En juin 2026, deux approches opposées de l’IA pour la cybersécurité cristallisent les tensions géopolitiques et techniques : côté américain, Anthropic verrouille Claude Mythos 5 derrière un partenariat étatique; côté chinois, Z.ai publie ses modèles GLM en open weights, sous licence MIT. Cette confrontation n’est pas qu’un débat d’experts : elle conditionne qui aura accès aux outils d’attaque et de défense, comment les entreprises pourront se protéger, et quel type d’écosystème – ouvert ou ultra-régulé – dominera la sécurité numérique. Ce comparatif met en perspective les capacités réelles de Claude Mythos et des modèles Z.ai, leur position en 2026 sur les benchmarks de cybersécurité, leurs modes d’accès, et les conséquences concrètes pour les SOC, les RSSI et les équipes devsecops.
Z.ai : l’offensive des modèles open weights sur la cybersécurité
Z.ai joue la carte de la puissance technique combinée à l’ouverture : ses modèles GLM de 5e génération sont publiés en open weights, avec des licences permissives.
En 2026, Z.ai se distingue avec GLM-5.1, annoncé comme un modèle de 744 milliards de paramètres en architecture MoE (Mixture of Experts), entraîné sur des puces Huawei Ascend et publié sous licence MIT, ce qui autorise un usage commercial sans restriction majeure. Ce modèle bat Claude Opus 4.6 sur le benchmark SWE-Bench Pro, un benchmark de résolution de tickets GitHub réalistes, positionné comme référence pour l’évaluation des assistants de programmation et de debug.
GLM-5.1 est présenté comme un modèle open weights de 744 milliards de paramètres MoE, entraîné sur Huawei Ascend, qui dépasse Claude Opus 4.6 sur SWE-Bench Pro.
Quelques points clés sur Z.ai et GLM-5.x en 2026 :
- Z.ai publie GLM-5.1 sous licence MIT, ce qui permet un déploiement on-premise ou dans le cloud sans verrou propriétaire.
- Les modèles de la série GLM-5 sont positionnés comme leaders open weights sur des benchmarks de programmation et de résolution de bugs (SWE-Bench Pro).
- Un reel d’actualité IA signale GLM-5.2 comme nouveau leader open weights sur un benchmark d’intelligence généraliste, avec un narratif très orienté sur le contraste USA vs Chine et l’ouverture de Z.ai.
Ce positionnement fait de Z.ai une alternative crédible aux modèles propriétaires occidentaux, en particulier pour les entreprises qui veulent garder le contrôle sur leurs données, adapter finement les modèles à leurs environnements, ou contourner les dépendances à des API soumises aux régulations américaines.
> 💡 À retenir : Z.ai mise sur la puissance technique et l’open weights pour devenir la colonne vertébrale d’outils de cybersécurité custom, du SOC aux scanners de vulnérabilités maison.
Claude Mythos 5 : l’IA la plus dangereuse… et la plus verrouillée
Claude Mythos 5 est présenté par Anthropic comme un modèle de classe Mythos, dérivé de Claude Fable 5, avec des garde-fous levés sur certaines capacités de recherche de vulnérabilités.
Anthropic décrit explicitement les modèles Mythos comme des systèmes qui « excellent à découvrir et exploiter des vulnérabilités logicielles » et qui peuvent rendre les cyberattaques « substantiellement plus faciles ». Claude Mythos 5 est réservé à un petit groupe de cyberdéfenseurs et de fournisseurs d’infrastructures, déployé via Project Glasswing en collaboration avec le gouvernement américain.
Anthropic qualifie Mythos 5 de modèle ayant « les capacités de cybersécurité les plus avancées au monde », et avertit que les modèles de classe Mythos posent un risque substantiel d’« uplift » pour des acteurs malveillants.
Éléments factuels sur Mythos 5 en 2026 :
- Anthropic présente Claude Fable 5 le 9 juin 2026 comme premier système de la nouvelle génération « Mythos-class » disponible au public via API.
- Claude Mythos 5 partage le même modèle sous-jacent que Fable 5, mais avec des garde-fous levés dans certaines zones, ce qui en fait une variante beaucoup plus permissive sur les tâches de cybersécurité.
- Anthropic précise que Mythos 5 a « les capacités de cybersécurité les plus avancées de tous les modèles au monde », ce qui lui vaut d’être intégré à Project Glasswing, une coalition d’au moins 40 grands acteurs tech positionnée sur la cybersécurité de frontière.
Un élément crucial est la désactivation à la demande de Washington : une publication de presse mentionne que la start-up américaine à l’origine de Mythos 5 a désactivé son modèle suite à une demande du gouvernement américain, illustrant la puissance de contrôle de l’administration et la sensibilité du modèle.
Une vidéo d’actualité européenne souligne que la désactivation de Mythos 5 sur demande de Washington est perçue comme un symbole de la mainmise américaine sur les IA de sécurité.
> 💡 À retenir : Claude Mythos 5 est probablement le modèle le plus avancé pour la cyber-offensive et défensive, mais il est fermé, régulé et activable/désactivable politiquement, ce qui limite radicalement son usage large.
CyberGym et SWE-Bench : Mythos vs GPT-5.5-Cyber, et la place de Z.ai
La puissance d’un modèle de cybersécurité ne se mesure pas qu’en taille de paramètres, mais aussi sur des benchmarks spécifiques.
En 2026, un benchmark CyberGym est utilisé pour évaluer la capacité des modèles à analyser des vulnérabilités logiciel, avec des scores de pourcentage de réussite. OpenAI annonce son modèle GPT-5.5-Cyber, une variante de GPT-5.5 optimisée pour le cyber, qui obtient 85,6 % sur CyberGym, contre 83,8 % pour Claude Mythos 5.
GPT-5.5-Cyber est présenté comme devant Mythos 5 sur CyberGym, avec 85,6 % contre 83,8 % pour Mythos 5.
Ce point est important pour situer Mythos dans le paysage :
- Claude Mythos 5 n’est plus strictement le modèle le plus performant sur au moins un benchmark de cybersécurité, même s’il reste en très haut de tableau.
- GPT-5.5-Cyber, comme Mythos 5, n’est pas accessible au grand public et réservé à des organisations défensives vérifiées, avec contrôle renforcé.
Du côté de Z.ai, les données publiques indiquent surtout des performances sur SWE-Bench Pro, qui cible la résolution de tickets GitHub et la correction de bugs à partir de code réel. Même si SWE-Bench n’est pas un benchmark purement « cyber » au sens exploitation, il est très pertinent pour la détection de bugs de sécurité, la compréhension de bases de code complexes, et l’assistance aux équipes de devsecops.
GLM-5.1 est annoncé comme surpassant Claude Opus 4.6 sur SWE-Bench Pro, ce qui le positionne comme un des meilleurs modèles open weights pour la programmation et le debug.
On obtient ainsi un paysage à trois niveaux :
- Claude Mythos 5 et GPT-5.5-Cyber : top mondial sur les benchmarks cyber offensifs/défensifs comme CyberGym, mais fermés et régulés.
- GLM-5.x (Z.ai) : top open weights sur les benchmarks de programmation (SWE-Bench Pro), utilisables pour la détection de vulnérabilités applicatives, l’analyse de code et la remédiation.
> 💡 À retenir : Mythos 5 reste un monstre de cybersécurité, mais GPT-5.5-Cyber le dépasse déjà sur CyberGym. Z.ai joue dans une autre ligue : celle de l’open weights performant, qui permet de bâtir sa propre stack de sécurité avec des briques maîtrisées.
Prix, accès et modèles économiques : Mythos fermé, Z.ai modulaire
Le nerf de la guerre pour les entreprises n’est pas seulement la performance brute, mais le coût total de possession et les contraintes d’accès.
Sur Claude Mythos 5, Anthropic ne donne pas de tarif public : le modèle est déployé via Project Glasswing auprès d’une coalition de grands acteurs, dans un cadre de collaboration étatique et probablement sur des contrats sur-mesure. Mythos 5 n’est pas disponible via une API ouverte ni via une offre SaaS grand public, ce qui signifie que le coût est déterminé au cas par cas, et essentiellement réservé aux très grandes organisations ou agences gouvernementales.
Pour Claude Fable 5, première déclinaison publique de la classe Mythos, Anthropic indique une disponibilité via API, mais les détails exacts de pricing ne sont pas explicités dans les documents consultables. Ce que l’on peut affirmer factuellement, c’est que Fable 5 sert de base pour des offres commerciales Anthropic, avec un positionnement premium.
Du côté de Z.ai et de la série GLM-5 :
- GLM-5.1 est publié sous licence MIT, ce qui permet un déploiement on-premise sans coût de licence propriétaire.
- Le modèle étant open weights, le coût dépend principalement de l’infrastructure (GPU/Ascend, stockage, MLOps) et non de frais de requêtes API facturées par un fournisseur unique.
- Des contenus d’actualité IA mettent en avant le contraste entre les modèles américains bannis ou restreints, et les modèles Z.ai « offerts au monde », ce qui renforce l’image de gratuité d’accès aux poids.
Dans ce contexte, même sans tarif mensuel en dollars publiquement annoncé pour Mythos 5, le contraste est clair :
- Mythos 5 s’apparente à une solution ultra-premium sur contrat, avec un ticket d’entrée réservé à une poignée d’acteurs.
- Z.ai propose des modèles sans licence propriétaire, ce qui permet à une PME ou une grande entreprise de déployer un modèle GLM-5.x en interne, avec un coût d’infrastructure qui peut être maîtrisé.
> 💡 À retenir : pour 2026, les entreprises qui veulent une IA de cybersécurité sans dépendre d’un contrat étatique américain ont aujourd’hui beaucoup plus de latitude avec Z.ai qu’avec Mythos.
Tableau comparatif : Z.ai vs Mythos 5 sur les critères clés
Le tableau suivant synthétise les différences les plus structurantes entre Z.ai (GLM-5.x) et Claude Mythos 5 en cybersécurité.
| Critère | Z.ai (GLM-5.1 / GLM-5.x) | Claude Mythos 5 |
|---|---|---|
| Nature du modèle | Modèles open weights de la série GLM-5, architecture MoE | Modèle propriétaire de classe Mythos, dérivé de Claude Fable 5 |
| Licence | MIT pour GLM-5.1, usage commercial autorisé sans royalties | Licence propriétaire Anthropic, accès réservé via Project Glasswing |
| Entraînement | 744 milliards de paramètres MoE sur Huawei Ascend (GLM-5.1) | Taille non publiée, mais classée dans la génération Fable/Mythos 5 |
| Positionnement | Leader open weights sur SWE-Bench Pro, ciblant programmation et debug | Présenté comme modèle avec « capacités de cybersécurité les plus avancées au monde » |
| Benchmarks cyber | Données publiques centrées sur SWE-Bench Pro (détection/correction de bugs) | Score CyberGym à 83,8 %, derrière GPT-5.5-Cyber (85,6 %) |
| Mode d’accès | Téléchargement des poids, déploiement on-premise ou cloud, contrôle complet | Accès via Project Glasswing pour un petit groupe de cyberdéfenseurs et fournisseurs d’infrastructures |
| Régulation | Pas de désactivation centrale annoncée, dépend des lois locales | Désactivation de Mythos 5 à la demande de Washington, illustrant un fort contrôle étatique |
| Public cible | Entreprises tech, équipes devsecops, chercheurs, intégrateurs sécurité | Agences gouvernementales, opérateurs d’infrastructures critiques, grands groupes sélectionnés |
| Coûts | Pas de licence propriétaire, coûts liés à l’infra et au MLOps | Coût contractuel non public, probablement élevé et réservé à quelques acteurs |
> 💡 À retenir : Z.ai gagne largement sur l’ouverture, la modularité et la souveraineté technique. Mythos 5 garde une longueur d’avance sur certaines capacités de cyber-offensive, mais au prix d’une fermeture extrême.
Impact concret en entreprise : quel usage pour Z.ai et Mythos en 2026 ?
Sur le terrain, les RSSI et équipes SOC ne raisonnent pas en termes de « meilleur modèle absolu », mais d’outils intégrables et gouvernables.
Z.ai comme base d’outillage IA de cybersécurité
Les modèles GLM-5.x, notamment GLM-5.1, sont particulièrement adaptés à :
- Construire des scanners de vulnérabilités custom qui analysent du code interne, des configurations d’infrastructure, des scripts CI/CD.
- Augmenter les capacités des plateformes SIEM et XDR en ajoutant une couche de corrélation intelligente des logs et des événements.
- Assister les équipes devsecops dans la review de code, la recherche de patterns d’attaque (injections, désérialisation, buffer overflow) et la génération de correctifs.
Parce que les poids sont open, les entreprises peuvent :
- Héberger le modèle sur leur propre infra, sans envoyer de logs sensibles à un tiers.
- Mettre en place des contraintes internes fortes (filtrage, sandboxing, audit) sur les réponses.
- Faire du fine-tuning sur leur propre historique d’incidents et de tickets.
Mythos 5 comme arme de défense de frontière
Claude Mythos 5, dans sa configuration Project Glasswing, s’adresse à un autre segment :
- Protection d’infrastructures critiques, où l’IA est utilisée pour détecter des menaces de niveau étatique, analyser des attaques complexes, simuler des vecteurs d’attaque.
- Assistance aux red teams étatiques ou aux équipes de cyberdéfense avancées, qui ont besoin de modèles capables de découvrir ou exploiter des vulnérabilités à très haut niveau.
Son caractéristique majeure est la double nature :
- Des garde-fous levés pour permettre des analyses très offensives.
- Des classifiers dédiés, hérités de Fable 5, pour détecter et bloquer les tentatives de misuse ou de jailbreak.
En pratique, cela signifie que Mythos 5 est un outil d’exception utilisé dans des environnements strictement contrôlés, plutôt qu’un composant généraliste de sécurité pour des milliers d’entreprises.
> 💡 À retenir : en 2026, Z.ai est un candidat naturel pour entrer dans les stacks de cybersécurité d’entreprise, alors que Mythos 5 reste cantonné à des usages de frontière chez quelques acteurs triés sur le volet.
Notre avis : qui doit parier sur Z.ai, et qui sur Mythos d’ici fin 2026 ?
La ligne de fracture entre Z.ai et Claude Mythos 5 n’est pas simplement technologique, elle est politique et opérationnelle.
Pour les entreprises privées, même grandes, qui veulent renforcer leur cybersécurité avec de l’IA :
- Z.ai offre des modèles puissants, open weights, adaptables, compatibles avec des stratégies de souveraineté numérique et de maîtrise des coûts.
- La performance sur SWE-Bench Pro et l’architecture MoE permettent de construire des assistants de sécurité très compétents, en particulier sur l’analyse de code et la remédiation.
Pour les États et opérateurs d’infrastructures critiques, avec accès à des coalitions type Project Glasswing :
- Claude Mythos 5 reste l’outil idéal pour des contextes de haute intensité, où la détection et la simulation d’attaques avancées sont vitales.
- Son contrôle étatique, sa désactivation possible et ses garde-fous levés en font un instrument de puissance, mais aussi un point de dépendance politiquement sensible.
À six mois, la trajectoire la plus probable est une coexistence : Z.ai continue de gagner des parts de marché sur les solutions de sécurité IA dans le privé, tandis que Mythos 5 et GPT-5.5-Cyber sont utilisés dans des cadres étatiques et des partenariats de défense. La question clé pour les RSSI devient alors : jusqu’où faut-il accepter de déléguer la sécurité à des IA contrôlées par des gouvernements, versus construire des capacités internes sur des briques ouvertes comme Z.ai ?
Cette tension ne se résoudra pas uniquement par la technique. Elle dépendra des prochains incidents majeurs de cybersécurité, des décisions réglementaires sur l’export des modèles de classe Mythos, et de la capacité des écosystèmes open weights à démontrer, chiffres à l’appui, qu’ils peuvent rivaliser sur la détection de menaces de très haut niveau.
La vraie question pour 2026 est donc : préférez-vous une cybersécurité IA sous tutelle ou sous contrôle ?