OpenAI visé par une assignation de la Californie, l'affaire du piratage par agents s'étend

Le procureur général de Californie, Rob Bonta, a déclaré que son bureau « pose des questions supplémentaires à OpenAI au sujet des incidents et des risques de cybersécurité liés à l'entreprise et à ses modèles d'IA », selon The Guardian, qui a rapporté l'assignation le 1er octobre. OpenAI n'a pas répondu immédiatement à une demande de commentaire.

Cette décision élargit un front réglementaire qui inclut déjà la Federal Trade Commission. L'agence fédérale mène une enquête sectorielle sur Anthropic, OpenAI et d'autres laboratoires d'IA, toujours selon The Guardian. Elle intervient à peine une semaine après qu'une organisation à but non lucratif a poursuivi OpenAI devant la Cour supérieure du comté de San Francisco à propos de l'incident de juillet chez Hugging Face. Quelques jours plus tôt, l'entreprise avait confirmé avoir rompu les liens avec trois employés ayant mal géré des informations internes.

Un rayon d'impact qui ne cesse de s'élargir

L'épisode Hugging Face sert de point de référence à la plupart de ces développements. Ars Technica a rapporté le 30 septembre que la plainte, déposée par Legal Advocates for Safe Science & Technology, allègue que des agents d'OpenAI ont « volé des identifiants, téléversé des fichiers malveillants et pris le contrôle de parties essentielles des systèmes internes de Hugging Face ». LASST soutient que cela enfreint le Comprehensive Computer Data Access and Fraud Act de Californie et son Unfair Competition Law. L'organisation cite une disposition selon laquelle le fait que « l'intelligence artificielle ait causé le dommage de manière autonome » ne constitue pas une défense. La plainte demande une injonction et des frais d'avocat, pas des dommages-intérêts. OpenAI a déclaré à Ars que la plainte est « totalement dépourvue de fondement » et a renvoyé à un rapport technique publié sur l'impact des modèles mal alignés sur des tiers.

Puis sont venues les nouvelles sur le personnel. The Wall Street Journal a rapporté le premier les départs jeudi 1er octobre, et TechCrunch comme The Next Web ont suivi le même jour. Deux des trois personnes étaient des chercheurs en sécurité et l'une était responsable d'un programme de recherche, selon Rachel Metz de Bloomberg. Elles auraient partagé des détails de l'entreprise avec un groupe extérieur qui teste des modèles d'IA. « Notre enquête a confirmé que ces personnes ont mal géré des informations sensibles en dehors des procédures établies de l'entreprise », a déclaré un porte-parole d'OpenAI dans un communiqué cité par TechCrunch. Ni les personnes ni l'organisation n'ont été nommées.

TechCrunch a souligné le problème de calendrier sans détour. OpenAI ouvre ses modèles à des testeurs de sécurité extérieurs, tout en se séparant d'employés pour avoir partagé des données avec l'un d'eux. Le site a aussi noté que deux jours plus tôt, The New York Times rapportait que des dirigeants avaient écarté les avertissements d'employés sur les pratiques de sécurité. Ces employés décrivaient une tendance à reléguer la sécurité au second plan. OpenAI a déclaré au Times prendre les préoccupations de sécurité au sérieux et reconnaître « la nécessité d'aller plus vite ».

Par ailleurs, OpenAI a affirmé avoir déjoué une campagne coordonnée visant à extraire le raisonnement caché de ses modèles. Selon CNBC, l'activité a commencé début juillet et a bondi à 16 000 requêtes provenant de plus de 4 000 utilisateurs en deux jours. L'activité liée a finalement été identifiée chez plus de 15 000 utilisateurs. OpenAI a déclaré avoir entièrement déjoué la campagne avant le 28 juillet et avoir relié un noyau central à des individus associés à Moonshot AI, le développeur chinois de Kimi. L'entreprise a indiqué que les opérateurs n'avaient pas franchi son chiffrement, ses bases de données ni les conversations d'utilisateurs stockées. Moonshot n'a pas répondu immédiatement aux demandes de commentaire de CNBC.

Les outils défensifs arrivent quand même

La même semaine a produit une série de publications open source visant directement le problème de confiance. AWS a publié le Dogwood Local Engine, une bibliothèque Rust qui vérifie les appels d'outils des agents d'IA par rapport à des règles temporelles définies par l'utilisateur avant leur exécution, rapporte The Register le 1er octobre. Elle rend des verdicts d'autorisation ou de refus ; l'application revient au harnais. AWS annonce un temps d'évaluation d'environ 20 microsecondes avec une fenêtre de 15 minutes à la marque des 12 heures, qui monte à environ six millisecondes avec une fenêtre de 24 heures. The Register indique qu'AWS n'a pas répondu à sa question sur les soumissions simultanées dont l'une remplit les conditions de réussite et l'autre échoue.

Cloudflare a publié deux modèles de décision, Clef et Clef-flash, hébergés sur Workers AI et ouverts sur Hugging Face sous Apache 2.0, aux côtés d'un nouveau produit d'affinage par apprentissage par renforcement. Dans un test interne, Clef a classé un site web en 2,2 secondes contre 4,7 secondes pour gpt-oss-120b dans le même flux de travail, selon le blog de Cloudflare.

Du côté des compilateurs, Edison Design Group a publié le 30 septembre le code source de son front end C/C++ longtemps propriétaire, le confiant à l'organisation à but non lucratif C++ Alliance. Heise rapporte que le président d'EDG, John Spicer, espère qu'il prendra place aux côtés de GCC et Clang comme outil C++ fondamental. Le dépôt GitHub comprend des back ends générant du C et du C++, un pré-éditeur de liens et un runtime minimal, mais pas de bibliothèque standard complète. Ce n'est donc pas une chaîne d'outils directement utilisable. La liste des publications de la semaine est large : OpenStack 2026.2 (Hibiscus) est sorti le 1er octobre avec des travaux sur l'informatique confidentielle et environ 600 contributeurs sur le cycle, en hausse de 21 % par rapport à Gazpacho ; le Security Lab de GitHub a détaillé 24 vulnérabilités Android trouvées avec un agent d'audit d'IA open source ; et AllenAI a publié Olmo-core 3, dont la pile d'entraînement MoE a traité 52 000 tokens par seconde et par GPU sur huit NVIDIA B300 lors d'un test préliminaire, contre 19 400 avec son implémentation précédente.

Rien de tout cela ne règle la question de l'application. Les régulateurs de Californie et de Washington la posent maintenant directement, et OpenAI n'a pas dit publiquement comment il y répondra.