pirate rapporté par FrenchBreaches, l’accès aurait été obtenu via l’usurpation d’un identifiant permettant de se connecter à un VPN normalement réservé aux agents du fisc pour se connecter à distance à leurs outils internes. Cela lui aurait donné accès à un outil interne de recherche sur les particuliers et les professionnels, à partir duquel il affirme avoir lancé une extraction automatisée de données. L’accès est coupé avant que l’extraction ne soit complète, l’attaquant expliquant avoir été repéré pendant l’exfiltration.

12 août 2026 : près d’un mois et demi après les faits, un message apparaît sur un forum cybercriminel très fréquenté. Sous le pseudonyme ZeroBytes, son auteur revendique une intrusion sur impots.gouv.fr et propose à l’achat un extrait de la base de données qu’il dit avoir récupérée, soit 678 438 lignes. C’est le site spécialisé FrenchBreaches, qui suit quotidiennement ce type de revendications, qui repère et documente en premier la publication, avant que l’affaire n’éclate publiquement. C’est cette publication, et non une communication officielle, qui déclenche l’affaire au grand jour.

13 août 2026 : le ministère de l’Économie et des Finances confirme officiellement l’intrusion dans un communiqué. Bercy évoque un « accès illégitime », obtenu par usurpation d’identité, ayant permis la consultation et l’extraction de données de particuliers et de professionnels. Le nombre exact de personnes concernées n’est alors pas précisé.

14 août 2026 : la DGFiP communique un premier bilan chiffré, à savoir environ 678 000 comptes concernés. Le même jour, ZeroBytes revendique une seconde intrusion, distincte de la première, ciblant cette fois le Serveur professionnel de données cadastrales (SPDC), qui donne accès aux informations sur les propriétés immobilières. Le groupe affirme avoir contourné l’authentification à plusieurs facteurs et récupéré plus de 250 000 lignes, avant d’interrompre lui-même le téléchargement, jugé trop lent. Cette seconde attaque, survenue fin juillet, est confirmée par la DGFiP le soir même.

16-17 août 2026 : face à l’ampleur de l’affaire, Matignon annonce la tenue d’une cellule interministérielle de crise réunie par le Premier ministre Sébastien Lecornu pour organiser l’information des victimes. C’est également à partir dui 17 août que les 678 000 usagers concernés doivent commencer à être contactés individuellement, afin d’être mis en garde contre d’éventuelles escroqueries ciblées. Le parquet de Paris confirme de son côté avoir ouvert une enquête, notamment pour extraction frauduleuse de données et association de malfaiteurs. Des faits pour lesquels les auteurs encourent jusqu’à sept ans de prison.

Au total, sur la seule première intrusion, la DGFiP dénombre environ 678 000 personnes touchées, dont près de 393 000 particuliers et 286 000 professionnels. Parmi les particuliers, plusieurs milliers déclarent des revenus fiscaux de référence supérieurs à 100 000 € et une poignée dépasse les 10 millions €. La seconde intrusion, sur les données cadastrales, concernerait selon ZeroBytes plus de deux millions de propriétaires.

Que contiennent les données volées ?

Selon les éléments recueillis et publiés par FrenchBreaches, les échantillons diffusés par les pirates mêlent état civil complet (noms, prénoms, dates et lieux de naissance), coordonnées (adresses postales, e-mails, numéros de téléphone), situation familiale et informations fiscales à proprement parler : identifiant fiscal interne, revenu fiscal de référence, nombre de parts fiscales, taux de prélèvement à la source, ainsi que l’historique de certaines démarches effectuées auprès des services fiscaux.

La DGFiP a toutefois précisé que les espaces personnels « Finances publiques » des usagers, avec leurs identifiants et mots de passe, n’ont pas été compromis : il s’agit d’un accès aux bases de l’administration, pas d’une prise de contrôle des comptes individuels des contribuables.

Qui est ZeroBytes ?

Le pseudonyme ZeroBytes n’est pas nouveau dans le paysage des fuites de données françaises. Le même acronyme a déjà été associé à plusieurs revendications antérieures visant notamment Intermarché Drive, la plateforme Eva ou encore la Fédération française de handball.

Contacté sur Telegram par l’AFP à partir de coordonnées publiées sur le forum du dark web où l’attaque a été annoncée, le groupe s’est présenté comme composé de deux personnes se disant françaises, dont l’identité réelle reste à ce jour inconnue.

Les pirates ont indiqué à l’agence de presse être satisfaits d’avoir déjà écoulé une partie de leur butin, évoquant deux acheteurs pour une somme de plusieurs milliers d’euros au total, tout en ajoutant que rien n’empêche de revendre encore les mêmes fichiers à d’autres clients par la suite. Ces déclarations demeurent invérifiables en l’état.

L’existence d’un binôme a également été confirmée de façon indépendante par l’expert en cybersécurité Clément Domingo, connu sous le pseudonyme Saxx, qui a indiqué sur TF1 avoir été récemment en contact avec l’un des deux membres du groupe. D’après les éléments qu’il a pu recueillir, l’individu concerné serait en recherche d’emploi et aurait tenté, en parallèle de ses activités illicites, de candidater à un poste dans le secteur informatique.

Sur le plan technique, le mode opératoire décrit par le groupe repose sur le détournement d’accès légitimes plutôt que sur une faille technique classique : usurpation des identifiants d’un agent puis d’un tiers habilité pour la première intrusion, contournement de l’authentification à plusieurs facteurs pour la seconde.

ZeroBytes ne semble pas en être à son coup d’essai. Le duo revendique également, sans que les entreprises visées ne l’aient à ce stade confirmé, des vols de données touchant un opérateur téléphonique national et un groupe hôtelier.

Plusieurs autres compromissions survenues en France au cours des derniers mois lui sont par ailleurs attribuées par FrenchBreaches, dans des secteurs très variés allant de la grande distribution au sport en passant par l’enseignement à l’étranger.

Ce dossier s’inscrit par ailleurs dans une série plus large de piratages visant des administrations et opérateurs publics français en 2026, après notamment celui de l’Agence nationale des titres sécurisés (ANTS) au printemps, et un précédent accès frauduleux au fichier bancaire FICOBA de la DGFiP en février 2026, déjà lié à une usurpation d’identifiants.

Le gouvernement impuissant et ses « mesurettes »

Face à l’ampleur de la fuite, les autorités ont annoncé une série de mesures, pour l’essentiel classiques dans ce type de dossier mais renforcées par la tenue d’une cellule de crise interministérielle :

• Information individuelle des personnes concernées : Bercy s’est engagé à ce que chaque usager touché reçoive un message personnalisé précisant les données qui ont pu être consultées ou extraites, ainsi que les mesures de vigilance à adopter. Ces messages doivent provenir exclusivement de l’administration, via une adresse en @dgfip.finances.gouv.fr ou par courrier postal, sans qu’aucune démarche ne soit demandée aux personnes concernées.
• Renforcement de la sécurité des systèmes : l’administration indique avoir renforcé la surveillance et la sécurisation de ses accès à la suite de la découverte de l’intrusion, sans détailler publiquement les mesures techniques précises mises en œuvre
• Cellule interministérielle de crise : convoquée à l’initiative de Matignon, sous la présidence de Sébastien Lecornu, elle vise à coordonner la communication de crise et l’organisation de l’information aux victimes à l’échelle interministérielle..
• Notification à la CNIL : la DGFiP a indiqué avoir saisi la Commission nationale de l’informatique et des libertés, qui confirme de son côté avoir été notifiée des violations de données et être d’ores et déjà saisie du dossier;  précisant qu’il n’est donc plus utile de lui adresser des plaintes individuelles sur ce sujet précis.
• Dépôt de plainte et enquête judiciaire : le ministère a annoncé le dépôt d’une plainte, et le parquet de Paris a confirmé l’ouverture d’une enquête portant notamment sur des faits d’extraction frauduleuse de données et d’association de malfaiteurs, infractions passibles de sept ans de prison.

Ces annonces n’effacent toutefois pas les critiques sur le délai de réaction. Le syndicat Solidaires Finances Publiques a indiqué avoir alerté la direction générale dès le mois de juin sur les risques d’usurpation d’identité et d’hameçonnage ciblé liés à ce type d’incident.

Sur le plan juridique, il faut relever que les traitements de données mis en œuvre par l’État échappent, par exception légale, au régime des sanctions administratives que la CNIL peut prononcer contre une entreprise placée dans la même situation.

Ce qui reste incertain

Plusieurs éléments demeurent à ce stade non confirmés de façon indépendante : l’ampleur exacte des données auxquelles les pirates disent avoir eu accès (ils évoquent un environnement comprenant plusieurs millions de demandes fiscales et, pour le volet cadastral, plus de deux millions de propriétaires), la méthode précise d’obtention des identifiants détournés, ainsi que l’éventuelle persistance d’un accès aux systèmes de l’administration.

The post Piratage de la DGFiP : ce que l’on sait vraiment appeared first on Silicon.fr.

Data & IA

> AI Act : clés et ressources pour se mettre en conformité
Une nouvelle tranche de l’AI Act entre en application le 2 août 2026. Le point sur les obligations et sur les instruments de mise en conformité que l’UE y a adjoints.
Lire ici

> IA : après l’ivresse, le budget
L’heure de l’expérimentation est révolue. Les entreprises entrent dans une phase où chaque usage de l’IA doit désormais justifier un ROI.
Lire ici

Business

> Microsoft et Mistral AI passent à l’échelle industrielle avec un partenariat centré sur l’infrastructure
Microsoft et Mistral AI franchissent une nouvelle étape dans leur collaboration qui associe désormais modèles d’IA, infrastructures de calcul et capacités de déploiement pour les entreprises.
Lire ici

> Open source, moratoire sur les data centers…29 propositions pour reconquérir la souveraineté numérique
En six mois d’auditions, la commission d’enquête parlementaire sur les vulnérabilités numériques de la France a chiffré l’ampleur de la dépendance aux technologies américaines et pose 29 propositions pour en sortir.
Lire ici

> IA en entreprise : pourquoi Microsoft et AWS court-circuitent les intermédiaires
En déployant par milliers leurs propres ingénieurs directement au cœur des entreprises clientes, Microsoft et AWS court-circuitent les ESN, partenaires traditionnels de l’intégration de leurs offres.
Lire ici

> VMware, un vrai sujet de dépendance dans la sphère publique
Les auditions de la commission d’enquête parlementaire sur les dépendances numériques ont mis en lumière l’empreinte de VMware dans la sphère publique… et les stratégies de sortie engagées par certains.
Lire ici

Cloud

> Entre hyperscalers, les stacks agentiques se suivent… et se ressemblent ?
Y a-t-il convergence ou divergence dans les stratégies des clouders américains sur l’IA agentique ? Au Google Cloud Summit Paris, les avis furent partagés.
Lire ici

> Les cloud providers européens avancent leur propre référentiel de souveraineté
N’adhérant pas pleinement au Cloud Sovereignty Framework de l’UE, l’association CISPE avance son propre référentiel.
Lire ici

Cybersécurité

> « 17 600 actions automatisées » : comment l’attaque agentique contre Hugging Face s’est articulée
Hugging Face livre une analyse technique horodatée de l’attaque agentique subie entre le 9 et le 13 juillet. En voici quelques éléments.
Lire ici

> Quand les régulateurs somment les banques de se barricader face à l’IA
Face à l’émergence d’IA capables de militariser les failles informatiques en quelques minutes, les autorités financières européennes lancent une course contre la montre et somment 110 banques de revoir l’intégralité de leurs défenses
Lire ici

The post {Sélection Été 2026 } – 10 articles à lire pour préparer la rentrée appeared first on Silicon.fr.

AMD étoffe son portefeuille dans l’IA avec le rachat de Taalas, une start-up basée à Toronto et fondée en 2023. La transaction reste soumise aux conditions de clôture habituelles et aux autorisations réglementaires.

Taalas développe des composants en silicium spécialisés pour l’inférence IA. À la différence de l’entraînement, qui mobilise d’importantes capacités de calcul pour construire un modèle, l’inférence intervient lors de son utilisation opérationnelle, souvent en temps réel.

La technologie de Taalas vise à réduire les goulets d’étranglement liés au calcul et à la mémoire dans les architectures généralistes. La start-up conçoit notamment des accélérateurs adaptés à des modèles spécifiques, en intégrant directement certains paramètres du modèle dans le silicium.

Cette approche permet de gagner en performance et en efficacité énergétique, au prix d’une flexibilité moindre qu’avec un GPU généraliste. Les accélérateurs de Taalas sont configurés pour un modèle donné et peuvent donc être beaucoup plus rapides et moins coûteux dans des scénarios d’usage ciblés. Mais ils doivent être adaptés lorsque le modèle évolue.

Le premier composant de Taalas ferait fonctionner une version allégée de Llama 3.1, le modèle de Meta.

Une brique supplémentaire pour AMD

AMD prévoit d’intégrer la technologie de Taalas dans sa feuille de route d’accélérateurs et entend également développer des solutions au niveau système combinant ces technologies avec ses GPU Instinct.

L’opération doit ainsi compléter la plateforme IA full stack d’AMD, qui comprend les solutions rackscale Helios, les accélérateurs Instinct, les processeurs EPYC, le logiciel ROCm et les composants de son écosystème logiciel et matériel.

Pour AMD, l’enjeu consiste à proposer plusieurs types de processeurs selon les charges de travail. Les GPU restent adaptés à une grande variété de modèles et d’usages tandis que des accélérateurs spécialisés peuvent être pertinents pour des modèles stabilisés exécutés à très grande échelle. Par exemple dans les moteurs de recherche, les assistants conversationnels ou les services de génération de contenu.

Cette acquisition intervient alors que le marché de l’IA se déplace progressivement de l’entraînement des modèles vers leur déploiement massif. Les fournisseurs de cloud et les grandes entreprises cherchent désormais à réduire le coût et la consommation énergétique de milliers, voire de millions, de requêtes quotidiennes.

Cette évolution ouvre la voie à des architectures plus spécialisées. Les GPU offrent une grande souplesse mais leur coût et leur consommation peuvent devenir pénalisants lorsque les modèles sont exécutés de manière répétitive et prévisible. Les ASIC et autres accélérateurs dédiés tentent de répondre à cette contrainte en optimisant le matériel pour un modèle ou une famille de modèles.

La bataille de l’inférence s’intensifie

Nvidia a renforcé sa présence sur ce segment en dévoilant, notamment, un processeur et un système d’IA s’appuyant sur la technologie de Groq, une start-up spécialisée dans l’inférence.

La pression concurrentielle ne vient toutefois pas uniquement des deux géants des GPU car les hyperscalers développent également leurs propres puces, à l’image des accélérateurs conçus pour leurs infrastructures cloud.

Pour AMD, le principal défi sera d’intégrer cette technologie dans une offre industrielle et logicielle cohérente. Une puce spécialisée peut afficher des performances très élevées sur un modèle donné, mais son intérêt dépend de la stabilité des architectures d’IA, de la capacité à reconfigurer rapidement le matériel et de la compatibilité avec les outils de développement existants.

L’intégration avec Instinct et ROCm sera donc déterminante. AMD devra démontrer que Taalas peut compléter ses GPU plutôt que constituer une technologie isolée, difficile à programmer ou limitée à quelques cas d’usage.

The post AMD rachète Taalas pour accélérer sur l’inférence IA appeared first on Silicon.fr.

En étendant le périmètre d’une offre, on prend le risque de la détourner des véritables besoins des acheteurs.

Gartner perçoit cette tendance chez les principaux fournisseurs de solutions SASE. Il en fait part dans le dernier Magic Quadrant dédié à ce marché, évoquant une « surplateformisation ».

Logiquement, on retrouve le constat dans un autre Magic Quadrant, publié quasiment en parallèle : celui du SSE. C’est-à-dire de la partie « sécurité » du SASE, par opposition à la partie « réseau ».

Si Gartner maintient le distinguo, c’est que le sourcing de ces deux briques se fait encore majoritairement auprès de fournisseurs différents (65 % des achats en 2026, estime-t-il).

Un critère spécifique pour la protection des IA génératives

Le mouvement vers des offres SSE intégrées n’est pas nouveau. Au passage, de nombreuses composantes sont devenues des commodités :. RBI (isolation du navigateur à distance) et DLP (protection contre la perte de données) en font partie. Même chose pour les pare-feu cloud, qui « ne constituent plus un élément de différenciation ».

Dans ce contexte, les fournisseurs ont commencé à embarquer des produits qui, dans la terminologie de Gartner, relèvent d’autres marchés. Par exemple, l’EPP (protection des terminaux) et le DSPM (gestion de la posture de sécurité des données). Conséquence : il devient plus difficile de les comparer sur le cœur SSE, d’autant plus lorsque des liens fonctionnels se créent avec ces produits adjacents… et que les modèles de licence s’adaptent pour en encourager l’adoption.

Il reste encore des éléments de différenciation, dont la capacité à protéger les « applications d’IA générative ». Gartner en a fait un des critères à respecter pour prétendre figurer dans ce Magic Quadrant. Il fallait, en l’occurrence, proposer une visibilité et des contrôles de base (bloquer, autoriser, avertir) pour les données sensibles sur au moins trois services parmi ChatGPT, Claude, Copilot, DeepSeek, Gemini, Grok et Perplexity.

Bien que nombre d’offreurs aient désormais une console unifiée, cet élément était facultatif. Comme, entre autres, le firewall cloud, le RBI, l’UEBA (analyse comportementale) et la gestion de posture de sécurité du SaaS.

8 fournisseurs, 3 « leaders »

Des 9 fournisseurs qui figurent dans le Magic Quadrant du SASE, on en retrouve 7 dans celui du SSE. À l’exception de Cato Networks, tous ceux classés « leaders » dans le premier le sont aussi dans le second. Nommément, Netskope, Palo Alto Networks et Zscaler. Deux acteurs présents en 2025 ne le sont plus cette année : Fortinet et Versa Networks. À l’inverse, Cisco fait son entrée dans le Magic Quadrant du SSE.

La situation sur l’axe « exécution », qui traduit la capacité à répondre à la demande (expérience client, viabilité financière, qualité des produits/services…) :

Sur l’axe « vision », qui reflète les stratégies (perception du marché, innovation, développement produit…) :

Prix élevé et tarification complexe chez Netskope

L’an dernier, Gartner avait souligné la notoriété de Netskope, fréquemment présent sur les shortlists. Il avait salué ses capacités techniques (positionnement sur tous les compartiments du SSE) et sa compréhension du marché (couverture de la majorité des cas d’usage).
Le cabinet américain avait toutefois noté l’absence de localisation linguistique de la console, la relative lenteur de Netskope pour ajouter des fonctionnalités « avancées » et son ciblage non efficace du mid-market (organisations de 100 à 1000 employés).

Cette année encore, Netskope est salué pour sa visibilité. Il l’est aussi pour le niveau d’expérience client « au-dessus de la moyenne ». Et pour les perspectives qu’ouvre l’architecture AgentSkope.
Sa tarification est en revanche complexe et les prix ont tendance à être supérieurs à la moyenne. Le focus sur la sécurité et la gouvernance de l’IA acheteurs ne résonnera pas forcément auprès des SSE, ajoute Gartner. Plus globalement, la concurrence réduit l’écart.

L’IA, vecteur de « surplateformisation » chez Palo Alto Networks

L’an dernier, Gartner avait souligné la viabilité de financière de Palo Alto Networks. Ainsi que ses innovations (en particulier sur l’IA) et son intégration avec les firewalls sur site.
Le cabinet américain avait pointé une tarification complexe et élevée et une brique RBI ne couvrant efficacement qu’un moindre ensemble de cas d’usage. Il avait aussi signalé que la localisation du support, de l’interface et de la documentation technique était largement limitée à l’anglais.

Cette année encore, Palo Alto Networks a droit à un bon point pour sa viabilité financière. Gartner y ajoute la visibilité (présence fréquente sur les shortlists SSE). Et la compréhension globale du marché, que ce soit dans l’équilibre entre SSE autonome et SASE ou dans la réduction des complexités d’administration.
La tarification complexe et élevée demeure. Quant aux innovations planifiées, à l’image de la défense autonome axée sur l’OT et le legacy, elles s’alignent davantage sur les plates-formes SASE que sur le seul segment SSE. On surveillera aussi le mouvement de « plateformisation », qui exige des acheteurs qu’ils investissent dans des outils hors périmètre SSE traditionnel, comme la protection des runtimes IA et la gestion des identités non humaines.

Chez Zscaler vigilance sur le packaging

L’an dernier, Zscaler avait été salué pour sa visibilité, ainsi que son pricing « simplifiant l’achat pour les nouveaux clients ». Gartner avait aussi apprécié le niveau global de compréhension du marché, additionné d’un historique de livraison anticipée
Zscaler reste un des fournisseurs les plus chers, avait tempéré le cabinet américain. Il avait aussi signalé des problèmes de performance plus fréquents que chez les concurrents. Et alerté quant à la diversification sur le SecOps… et à son éventuel impact sur la stratégie SSE.

Le bon point « visibilité » vaut toujours cette année. Zscaler en a droit à un autre sur le volet IA. À la fois pour son intégration au sein de ses solutions et pour les capacités de contrôle de son usage. Gartner y ajoute les innovations sur le front AgenticOps et le développement d’une plate-forme distincte pour la sécurité de l’IA.
« Sous la moyenne » en matière d’expérience client, Zscaler a par ailleurs tendance à packager des capacités issues de segments adjacents et à exiger des add-on pour certaines fonctionnalités « avancées » du cœur SSE.

Illustration © valerybrozhinsky – Adobe Stock

The post Devenu plus englobant, le SSE échappe à sa signification première appeared first on Silicon.fr.

Meta avait les modèles, il a désormais le harnais. Son nom : Muse Code.

Disponible en bêta sur Mac et Linux, il a deux modes d’exécution : interactif (terminal) et headless. L’authentification passe par le navigateur ou par une clé d’API.

Le modèle par défaut est Muse Spark 1.2, lancé en parallèle. Meta recommande fortement de ne pas en changer et pour cause : le LLM et le harnais ont été entraînés conjointement.

Muse Spark 1.2 constitue une « amélioration modérée » de Muse Spark 1.1, qui était sorti début juillet uniquement aux États-Unis. Les optimisations se sont portées sur le codage. En particulier sur les tâches longues. Ont donc été exercées des compétences telles que la planification, la compression du contexte et l’adhérence à des objectifs.

Payer avec ses données : une option non disponible dans l’Union européenne

Le lancement de Muse Code ne change pas la tarification des modèles Muse Spark. L’API conserve, en plus du niveau standard, le niveau dit « contributeur ». Il offre une nette ristourne en contrepartie à deux éléments. D’une part, accepter des limites de débit plus strictes (60 requêtes par minute vs 3000 ; 2,1 millions de tokens par minute vs 4 millions). De l’autre, donner à Meta le droit d’exploiter entrées et sorties pour entraîner de futurs modèles. Un point bloquant dans l’Union européenne, si bien que l’option n’y est pas disponible. Elle ne l’est pas non plus en Australie, au Brésil, au Canada, en Corée du Sud et au Royaume-Uni.

Meta commence par ailleurs à traiter les demandes d’activation de l’option ZDR (zero data retention).

Comme avec Codex, pas d’imbrication de sous-agents

Meta propose une dizaine de cookbooks pour illustrer les capacités de Muse Code. Par exemple, la planification en langage naturel, la distribution de tâches entre sous-agents, les rejeux déterministes, le suivi des objectifs ou l’immuabilité des garde-fous.

Le harnais peut gérer un maximum de 16 sous-agents. Le plafond dépend des ressources de la machine (formule générale : nombre de cœurs processeurs – 2). Comme sur Codex, ces sous-agents ne peuvent pas en lancer d’autres. Mais ils peuvent avoir leur propre arbre Git pour éviter les conflits d’écriture. Muse Code en fait lui-même tourner, pour « observer » l’exécution. Chacun suit un axe de qualité et peut fournir des conseils à l’agent principal sans l’interrompre.

Par défaut, toutes les commandes shell s’exécutent dans une sandbox OS et l’humain doit examiner celles jugées à risque (globalement, rm -f et rm -fr, précédées ou non de sudo). On peut activer/désactiver séparément ces deux aspects.
Il existe un mode plus strict (demande de révision de toute commande qui n’est pas en liste d’autorisation)… ainsi qu’un mode YOLO, qui désactive aussi la sandbox et dit au harnais de faire confiance à l’espace de travail.

Muse Code a une option de saisie vocale (activée par défaut sur Mac ; pas sur Linux). Il permet de gérer manuellement le contexte (compression, résumé des dernières actions, exportation avec possibilité de masquer les chaînes ressemblant à des secrets…). Les fichiers AGENTS.md ont la priorité sur les fichiers CLAUDE.md.

Illustration générée par IA

The post Muse Code, le harnais agentique de Meta, n’arrive pas seul appeared first on Silicon.fr.

Il y a des départs qui ressemblent à une page qui se tourne. Celui de Jeff Dean en est une qui se déchire.

À 58 ans, l’homme quitte le groupe qu’il avait rejoint mi-1999 comme trentième salarié. Une époque où Google n’était encore qu’un moteur de recherche en devenir.

Jusqu’à son départ, il occupait officiellement le poste de « Chief Scientist » de Google, chargé selon sa propre fiche de présentation  de piloter les avancées en IA pour Google DeepMind et Google Research. Il est aussi un des co-responsables techniques du projet Gemini. .

Tomorrow will be my last day at Google after 27 years, and watching it grow from 25 people to 190,000+ has been an amazing journey. Below is a note I shared with many people internally at Google today. An excerpt is:

It has been an absolute pleasure to work with you and to help… pic.twitter.com/o3aRNLkssA

— Jeff Dean (@JeffDean) August 5, 2026

Aucun ingénieur n’a autant façonné l’ADN technique de Google que Jeff Dean. Avec son complice de toujours Sanjay Ghemawat , il a conçu les systèmes distribués qui ont permis au moteur de recherche de répondre, dans les années 2000, aux requêtes de milliards d’utilisateurs à travers le monde.

Sa biographie professionnelle permet de dater précisément ces chantiers : MapReduce, présenté lors de la conférence OSDI en 2004 ; BigTable, dévoilé en 2006 et qui, encore aujourd’hui, traite plus de six milliards de requêtes par seconde au pic d’activité pour plus de dix exaoctets de données gérées ; puis Spanner, sa base de données mondiale à cohérence forte, présentée en 2012.

Un bâtisseur de l’infrastructure Google

Jeff Dean a également porté la création de TensorFlow, la bibliothèque de deep learning que Google a choisi d’ouvrir en open source en 2015 et qui reste utilisée par des millions de développeurs, ainsi que Pathways, l’architecture plus récente pensée pour entraîner des modèles massifs comme PaLM.

C’est encore lui qui impulse en 2011 la création de Google Brain, le laboratoire de recherche en apprentissage profond qui a déclenché, bien avant ChatGPT, la ruée de toute l’industrie vers l’IA.

En 2012, Jeff Dean reçoit avec Sanjay Ghemawat, l‘ACM Prize in Computing, pour leurs contributions fondamentales aux systèmes distribués à l’échelle d’Internet. En interne, ils sont d’ailleurs, à ce jour, les deux seuls à avoir reçu le titre de « senior fellow », la plus haute distinction technique de Google.

Mais Jeff Dean n’est pas seulement un cadre dirigeant ; c’est une figure culte.

Les salariés du groupe entretiennent depuis des années des plaisanteries sur ses prouesses techniques légendaires, les « Jeff Dean Facts ». La plus fameuse ?  » Son CV serait plus court s’il listait ce qu’il n’a pas fait plutôt que ses réalisations. »

Selon Business Insider, qui a recueilli plusieurs messages publiés sur le forum interne de l’entreprise, son départ a déclenché une nouvelle vague de mèmes en interne, plusieurs employés tournant en dérision l’idée que ses talents allaient enfin pouvoir profiter à d’autres que Google. Par exemple « Google ne perd pas Jeff Dean. Google le met enfin à disposition de l’humanité en open source » ou « Il quitte Google pour que les progrès du ML puissent rattraper Jeff Dean ».

Une aura quasi mythique en interne

Sundar Pichai, le patron d’Alphabet, a salué, dans un message interne cité par le New York Times, le rôle de Jeff Dean et Sanjay Ghemawat dans plusieurs des grandes transitions technologiques du groupe, de l’infrastructure de recherche des débuts jusqu’aux réseaux de neurones à l’origine de l’ère actuelle de l’IA.

Selon Wired, il aurait aussi multiplié les rencontres avec Jeff Dean pour tenter de le convaincre, lui et son équipe, de rester chez Google.

Son départ intervient dans un contexte de turbulences pour la division IA de Google. Le modèle phare Gemini 3.5 Pro accuse un retard important sur le calendrier initial, tandis qu’OpenAI et Anthropic continuent de repousser l’état de l’art.

Plusieurs chercheurs de haut niveau ont déjà quitté le navire ces derniers mois. Noam Shazeer est parti chez OpenAI quand John Jumper, co-lauréat du prix Nobel de chimie en 2024 avec Demis Hassabis pour AlphaFold, a été recruté par Anthropic.

Selon Axios, certains départs auraient également été motivés par le malaise face à l’accord conclu en avril entre Google et le Pentagone, autorisant l’armée américaine à utiliser ses technologies.

Jeff Dean lui-même s’était publiquement exprimé ces derniers mois sur des sujets politiquement sensibles et avait soutenu la position d’Anthropic dans son différend juridique avec le département de la Défense.

Discovery Loop, une nouvelle aventure

Mais c’est dorénavant à la tête de Discovery Loop, une société à mission (« public benefit corporation ») qu’il va déployer ses talents.

Il embarque avec lui fonde trois autres vétérans de Google : son fidèle ami Sanjay Ghemawat mais aussi Quoc Le – cofondateur de Google Brain et à l’origine d’AutoML-Zero – et Oriol Vinyals – ex VP de la recherche chez DeepMind et co-directeur technique de Gemini.

Introducing Discovery Loop . We’re building AI to run experiments at unprecedented scale and to solve the biggest bottlenecks in science and engineering.

Our founders @JeffDean, @Sanjay_Ghemawat, @quocleix, @OriolVinyalsML helped build the AI infrastructure and models that… pic.twitter.com/Y3FUlMLTbf

— Discovery Loop (@DiscoLoopAI) August 5, 2026

Leur ambition est d’automatiser les boucles expérimentales de la recherche scientifique et technique grâce à l’IA, avec des applications envisagées dans la conception de matériel informatique, la découverte de médicaments ou l’énergie propre.

Alphabet sera actionnaire du projet et fournira la puissance de calcul nécessaire au moins pour la première année. Radical Ventures et Khosla Ventures codirigent le tour de table, dont le montant n’a pas été communiqué.

 Principales réalisations de Jeff Dean chez Google

Source : https://research.google/people/jeff/

Photo : © DR

The post Pourquoi Jeff Dean, l’homme qui a bâti Google, prend le large appeared first on Silicon.fr.

Avec le bon pipeline d’entraînement, on peut former un petit classifieur qui rivalise avec les grands modèles de modération de contenu.

Mistral AI l’affirme à propos de son dernier-né : Shieldstral. Dans le contexte de son adhésion à l’Open Secure AI Alliance, il en a publié les poids sous licence Apache 2.0.

Le modèle dérive de Ministral-3B-Base-2512. Multimodal (texte et/ou image), il est dit « adaptatif » au sens où on peut modifier la politique de modération lors de l’inférence, sans avoir à le réentraîner. Sur le papier, cette propriété favorise la diversification des contextes de déploiement (un contenu acceptable dans un cas peut être indésirable dans un autre). Elle différencie Shieldstral de l’API Mistral Moderation, qui n’a pas cette flexibilité.

Un travail d’unification des jeux d’entraînement

Pour développer cette propriété, Mistral AI a réduit les tâches de modération à des questions fermées exprimées en langage naturel. Par exemple : « Ce contenu promeut-il la violence contre une minorité ? » ou « Cette image peut-elle être montrée à une personne mineure ? ». Shieldstral y répond par un score, sans dépendre d’une taxonomie fixe.

Dans chaque requête, le prompt utilisateur se structure en trois champs :

• <Instruct>
  Constant sur une tâche ou un dataset donné, il décrit le contexte d’évaluation et le niveau de rigueur.
• <Query> (question fermée à propos du contenu à évaluer)
• <Document> (contenu, qu’il s’agisse de texte, d’image ou des deux)

Inculquer ce format de travail à Shieldstral a impliqué d’unifier les jeux de données d’entraînement existants, très hétérogènes dans leurs conventions d’annotation comme dans leurs taxonomies. Mistral AI a opéré une conversion à base de templates, en développant un pipeline de traitement spécifique à chaque dataset. Il a fait en sorte que le modèle apprenne à calibrer les décisions selon le niveau de rigueur. Et qu’il rencontre, au fil de l’entraînement,  diverses formulations d’instructions, afin d’acquérir des capacités de généralisation.

Shieldstral, trois checkpoints pour un modèle

L’autre pièce maîtresse dans la formation de Shieldstral fut l’usage de paires d’entraînement contrastives. D’un côté, des exemples positifs rattachés à trois types de requêtes : binaires (« Ce message est-il indésirable ? »), propres à des catégories (« Ce contenu promeut-il le suicide ? ») et, le cas échéant, spécifiques à des groupes cibles (« Ce message promeut-il la violence envers les enfants ? »). De l’autre, des exemples négatifs, avec trois stratégies pour les générer :

• Sur la base des catégories (on associe un contenu violant une catégorie A à des requêtes à propos des catégories B, C, etc.)
• Sur base démographique (on associe un contenu ciblant un groupe A à des requêtes concernant d’autres groupes)
• En combinant des exemples sûrs à des requêtes binaires portant sur des contenus indésirables

Cette approche a appris au modèle à ne pas seulement détecter du contenu indésirable, mais à faire la distinction entre catégories. Mistral AI l’a aussi exploitée pour affiner l’interprétation des politiques de modération, en l’encourageant à porter son attention sur des détails sémantiques plutôt qu’à s’appuyer sur des indices liés aux catégories.

Face à la rareté des jeux de données de modération d’images, Mistral AI y a adjoint des jeux de données de classification et de détection d’objets. Leurs exemples ont servi de négatifs… mais aussi de positifs, en permutant les requêtes grâce à un LLM.

La formation de Shieldstral ne s’est pas faite par fine-tuning supervisé, mais via la méthode LoRA. Elle a produit deux checkpoints. L’un limité aux jeux de données de modération publics (environ 45 millions d’exemples texte). L’autre élargi à des exemples synthétiques et aux images (environ 10 millions en cumulé). Mistral AI a fusionné ces checkpoints, ainsi que celui de Ministral-3B-Instruct pour augmenter l’aptitude à suivre des instructions.

Illustration générée par IA

The post Mistral AI change le fond et la forme pour la modération de contenu appeared first on Silicon.fr.

Microsoft demande à ses équipes d’ingénierie de revoir leur manière d’utiliser l’IA générative.

Dans une note interne, révélée par 404 Media, Jay Parikh, vice-président exécutif de CoreAI, indique que le « tokenmaxxing » n’est pas l’objectif recherché et invite les équipes à privilégier la valeur créée par token.

Ainsi, Microsoft a défini GPT-5.6 Sol d’OpenAI comme modèle par défaut dans GitHub Copilot utilisé par ses collaborateurs. Ce paramètrage ne constitue toutefois pas une obligation. Les ingénieurs Microsoft peuvent sélectionner un autre modèle lorsqu’ils estiment qu’il est mieux adapté à une tâche spécifique.

Cette évolution concerne uniquement les usages internes de Microsoft et ne modifie pas, à ce stade, les choix de modèles proposés aux clients de GitHub Copilot.

GPT-5.6 Sol devient le modèle par défaut pour les collaborateurs de Microsoft

Selon les documents internes consultés par 404 Media, chaque division de Microsoft dispose d’un objectif de consommation de tokens IA. Les ingénieurs peuvent suivre leur propre utilisation via un tableau de bord interne. La dépense mensuelle en tokens par ingénieur représente généralement quelques centaines à plusieurs milliers de dollars, selon les équipes et les projets. Microsoft n’a toutefois publié aucun chiffre officiel concernant ces coûts.

Selon Jay Parikh, il ne s’agit pas de ralentir la stratégie « AI-first » de Microsoft mais de considérer les tokens comme n’importe quelle autre ressource informatique, en tenant compte de leur coût et en recherchant le meilleur rendement possible.

Cette évolution intervient alors que les coûts liés à l’inférence deviennent un enjeu majeur pour les fournisseurs de services d’IA. À mesure que les entreprises généralisent l’usage des assistants de développement, des copilotes et des agents IA, la capacité à maximiser la valeur produite par chaque token consommé devient un levier important de maîtrise des coûts.

Le fait que GitHub Copilot relève désormais du groupe d’ingénierie CoreAI, dirigé par Jay Parikh aux côtés de Visual Studio et de Visual Studio Code, explique que ces nouvelles lignes directrices s’appliquent en priorité à cet environnement de développement.

The post Microsoft veut optimiser chaque token d’IA appeared first on Silicon.fr.