OpenAI licencie trois chercheurs en sécurité après une enquête sur des fuites

OpenAI a licencié trois chercheurs en sécurité — Tomek Korbak, Mikita Balesni et Jasmine Wang — après une enquête interne sur d'éventuelles fuites d'informations confidentielles portant sur la conception de modèles, selon un article du Wall Street Journal publié le 22 octobre 2026.

Selon le quotidien, l'enquête s'est concentrée sur des messages échangés via Signal avec Ryan Greenblatt, chercheur externe en sécurité de l'IA. L'équipe d'enquête sécurité d'OpenAI a demandé à des employés, dont les trois chercheurs, de déverrouiller leurs téléphones personnels. D'après Balesni, les enquêteurs soupçonnaient Ryan Greenblatt, alors chercheur en chef chez Redwood Research, d'être à l'origine de la fuite.

Les vérifications ont montré que certains chercheurs avaient activé le paramètre de messages éphémères dans leurs conversations avec Ryan Greenblatt. Une semaine plus tard, les trois chercheurs ont été informés de leur licenciement lors de réunions séparées tenues au même moment.

Tomek Korbak et Mikita Balesni affirment que la direction a cité l'utilisation des messages à suppression automatique de Signal comme motif de licenciement. Jasmine Wang indique pour sa part qu'on lui a reproché d'avoir ouvert à plusieurs reprises la messagerie d'un dirigeant ; elle dit avoir demandé, environ un an plus tôt, que cet accès soit retiré.

OpenAI déclare que les trois chercheurs ont enfreint des règles claires sur le traitement des informations sensibles et qu'ils n'ont pas été licenciés pour avoir soulevé des préoccupations de sécurité. L'entreprise précise que l'usage de Signal n'était pas autorisé, mais qu'il ne constituait pas le seul motif des licenciements. La réalité d'une fuite d'informations confidentielles n'a pas été confirmée.

Des inquiétudes autour de Recurrent Depth

Début septembre 2026, The Information avait évoqué une nouvelle technologie d'inférence du modèle ASTRA, susceptible d'améliorer les performances tout en rendant le raisonnement plus difficile à suivre pour les humains. Le chercheur en chef d'OpenAI, Yakub Pachoński, avait alors jugé ce compte rendu confus, tout en mettant en garde contre la course à des modèles que l'industrie ne peut pas surveiller.

Recurrent Depth, également appelé loop transformer, réutilise plusieurs fois les mêmes couches de réseau neuronal. Des chercheurs en sécurité craignent qu'une grande partie de son calcul interne n'apparaisse pas sous forme de chaîne de raisonnement en langage naturel, ce qui compliquerait la surveillance.