Antares : Cisco publie deux modèles à poids ouverts dédiés à la détection de failles
Cisco prend le contrepied des immenses et très coûteux modèles de pointe généralistes avec la mise en ligne de deux petits modèles à poids ouverts, dédiés spécifiquement à la recherche de vulnérabilités. Baptisés Antares, ils offrent selon l’équipementier un rapport coût performances particulièrement intéressant en usage local.
Le 21 juillet 2024, l’entreprise américaine Cisco a lancé deux modèles d’intelligence artificielle (IA) légers et spécialisés, nommés Antares, pour détecter des failles de sécurité dans les codes informatiques. Contrairement aux modèles géants comme Mythos ou Fable 5, qui nécessitent des ressources colossales et coûteuses, ces modèles pèsent respectivement 350 millions et 1 milliard de paramètres. Un paramètre est une variable interne d’un modèle d’IA qui influence ses réponses : plus il y a de paramètres, plus le modèle est complexe, mais aussi plus il consomme d’énergie et de calculs. Cisco se distingue ainsi en proposant une solution plus accessible, adaptée à un usage local, sans dépendre du cloud. L’objectif est de réduire les coûts tout en maintenant une efficacité élevée dans la détection des vulnérabilités.
Les modèles Antares ne sont pas conçus pour résoudre des problèmes complexes ou analyser des systèmes entiers, comme le feraient des modèles dits frontière (frontier models). Leur force réside dans leur spécialisation : ils sont entraînés pour identifier des CVE (Common Vulnerabilities and Exposures), c’est-à-dire des failles de sécurité répertoriées dans une base de données publique. Leur méthode repose sur une recherche itérative : ils partent d’une description de vulnérabilité, analysent des motifs de code, examinent des fichiers candidats, ajustent leur approche en fonction des résultats, et affinent leur recherche pour cibler les zones critiques. Par exemple, ils peuvent localiser un fichier contenant une faille connue dans un dépôt de code, trier des alertes de sécurité, ou enrichir des analyses statistiques locales. Leur précision et leur rappel (capacité à trouver toutes les failles pertinentes) sont optimisés pour cette tâche spécifique.
Cisco met en avant le rapport coût-performance de ses modèles Antares. Selon ses tests, ils surpassent plusieurs modèles puissants, qu’ils soient à poids fermés (comme ceux de Microsoft ou OpenAI) ou à poids ouverts, tout en coûtant une fraction du prix. Un modèle à poids fermés est un système d’IA dont les paramètres ne sont pas accessibles au public, contrairement aux modèles à poids ouverts. Les modèles Antares sont également assez légers pour être exécutés localement, ce qui évite d’envoyer des données sensibles vers des serveurs externes. Cisco souligne que cette approche est particulièrement adaptée aux environnements soumis à des contraintes de conformité, où la confidentialité des données est cruciale. Le coût réduit et la possibilité de déploiement local en font une solution attractive pour les entreprises et les développeurs.
Cisco a choisi de publier les modèles Antares en open source, c’est-à-dire en rendant leur code et leurs paramètres accessibles gratuitement. Cette décision vise à fournir à la communauté de la cybersécurité des outils plus accessibles pour une défense pratique au niveau des dépôts de code. L’open source permet aux développeurs de personnaliser les modèles, de les améliorer, ou de les intégrer dans des chaînes d’outils existantes. Cisco prévoit d’ailleurs de lancer une variante plus puissante, Antares-3B (3 milliards de paramètres), pour étendre encore les capacités de ces modèles. Cette approche collaborative s’inscrit dans une logique de partage des connaissances et d’innovation collective, tout en renforçant la sécurité des systèmes informatiques.
Pour évaluer les performances des modèles *Antares*, Cisco a créé son propre référentiel de tests, car les benchmarks traditionnels ne couvrent pas suffisamment les scénarios de détection de vulnérabilités. Selon ces tests, le modèle *Antares-1B* (1 milliard de paramètres) se situe entre *GLM-5.2* et *GPT-5.5* pour la localisation de failles, mais il ne peut pas vérifier ses propres découvertes. *GLM* et *GPT* sont des familles de modèles d’IA développées par différentes entreprises. Cisco positionne donc *Antares* comme un outil spécialisé, destiné à être intégré dans une chaîne d’outils plus large. Cette spécialisation limite ses capacités, mais garantit une efficacité ciblée. Le modèle *Antares-3B*, à venir, pourrait combler certaines lacunes en offrant plus de puissance.
