OpenAI utilise l’IA pour découvrir près de 1 000 failles d’escalade de privilèges dans le noyau Linux

Le 4 novembre 2026, OpenAI a publié les résultats d’une expérimentation qui montre qu’une chaîne d’outils automatisés, alimentée par son modèle "cyber", a identifié 948 vulnérabilités locales d’escalade de privilèges (LPE) dans le noyau Linux. Le test, mené à la mi‑octobre, a aussi produit des correctifs candidats pour chacun de ces bugs, que les mainteneurs du projet devront examiner.

Une épreuve à grande échelle

Le noyau Linux compte plus de 40 millions de lignes de code et constitue le socle de smartphones Android, d’infrastructures cloud et de supercalculateurs. OpenAI a choisi cette base pour mesurer la capacité d’une IAIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. à analyser un code d’une telle ampleur. Le scénario était volontairement réaliste : les machines virtuelles utilisées étaient configurées avec les protections classiques du noyau (SMEP, SMAP, KASLR, HARDENED_USERCOPY), sans affaiblissement volontaire.

Le pipeline d’OpenAI relie plusieurs étapes :

• Scout agents : sélection des parties du code accessibles à un utilisateur non privilégié et jugées pertinentes pour la sécurité.
• Analyst agents : recherche de vulnérabilités potentielles.
• Triage agents : génération et affinage de preuves de concept (PoC) dans des VM équipées du Kernel Address Sanitizer, afin de conserver des traces d’exécution.
• Exploit agents : création d’exploits fonctionnels et d’informations de fuite.
• Patch agents : proposition de correctifs minimalistes.
• Human review : validation finale par des experts humains.

Chiffres clés du run de mi‑octobre

• Cibles auditées : 5 034 points du code, représentant environ 2,8 M lignes (7 % du noyau).
• Vulnérabilités candidates : 2 308 après déduplication, détectées en 12 h.
• Validation dynamique : 1 724 reproduites en 30 h.
• Exploits fonctionnels : 1 169 LPE et 291 preuves de fuite d’informations.
• Correctifs candidats : 948, correspondant aux 948 LPE uniques retenus par OpenAI.

Il faut souligner que le nombre d’exploits (1 169) dépasse le nombre de correctifs, car plusieurs exploits partagent la même faille sous‑jacente. Aucun de ces correctifs n’a encore été intégré au projet Linux ; ils restent des propositions en attente de révision.

Le rôle du contrôle humain

OpenAI a déjà transmis plusieurs centaines de rapports aux mainteneurs, en partenariat avec l’initiative Daybreak lancée avec Trail of Bits en juin 2026. Cette coopération vise à associer la rapidité de la recherche assistée par IA à l’expertise humaine, tout en laissant les mainteneurs décider du moment et de la manière de publier les correctifs.

Un incident notable a été détecté : lors d’une première itération, 20 % des exploits signalés obtenaient le privilège root via une faille différente de celle décrite dans le rapport. Cette anomalie a conduit l’équipe à renforcer les contraintes de génération d’exploits et à ajouter une vérification indépendante du chemin d’exploitation.

Coût et efficacité

OpenAI estime le coût du run de mi‑octobre à 1,213 million de dollars en crédits d’API, soit environ 1 279 $ par vulnérabilité LPE unique. À titre de comparaison, un run précédent en juillet 2026 (modèle GPTGPTFamille de modèles génératifs préentraînés reposant sur l'architecture Transformer, notamment utilisés pour produire du texte.‑5.6 Sol) a coûté 513 690 $ pour 166 LPE, soit 3 096 $ chacun. La différence de coût reflète principalement la méthodologie de mesure de capacité plutôt qu’une optimisation financière.

Parmi les 166 exploits du run précédent, dix techniques étaient jugées nouvelles par des experts externes, incluant des méthodes de "page grooming" ou de confusion de type uniquement sur les données. OpenAI ne publie pas les détails techniques pour éviter toute utilisation malveillante.

Implications pour la sécurité Linux

Ces résultats montrent que l’automatisation peut déplacer le goulet d’étranglement de la découverte de failles vers la phase de validation et de patching. Toutefois, la charge de travail supplémentaire pour les mainteneurs reste importante : chaque correctif proposé doit être revu, testé et intégré sans introduire de régressions.

Le modèle d’OpenAI, combinant IA et revue humaine, pourrait devenir un atout pour la communauté open source, à condition que les processus de validation restent rigoureux. Pour les organisations qui s’appuient sur Linux, le rapport souligne l’importance d’une veille continue et d’une collaboration avec les équipes de recherche en sécurité.

En attendant que les correctifs soient acceptés, les équipes de sécurité peuvent s’inspirer de la méthodologie décrite par OpenAI pour renforcer leurs propres programmes de bug‑bounty et de tests de pénétration.

OpenAI continue d’explorer l’usage de l’IA dans la sécurité, mais l’efficacité réelle dépendra de la capacité des projets open source à absorber et à déployer les correctifs proposés.