Cisco Systems a présenté le 21 juillet Antares, une famille de petits modèles de langage conçus pour identifier exactement où se trouvent les vulnérabilités de sécurité connues dans une base de code, et a publié les deux premiers sous forme de téléchargements ouverts sur Hugging Face. Le lancement, couvert par SiliconANGLE, Axios et Help Net Security, marque l'une des tentatives les plus concrètes à ce jour pour amener les petits modèles spécialisés dans un domaine de sécurité logicielle qui a longtemps été lent, coûteux et dépendant d'enquêteurs humains.

Antares vient de Cisco Foundation AI, le groupe de recherche et d'ingénierie de la société axé sur l'intelligence artificielle spécifique à la sécurité. Le projet s'attaque à un problème connu sous le nom de localisation des vulnérabilités, le travail de connexion des données de vulnérabilité externes, telles que les bases de données publiques, les avis et les entrées de Common Weakness Enumeration (CWE), aux fichiers spécifiques d'un référentiel où une faille est la plus susceptible de résider. Pour suivre les derniers développements dans ce domaine, consultez notre Couverture de l'industrie de l'IA.

Petits modèles construits pour un travail spécifique

Deux modèles sont désormais disponibles : Antares-350M et Antares-1B, avec un modèle Antares-3B plus grand qui devrait suivre. Tous sont suffisamment petits pour fonctionner localement, ce qui, selon Cisco, permet aux équipes de sécurité de conserver le code source sensible dans leur propre environnement plutôt que de l'envoyer vers un service cloud. Il s’agit d’un argument de vente notable pour les universités, les organismes du secteur public, les organisations à but non lucratif et les petites équipes de sécurité qui n’ont pas le budget nécessaire pour des modèles commerciaux pionniers riches en jetons.

Plutôt que d’analyser un référentiel avec des règles fixes, Antares le parcourt comme le ferait un enquêteur humain. Chaque modèle part d'une description de vulnérabilité, recherche les modèles de code pertinents, lit les fichiers candidats, intègre de nouvelles preuves au fur et à mesure, change de direction lorsqu'un chemin ne mène nulle part et se concentre sur les fichiers les plus susceptibles d'être importants. Le résultat est une liste classée de fichiers sources susceptibles de contenir la vulnérabilité concernée, ainsi que la trace d'exploration du terminal qui l'a produite.

Une référence personnalisée et des économies de coûts considérables

Pour mesurer les modèles, Cisco a créé son propre test, le Vulnerability Localization Benchmark, un ensemble de 500 entrées qui nécessite qu'un modèle parcoure une base de code inconnue et reconnaisse les modèles de vulnérabilité liés à des catégories de faiblesses spécifiques. Cisco a fait valoir que les critères de recherche de code existants mesurent si un agent peut trouver du code pertinent pour un problème logiciel général, et non s'il peut localiser des fichiers vulnérables à partir de descriptions de sécurité. Le travail comparable le plus proche cité par la société est un système appelé CodeScout, qui a montré que la localisation de code peut être entraînée et mesurée avec un terminal Unix standard.

Sur ce point de référence, Cisco a déclaré que les modèles Antares surpassaient environ une douzaine de modèles plus grands, ouverts et fermés, en termes de précision, tout en étant beaucoup moins chers. La société estime le coût d'une évaluation Antares à moins d'un dollar, contre environ 12,50 dollars pour le modèle ouvert le plus puissant testé, GLM-5.2, et environ 141 dollars pour le modèle source fermé le plus puissant, GPT-5.5. Ces chiffres reviennent respectivement à 15,2 fois et 172 fois moins cher. Antares a également terminé les analyses de référence en une heure environ, contre environ quatre heures et demie pour GPT-5.5.

L'écart de performances met en évidence une tendance plus large du secteur : pour des tâches étroitement définies, de petits modèles soigneusement entraînés peuvent égaler ou dépasser les modèles frontières à usage général pour une fraction du coût de calcul. Comme l'a rapporté Axios, Cisco parie effectivement que l'IA plus petite et spécialement conçue gagnera dans la cybersécurité des entreprises, où les équipes se soucient davantage de la fiabilité, du coût et de la confidentialité des données que de la taille brute du modèle.

Fait partie d'une poussée plus large de l'IA en matière de sécurité

Antares est le dernier élément d'un effort plus large de Cisco autour de l'IA en matière de sécurité. En octobre, la société a publié Project CodeGuard, un cadre open source de règles de codage sécurisé pour les agents de codage d'IA. En mai, il a publié le Foundry Security Spec, un modèle ouvert pour la création de systèmes d'évaluation de sécurité agentique. Antares étend cette ligne de travail en mettant un modèle utilisable et à poids ouvert directement entre les mains des praticiens.

Cette publication intervient également dans un contexte d’inquiétude croissante concernant les risques logiciels liés à l’IA. Le même mois où Cisco a publié le Foundry Security Spec, Bloomberg a rapporté qu'un modèle Anthropic avancé avait déclenché une réunion d'urgence entre le secrétaire au Trésor Scott Bessent, le président de la Réserve fédérale Jerome Powell et les dirigeants de banques, soulignant le sérieux avec lequel les régulateurs traitent les implications de sécurité des puissants systèmes d'IA.

Ce que cela signifie pour les développeurs et les équipes de sécurité

Pour les organisations qui ont hésité à adopter l’analyse de code basée sur l’IA en raison de problèmes de coût ou d’exposition des données, Antares propose une voie intermédiaire. Étant donné que les modèles sont ouverts et suffisamment petits pour fonctionner sur du matériel modeste, les équipes peuvent les déployer derrière leurs propres pare-feu, auditant chaque appel d'inférence sans payer de frais par jeton à un fournisseur de cloud. La licence ouverte signifie également que les chercheurs peuvent inspecter, affiner et étendre les modèles pour leurs propres domaines.

Le compromis est que les petits modèles sont spécialisés de par leur conception. Antares ne rédigera pas d'e-mail marketing, ne résumera pas une réunion ou ne répondra pas à une question de culture générale. Ce pour quoi il est conçu, à savoir localiser les fichiers précis où se cache probablement une classe de vulnérabilité connue, semble faire mieux que des modèles mille fois sa taille, du moins selon le propre benchmark de Cisco.

Le fait que des chercheurs indépendants confirment ces résultats sur leurs propres bases de code déterminera l’ampleur de l’adoption d’Antares. Pour l’instant, le lancement renforce un message qui s’est répandu dans l’industrie de l’IA tout au long de l’année : lorsque la tâche est suffisamment restreinte, plus petite peut être plus intelligente, moins chère et plus sûre.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →