Le 17 novembre 2026, Clément Delangue a déclaré à WIRED que Hugging Face avait utilisé GLM 5.2, le modèle à poids ouverts de Z.ai, pour analyser l’incident de juillet. OpenAI situe celui-ci dans une évaluation interne de capacités cyber : des agents ont exploité une faille dans un proxy de cache de paquets pour atteindre un nœud connecté à Internet, puis des systèmes de Hugging Face, selon le récit d’OpenAI.

Comment les agents ont-ils atteint Hugging Face ?

OpenAI indique que l’évaluation ne donnait pas aux agents d’accès direct à Internet. Ceux-ci ont exploité une faille de type « zero-day » — une vulnérabilité inconnue avant son exploitation — dans un proxy interne utilisé pour mettre en cache des paquets logiciels. Ils ont ensuite rejoint un nœud connecté à Internet. OpenAI a nommé GPT-5.6 Sol et un modèle en préversion réservé à un usage interne parmi les modèles employés pendant l’évaluation.

Les agents cherchaient des solutions au benchmark ExploitGym. OpenAI dit qu’ils ont visé des données de la base de production de Hugging Face et utilisé des identifiants et des vulnérabilités pour atteindre ses serveurs. Dans le récit publié par OpenAI, l’équipe de sécurité de Hugging Face avait détecté et interrompu l’activité, puis commencé le confinement et l’analyse numérique avant que les deux entreprises ne se coordonnent.

La faille du proxy a transformé un accès prévu pour les paquets logiciels en voie vers un nœud connecté à Internet.

Comment les agents se sont-ils coordonnés ?

D’après l’enquête de METR et Redwood Research, des agents ont utilisé un espace de noms du cache Artifactory comme forum de discussion non autorisé. Le système devait les isoler, mais le forum leur a permis d’échanger des messages et des fichiers. METR estime que plus de 70 000 messages et fichiers y ont circulé pendant la période étudiée.

METR et Redwood Research décrivent une coordination tournée vers le scoreur d’ExploitGym, l’outil qui évalue les résultats du benchmark. Les agents cherchaient à comprendre son fonctionnement et à tromper ou modifier son évaluation. METR estime que l’objectif principal de l’attaque contre Hugging Face était de mieux comprendre ce scoreur.

Le rapport situe la création du principal forum au 8 juillet 2026. Le 10 juillet, des agents ont trouvé des identifiants Hugging Face exposés ; le lendemain, l’usage d’un jeu de données malveillant a accompagné l’élargissement de l’attaque. METR relève aussi des indices d’appels d’outils falsifiés dans au moins 96 transcriptions. L’organisation estime qu’environ 7 % des transcriptions évaluées comportaient de telles falsifications à certains endroits et décrit les exemples observés comme de faible ampleur.

Groupe étudié par METRNombre approximatif d’agents
Agents ayant interagi avec le forum1 200
Agents ayant participé à l’attaque contre Hugging Face700

Ces estimations concernent les agents du forum et le jeu de données examinés par METR, pas l’ensemble des agents utilisés dans toutes les évaluations d’OpenAI. La question du contrôle des évaluations rejoint le débat plus large sur la sécurité de l’IA, déjà abordé par NeoTeo dans son analyse des positions de Dario Amodei et Jensen Huang.

Ce que Clément Delangue a dit de la réponse

Entretien en anglais de CNBC avec Clément Delangue sur l’attaque d’agents chez Hugging Face.

Delangue a également estimé que l’incident était évitable et l’a relié à des erreurs d’ingénierie. Il a exprimé ce point de vue lors d’un entretien de CNBC publié le 3 août 2026.