Panorama des Frontier AI models entre les USA, l'Asie et l'Europe

L'essentiel de votre hack'tu cybersécurité à l'ère de l'IA frontier model

• Les États-Unis restent en tête des modèles d’IA frontière, grâce à leurs laboratoires, leurs investissements et leurs capacités de calcul. Cette avance concentre toutefois les dépendances des entreprises envers des fournisseurs susceptibles de modifier ou de restreindre l’accès à leurs modèles ; 
• La Chine réduit l’écart avec des modèles performants et souvent « open weight », comme DeepSeek, Qwen ou GLM. Leur déploiement local offre davantage de contrôle et de possibilités d’adaptation, mais transfère aux organisations les coûts d’infrastructure, de maintenance et de sécurité ; 
• L’Europe mise sur la réglementation et le développement de ses infrastructures, avec l’AI Act et les projets de capacités de calcul, malgré un écosystème disposant d'investissements financiers inférieurs aux modèles américains et chinois. Pour les entreprises, la course aux modèles frontière accroît les risques cyber - attaques accélérées par l’IA, détournement d’agents et dépendance technologique - et impose de renforcer leur gourvenance et contrôle de son adoption en continu.

Quelles frontières géopolitiques pour les Frontier AI models ?

Dans la course que se livre les grands Etats à l’intelligence artificielle, les laboratoires de sociétés privées aux États-Unis, en Chine et en Europe se disputent désormais la maîtrise de modèles capables de raisonner, écrire du code et de piloter des outils tiers tout en exécutant des tâches complexes, avec ou sans intervention humaine. Au cœur de cette compétition figurent les Frontier AI models - on parle également de Frontier model ou modèles frontière - qui désignent les systèmes incarnant, au moment de leur sortie, l’état de l’art de l’intelligence artificielle. Leurs progrès rebat les cartes de la cybersécurité car leurs capacités sont aussi bien exploitables en attaque qu'en défense. Notamment via leur capacité de détecter et de corriger une vulnérabilité, mais aussi en accélérer sa découverte, son exploitation et la corrélation entre plusieurs failles pour dresser des chemins d'attaque potentiels. Plusieurs dirigeants de laboratoires alertent eux-mêmes sur les risques liés à leur utilisation malveillante ou à une éventuelle perte de contrôle et appellent à faire progresser les dispositifs de sécurité au même rythme que leurs capacités.

Qui maîtrise les modèles les plus avancés ? Comment ces écosystèmes arbitrent-ils ouverture, contrôle et sécurité ? Quelles dépendances et quels risques en résultent pour les organisations ? Explication dans cet article.

Modèles frontière : la menace cyber passe à la vitesse de la machine

Les modèles frontière - ou frontier model - ne progressent plus uniquement grâce au travail de leurs concepteurs. Ils peuvent désormais contribuer à leur propre amélioration. Sans constituer encore une auto-amélioration entièrement autonome, cette capacité accélère le développement de modèles toujours plus performants. En cybersécurité, chaque nouvelle génération rend ainsi plus accessibles des opérations qui exigeaient auparavant une expertise avancée. La barrière technique à l’entrée s’abaisse progressivement, permettant à des cybercriminels moins expérimentés de mettre en œuvre des modes opératoires plus complexes. Et donc des attaques toujours plus sophistiquées et industrialisées grâce à l'IA. 

Un constat partagé par l'agence de l'Union européenne pour la cybersécurité ENISA qui parle de l’émergence de menaces opérant « à la vitesse de la machine » ⁽¹⁾. L’agence cite ainsi des failles exploitées dans les quinze minutes suivant leur divulgation. Pour les organisations, la fenêtre d’intervention se resserre au point qu’une vulnérabilité peut être mise à profit avant même que sa portée ait été évaluée et qu’un correctif ait pu être déployé.

Autrefois entre la publication d'une vulnérabilité et son exploitation, il pouvait se passer plusieurs jours voire semaines. Nous constatons aujourd'hui que des vulnérabilités sont exploitées avant même qu'elles ne soient publiées. Nous assistons à une industrialisation des attaques croissante à l'ère de l'IA et il faut aujourd'hui être en capacité de répondre à la vitesse de la machine, analyse Cyril Demonceaux, Head of Defense center chez Orange Cyberdefense.  

À l’accélération des opérations s’ajoute un changement d’échelle lié à l’essor des agents d’IA. Réunis au sein d’un système multi-agents, ils peuvent se répartir les tâches, travailler en parallèle et mettre leurs résultats en commun. En cybersécurité, ces « essaims d’agents » peuvent ainsi conduire simultanément l’analyse de code, la recherche de vulnérabilités et la vérification des failles identifiées.
Anthropic a lancé en août 2026 une expérimentation partant de ce même principe ⁽²⁾. Fort de 45 agents, l’expérimentation avait pour but de rechercher des failles de sécurité dans 15 projets open source. Grâce à un espace de coordination commun, les agents pouvaient examiner leurs résultats, créer leurs propres outils et se spécialiser. L’essaim a identifié 266 vulnérabilités, contre 21 pour des agents travaillant seuls. Si l'entreprise souligne que les systèmes multi-agents coordonnent encore difficilement des tâches étroitement interdépendantes, elle ouvre la voie à des opérations cyber menées à une échelle bien plus importante qu’avec des opérateurs humains.
Maîtriser ces modèles devient dès lors un enjeu de puissance économique, technologique et stratégique. La compétition porte autant sur leurs performances que sur la capacité à les entraîner, à en contrôler l’accès et à en sécuriser les usages.

Or les États-Unis, la Chine et l’Europe abordent cette frontière avec des enjeux stratégiques bien différents.

Les États-Unis conservent l’avance, mais concentrent aussi la dépendance

En matière d’innovation, le groupe de tête demeure principalement américain. Les sociétés OpenAI, Anthropic, Google DeepMind, xAI et Meta réunissent certains des modèles les plus avancés et disposent de capacités de financement, de calcul et de services déjà largement adoptés. 

Ces modèles étant énergivores et demandant beaucoup de place, les investissements annoncés en donnent la mesure. Stargate, programme d’infrastructures lancé par OpenAI en 2025⁽³⁾ avec SoftBank, Oracle et MGX, prévoit de mobiliser jusqu’à 500 milliards de dollars sur quatre ans afin de développer de nouvelles capacités de calcul sur pas moins de 400 hectares. Soit la moitié de la superficie du domaine du château de Versailles...

Google quant à lui investira 40 milliards de dollars au Texas d’ici à 2027 dans ses infrastructures cloud et IA⁽⁴⁾. En Louisiane, Meta porte à plus de 50 milliards de dollars l’investissement consacré à son campus de Richland Parish⁽⁵⁾, appelé à atteindre cinq gigawatts de capacité. 

Des projets qui illustrent la demande en matière d’unités de calcul et d’électricité que peu d’acteurs ont aujourd’hui la capacité à investir. Cette position de leader offre aux fournisseurs une visibilité sur les détournements de leurs modèles. Ils peuvent détecter des comportements suspects, suspendre des comptes et ajuster leurs protections. Anthropic a analysé 832 comptes bannis pour activité cybercriminelle⁽⁶⁾. Au total, 67,3 % avaient servi à produire des logiciels malveillants et 6,5 % à progresser au sein d'un réseau compromis. 

Même si elles n’offrent qu’une vision partielle de la menace, ces données montrent que les attaquants adaptent leur recours à l’IA aux différentes étapes de leurs opérations. Ils combinent plusieurs modèles, choisis selon leurs capacités et leurs restrictions, avec des outils et des infrastructures traditionnels.

La concentration crée parallèlement une dépendance opérationnelle. En juin 2026, des restrictions américaines visant Fable 5 et Mythos 5 ont conduit Anthropic à en suspendre l’accès à tous ses clients⁽⁷⁾. Cet épisode montre qu’une décision administrative peut rendre indisponible un modèle intégré aux activités d’une entreprise. Ce risque de continuité renforce l’intérêt pour des solutions maîtrisables localement, notamment les modèles chinois en « open weight »⁽⁸⁾.

La Chine réduit l’écart grâce à l’ouverture des modèles

Sur le continent asiatique, la dynamique des modèles frontières vient principalement de Chine. DeepSeek, Alibaba avec Qwen, Moonshot AI avec Kimi, Z.ai avec GLM et MiniMax ont imposé une cadence de publication qui les place parmi les rares acteurs capables de suivre le rythme des principaux concepteurs américains.

Ces acteurs bénéficient d’investissements à la mesure de cette ambition. En 2025, le pays comptait plus de 6 000 entreprises dans le secteur de l’IA⁽⁹⁾. À cette échelle s’ajoutent les programmes engagés par les grands groupes technologiques. Alibaba a ainsi annoncé en 2025 un investissement de 380 milliards de yuans⁽¹⁰⁾ -l'équivalent d'environ 53 milliards de dollars - dans le cloud et les infrastructures d’IA sur trois ans.

Cette base industrielle produit déjà des résultats. En mai 2026, le National Institute of Standard and Technology (NIST) estimait que DeepSeek V4 Pro atteignait un niveau comparable à celui de modèles américains publiés huit mois auparavant⁽¹¹⁾. En septembre, une évaluation des capacités en cybersécurité situait GLM-5.3 à environ quatre mois⁽¹²⁾ des meilleurs modèles américains. L’avance des États-Unis demeure, mais la Chine dispose désormais de modèles suffisamment robustes pour constituer une alternative crédible.

Face à l’écrasante adoption des modèles américains, les sociétés chinoises misent sur l’ouverture. Ainsi les modèles DeepSeek, Qwen ou GLM sont disponibles en « open weight », ce qui autorise leur installation en dehors des plateformes des éditeurs. Cette ouverture reste partielle et donne accès au modèle entraîné, mais pas nécessairement aux données ni aux procédés qui ont permis de le construire. Pour les organisations, l’intérêt est autant économique que technologique. Le téléchargement supprime la facturation de chaque requête par le fournisseur appelé « token » et permet d’adapter le modèle à un usage précis. 

Si cette distribution évite de dépendre exclusivement d’une consommation à l’usage, elle transfère les coûts vers l’utilisateur, qui doit fournir la puissance de calcul, sécuriser l’environnement et assurer la maintenance du modèle.

En comparaison des modèles américains, les modèles chinois sont plus permissifs. Là où les laboratoires américains vont encadrer les usages, les modèles chinois installés localement sont beaucoup plus ouverts et peuvent être utilisés efficacement aussi pour des usages défensifs qu'à des fins malveillantes. Le NIST a ainsi constaté que DeepSeek R1-0528 répondait à 94 % des demandes malveillantes suite à un contournement, contre 8 % pour les modèles américains de référence ⁽¹³⁾. Cette liberté a aidé la société Hugging Face après l’intrusion l’ayant affectée en juillet 2026⁽¹⁴⁾. Grâce à GLM-5.2, les équipes ont pu examiner les commandes et charges malveillantes laissées par les attaquants, que les modèles américains ne permettaient pas d’analyser.

L’Europe encadre avant d’innover

Le développement de modèles frontière - frontier model, ou Frontier AI models - exige des financements considérables, que l’écosystème européen peine encore à mobiliser à une échelle comparable aux États-Unis ou à la Chine. Mistral AI compte parmi les rares entreprises européennes capables de développer et de commercialiser des modèles généralistes avancés. Cet acteur ne constitue toutefois pas un écosystème comparable aux groupes de laboratoires américains ou chinois. 

Mistral AI illustre l’importance, pour l’Europe, de disposer d’un acteur capable de développer et de commercialiser ses propres modèles. Un écosystème souverain offre davantage de maîtrise sur les technologies, les données et les conditions d’accès, tout en réduisant la dépendance envers des fournisseurs étrangers. Il peut aussi renforcer la capacité des organisations à choisir où leurs modèles sont hébergés et comment ils sont adaptés à leurs besoins. Investir sur des solutions telles que Mistral AI est bien un enjeu de résilience, de compétitivité et d’autonomie stratégique, analyse Anis Trabelsi, Head of innovation and AI chez Orange Cyberdefense.  

Le forum d’experts réuni par l’AI Office, le service de la Commission européenne chargé de l’intelligence artificielle, souligne ainsi que l’Europe dispose d’une recherche et de talents reconnus, mais manque encore de capacités de calcul et de capitaux suffisants pour soutenir plusieurs acteurs à la frontière technologique⁽¹⁵⁾.

Ce retard tient notamment à l’accès aux infrastructures nécessaires pour entraîner et exploiter ces modèles. La Commission qualifie de critique le déficit européen en capacités de calcul à grande échelle. Pour le réduire, l’Union prévoit jusqu’à sept « gigafactories », soit d'immenses usines dédiées ou « fermes à IA »⁽¹⁶⁾, en complément des AI Factories déjà engagées. Ces infrastructures doivent donner aux entreprises et aux chercheurs européens les moyens d’entraîner, d’adapter et d’exécuter des modèles frontières sans dépendre entièrement des capacités de calcul étrangères.
Faute de dominer la frontière capacitaire, l’Europe se distingue davantage par les règles qu'elle applique avec notamment l'AI Act. Depuis août 2025, les fournisseurs de modèles d’IA généralistes doivent documenter leur fonctionnement et transmettre les informations nécessaires aux entreprises qui les intègrent⁽¹⁷⁾.

Des obligations supplémentaires s’appliquent aux modèles présentant un risque systémique. Leurs fournisseurs doivent évaluer leurs capacités, conduire des tests contradictoires, réduire les risques identifiés et déclarer les incidents graves. La cybersécurité occupe une place directe dans ce dispositif, qui couvre aussi bien la protection du modèle contre les attaques que son utilisation potentielle pour conduire des opérations offensives. Depuis le 2 août 2026, la Commission peut contrôler le respect de ces obligations et sanctionner les manquements. Les infractions aux règles visant les modèles d’IA à usage général peuvent entraîner une amende allant jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires annuel mondial de l'entreprise concernée ⁽¹⁸⁾. 

Ce que la course aux modèles Frontier change pour les entreprises

Face à l’émergence de ces modèles, trois risques systémiques se dégagent : 

1. On constate un abaissement de niveau technique pour les attaquants, au fur et à mesure que les attaques augmentées par IA s'industrialisent et sont de plus de plus sophistiquées. En clair, plus l'IA est puissante, moins l'attaquant a besoin d'être un « crack » de l'informatique et des réseaux.  L’IA rend plus accessibles la recherche de vulnérabilités, la création de code malveillant et certaines opérations menées après une compromission. Un manque de compétences n’empêche donc plus de lancer des attaques utilisant des modes opératoires avancés. Pour les défenseurs, les comportements observés, la vitesse d’exécution et l’enchaînement des actions deviennent plus révélateurs que le niveau supposé de l’attaquant ; 
2. L’IA agentique représente une nouvelle surface d’attaque. Lorsqu’un agent accède à une messagerie, une base documentaire ou un terminal, il peut être détourné par une instruction dissimulée dans le contenu qu’il consulte. Cette prompt injection peut provoquer une fuite de données ou l’exécution d’une action non autorisée. La sécurité doit donc porter sur ses permissions, ses outils et ses accès, avec une validation humaine pour les opérations sensibles ; 
3. Les modèles d'IA peuvent faire l'objet d'une dépendance critique. Une hausse de prix, le retrait d’une version ou une restriction d’accès peut perturber son intégration au sein de l’entreprise. Le NCSC, qui est l’autorité britannique chargée de la cybersécurité, recommande de documenter les modèles, les données et les prompts, puis de prévoir une solution de remplacement pour les systèmes critiques.

Pour maîtriser les enjeux de cybersécurité à l'ère des modèles frontières, embarquez à bord de la dernière édition de notre revue « Ctrl : IA-t-il un pilote ? » ci-dessous.