BLOG / 7 novembre 2026
99,4 %. Ce chiffre a fait le tour des réseaux sociaux chinois ces derniers jours : Quantum Bit parle d’une « première place mondiale », tandis que Xinhua Net évoque un « nouveau record mondial ». Le protagoniste n’est autre que le système de sécurité offensif et défensif développé en interne par 360.Tu Longfeng(Entrée en anglais sur le site officiel) TuLongFeng).
Le battage médiatique a assez duré, mais la véritable question que les lecteurs devraient se poser est la suivante : que mesure réellement ce chiffre de 99,4 % ? S'agit-il de mettre KO les modèles phares d'OpenAI, d'Anthropic et de Google selon les mêmes critères ? Et enfin, à quoi ressemble désormais le classement officiel ?
Ne considérez pas tout de suite « L'IA chinoise a battu la Silicon Valley » comme un slogan ; commencez par vérifier la cohérence entre les règles de niveau 1 de CyberGym et le fichier JSON disponible sur le site officiel.
Que teste-t-on exactement lors du CyberGym ?
CyberGym a été lancé par une équipe de l'Université de Californie à Berkeley, et son article a été accepté à l'ICLR 2026. Le site public l'explique très clairement : le benchmark comprend 1507 Une mission portant sur une faille réelle, couvrant 188 Un projet logiciel de grande envergure, dont les failles proviennent de divulgations réelles du type OSS-Fuzz, et non de CTF ludiques.
L'action principale du niveau 1 ne consiste pas à « identifier les fonctions suspectes », mais bien à : à partir d'une description textuelle de la faille et d'un code source non corrigé, l'agent doit générer un PoC permettant de reproduire la faille. Pour que la faille soit considérée comme validée, il faut également qu'elle se déclenche dans la version affectée et ne se déclenche pas dans la version corrigée — ce qui est bien plus exigeant que de rédiger une analyse indiquant qu'il « pourrait y avoir un problème ».
Le site du projet le reconnaît lui-même : le meilleur duo initial (OpenHands + Claude 3.7 Sonnet) n'affichait qu'un taux de réussite d'un peu plus de 10 % ; les difficultés résident dans le volume considérable de code source, les contextes longs et la vérification en plusieurs étapes. Ce n'est que lorsque quelqu'un parviendra à atteindre un taux de réussite proche de la perfection que l'intérêt médiatique de cette avancée sera amplifié.

99,38 % : chiffre indiqué dans le fichier JSON du site officiel
Cet article a été directement extrait de cybergym.io Fichiers de données publiques /assets/data/cybergym.json. Dans les entrées de niveau 1, la source est indiquée comme suit : Qihoo 360, l'agent s'appelle TuLongFeng, Rédaction du modèle de socle DeepSeek-V4.1-Flash les données,score_10 为 0.9938(soit 99,38 %, arrondi à 99,4 % par les médias), date : 23 septembre 2026,focus 为 agent, et avec campagnes : [1496, 1499, 1498]——Cela correspond au récit présenté dans le communiqué de presse, qui fait état de « trois séries de tests indépendants ».
Selon le classement « Agent-focused », Tulongfeng occupe actuellement la première place parmi les données JSON publiques ; il est suivi de près par Lyrie Agent (99,20 %), Creation Tiangong (98,47 %) et OrcaCyber (98,01 %), entre autres. En d’autres termes : plusieurs agents sont proches de la note maximale, mais Tu Longfeng reste pour l’instant le mieux classé parmi les données publiques.

Veillez à changer de filtre lorsque vous consultez le classement. La vue par défaut « Model-focused » de la page place les modèles tels que Gemini 3.8 Flash Cyber, GPT-5.5-Cyber et XekRung en tête de liste, avec des scores supérieurs à 80 % ; il s’agit là d’une autre catégorie, et non pas d’une situation où « Tuluofeng aurait été battu par 88 % ».
Des dépêches diffusées notamment par Xinhua indiquent également que Tu Longfeng utilise « un grand modèle dans le domaine de la sécurité associé à un essaim d’agents intelligents spécialisés », et intègre l’expérience des experts dans une chaîne d’hypothèses, de vérifications et de validations ; Plus de 15 000 failles détectées à ce jour, plus de 500 entreprises connectées, évaluation réussie de l’agent intelligent de détection des failles par le CAICT : ces informations proviennent de 360 et des médias ; le présent article n’a pas procédé à des tests indépendants et ne les mentionne qu’à titre d’information générale.
Ne confondez pas « atteindre le sommet » avec une foreuse polyvalente
L'examen CyberGym de niveau 1 porte surReproduction d'une faille historique, et non pas « une recherche infinie de failles 0-day dans du code inconnu ». Les médias aiment parler de « Coupe du monde », mais les règles du jeu sont basées sur le taux de réussite des PoC selon des critères publics ; c'est très strict, et il y a des limites.
Le site officiel le précise lui-même : la description des failles peut être vague ; lorsque le score du système est déjà très élevé, quelques points de pourcentage ne reflètent pas nécessairement une différence de capacité réelle ; le fonctionnement de l'Agent est aléatoire, ce qui entraîne des fluctuations du score. Le fait que les résultats des trois cycles de la campagne se soient stabilisés autour de 99,2 % à 99,5 % témoigne de la stabilité du système, mais ne signifie pas pour autant que « les chercheurs en sécurité humaine ne sont plus nécessaires ».


Autre détail qui passe facilement inaperçu dans les titres : dans les entrées publiques, le champ « modèle » associé à Tuluofeng est « DeepSeek-V4.1-Flash », et non pas un quelconque « modèle mystérieux ultra-puissant » à code source fermé. Le discours met davantage l’accent sur « l’ingénierie des systèmes d’agents de sécurité + la chaîne d’outils métier », plutôt que sur « une base développée en interne qui surpasse tout ».
Pour les équipes de sécurité, cela se traduit concrètement par trois niveaux : premier niveau, aligner son pipeline d’agents sur des benchmarks publics, et ne pas se contenter de présenter des démos internes ; deuxième niveau, faire la distinction entre « reproduction réussie » et « divulgation responsable / correction » — un score élevé au benchmark n’est pas synonyme d’une bonne qualité de correctif ; troisièmement, prêter attention aux annotations relatives aux fonctionnalités telles que les environnements dynamiques et la mémoire de test ; de nombreux éléments ayant obtenu un score élevé mentionnent explicitement l’utilisation de capacités dynamiques telles que des images Docker vulnérables « nettoyées ».
En ce qui concerne les récits selon lesquels des équipes chinoises « ont été formées par des champions du monde », cet article ne retient que les éléments vérifiables : les classements publics mentionnent effectivement les scores exceptionnels de Qihoo 360 et TuLongFeng. Les informations relatives aux mentors des personnages et aux anecdotes sur l’entraînement en interne ne seront pas développées ici, faute de sources officielles de première main.
Revenons à la conception même du test : CyberGym permet d’ajuster différents paramètres d’analyse, mais la tâche principale reste toujours axée sur « description + code → PoC fonctionnel ». L’article rapporte également que des dizaines de vulnérabilités « zero-day » et de cas de correctifs historiques incomplets ont été découverts au cours du test — ce qui montre que le benchmark n’est pas seulement un outil pour battre des records, mais qu’il peut également mettre en évidence des impacts sur la sécurité. Toutefois, ces découvertes supplémentaires relèvent du champ d’application de l’article et constituent une chaîne de preuves distincte des 99,38 % d’entrées recensées par Gulongfeng ; il ne faut pas les confondre en affirmant que « le fait d’atteindre le sommet a permis de dénicher au passage une multitude de failles 0-day ».
Concernant l’expression « battre OpenAI et Anthropic » figurant dans le communiqué de presse du fabricant, il serait plus exact de dire : on retrouve également dans le classement des entrées telles que GPT-5.5-Cyber, Claude Mythos Preview, Gemini 3.8 Flash Cyber, qui renforcent les capacités en matière de cybersécurité, mais la plupart d’entre eux se trouvent dans la vue de filtrage orientée « modèle », dont la grille de notation n’est pas comparable à celle des systèmes orientés « agent ». On peut dire qu’ils « s’affrontent sur le même terrain », mais affirmer qu’ils « s’affrontent en duel direct » risque d’être une interprétation excessive.
Si vous gérez un agent interne de détection de vulnérabilités, vous pouvez utiliser le fichier JSON public comme table de correspondance : notez les champs « focus », « features » (environnement dynamique, mémoire de test, multi-modèles), « trials » et « source_url ». Sans ces champs dans les scores internes, il est difficile de procéder à des comparaisons transversales avec d’autres équipes. Les entrées de Tulongfeng mentionnent explicitement la caractéristique « dynamic Docker », ce qui fait partie intégrante des limites en termes de coût et de capacité de reproduction.
Dernier rappel concernant la chronologie : dans le fichier JSON, la date correspondante est le 23 septembre 2026, tandis que la diffusion virale en chinois s'est concentrée entre fin octobre et début novembre. Il n’est pas rare que le rythme de l’actualité soit en décalage par rapport à la soumission des évaluations ; lors de l’analyse de ce type d’informations, il convient de distinguer clairement « date de soumission / date de publication / date de vérification », afin d’éviter que les lecteurs ne pensent que le test s’est achevé hier et que le taux de 99,4 % correspond à ce résultat.
Notre analyse :99,4 % : ce n’est pas un slogan, mais un chiffre vérifiable (99,38 %) dans le fichier JSON du site officiel. Ce qui mérite vraiment d’être suivi, c’est le fait que « le système Agent ait transformé la reproduction des failles en un pipeline stable » ; il ne faut pas interpréter cela à tort comme si la plateforme chinoise à code source fermé avait déjà complètement surpassé les fleurons de la Silicon Valley, ni ignorer qu’il existe déjà plusieurs acteurs dans ce secteur affichant des taux supérieurs à 97 %.
Liens utiles
- Page officielle des évaluations et classement de CyberGym
- CyberGym publie des données au format JSON
- GitHub : sunblaze-ucb/cybergym
- arXiv : article sur CyberGym
- Xinhua : Communiqué de presse sur l'ascension de Long Feng au sommet par 360
- Quantum Bit : 99,4 % – Article sur la première place


评论列表 (0条):
加载更多评论 Chargement...