DeepSeek a publié le 10 septembre V4.1 Flash, un modèle librement téléchargeable qui atteindrait 88,1 sur CyberGym, l’un des benchmarks de recherche de failles de sécurité les plus suivis par les pros du secteur. En comparaison, en avril de cette année, Anthropic réservait Claude Mythos Preview, qui avait atteint 83,1 % sur le même test, à une cinquantaine d’organisations triées sur le volet. Ce nouveau modèle chinois est-il l’outil de sécurité accessible accessible à tous sans restrictions que tout le monde attendait ? Est-ce réellement une bonne idée de lui confier la sécurité de vos projets ? On fait le point.
L’essentiel en bref
- DeepSeek annonce 88,1 sur CyberGym pour V4.1 Flash, devant GPT-5.6 Sol (84,5). (On ne dispose pas du score de Claude Opus 5 pour ce benchmark).
- Sur SEC-Bench Pro et ExploitGym, les deux autres benchmarks cyber publiés par DeepSeek, GPT-5.6 Sol garde cependant une nette avance.
- C’est bon à savoir : CyberGym mesure la reproduction de failles mémoire connues dans du code C/C++, pas l’audit d’un site WordPress, d’un SaaS ou d’une application web.
- Via l’API DeepSeek, vos données sont traitées en Chine. En local, les 510 Go de poids exigent un serveur à plusieurs GPU qui ne sera certainement pas à votre portée…
DeepSeek V4.1 Flash revendique un score cyber supérieur à Mythos : vraiment ?
Sur CyberGym, DeepSeek crédite V4.1 Flash de 88,1, contre 84,5 pour GPT-5.6 Sol d’OpenAI et GLM-5.3 de Z.ai, et 80 pour Kimi K3 de Moonshot AI. Aucun modèle de son tableau ne fait mieux sur ce test, mais le labo a lui-même choisi avec quels modèles il était avantageux pour lui de se comparer…
Ceci dit, ses performances sont vraiment intéressantes, surtout quand on les compare à celles de Claude Mythos Preview dont, en avril, Anthropic annonçait qu’il atteignait 83,1 % sur ce même benchmark. Ce modèle, avait même été jugé à l’époque trop sensible pour être accessible au grand public : le labo en avait réservé l’accès qu’aux partenaires du projet Glasswing.
DeepSeek, lui, publie tout. Cinq mois après la sortie de DeepSeek V4, V4.1 Flash compte 552 milliards de paramètres, dont 8 milliards actifs en lecture et 16 en génération. Ses poids sont téléchargeables sous licence MIT (alors certes, vous ne pourrez jamais le faire tourner sur votre ordinateur, mais c’est une opération de transparence sur son fonctionnement qu’OpenAI et Anthropic ne font jamais).
Si ces chiffres se confirment, un modèle de ce calibre devient accessible à n’importe quelle équipe technique pour quelques centimes, et à n’importe quel attaquant au même tarif (c’est bien sûr à double tranchant).
Si vous pensiez que les capacités offensives de pointe allaient rester réservées à quelques labos et entreprises de « confiance », cette sortie prouve l’inverse et devrait vous inviter à sérieusement repenser vos process de sécurisation de vos systèmes informatiques si vous ne voulez pas être des cibles faciles pour n’importe quel hacker improvisé augmenté à l’IA !
Pourquoi le score 88,1 de DeepSeek ne se compare pas vraiment au 83,1 de Mythos ?
Atention à ne pas tout confondre : un score plus haut ne signifie pas un modèle plus fort.
Les deux chiffres sortent chacun du labo qui les publie, et aucun tiers n’a encore reproduit ceux de DeepSeek. Sa model card précise le niveau de raisonnement utilisé (le maximum), pas l’environnement d’agent retenu pour CyberGym.
Le tableau de DeepSeek laisse aussi la case d’Opus 5 vide sur CyberGym, et les deux autres tests cyber qu’il publie ne vont pas dans le même sens que le premier :
Ces scores sont déclarés par DeepSeek (pass@1, raisonnement maximal). Sur ExploitGym, qui pousse jusqu’à l’exploitation, V4.1 Flash obtient moins de la moitié du score de GPT-5.6 Sol. Reproduire un bug et le transformer en attaque restent deux compétences distinctes.
Et le précédent modèle de DeepSeek, V4 Pro, incite à la prudence. En mai, le CAISI du NIST a constaté que DeepSeek obtenait de meilleurs scores sur ses propres évaluations que sur celles de l’agence. L’écart le plus net portait sur la cyber : 32 % pour V4 Pro sur des épreuves CTF difficiles, contre 71 % pour GPT-5.5.
Avant de confier votre sécurité à ce modèle, attendez une évaluation indépendante ou montez la vôtre sur une vingtaine de failles déjà corrigées dans votre historique Git afin de l’évaluer sur des cas réels et d’en tester ses réelles aptitudes, au delà des promesses marketing.
Ce test personnalisé vaudra mieux que n’importe quel classement des meilleurs modèles d’IA, parce qu’il porte sur votre propre code et vos propres failles découvertes et corrigées.
Ce que CyberGym mesure vraiment (et ce qu’il ne dit pas de votre site)
CyberGym est un benchmark conçu à l’université de Berkeley qui mesure la capacité d’un agent IA à reproduire une faille connue.
L’agent reçoit sa description et doit écrire une preuve de concept (PoC) qui fait planter la version vulnérable du programme, mais pas sa version corrigée.
Le benchmark est très précis : 1 507 tâches tirées de projets C/C++ suivis par OSS-Fuzz, le service de fuzzing de Google. Une seule famille de bugs y figure : les erreurs mémoire qu’un sanitizer détecte à l’exécution.
Mais ce benchmark n’est pas du tout adapté au marché de mla cybersécurité dans son ensemble : un site WordPress, une boutique PrestaShop ou une app Next.js tournent sur du PHP ou du JavaScript. Là, les failles courantes s’appellent injection SQL, XSS ou contrôle d’accès défaillant. Un excellent score CyberGym n’évalue ainsi pas du tout les aptitudes d’un modèles à repérer la prochaine faille de plugin WordPress ou une faille sur votre logiciel maison codé en NextJS.
Les usages défensifs où V4.1 Flash a quand même un intérêt :
Si vous éditez un logiciel ou maintenez une stack truffée de dépendances natives, trois usages découlent directement de ce que CyberGym évalue :
- Quand un avis de sécurité vise une bibliothèque que vous embarquez (image, compression, parsing), le modèle peut tenter d’écrire le PoC qui prouve que votre build est touché.
- Après un correctif, il peut vérifier que le PoC plante avant le patch et plus après, soit exactement le critère de réussite de CyberGym.
- Avec sa fenêtre de contexte d’un million de tokens, il peut relire d’un bloc un module entier ou un gros diff avant mise en production.
Côté budget, l’écart donne le vertige. DeepSeek facture 0,15 dollar par million de tokens en entrée et 0,60 dollar en sortie hors heures pleines, contre 5 et 25 dollars pour Claude Opus 5. En sortie, l’écart dépasse un facteur 40, de quoi rebattre tout comparatif des LLM les plus rentables.
Les heures pleines, où les tarifs doublent, tombent en semaine de 3 h à 6 h et de 8 h à 12 h, à l’heure d’été de Paris. Planifiez vos analyses l’après-midi ou le week-end pour payer moitié prix.
Reste la question des refus, qui agace nombre de chercheurs en sécurité. Chez OpenAI, les défenseurs passent par le programme Trusted Access for Cyber pour obtenir des refus allégés, par exemple sur l’analyse de malware. Anthropic applique un dispositif de vérification comparable, alors que la model card de DeepSeek ne contient aucune section sur les garde-fous.
Moins de friction ne veut cependant pas dire moins de risque. À l’automne 2025, le CAISI mesurait que les agents fondés sur DeepSeek R1-0528 suivaient 12 fois plus souvent des instructions malveillantes que les modèles américains (c’est donc bien pour ne pas être contraint sur des demandes liées à la défense, mais cela implique aussi que les cyber-assaillants auront eux aussi moins de blocages sur leurs propres demandes offensives).
Aucune étude ne porte encore sur V4.1, mais la règle pratique s’impose : gardez l’agent en lecture seule, sans accès à vos secrets ni droit de pousser sur le dépôt. Un fichier piégé pourrait suffire à le détourner.
API, hébergeur tiers ou serveur maison : ce que chaque option expose
Où faire tourner le modèle pour limiter les risques ? Voici les différentes options avec ce qu’elles impliquent :
L’API de DeepSeek : un traitement en Chine
La politique de confidentialité de DeepSeek l’écrit noir sur blanc : les données sont collectées, traitées et stockées en République populaire de Chine. La Garante italienne a bloqué l’application dès janvier 2025, et la CNIL figure parmi les autorités qui ont ouvert une enquête sur le service hébergé.
Pour du code client sous NDA, une base contenant des données personnelles ou un fichier de configuration où traîne une clé d’API, la réponse est non. Pour un projet open source déjà public, l’enjeu de confidentialité disparaît presque.
Si vous utilisez déjà l’API, notez qu’à partir du 14 septembre, les appels à deepseek-v4-pro basculeront vers V4.1 Flash, à son tarif. Sauvegardez vos résultats actuels pour comparer après la bascule.
Un hébergeur tiers : l’option à surveiller
Les versions précédentes circulent chez de nombreux hébergeurs : 28 fournisseurs servent V4 Flash sur OpenRouter. LM Studio le propose de son côté hébergé aux États-Unis, sans conservation des données par défaut. Pour V4.1 Flash, OpenRouter ne liste pour l’instant qu’un seul fournisseur.
Vérifiez lequel avant d’y envoyer une ligne de code, puis épinglez votre fournisseur dans les réglages de routage pour éviter qu’une requête parte ailleurs.
Les poids en local : souverain, mais pas à la portée de tous
C’est la seule option qui coupe tout flux vers la Chine : une fois les poids chez vous, aucun serveur de DeepSeek n’entre dans la boucle. La licence MIT donne les clés, encore faut-il loger et faire tourner efficacement un modèle qui pèse 510 Go.
Selon l’audit de Kingy AI, les configurations validées au lancement reposent sur quatre GPU NVIDIA GB300 ou quatre AMD MI350X, il va donc falloir disposer d’une très bonne infrastructure pour le faire tourner efficacement, et la rentabilité du modèle versus sont prix API en prend un sacré coup !
Pour une PME ou une agence, l’auto-hébergement est inimaginable. Il devient réaliste pour un éditeur SaaS qui loue déjà des serveurs GPU, ou pour un hébergeur européen tenté de proposer le modèle sur son propre sol (comme l’a fait Mistral avec GLM).
Notre verdict :
Sur le papier, ce nouveau modèle ouvre des cas d’usages cyber très intéressants sur le ration coût par intelligence en matière de capacités en cyberdéfense, mais si vous passez par l’API, il faudra accepter tout ce que cela implique, notamment le transfert de vos données et codebases en Chine si vous n’optez pas pour un fournisseur qui héberge lui-même le modèle en Europe ou aux Etats-Unis.
