Le secteur technologique continue de livrer des avancées remarquables.
La Cisco Foundation AI lance Antares : des modèles à poids ouvert de 350 millions et 1 milliard de paramètres qui identifient les vulnérabilités connues au sein de bases de code réelles
Cisco Foundation AI a lancé Antares, une famille de petits modèles linguistiques (SLM) dédiés à la sécurité et conçus pour une tâche spécifique dans ce domaine : la localisation des vulnérabilités. À partir d’une description de vulnérabilité et d’un référentiel, ces modèles identifient les fichiers contenant la faille.
Deux modèles sont en open-source et disponibles dès à présent sur Hugging Face : Antares-350 et Antares-1B. Tous deux sont sous licence Apache 2.0. L’équipe de Cisco a également publié le « Vulnerability Localization Benchmark » (VLoc Bench), un benchmark d’évaluation agentique comprenant 500 tâches, sous la même licence.
Dans la foulée, le résultat principal n’est pas une nouvelle référence dans le domaine. Il s’agit du fait qu’un modèle de 1B atteint un score F1 de 0,209. GPT-5.5 atteint 0,229, tandis qu’un modèle d’IA à poids ouverts de 753B atteint 0,186.
Notons par ailleurs, la sécurité des logiciels repose sur la mise en relation des informations externes relatives aux vulnérabilités avec le code source interne. Ces informations sont disponibles dans des bases de données publiques, des avis de sécurité et les listes de vulnérabilités courantes (Common Weakness Enumerations). Le code, quant à lui, est stocké dans des référentiels volumineux, modulaires et comportant de nombreuses dépendances.
La mise en relation des deux est coûteuse. Les développeurs doivent analyser du code qu’ils ne connaissent pas, respecter les conventions de nommage, examiner les chemins d’appel et comparer les fichiers potentiels. Selon Cisco, c’est au cours de cette première étape de triage que se concentrent les coûts.
Dans la foulée, antares ne remplace pas la chaîne d’outils de sécurité des applications. Cisco est fortement clair à ce sujet. Les équipes de développement ont toujours besoin d’analyses des dépendances, d’analyses des secrets, de tests dynamiques, de vérifications des conteneurs, de modélisation des menaces et d’examens par des experts.
Antares se compose de trois transformateurs dédiés au décodage, avec respectivement 350 millions, 1 milliard et 3 milliards de paramètres. Ces trois modèles s’initialisent à partir des points de contrôle d’IBM Granite 4.0. Ils partagent un tokeniseur et une architecture commune : attention aux requêtes groupées, MLP SwiGLU, RMSNorm, RoPE et embeddings d’entrée/sortie partagés.
Une chose est sûre : le secteur continue d’avancer à grande vitesse.
À découvrir aussi :
- Les modèles d’IA chinois plongent l’univers de l’IA de Trump dans une guerre intestine
- Les meilleurs modèles de langage locaux (LLM) pouvant fonctionner sur un seul GPU de 24 Go en 2026 : comparaison entre Qwen, Gemma, Mistral et DeepSeek
Tel que rapporté par MarkTechPost : MarkTechPost