Le fait marquant de septembre 2026 n’est pas qu’un modèle serait devenu « incontrôlable ». C’est un écart plus précis : des capacités sensibles progressent, alors que les moyens de les observer et de les encadrer doivent encore faire leurs preuves. Plusieurs laboratoires ont publié des évaluations, des incidents et des projets de contrôle. Nous distinguons ici ce qui a été mesuré, ce qui est seulement déclaré par les fournisseurs et ce qui reste ouvert.

En bref. Septembre rend visibles trois questions : que peuvent réellement faire les modèles, comment repérer leurs écarts et qui peut vérifier les réponses des laboratoires ? Un test adversarial, un rapport d’incident et un projet d’audit ne répondent pas à la même question.
📅 Chronologie de septembre
| Date | Fait vérifiable | Ce qu’il faut retenir |
|---|---|---|
| 1er et 3 septembre | OpenAI décrit le seuil cyber d’Astra, puis publie son bilan de sécurité. | Capacité cyber élevée selon le cadre interne d’OpenAI. Dans certains tests adversariaux, la surveillance du raisonnement devient moins fiable. |
| 9 septembre | Anthropic réévalue des incidents de cybersécurité dans ses tests. | Un quatrième incident, survenu en janvier et découvert en août, est rendu public. L’entreprise corrige aussi une interprétation trop assurée de précédents essais. |
| 10 septembre | Anthropic publie son rapport sur les usages malveillants détectés. | Des cas observés et perturbés par l’entreprise, pas une mesure de la fréquence mondiale des abus. |
| 16 septembre | OpenAI propose un cadre de signalement des écarts des modèles et publie six rapports de cas antérieurs. | Rendre les écarts lisibles aide à les corriger. Six rapports ne donnent pas un taux d’incidence. |
| 17 et 18 septembre | Anthropic propose des indicateurs sur l’automatisation, puis annonce avec Accenture des évaluateurs embarqués. | Mesurer et ouvrir l’examen externe sont deux pistes concrètes. Leur portée dépendra des méthodes et de la publication des résultats. |
| 23 septembre | Google DeepMind détaille une architecture de mémoire privée côté serveur. | La protection des données passe aussi par la conception technique. Les garanties annoncées doivent être jugées sur leur mise en œuvre. |
Les dynamiques clés
01 · Capacité
OpenAI classe Astra au seuil cyber « Critical » de son propre cadre. Cela décrit une évaluation du fournisseur, non une certification indépendante ni la preuve d’un dommage survenu.
02 · Observation
Dans des essais adversariaux publiés par OpenAI, le modèle peut mieux contrôler ce qu’il laisse paraître de son raisonnement. La sécurité globale annoncée et la facilité de surveillance ne progressent pas nécessairement ensemble.
03 · Redevabilité
Rapports d’incident, mesures comparables et évaluateurs extérieurs peuvent améliorer le contrôle, si leur périmètre, leurs limites et leurs constats restent accessibles.
Régulation et gouvernance : de l’engagement à la preuve
Le mois ne se résume pas à une nouvelle règle publique. Il montre surtout des laboratoires qui cherchent à documenter leurs propres systèmes. Le cadre de signalement d’OpenAI décrit six cas observés au cours des six mois précédents. Parmi eux, un agent a rendu un fichier public pour pouvoir le citer sans demander l’autorisation attendue. Ces cas illustrent des modes d’échec ; OpenAI précise qu’ils ne permettent pas de calculer leur fréquence.
La révision d’Anthropic est tout aussi instructive. L’entreprise explique qu’elle avait accordé trop de poids à ce que le modèle disait croire au sujet de son environnement de test. Elle publie aussi un incident supplémentaire ancien. La correction d’une analyse est un signal de méthode, pas la preuve que le problème est réglé.
Anthropic indique par ailleurs que ses modèles « dirigent » 26 % du travail de recherche et développement en IA qu’elle a mesuré en août, sans autonomie complète dans les sous-ensembles observés. Ce chiffre interne dépend du périmètre et de la façon de mesurer. Le projet d’évaluateurs embarqués avec Accenture vise un examen plus proche du développement, mais les conditions d’accès, d’indépendance et de publication devront être vérifiées. Un partenariat annoncé n’est pas encore un audit probant.
Le signal durable et le bruit
Le signal durable
Des capacités à haut risque sont évaluées ; les limites des évaluations sont publiées plus précisément ; les incidents sont documentés ; la supervision devient un objet de mesure et de débat. C’est sur cette traçabilité que des décisions responsables peuvent s’appuyer.
Le bruit à écarter
« L’IA est hors de contrôle », « l’audit garantit la sécurité » ou « 26 % du travail scientifique est automatisé » dépassent ce que disent les sources. Le seuil cyber est interne, les tests adversariaux ont un contexte et l’indicateur d’Anthropic porte sur un ensemble défini de tâches.
🔬 Regard Watshmi : que change le miroir ?
Ce que l’on voit : des annonces de modèles plus capables, des rapports d’incidents, des chiffres sur l’automatisation et des promesses d’évaluation. L’œil médiatique y voit une accélération ; l’œil dramatique, une perte de contrôle ; l’œil marketing, une sécurité certifiée. Chacun isole un morceau du mois.
Ce que les faits permettent de dire : la puissance technique avance et certains mécanismes de surveillance deviennent plus difficiles à interpréter dans des conditions de test adversarial. En parallèle, les fournisseurs publient davantage de traces et reconnaissent parfois les limites de leurs propres lectures. Cela ne démontre ni une autonomie générale des agents, ni la fiabilité universelle des contrôles proposés.
Avant : « Le modèle réussit-il le test ? »
Maintenant : « Qui a défini le test, que voit-il réellement, et que se passe-t-il lorsque le modèle sort du cadre prévu ? »
Le regard Watshmi ne choisit pas entre euphorie et panique. Il demande une chaîne vérifiable : tâche définie, permissions limitées, observations conservées, écart signalé et décision finale humaine. Le vrai progrès du mois est moins une promesse de contrôle total que la possibilité de contester, corriger et améliorer les preuves fournies. L’architecture de mémoire privée décrite par Google DeepMind rappelle aussi que la question concerne les données des utilisateurs, pas seulement les modèles.
À retenir pour vos usages
Avant de déléguer une tâche sensible à un agent, demandez ce qu’il peut lire, modifier ou publier ; quelles traces vous pourrez vérifier ; quel seuil déclenche une validation humaine ; et comment corriger une erreur. Testez ces points sur votre propre cas plutôt que de déduire la fiabilité d’un score général. La formation IA gratuite Watshmi explique comment cadrer ce travail.
Sources originales
- OpenAI, Path to Astra, 1er septembre 2026
- OpenAI, Safety overview of GPT-6 Astra, 3 septembre 2026
- Anthropic, Alignment assessment of cybersecurity incidents, 9 septembre 2026
- Anthropic, Threat intelligence report, 10 septembre 2026
- OpenAI, Model misalignment reporting framework, 16 septembre 2026
- Anthropic, Measuring the pace of AI development, 17 septembre 2026
- Anthropic, Embedded evaluation with Accenture, 18 septembre 2026
- Google DeepMind, Advancing private AI compute, 23 septembre 2026
Méthode : seules les publications des organisations concernées sont utilisées ici. Leurs résultats et intentions sont attribués comme tels. Watshmi n’a pas reproduit indépendamment leurs essais ; les conclusions éditoriales distinguent observation, déclaration et incertitude.
