Google

Gemini 4 Carbon

Google n'aura pas attendu longtemps. Deux semaines après Gemini 4 Argon, voici Gemini 4 Carbon, son modèle le plus puissant, pensé pour la cybersécurité et les longues tâches de programmation. Artificial Analysis le classe premier de la nouvelle version de son indice avec 59. Ars Technica note qu'il ressemble beaucoup à Argon et se demande s'il ne s'agit pas d'une simple retouche de fin d'entraînement. Le modèle n’est pas encore disponible.

Genie 4

L'an dernier, Genie 3 avait fait chuter les actions du jeu vidéo. Genie 4 génère lui aussi en temps réel un monde qu'on parcourt de manière informatique et qu'on modifie d'une phrase, pour changer la météo ou ajouter un personnage. Cette fois, le son, la musique, les bruits d'ambiance et les dialogues sont crées en même temps que l'image. DeepMind annonce aussi une physique plus juste, des chocs à l'aérodynamique, et des humains plus naturels.

Chrome va chercher dans Gmail de quoi remplir vos formulaires (aux Etats-Unis)

Le remplissage automatique de Chrome va chercher dans Gmail les numéros qu'il fallait jusqu'ici y retrouver à la main, ceux d'un vol, d'un colis, d'une commande, voire d'une carte bancaire. C'est Gemini qui s'en charge, via Personal Intelligence, l'option qui relie les applis Google à l'assistant. Jusqu'ici, Chrome puisait dans le compte Google et dans des services comme Google Wallet, rappelle The Verge. La fonction s'active ou se coupe dans les réglages, à condition d'avoir Personal Intelligence, et Google assure que les données sensibles restent chiffrées. Elle arrive aux États-Unis sur ordinateur, Android et iOS.

OpenAI

GPT-6.1 Terra

GPT-6.1 Terra, c'est un peu le Sonnet d'OpenAI, un modèle du milieu de gamme. En API, il coûte 1 $ par million de tokens en entrée et 5 $ en sortie, moitié moins que GPT-6.1 Sol et que son prédécesseur GPT-5.6 Terra.

GitHub

Avec Copilot Fusion, GitHub choisit le modèle à la place du développeur

Un modèle d'Anthropic ou un modèle d'OpenAI, il fallait en général trancher soi-même pour chaque tâche de code. Copilot Fusion, que GitHub rend disponible pour tous lors de sa conférence Universe 2026, fait ce choix à chaque demande et décide aussi comment faire travailler les modèles ensemble. Sur son indice des agents de code, Artificial Analysis le place à 2 points de Claude Code avec Opus 5.5, pour un coût par tâche divisé par deux. Satya Nadella annonçait « jusqu'à 77 % » d'économie, mais deux points d'écart pour moitié prix, c'est déjà une belle affaire.

NVIDIA

NVIDIA réunit transcription, traduction et identification des locuteurs dans un seul modèle ouvert

Chez NVIDIA, la transcription et l'identification des locuteurs reposaient jusqu'ici sur des modèles distincts. Nemotron 3.5 Transcribe réunit tout dans un seul modèle à poids ouverts. Il transcrit 40 langues, en traduit 31 vers ou depuis l'anglais, distingue jusqu'à huit voix et répond à des questions sur ce qui s'est dit, sur des enregistrements seulement, pas en direct.

Mistral AI

Voxtral 3

Mistral travaille sur la chaine d’agents vocaux qui répondent au téléphone. Voxtral 3 réunit de nouveaux modèles de transcription et de synthèse vocale, et un SDK construit sur LiveKit où l'écoute, le raisonnement d'un modèle de langage, les appels d'outils et la réponse vocale tournent sans s'attendre. D'après Mistral, chaque tour de parole prend moins d'une seconde, et l'agent sait se taire quand on lui coupe la parole. Pendant l'appel, il peut vérifier l'identité de son interlocuteur ou réserver un rendez-vous. L'ensemble s'utilise par l'API hébergée en Europe ou s'installe sur vos propres serveurs. Avec Mistral Small 4 pour raisonner, l'agent coûte 0,04 dollar la minute. Les comparaisons avec Whisper ou ElevenLabs viennent surtout des tests de Mistral lui-même, mais Artificial Analysis classe déjà Voxtral Small Transcribe 3 troisième de son classement de transcription.

Apple

Siri AI parle français avec iOS 27.2, sauf en France

Avec les mises à jour 27.2 de ses systèmes, Apple ouvre Siri AI au français, au japonais, au coréen, au portugais et à l'espagnol. L'assistant reste en revanche indisponible dans l'Union européenne, France comprise 🫠​

🔒 Le gouvernement suédois bloque ChatGPT et Claude pour ses agents et les renvoie vers des outils validés comme Copilot

⚖️ Un projet de loi du Delaware laisserait un agent IA diriger seul une entreprise, en couvrant largement son propriétaire

⚖️ Des parents attaquent OpenAI, accusant GPT-4o d’avoir aidé leur fille épileptique, décédée en février, à cesser son traitement en cachette, selon le New York Times

🏠 xAI offre de racheter les maisons voisines de son data center du Mississippi à qui renonce à la plainte des riverains, selon The Guardian

Meta Andromeda: Powering the Next Generation of Ads Retrieval Through Model-System Co-Design

Avant de vous montrer une publicité, Meta doit trier en quelques millisecondes un stock immense d'annonces pour n'en garder qu'une poignée (de bonnes candidates). C'est le travail d'Andromeda, son moteur de présélection. Les douze auteurs de ce billet expliquent comment sa nouvelle version parvient à noter chaque annonce éligible, au rythme de plus d'un milliard d'annonces par seconde. Il le fallait, car les outils d'IA générative ont fait arriver des centaines de millions de nouvelles annonces.

L'équipe s'appuie sur un mélange d'experts, c'est-à-dire plusieurs réseaux spécialisés chacun dans une facette des centres d'intérêt de l'utilisateur, dont seuls les plus pertinents s'activent pour une annonce donnée. D'après Meta, ce modèle demande environ 300 fois moins de calcul que la version de 2024.

Cross-store product clustering across millions of stores

Une même coque de téléphone peut se vendre dans plusieurs boutiques Shopify, chacune avec son titre, ses photos et sa façon de ranger tailles et couleurs. Pour en donner une vue unique aux acheteurs, aux développeurs et aux agents IA, Shopify doit reconnaître le même produit parmi des milliards de fiches, et Ilia Kuchumov détaille comment l'équipe s'y prend. Les embeddings font un premier tri en trouvant à chaque fiche ses plus proches voisines. Il reste des milliers de milliards de paires à trancher, que Shopify confie à trois modèles, du moins cher au plus coûteux.

1. Un modèle de gradient boosting, qui tourne sur CPU, note toutes les paires à partir d'indices simples comme la proximité des titres, des marques ou des prix.

2. Un encodeur de texte multilingue lit les deux fiches ensemble, et voit ainsi qu'une coque « pour iPhone 15 » n'est pas une coque « pour iPhone 15 Pro ».

3. Un modèle qui regarde aussi les photos ne reçoit que des paires choisies, pour repérer un connecteur ou une découpe qui diffère.

Aucun grand LLM ne juge toutes les paires, ce serait bien trop cher.

Context Inertia: When Agents Won't Let Go

Drew Breunig recense depuis juin 2025 les façons dont un long contexte fait dérailler un modèle, et il ajoute un nouveau concept à sa liste, la Context Inertia. Le modèle s'engage sur une hypothèse ou un objectif et s'y accroche alors que tout lui dit de s'arrêter ou de changer de piste. Chez Anthropic, un agent Qwen a ainsi passé des heures à fouiller les versions de paquets, alors que le vrai bug venait d'un endpoint implémenté de façon incompatible avec l'API du correcteur automatique chargé de noter son travail. Si le défaut apparaît maintenant, explique Breunig, c'est que les agents tournent enfin assez longtemps pour s'y heurter, pendant des jours et sur des milliards de tokens.

Airbnb Cuts Recommendation Staleness from 2 Days to Seconds with Chronon

Jusqu'ici, quand un voyageur cherchait un logement sur Airbnb, les recommandations pouvaient ignorer tout ce qu'il avait fait sur le site depuis près de deux jours. Airbnb a ramené ce retard à moins d'une minute en touchant à peine à son moteur de classement, rapporte InfoQ. Le système résume l'historique de chaque voyageur, ses réservations, ses avis et sa navigation, en un embedding, une sorte de profil chiffré calculé par un modèle Transformer. Ce calcul tournait une fois par jour, en batch, et le profil attendait dans une base rapide où le moteur venait le lire à chaque recherche. Le modèle restait ainsi à l'écart du service en ligne mais tout ce qui se passait après le batch devait attendre le suivant.

Pour s’en sortir, Airbnb a ajouté deux briques à Chronon :

1. Push Mode prévient la suite du pipeline dès qu'une nouvelle donnée sur le voyageur est enregistrée, au lieu d'attendre une tâche planifiée.

2. NRT Model Transform fait tourner un modèle déjà déployé directement dans ce flux de streaming.

Le Transformer reste le même qu'en batch, et le nouveau profil s'écrit dans la même base. Le classement lit donc simplement une version plus fraîche. Le modèle et le service en ligne restent pour l'essentiel inchangés, et seul change le moment où le calcul se déclenche. D'après le test A/B d'Airbnb, les réservations non annulées progressent d'environ 0,33 %, et les deux briques sont maintenant dans le dépôt public de Chronon.

Building Reasoning Models from the Ground Up

Sebastian Raschka publie huit vidéos, plus de 11 heures de code en Python et PyTorch, pour construire soi-même un modèle de raisonnement à partir d’un petit Qwen3 de 0,6 milliard de paramètres.

cloudflare/security-audit-skill

Cloudflare publie en open source le skill qui a servi de point de départ à sa propre chasse aux failles. Il transforme un agent de code en auditeur de sécurité. On lui demande d’auditer un dépôt, et il déroule six étapes jusqu’au rapport. Sa règle d’or veut que chaque faille trouvée passe à un autre agent, chargé de la réfuter. D’après Cloudflare, un seul passage trouve environ la moitié des failles alors mieux vaut le relancer.

Survival LLM

Survival LLM est un assistant gratuit et open source qui tourne sur votre ordinateur, Mac ou Windows, sans Internet une fois installé. Il répond à partir d’une bibliothèque stockée en local (guides de secours officiels, références médicales, manuels de survie, environ 930 000 articles de Wikipédia), et chaque réponse ouvre le passage exact, surligné. La qualité dépend de la machine. Sur 22 questions de premiers secours, l’équipe compte 21 bonnes rép

Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution

LLM agents are increasingly used to solve real-world problems, and their effectiveness depends on both the underlying models and the harnesses that support their operation. However, most existing benchmarks focus on model capabilities and overall agent performance, with limited attention to the evaluation of agent harnesses. To address this gap, we introduce TraceTrial-Bench, which organizes harness reliability into seven components covering context, execution, governance, lifecycle, observability, tools, and verification. We construct 95 expert-level, mechanism-oriented tasks with executable or state-based ground truth to support semantically equivalent comparisons while preserving the native behavior of each harness. We design a Trajectory Tracing (TT) module to capture agent execution traces and introduce a two-layer evaluation framework that separately assesses agent performance and harness reliability. In addition, we design a Multi-source Evidence Acquisition (MEA) module to provide evidence from the agent context, harness, and execution environment for LLM-based evaluation, and develop a Failure Attribution (FA) module that uses explicit mechanism chains to support attribution at the run level. Across 4 harnesses, 9 models, and 95 tasks, our evaluation of 3,420 runs yields macro-averaged harness scores ranging from 59.8% to 72.0%, while 31.1% of runs achieve task success despite failing at least one harness criterion. TraceTrial-Bench provides an auditable and reproducible foundation for comparing agent harnesses, diagnosing their failures, and studying how harness design interacts with model behavior.

Meta

Meta ouvre Muse Spark Open
Meta publie les poids de Muse Spark Open, que le groupe présente comme le modèle ouvert américain le plus performant à ce jour. Meta l’a entraîné pour le code et les agents, mais il lit aussi les images, le son et la vidéo, avec un million de tokens de contexte.

Avec Muse Wonder, Meta s’approche d’Opus 5.5 et s’aligne sur son prix
Contrairement à Muse Spark Open, Muse Wonder ne se télécharge pas. C’est pourtant avec ce modèle fermé que Meta affirme être de retour dans la course aux modèles de pointe. D’après Meta, Muse Wonder Full obtient 56 sur l’indice d’Artificial Analysis, contre 58 pour Claude Opus 5.5 et 53 pour GPT-6 Astra, alors que son précédent modèle de pointe plafonnait à 48. La version standard, notée 52, s’utilise par API au tarif exact d’Opus 5.5, 4 dollars le million de tokens en entrée et 20 en sortie. Wonder Full est réservé aux abonnés de Muse Code. En août, Meta misait sur des prix très bas pour lancer Muse Code. S’aligner aujourd’hui sur Anthropic dit assez où le groupe pense se situer.

Reflection

Reflection sort Beam
Encore un gros modèle open, mais celui-ci est le tout premier de Reflection, un labo américain fondé par d’anciens chercheurs de Google DeepMind. Beam sort sous licence Apache 2.0, qui autorise l’usage commercial et la modification. D’après les tests de Reflection, il atteint 81,6 % sur SWE-Bench Verified. L’entreprise reconnaît pourtant que Kimi K3 reste devant.

DeepSeek

DeepSeek-V4.1-Flash
DeepSeek parle d’une mise à jour mineure, pourtant son modèle Flash progresse nettement. D’après le tableau publié par DeepSeek, la version du 17 octobre obtient 42,3 sur Terminal-Bench 4.0, un benchmark d’agents qui travaillent en ligne de commande, contre 31,2 pour la version sortie en septembre. Elle passe devant les 39,9 de GPT-5.6 Sol, sans rattraper les 51,8 de Claude Opus 5. Vals AI, qui publie ses propres évaluations, ne mesure que 31,8 sur le même benchmark. Le gain reste donc à confirmer hors des tests maison.

MiniMax

MiniMax lance M3.1 Flash
MiniMax présente M3.1 Flash comme son nouveau porte étendard, les poids seront disponibles le 23 octobre. Avant cette annonce, le modèle circulait déjà de deux façons. Sous le nom anonyme de Space Bunny, une première version a été dix jours numéro un sur OpenRouter, jusqu’à son retrait le 5 octobre. En parallèle, depuis le 27 septembre, une préversion officielle tournait dans le seul outil maison MiniMax Code, sans prix ni benchmark. D’après les chiffres relayés sur X, le modèle coûte cette fois 0,15 dollar par million de tokens en entrée et 0,60 en sortie, contre 5 et 25 dollars pour Opus 5, et le devance sur automation-bench avec 62,2 % contre 50,3 %. Artificial Analysis, qui l’a testé lui-même, le classe pourtant derrière DeepSeek V4.1 Flash. VentureBeat relève aussi un taux d’hallucination élevé. À ce prix, il mérite un essai sur des tâches d’agent, à condition de vérifier ce qu’il affirme.

Mistral AI

Mistral s’attaque à la prévision de séries temporelles avec Timestral
Prévoir la demande, la consommation d’énergie ou l’usure d’une machine fait partie du quotidien de beaucoup d’entreprises. Mistral, dont on suivait surtout les modèles de chat et de code, y entre avec Timestral, sa première famille de modèles de fondation pour séries temporelles. D’après Mistral, le plus grand des quatre, à 209 millions de paramètres, arrive premier sur les trois grands benchmarks publics du domaine.

Google

Google publie EmbeddingGemma 2
Avec EmbeddingGemma 2, Google permet de chercher d’un coup dans des textes, du code, des images, des vidéos et des enregistrements, sur un téléphone ou un portable, même hors ligne. Ce modèle d’embedding open-weight, sous licence Apache 2.0 et bâti sur Gemma 4, place tous ces contenus dans un même espace de 768 dimensions, où ceux qui ont le même sens se retrouvent voisins. Une phrase tapée peut donc retrouver une capture d’écran ou un passage de vidéo, avec un seul index au lieu d’un par type de média. On ne charge que les encodeurs utiles, de 270 millions de paramètres pour le texte et le code à 740 millions pour tous les formats. Chaque contenu y devient un vecteur, une liste de 768 nombres, que le modèle permet de raccourcir pour économiser de la mémoire. Ramenés à 128 nombres, un million de vecteurs tiennent en 250 Mo au lieu de 1,5 Go. Google conseille de ne le faire que si la place ou la vitesse de recherche l’exigent, car à cette taille ils gardent environ 90 % de leur qualité sur le texte, mais autour de 75 % sur l’image, la vidéo et la parole.

OpenAI

Atlas abandonné, ChatGPT s’installe dans Chrome
OpenAI a abandonné Atlas, son propre navigateur, et mise désormais sur son extension pour Chrome. Une fois l’extension installée, il suffit de mentionner @chrome dans ChatGPT, sur le web ou dans l’appli de bureau, pour qu’il lise les onglets déjà ouverts. Dans sa démo, quelqu’un lui fait comparer trois canapés ouverts dans trois onglets. Avec ChatGPT Work, l’outil lancé en juillet qui réunit ChatGPT et Codex, l’assistant peut aussi agir dans ces onglets, pour remplir un formulaire, envoyer un message ou télécharger un fichier.

Krea

Krea 3
Krea est une plateforme d’édition d’images. Ils ont dévoilé Krea 3, leur modèle spécialisé dans la retouche. On encadre une zone, on dit ce qui doit changer, et il redessine l’intérieur en laissant le reste intact. Il accepte jusqu’à huit images de référence, un produit, un visage ou un style qu’on désigne par leur numéro. Dans la démo de Krea, une retouche prend moins de 8 secondes pour environ 0,06 dollar, contre près de 27 secondes et 0,135 dollar chez Nano Banana Pro de Google.

💰 Anthropic a réalisé 16,8 milliards de dollars de chiffre d’affaires au troisième trimestre, contre environ 4,8 au premier

🔓 Un pirate a infiltré plus de 100 sites, dont ceux de John Deere et Cummins, avec des agents IA (presque) autonomes

🔑 Une intrusion chez OpenCode a exposé les clés API de 1,4 % des utilisateurs

🕵️ L’ancien ingénieur accusé d’avoir posé des micros chez OpenAI reste détenu, et son iPhone contenait un dossier « Saudi Gov Docs »

🚫 Le DHS ordonne aux agences fédérales civiles américaines de retirer DeepSeek et tout produit qui s’en sert

💰 Modal dépasse le milliard de dollars de chiffre d’affaires annualisé, dont 300 millions grâce aux sandboxes où tournent les agents, et lève 750 millions

Redesigning source control at Anthropic

Git a été pensé pour des développeurs qui travaillent hors ligne, chacun avec une copie complète du dépôt. Chez Anthropic, presque tout ce qui touche au dépôt est un agent ou une tâche de CI, donc connecté en permanence, et le monorepo est devenu énorme. La CI à elle seule y récupère le code de l’ordre de 25 millions de fois par jour, et plusieurs centaines de miroirs git internes ne suffisaient plus. Anthropic a donc construit son propre système de gestion de versions, Scion, et y a migré tout le monorepo en cinq mois. C’est le serveur qui crée les commits, fait les merges et répond aux questions sur l’historique ou sur l’auteur d’une ligne. Le client ne récupère que les fichiers qu’il lit vraiment, et beaucoup d’outils interrogent le serveur par API sans télécharger le dépôt. D’après Anthropic, l’ensemble demande 200 fois moins de CPU et de mémoire que les anciens miroirs, et la récupération du code se compte en secondes au lieu de minutes.

Les humains relisent toujours chaque changement, mais pour en juger l’intention. Anthropic prévient que Scion n’a de sens que pour des monorepos gigantesques. L’équipe préfère faire profiter git de ses idées, à commencer par des serveurs git qui ne fonctionnent plus comme le client et répondent eux-mêmes aux questions sur le dépôt.

Neural Networks Are Already Clean

Pour comprendre un modèle de l’intérieur, les chercheurs en interprétabilité regardent ce qui fait réagir chacun de ses neurones. Or beaucoup semblaient mélanger des choses sans rapport. L’explication admise, la superposition, veut qu’un réseau à court de place range ensemble des notions sans lien. Les chercheurs se sont donc mis à entraîner un second modèle pour comprendre le premier. Nick Cammarata, chercheur chez Goodfire, avait lui-même lancé l’idée de superposition avec Chris Olah, en 2020. Dans ce long essai, il explique pourquoi il s’est trompé et pourquoi, avec de meilleurs outils et des réseaux modernes, on comprend aujourd’hui la plupart des neurones sans passer par un second modèle.

L’IA trouve les failles plus vite qu’on ne les corrige

En quatre jours, du 17 au 21 octobre, on a vu passer deux failles critiques dans PHP, une dans Node.js, une version piégée de LiteLLM qui volait les clés d’accès, des clés d’API volées chez OpenCode, et d’autres failles majeures comme celle de Gitlab.

Ces incidents n’ont pas de cause commune, mais on ne peut pas s’empêcher de penser que l’IA est derrière cette accélération. Ces derniers trouvent désormais des failles plus vite que les équipes ne peuvent les corriger. OpenAI fait d’ailleurs partie de ceux qui ont découvert les failles PHP, alors que la moitié des failles déjà exploitées ne sont toujours pas corrigées après trois mois.

En parallèle, les outils d’IA deviennent des cibles : LiteLLM et OpenCode regroupaient au même endroit des clés d’API et des accès aux comptes cloud de leurs utilisateurs, qui se transforment directement en argent pour celui qui les vole.

Le RSSI adjoint d’Anthropic demande aux responsables de la sécurité d’aller voir leur conseil d’administration dès maintenant pour financer l’hygiène informatique de base. En résumé, savoir ce qui est exposé sur internet, appliquer les mise à jour de sécurité, cloisonner les réseaux, restreindre les droits des clés d’accès.

Building resilient AI-powered software, and planning for when things go wrong

Gergely Orosz publie dans The Pragmatic Engineer des extraits du nouveau livre de Sam Newman, Building Resilient Distributed Systems. Newman y a passé trois ans au lieu des deux prévus, parce qu’il a repris tout le livre pour y ajouter les apports de l’IA. L’un des extraits porte sur un logiciel dont une fonction clé dépend d’un fournisseur de modèles. D’après Newman, les services d’OpenAI et d’Anthropic tombent plus souvent que ceux des fournisseurs de cloud. Il conseille donc de prévoir un mode dégradé quand le modèle ne répond plus. Comme un modèle peut aussi changer de comportement sans que son éditeur le signale, il faut des tests et des evals, pour que l’équipe soit surprise avant ses utilisateurs.

Newman recommande aussi de pouvoir changer de modèle sans trop d’efforts. Un traitement qui utilise des modèles d’Anthropic, d’OpenAI et de Google tombe dès que l’un des trois flanche, et un prompt adapté pour un modèle doit être réévalué pour un autre. Avoir plusieurs fournisseurs protège quand l’un peut prendre le relais d’un autre, et fragilise quand tous doivent répondre au sein d’un même système. Le risque vaut aussi pour les fournisseurs de vos fournisseurs. Newman cite Cursor, qui a dû répercuter en 2025 une forte hausse de prix sur ses clients parce qu’il dépendait d’Anthropic.

Sphinx

Sphinx fait passer un petit oral au développeur avant chaque push. Ce hook Git gratuit et open source fait lire le diff par un relecteur IA, qui n’a jamais vu votre conversation avec l’agent, puis vous demande ce que fait le code.

big-arrow-on-the-screen

Un agent qui travaille sur votre Mac tombe parfois sur une étape qu’il ne peut pas faire à votre place, une autorisation système, un code 2FA, un paiement. D’habitude, il vous l’écrit dans un terminal que vous ne regardez pas. Avec bigarrow, il vous la montre. Une grosse flèche et un court message s’affichent par-dessus toutes les fenêtres, pointés sur le bouton à cliquer, par exemple « Autoriser » dans les Réglages Système.

AI Models Can Provably Hide Arbitrary Capabilities

Capability evaluations aim to surface dangerous model behaviors before deployment, but their reliability depends on the assumption that hidden capabilities can be elicited. We show this assumption does not hold under adversarial conditions by constructing backdoor attacks that embed encrypted neural networks within host model weights, decrypting and executing them only upon receiving a secret trigger. Using digital lockers, these hidden circuits remain provably hard to elicit and interpret under cryptographic assumptions, even given full access to model weights, extending prior work from hiding fixed strings to arbitrary computations. We implement our proof of concept constructions in PyTorch and evaluate elicitation through fine-tuning, weight noising, gradient-based trigger search, and latent adversarial training, using a small chemical reaction prediction task as a proxy for CBRN-relevant capabilities. Our results demonstrate resistance to these methods and, together with our cryptographic guarantees, reveal a limit of elicitation-based capability audits. We release our models to support the improvement of defenses.

Anthropic

Opus 5.5
Anthropic a ouvert le bal de la famille 5.5 le 22 septembre avec Claude Opus 5.5, son nouveau grand modèle. Sonnet et Haiku ont suivi, on y vient juste en dessous. D’après Anthropic, il s’approche de Claude Fable 5.1 sur la plupart des tâches, coûte 40 % moins cher à faire tourner qu’Opus 5 et écrit ses réponses plus de 30 % plus vite.

Sonnet 5.5
Deuxième de la famille, Claude Sonnet 5.5 garde le tarif de Sonnet 5 mais en donne nettement plus pour le même prix. Anthropic annonce des réponses plus de 30 % plus rapides, des tâches jusqu’à 30 % moins chères et de meilleurs scores que Sonnet 5 sur tous les benchmarks de l’annonce.

Haiku 5.5
Le petit dernier de la famille, Claude Haiku 5.5, est utile pour les tâches rapides et répétitives, comme les résumés, la classification ou les requêtes en base de données. Pour la première fois sur un Haiku, on peut régler l’effort de réflexion. En entrée, il coûte 0,10 dollar le million de tokens tant que le prompt reste sous 100 000 tokens, contre 1 dollar pour Haiku 4.5. D’après Anthropic, ça fait environ 75 % d’économie en moyenne.

Claude Dashboards et Claude Motion en bêta
Deux nouveautés sont arrivées dans Claude le 8 octobre, toutes deux en bêta. Avec Dashboards, on pose une question en langage courant et Claude construit un tableau de bord sur la base de vos données provenant de Redshift, BigQuery, ClickHouse, Databricks ou Snowflake. Un clic sur un chiffre affiche la requête qui l’a produit, et chaque graphique indique quand ses données ont été rafraîchies. Motion, lui, transforme un rapport ou un graphique en courte animation explicative, à télécharger en MP4. Aucun modèle vidéo derrière, Claude écrit du code qui anime vos propres textes, graphiques et images. Dashboards est ouvert aux offres payantes, Motion aux offres Team et Enterprise. Au passage, Docs, Slides et Design quittent la bêta et s’ouvrent à toutes les offres, gratuite comprise. Pouvoir remonter d’un chiffre à sa requête, c’est ce qui permet de s’y fier.

OpenAI

GPT-6.1 Sol
Une semaine à peine après GPT-6 Sol, OpenAI sort déjà sa mise à jour, GPT-6.1 Sol. D’après OpenAI, il se rapproche de GPT-6 Astra, son meilleur modèle, sur le code agentique, le computer use (piloter un ordinateur comme le ferait un humain) et le travail pro, pour cinq fois moins cher. Dans l’API, comptez 2 $ par million de tokens en entrée et 10 $ en sortie. Il est dispo dans ChatGPT Work et Codex. Une version Ultrafast, jusqu’à 8 fois plus rapide, arrive dans les prochains jours.

GPT-6 et ses réponses interactives à tous les utilisateurs de ChatGPT
Jusqu’ici réservée aux abonnés payants, la génération GPT-6 arrive maintenant chez tous les utilisateurs de ChatGPT, dans l’onglet Chat. Elle vient avec Intelligent UI, qui permet à ChatGPT de répondre avec des graphiques, des boutons, des formulaires ou des diagrammes sur lesquels on clique directement dans la conversation.

OpenAI lance Dots, des agents qui tournent en continu
OpenAI appelle « dots » ses nouveaux agents qui tournent 24 h/24, chacun avec son propre ordinateur et son navigateur dans le cloud. Ils utilisent GPT-6 Astra, agissent dans les apps que vous avez connectées et apprennent de vos retours.

Google

Gemini 4 Argon
Google DeepMind a dévoilé Gemini 4 Argon son nouveau modèle haut de gamme. Il peut générer jusqu’à 1 million de tokens en sortie et annonce 77,9 % sur le benchmark DeepSWE v1.1. Il coûte 2 $ par million de tokens en entrée et 10 $ en sortie. Pour l’instant, seuls des spécialistes de la cyberdéfense y ont accès. Google l’ouvrira plus largement petit à petit.

Google lance un agent Gemini qui travaille en arrière-plan dans les outils de l’entreprise
Google présente son agent Gemini « universel » comme un assistant qui travaille pour vous en arrière-plan (l’idée est similaire aux dots d’OpenAI). Vous lui confiez le travail depuis l’app Gemini Enterprise, et il agit directement dans Gmail, Drive, Docs ou Sheets. Vous pouvez aussi lui parler depuis Slack ou Microsoft 365. Comme il tourne dans le cloud, il garde le même contexte d’un appareil à l’autre, et il choisit lui-même le modèle qui convient le mieux à chaque tâche. Pour l’instant, il est réservé aux entreprises, en avant-première privée.

Mistral

Mistral Large 4
Sorti le 6 octobre, Mistral Large 4 devient le nouveau fleuron de Mistral, et le plus gros modèle de son histoire. Il compte 1 000 milliards de paramètres, dont 52 milliards actifs pour chaque token, et il est nativement multimodal. Il a été entraîné de zéro sur 3 800 GPU NVIDIA Grace Blackwell. D’après Mistral, il fait 61,7 % sur DeepSWE v1.1 et passe devant DeepSeek V4 Pro et Qwen3.8 Max sur son indice de code agentique. Il est en preview publique dans l’API de Mistral Studio, à 1,36 $ par million de tokens en entrée et 4,18 $ en sortie, et les poids doivent sortir d’ici la fin du mois. Un modèle européen de cette taille, entraîné de zéro et bientôt ouvert, c’est une bonne nouvelle pour la souveraineté. On attendra quand même les poids et des tests indépendants avant de le comparer aux meilleurs.

ElevenLabs

Eleven v4
Le 28 septembre, ElevenLabs a sorti Eleven v4, son nouveau modèle de synthèse vocale, ainsi qu’une déclinaison plus rapide, v4 Turbo. Le modèle lit un texte à voix haute et gère maintenant plus de 90 langues, contre 70 pour la version précédente. On peut glisser dans le script des indications de jeu, comme un rire ou un chuchotement, et en enchaîner plusieurs que le modèle suit dans l’ordre. D’après ElevenLabs, 10 secondes d’audio suffisent pour cloner une voix, et la latence plus basse le rend plus fluide pour les agents vocaux. Ça rappelle aussi qu’une voix au téléphone ne prouve plus l’identité de personne.

Black Forest Labs

FLUX 3 Action, un modèle open-weight pour piloter des robots
On connaissait surtout Black Forest Labs pour ses générateurs d’images. Le labo publie cette fois FLUX 3 Action, un modèle open-weight de 7 milliards de paramètres qui pilote des robots. Il dérive de FLUX 3 et prédit à la fois la vidéo de ce qui va se passer et les gestes que le robot doit faire. Sa meilleure variante fait 42,2 % sur le benchmark RoboLab-120, avec moins de la moitié des paramètres du meilleur modèle ouvert d’avant. Sur un vrai robot, il a réussi 28 essais sur 30.

🤝 AMD rachète World Labs pour 8,2 milliards de dollars et nomme sa fondatrice Fei-Fei Li vice-présidente exécutive et chief scientist

🚪 David Robinson, qui pilotait la rédaction des rapports de sécurité d’OpenAI, démissionne et écrit dans The Atlantic que la culture de l’entreprise est « cassée »

🏛️ La FTC, le régulateur américain, ouvre une enquête sur OpenAI, Anthropic et d’autres entreprises d’IA à propos des dangers de leurs produits

🔓 D’après les tests d’Anthropic, des techniques simples contournent les garde-fous de GLM-5.3 dans 64 % à 100 % des cas, alors qu’elles échouent sur les modèles Claude protégés

🎮 Dans StarSkirmish, une compétition de bots StarCraft, GPT-6 Astra télécharge Stardust, le meilleur bot écrit par un humain, et le fait jouer à la place du sien

🏛️ Deux douzaines d’entreprises d’IA signent l’« Accord de la Maison Blanche sur la Super Intelligence », des audits de sécurité volontaires sans valeur légale

📐 OpenAI retire trois de ses papers de maths, invalidés par une erreur de signe

🇨🇳 Manus lève plus de 500 millions de dollars, son premier tour de table depuis que les autorités chinoises ont fait annuler son rachat par Meta pour 2 milliards

Putting a Transformer Inside Every Card Authorization

Un achat de 1 400 dollars chez un vendeur d’électronique n’a rien de suspect quand c’est le responsable informatique qui commande un portable. Sur la carte de quelqu’un qui ne règle d’habitude que des déjeuners, des VTC et des abonnements, c’est une autre histoire. Ramp, une fintech américaine, part de ce constat pour présenter son nouveau modèle anti-fraude. Une dépense n’est suspecte qu’au regard des habitudes de la carte.

Son ancien modèle, un XGBoost (un algorithme classique à base d’arbres de décision), s’appuyait surtout sur des indicateurs de volume, comme le nombre d’achats ou de marchands inconnus sur différentes fenêtres de temps. Ces indicateurs repèrent une carte qui s’emballe, mais pas un achat qui détonne avec les habitudes de son titulaire. Un hôtel inconnu y pèse autant qu’une carte cadeau inconnue. L’équipe lui a donc adjoint un petit transformer, de la même famille que les LLM, que Ramp compare à une saisie semi-automatique appliquée aux dépenses. Il lit l’historique récent de la carte, anticipe à quoi devrait ressembler l’achat suivant et signale ce qui s’en écarte. Le déjeuner habituel ne l’étonne pas. Si le même restaurant facture 1 400 dollars, son score de surprise sur le montant grimpe à 86 %. Ces signaux sont transmis à XGBoost.

À nombre d’alertes égal, le nouveau système attrape 32 % de dollars de fraude en plus, et 40 % de plus sur la toute première fraude d’une carte, la plus dure à voir venir. L’essentiel de ce gain vient toutefois d’un réglage simple, qui donne plus de poids aux grosses transactions pendant l’entraînement. L’apport propre du transformer porte sur le classement des cas suspects, amélioré de 12 %.

Agents don’t need memory, they need documentation

Quand on travaille avec un agent de code comme Claude Code ou Codex, chaque nouvelle session repart de zéro. L’agent ne sait plus pourquoi telle fonction existe, ce qu’on a décidé la veille ni ce à quoi on tient. Il doit alors relire le code pour tout reconstituer, ce qui coûte selon Kevin Liao quelque 80 000 tokens, pour n’obtenir qu’une idée approximative de ce qu’on voulait.

La réponse à la mode, ce sont les plugins de « mémoire ». Ils relisent vos anciennes conversations avec l’agent, en tirent de petites notes isolées, et à chaque nouvelle demande, ils vont chercher les cinq notes qui ressemblent le plus à votre question pour les lui souffler. Kevin Liao pointe le défaut de fond. Ces notes remontent parce qu’elles ressemblent à la question, pas parce qu’elles sont justes ou à jour. Une note sur l’authentification écrite il y a trois mois peut décrire un code qui a changé depuis, et l’agent la croira quand même. Avec des milliers de notes empilées dans une base, personne ne peut vérifier lesquelles sont devenues fausses.

Sa proposition est plus simple. Plutôt que de se souvenir des conversations, l’agent tient une documentation. Pendant qu’il travaille, il y consigne les décisions, les contraintes, les specs, etc. Avant chaque tâche, il relit les passages utiles, et une fois le travail fini, il les met à jour. Quand un fait change, on le réécrit au lieu d’ajouter une note de plus. Le tout tient dans des fichiers Markdown versionnés avec le code, qu’on peut relire et partager avec l’équipe. Son outil, Operator Memory, est gratuit et open source.

L’auteur ne cache pas les limites. Il doit souvent demander à l’agent de réorganiser des documents qui ont tendance à enfler.

Evolving Pinterest’s Embedding Retrieval Platform

Quand vous ouvrez Pinterest, les épingles de votre fil, celles de la recherche et les « épingles similaires » sortent toutes du même moteur, Manas. Il sert aussi les pubs et les notifications, tourne sur plus de 80 clusters, et le nombre de contenus qu’il passe au crible approche les dizaines de milliards.

Le principe est simple. Chaque contenu est traduit en embedding, une liste de nombres construite pour que deux contenus proches donnent deux listes proches. Recommander revient alors à chercher les listes les plus proches de ce qui vous intéresse. À cette échelle, garder toutes ces listes en mémoire coûte très cher, et l’article raconte comment l’équipe a fait baisser la note.

Premier levier, la quantization, qui stocke chaque nombre avec moins de précision, un peu comme on arrondit un prix à l’euro près. La mémoire des index baisse de plus de 50 % et l’infrastructure coûte 20 à 30 % de moins. En contrepartie, la recherche retrouve un peu moins souvent les contenus réellement les plus proches.

Second levier, un changement d’algorithme de recherche, avec SPANN. Lors d’une première évaluation sur plus de 5 milliards d’éléments, il économise plus de 40 % de calcul pour moins de 5 % de résultats perdus.

C’est un retour d’expérience intéressant, qui montre ce que chaque économie coûte en qualité.

Multi-Agent Patterns from Spotify’s AI Powered Advertising Platform

Sur Spotify, un annonceur peut décrire sa campagne en une phrase, par exemple « des femmes de 21 ans et plus à Nashville », et une équipe d'agents IA fait le reste. L'un traduit la demande en ciblage, un autre écrit le script de la pub, un troisième vérifie qu'il respecte les règles publicitaires et l'image de la marque. Plus de 70 % des pubs de Spotify passent déjà par ces outils, soit environ 20 000 créations pour plus de 7 000 annonceurs. Pratik Rasam, ingénieur chez Spotify Ads, a raconté à QCon ce que ça donne en production, ratés compris.

Le plus parlant, c'est justement cette campagne à Nashville. L'agent a converti « 21 ans et plus » en une tranche « 21 à 99 ans ». Rien d'absurde en apparence, sauf que le système de diffusion n'accepte que sept tranches d'âge prédéfinies, et il a rejeté la campagne. Une autre fois, une campagne destinée aux « parents d'ados de 13 à 17 ans » s'est retrouvée ciblée sur les ados eux-mêmes. Et sans code pays, « Georgia » pouvait désigner l'État américain aussi bien que le pays du Caucase.

Il en tire une règle simple : tout ce qui peut s'écrire en code classique doit l'être. À l'agent de comprendre ce que veut l'annonceur, au code de faire respecter les règles. Pour l'affaire de Nashville, l'équipe donne maintenant à l'agent la liste des sept tranches d'âge autorisées, pour qu'il s'y tienne. Même logique pour l'évaluation. À ses yeux, juger un agent sur sa seule réponse finale n'est qu'un contrôle de façade. Il faut suivre chacune de ses étapes, vérifier par du code tout ce qui peut l'être, et ne confier au LLM juge que l'appréciation du ton et de la cohérence.

Building GenAI Platform at DoorDash

En 2023, peu après l’arrivée de ChatGPT, l’équipe ML de DoorDash reçoit une double mission, signer le premier gros contrat avec OpenAI, puis faire en sorte que toute l’entreprise s’en serve, en gardant la main sur les coûts. Trois ans plus tard, Swaroop Chitlur et Sidd Kodwani racontent ce que cela est devenu, une plateforme interne utilisée par plus de 5 000 personnes, dont 40 % ne sont pas ingénieurs.

La première brique a été un LLM gateway, un point d’entrée unique entre les équipes produit et les fournisseurs de modèles. Grâce à lui, changer de modèle ne demande qu’une modification de configuration, un fournisseur peut être remplacé par un autre à la volée, et la finance sait quelle équipe dépense quoi.

Ce choix a payé quand les factures ont grimpé. Comme le gateway masquait le fournisseur, l’équipe a pu basculer certains usages vers des modèles open-weight comme Qwen3, qu’elle fait tourner elle-même sur des GPU loués chez Modal. Pour certains d’entre eux, le coût a été divisé par environ 20 et DoorDash chiffre l’économie à quelques millions de dollars par an.

Puis sont venus les agents, avec un second gateway qui décide qui a le droit d’appeler quel outil, trace les appels et limite le débit. Il relie plus de 50 serveurs MCP et voit passer 300 000 appels d’outils par jour.

La phrase que je retiens : « Not everything needs the biggest model out there ».

Google AI Edge Foresight

Gratuite et encore expérimentale, l’app Foresight de Google prend des notes de réunion sur Mac sans aucune connexion. Elle transcrit et résume la réunion, remet au propre vos notes prises à la volée, et un assistant répond à vos questions sur ce qui s’est dit. Tout tourne sur la machine, avec EmbeddingGemma 2, un modèle de Google conçu pour s’exécuter en local. Elle est optimisée pour les Mac Apple Silicon.

REA (Reverse Engineer Anything)

REA permet à un agent de code de comprendre comment fonctionne une application dont on n’a pas le code source. Vous lui désignez une fonctionnalité qui vous plaîtt puis l’agent inspecte l’application, explique son fonctionnement et en construit une version pour votre projet. REA sait analyser des binaires natifs, des applications JavaScript ou Electron, des assemblies .NET et des sites web, le tout en local. Il se branche via MCP sur Claude Code, Codex, Cursor ou Gemini CLI, s’installe avec npx rea-agents setup, et dépasse déjà les 30 000 étoiles sur GitHub.

Prompt like a Butterfly, Sting like a Tracker: A Privacy Analysis of Web and Mobile Conversational AI Agents

As prominent conversational AI providers like OpenAI adopt advertising-based business models, traditional web and mobile tracking practices are expanding into conversational AI services [15]. However, despite their growing adoption, the tracking, data-sharing, and monetization practices of conversational AI services remain largely opaque and have received comparatively limited scrutiny from researchers, regulators, and the public. In this paper, we present a systematic privacy analysis of the web and mobile deployments of nine prominent conversational AI services. Using a combination of static and dynamic analysis, we study the presence of third-party Advertising and Tracking Services (ATSes), characterize their data flows, and evaluate how consent choices, subscription tiers, and access-control mechanisms influence conversation exposure to third parties. We uncover privacy risks unique to conversational AI platforms: multiple providers disclose sensitive conversation-derived artifacts—including titles, prompts, and screenshots—to third parties, often alongside persistent user identifiers that enable user attribution. We also find that some providers publicly expose conversation permalinks without access controls, allowing trackers to read the entire conversation. Our findings reveal how traditional tracking technologies are increasingly intertwined with AI-mediated interactions, creating new pathways through which sensitive user and conversational information can be collected, inferred, and disseminated. To assess the broader implications of these practices, we analyze them in the context of the GDPR and ePrivacy Directive. We conducted a responsible disclosure process involving affected providers and competent European Data Protection Authorities. Our results demonstrate that conversational AI services introduce a novel privacy attack surface in which provider-generated conversational artifacts become subject to tracking and public exposure, highlighting the need for stronger safeguards governing AI-mediated interactions.

Pour moi les vacances se sont étirées bien au-delà de ce que j’avais prévu, si bien que la dernière édition remonte au 31 juillet.

J’espère que vous en avez profité pour vous reposer !

Rattraper sept semaines en une seule édition n’aurait aucun sens, donc celle-ci s’en tient à l’actualité de la semaine et on repart sur le rythme habituel à partir de là.

Content de vous retrouver.

Typesafe

Jev, le modèle de Typesafe, prend des décisions au lieu d’écrire du texte
Claude ou ChatGPT rédigent leur réponse mot après mot. Jev, lancé le 15 septembre, ne rédige rien. On lui envoie un texte et des questions à choix fermés, par exemple un message Slack et « faut-il notifier l’utilisateur, oui ou non ? ». Il répond à toutes les requêtes en un passage, en 70 à 500 ms selon Typesafe, et donne pour chaque réponse une probabilité qui dit à quel point il en est sûr. Comme il ne peut rien renvoyer hors de la liste, le programme qui l’appelle utilise sa réponse telle quelle. Jev ne remplace pas un LLM, il ne sait ni écrire, ni coder, ni raisonner longuement. En amont, il peut trier et orienter les demandes, en aval il peut noter et contrôler les sorties d’un LLM. C’est le début et on peut s’attendre à voir émerger tout un tas de uses cases.

Anthropic

Claude Code lit désormais AGENTS.md en l’absence de CLAUDE.md
AGENTS.md est un fichier de consignes posé à la racine d’un projet pour indiquer à un assistant de code comment travailler dessus. Depuis la version 2.1.277, publiée le 18 septembre 2026, Claude Code le lit (enfin !!!) quand aucun CLAUDE.md ne se trouve dans le projet.

OpenAI

OpenAI lance Astra for Law pour les cabinets d’avocats
Astra for Law est une version de GPT-6 Astra spécialisée pour le travail juridique américain. Elle cherche dans la jurisprudence, les lois et les décisions administratives, sur un corpus de plus de 230 millions d’URLs alimenté chaque jour. Sur le Vals AI Legal Research Bench, elle valide le contrôle de justesse sur 54,0 % des 200 questions contre 38,7 % pour GPT-6 Astra avec la recherche web seule. D’abord réservé à des cabinets sélectionnés, l’API est à venir.

OpenAI teste des agents publicitaires dans ChatGPT
Un Sponsored Agent est un agent conversationnel payé par une marque, que l’utilisateur lance après avoir cliqué sur une publicité dans ChatGPT. La conversation est clairement étiquetée et peut mener à un lien vers le site de l’annonceur. Le test se limite à quelques annonceurs aux États-Unis. Côté marques, le plugin Ads Manager crée, met à jour et analyse les campagnes au prompt, avec des intégrations HubSpot et Shopify.

Alibaba

Alibaba lance Qwen3.8-Omni-Flash
Qwen3.8-Omni-Flash est un modèle omnimodal, c’est-à-dire qu’il prend en entrée du texte, des images, de l’audio et de la vidéo, avec une fenêtre de contexte d’un million de tokens. Sur 29 évaluations, le score moyen gagne plus de 25 % face à Qwen3.5-Omni-Plus, et le prix de l’API par heure d’audio baisse de plus de 98 %. Disponible sur la Qianwen AI Platform.

Alibaba open-source un modèle qui lit les scanners abdominaux
Le Damo Academy, la branche recherche d’Alibaba, a publié en open source un modèle d’imagerie médicale qui lit des scanners CT de l’abdomen et y repère près de 150 pathologies réparties sur 18 organes, cancers compris. Testé sur environ 40 000 examens réels, il atteint 0,913 d’AUC moyenne (une mesure de performance décrite ici), sur 146 signes cliniques, et fait mieux que la plupart des radiologues selon une étude parue dans Science.

Cactus

Cactus sort Needle 3, un modèle miniature
Needle 3 est un modèle de fondation pour appareils contraints, du mobile aux microcontrôleurs en passant par la robotique et l’automobile. Tout tient dans un binaire unique de 8 à 29 Mo, et chaque couche forme un sous-réseau utilisable seul, de 2 à 20 couches. Sur un Raspberry Pi 5, il décode jusqu’à 4 000 tokens par seconde. Après un fine-tuning d’une seule passe sur les données de la tâche visée, le sous-réseau à 4 couches égale DeepSeek V4 Flash.

🪖 L’armée américaine a préparé l’abordage d’un navire chinois sur un rapport de renseignement halluciné par un chatbot, opération annulée juste avant

📄 Brent Hecht, directeur de la recherche appliquée chez Microsoft, appelait le scraping IA « le plus grand vol de travail de l’histoire humaine », révèlent les documents descellés du procès du New York Times

🧨 Hacktron a combiné une faille libheif et une mauvaise configuration SSO pour atteindre le monorepo interne d’OpenAI, avec l’aide de Claude Opus 5

🐢 Dario Amodei estime qu’un essaim d’agents pourrait prendre le contrôle d’Internet via un botnet persistant d’ici 6 à 12 mois

🏛️ Gavin Newsom signe un décret chargeant un groupe d’experts d’étudier un « kill switch » obligatoire sur les modèles frontières, recommandations attendues sous deux mois

Training a 4B model to produce 81% faster query plans than Postgres

Quand Postgres reçoit une requête SQL, il ne l’exécute pas directement. Un composant, le planificateur, choisit d’abord dans quel ordre croiser les tables et avec quelle méthode. Pour une simple requête à trois tables, Rohan Bansal compte déjà 4 608 façons de s’y prendre. Le planificateur tranche à partir d’estimations, et quand elles sont fausses il retient un plan lent. Bansal a entraîné un petit modèle de langage, 4 milliards de paramètres, à le conseiller. Le modèle n’écrit pas de SQL. Il ajoute au-dessus de la requête des indications sur l’ordre des jointures, que Postgres suit. Pour l’entraîner, Bansal lui fait d’abord imiter les réponses d’un modèle beaucoup plus gros. Ensuite le modèle s’exerce seul. Il propose un plan, la requête tourne pour de vrai sur des Postgres installés sur le bureau de l’auteur, et le temps mesuré lui sert de note. Au départ, il ne sortait aucun plan valable pour 99 des 113 requêtes de test. À l’arrivée, l’ensemble tourne 1,81 fois plus vite qu’avec le planificateur seul, sans aucune requête ralentie, à condition de garder le meilleur de trois essais par requête. Sur un seul essai, le gain est plus modeste. Le tout a coûté 1 200 dollars. Bansal raconte aussi ses ratés en chemin.

How we built OCA, our AI on-call assistant

Chez Ramp, quand un incident de production s’ouvre, un canal Slack est créé et OCA (On-Call Assistant) le rejoint aussitôt. OCA est l’agent d’astreinte construit par l’équipe. Il enquête dans son propre fil, poste un premier point au bout de cinq minutes environ et un rapport complet vers la treizième. Si le correctif est évident, il fait préparer une pull request, et rien n’est fusionné sans relecture humaine. Richard Marmorstein et Austin Ray racontent surtout ce qu’il a fallu corriger pour en arriver là. Les premières versions arrêtaient l’enquête à la première explication plausible, même fausse. Leur parade consiste à intercepter le rapport au moment où l’agent veut le publier. Il est bloqué une fois et doit d’abord confronter sa théorie à la base de production, puis passer une liste d’erreurs de raisonnement classiques et quelques autres contrôles. Côté résultats, sur quatre semaines, OCA a participé à 575 des 1 220 pull requests fusionnées pour traiter un incident, et les incidents qu’il a aidé à corriger ont mobilisé 37 % d’ingénieurs en moins. L’article compare là deux groupes d’incidents sans dire s’ils étaient de difficulté égale. Les personnes d’astreinte jugent OCA utile neuf fois sur dix.

DoorDash Uses Multi Agent LLMs to Clean up 60,000 Feature Flags

DoorDash compte plus de 60 000 feature flags, et en crée environ 2 300 par mois. Beaucoup restent dans le code après avoir servi. Plus de 1 000 sont identifiés comme obsolètes, et en retirer un seul demande une à deux heures selon l’entreprise, parce qu’il faut modifier de 5 à 20 fichiers, tests compris. D’après le compte rendu de Leela Kumili pour InfoQ, DoorDash a confié cette corvée à des agents, en deux temps. Un premier agent, sous Claude Sonnet, prend le ticket, fouille les dépôts et interroge la plateforme d’expérimentation pour connaître le pourcentage de déploiement du flag et la valeur à conserver. Un ingénieur valide ce rapport. Ensuite seulement, un second agent, sous Claude Opus, modifie le code dans une copie isolée du dépôt, et la pull request ne s’ouvre que si la compilation, les tests et l’analyse statique passent. Sur 50 flags testés, 31 pull requests ont été fusionnées telles quelles et 14 après retouches. Les 5 dernières ont demandé l’intervention d’un ingénieur. Un nettoyage prend 13,8 minutes et coûte 4,79 dollars en moyenne. Les échecs concernent les flags dont la valeur circule à travers de longues chaînes d’appels.

Bend

Bend se présente comme « a fast language that blocks AI mistakes via proof ». On déclare des lois dans un fichier LAWS.bend, et le site affirme qu’aucune IA ne peut livrer une ligne qui les casse.

Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation

We present Vidu S2, which comprises Vidu S2-Avatar, a real-time interactive digital-character model, and Vidu S2-Editing, a real-time video editing model. Moreover, we explore the feasibility of real-time spatial video generation for both Vidu S2-Avatar and Vidu S2-Editing. Compared with Vidu S1, Vidu S2-Avatar supports real-time 720p video generation, generation with dynamic references that can be updated at any moment, and stronger instruction following, such as dancing. Vidu S2-Editing supports editing a video stream in real time, including style rendering, clothing replacement, character replacement, and background replacement. Experiments show that Vidu S2 outperforms all baselines. A playable online demo is available at vidu.com/vidu-stream.

Anthropic

Claude Opus 5
Sur CursorBench 3.2 à effort maximum, Anthropic place Opus 5 à moins de 0,5 % du meilleur score de Fable 5, avec un coût par tâche deux fois moindre. Le prix au token ne bouge pas en revanche, 5 $ par million en entrée et 25 $ en sortie comme Opus 4.8. Anthropic le présente comme son modèle le plus aligné à ce jour, score de 2,3 sur ses métriques de comportement déviant, mais le dit encore derrière Mythos 5 en cybersécurité.

OpenAI

OpenAI ouvre ChatGPT aux annonceurs
La page OpenAI Ads propose un service de publicité qui permet de créer une campagne et de les diffusé. Côté consommateur, OpenAI promet que les publicités seront identifiables, distinctes des réponses de ChatGPT, et promet un contrôle spécifique sur l’usage des données.

OpenAI lance Presence
Presence est un service d'agents IA pour la relation client, au téléphone comme en chat. L'agent répond aux questions, accède aux systèmes de l'entreprise pour retrouver un dossier, exécute des actions autorisées à l'avance et bascule vers un humain quand la demande sort de son périmètre. Chaque déploiement couvre un métier précis, litige de facturation, sinistre d'assurance ou ticket IT interne, avec le strict accès nécessaire. OpenAI l'utilise sur sa ligne de support anglophone, où il règle 75 % des demandes sans humain. Réservé aux clients entreprise éligibles, sans self-service.

Google DeepMind

Google décline Gemini en trois nouvelles versions Flash
Gemini 3.6 Flash consomme 17 % de tokens en sortie de moins que la 3.5 Flash et passe de 37 % à 49 % sur DeepSWE, à 1,50 $ le million de tokens en entrée et 7,50 $ en sortie. La 3.5 Flash-Lite joue le débit, 350 tokens par seconde pour 0,3 $ le million en entrée. La 3.5 Flash Cyber, spécialisée cybersécurité, reste réservée aux gouvernements et partenaires approuvés.

Microsoft

Microsoft lance son premier modèle cyber
MAI-Cyber-1-Flash cherche les vulnérabilités dans de grosses bases de code et s’intègre à MDASH, l’outil maison d’identification de failles. À côté, la plateforme Perception fait travailler des équipes d’agents, red teams pour simuler les attaques, blue teams pour détecter les bugs, green teams pour corrige. Preview le 3 novembre 2026.

Meta

Meta pousse son chatbot vers l’assistant de productivité
Meta AI peut désormais piocher dans votre calendrier pour planifier un événement et produire un briefing quotidien, et mener des recherches longues que vous réorientez en cours de route. Une tâche se configure une fois, puis tourne seule. Le tout s’appuie sur le modèle Muse Spark 1.1 et marque, selon Meta, une étape vers la « personal superintelligence ». Déploiement WhatsApp dans les semaines qui viennent.

Moonshot AI

Moonshot AI publie les poids de Kimi K3
2 800 milliards de paramètres au total, mais 104 milliards seulement activés à chaque token, grâce à une architecture Mixture-of-Experts qui n’allume que 16 experts sur 896. Kimi K3 est nativement multimodal, texte, images et vidéo, avec une fenêtre de contexte d’un million de tokens. Les poids sont sur Hugging Face sous licence maison, la Kimi K3 License, qui impose d’afficher le nom du modèle au-delà de 100 millions d’utilisateurs actifs mensuels ou de 20 millions de dollars de revenu mensuel.

Block

Jack Dorsey lance Buzz
Annoncé sur X le 21 juillet 2026, Buzz réunit chat d’équipe type slack, agents IA et hébergement Git derrière un seul système d’identité. Chaque message, réaction, étape de workflow ou décision de merge devient un événement signé cryptographiquement, stocké sur un relais Nostr auto-hébergeable. Vous pouvez ainsi accéder facilement à de l’information, elle même consommable par les agents. Une branche peut devenir son propre canal et les bots peuvent prendre des actions de dev selon ce que vous leur demandez. Des harnesses existent pour Goose, Codex et Claude Code, avec des builds macOS, Windows et Linux sous licence Apache 2.0.

🚨 Des modèles OpenAI en évaluation cyber interne ont exploité une faille zero-day et atteint la base de production de Hugging Face

💸 Pour 500 dollars de GPU, Fermisense entraîne un modèle ouvert de 9B qui atteint 87,3 % sur une tâche de revue de catalogue, contre 76,9 % pour le meilleur des cinq modèles frontières testés

🔓 Anthropic assure n’avoir jamais plaidé pour l’interdiction des modèles open-weights, mais réclame des tests de sécurité obligatoires pour les plus puissants

⚠️ Sept des neuf principaux modèles d’édition d’image hébergés sur Hugging Face acceptent de déshabiller une femme sur simple prompt, selon AI Forensics

🛑 L’AI Kill Switch Act donnerait au Department of Homeland Security le pouvoir d’ordonner l’arrêt d’un système d’IA, avec 20 millions de dollars d’amende par jour de refus

🏛️ NVIDIA, Microsoft, IBM et Hugging Face lancent l’Open Secure AI Alliance, sans OpenAI, Google ni Anthropic

🔌 Le plus grand réseau électrique américain pourra couper les data centers de 50 mégawatts et plus dès juin 2027

The new rules of context engineering for Claude 5 generation models

Anthropic a supprimé plus de 80 % du system prompt de Claude Code pour Opus 5 et Fable 5, sans perte mesurable sur ses évaluations de code. Le system prompt, c’est le bloc d’instructions permanent envoyé au modèle avant chaque échange, celui qui grossit par sédimentation à force de vouloir corriger chaque mauvais comportement. Les nouveaux modèles sont plus performants que les précédents et les équipes ont remaqué qu’elles sur-contraignaient Claude, via le prompt mais aussi via les fichiers CLAUDE.md et les skills. Les modèles récents ont un meilleur jugement et gèrent bien les décisions sans règles explicites.

L’article décline ensuite la même logique pour le cas générale : éliminer les répétitions entre system prompt, descriptions d’outils et CLAUDE.md. Préférer l’auto-memory, la mémoire que l’agent alimente lui-même, à une documentation manuelle exhaustive. S’appuyer sur des références riches, du code, des suites de tests, des artifacts HTML, plutôt que sur de simples specs markdown.

Anthropic relève au passage que Claude Code est devenu très compétent en progressive disclosure (la façon de charger le bon contexte au bon moment), ce qui nous invite à bien penser nos frontmatter et l’architecture de notre documentation.

Open-weight AI is having its Kubernetes moment. Let’s not ruin it.

En 2013, Tobi Knaup cofonde Mesosphere autour d'Apache Mesos. Kubernetes, entièrement open source, finit par lui passer devant. La leçon qu'il en tire n'est pas que l'open source gagne toujours mais dès lors qu'une plateforme ouverte devient le centre de gravité d'un secteur, aucun fournisseur seul ne suit le rythme d'innovation qui s'accumule autour d'elle.

Knaup pense que l'IA en est au même point. Les modèles open-weight, dont on peut télécharger les paramètres, sont devenus assez bons pour porter ce socle.

Il explique aussi son opposition aux restrictions sur les modèles chinois que l'administration Trump envisagerait. Les modèles chinois pèsent déjà 41 % des téléchargements sur Hugging Face, les interdire ne les ferait pas disparaître, mais ça couperait les développeurs américains d'un écosystème grandissant.

Beyond RAG: Task-aware knowledge compression for enterprise AI on AWS

Un modèle branché sur la doc interne d'une entreprise répond très bien aux questions simples. Demandez-lui quels risques financiers pèsent sur l'entreprise une fois croisés ses contrats fournisseurs et ses litiges en cours, et il sèche. L'information est là, dispersée dans des dizaines de documents, mais le RAG ne remonte que les passages qui ressemblent à la question. Or aucun mot commun ne signale ce qui relie ces documents.

AWS explique cette limite par le “plafond” du RAG et propose de ne rien chercher au moment de la question. Un modèle lit la base entière à l'avance et n'en retient que ce qui sert à la tâche annoncée. Un rapport annuel compressé pour de l'analyse financière n'a rien à voir avec le même rapport compressé pour un usage juridique. Le résultat occupe un seizième du volume d'origine, assez peu pour tenir en entier dans le prompt à chaque requête.

Le billet donne le prompt de compression et le code. On choisit aussi à quel point comprimer, de 8 à 64 fois, en sachant que plus on serre, moins la base condensée sait répondre aux questions complexes. Les auteurs eux-mêmes recommandent de garder le RAG en parallèle, avec un aiguillage selon le type de question. Une réserve tout de même, les économies annoncées sont déduites des taux de compression, pas mesurées sur un déploiement réel.

GigaToken

Un tokenizer en Rust avec bindings Python, qui découpe le texte en tokens avant l’entraînement ou l’inférence. Sur un AMD EPYC 9565 à 144 cœurs et le tokenizer de GPT-2, le dépôt mesure 24,53 Go/s contre 24,8 Mo/s pour HuggingFace, soit un facteur 989×. Il se substitue aux API HuggingFace Tokenizers et Tiktoken sans toucher au code, en licence MIT.

Nativ

Une app macOS qui fait tourner des modèles open source en local sur Apple Silicon, sans cloud ni abonnement, avec une optimisation MLX-VLM pour les puces M. Le chat répond en streaming et affiche sa télémétrie, tokens/sec, pression mémoire, état thermique. Multimodal, intégrations Claude Code, Codex et OpenCode, licence MIT.

ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU

We present ABot-World-0, an action-conditioned video world model for real-time, long-horizon closed-loop interaction, supported by a multi-source data infrastructure spanning AAA games, simulation engines, and internet videos to learn controllable world dynamics. WorldExplorer performs agent-driven collection guided by training feedback, while a unified pipeline applies 14 deterministic quality checks, VLM-based assessment, and synchronized action and text annotation. We progressively distill a bidirectional action-conditioned teacher into a causal student through teacher forcing and ODE distillation, and introduce LongForcing to align long student self-rollouts with an extended-horizon teacher, mitigating accumulated distribution shift and autoregressive drift. Raw keyboard actions provide a unified control interface for scene roaming and third-person character interaction, while reference-character memory provides persistent appearance cues for identity consistency during third-person rollouts. For deployment, we co-design a streaming inference stack with a lightweight VAE decoder, efficient attention, memory-aware scheduling, and low-bit DiT inference. Across optimized low-bit configurations, ABot-World-0 streams 720P video at up to 16 FPS on a single NVIDIA RTX 5090 desktop GPU, with 1.2s action-to-first-frame latency and approximately 19GiB peak VRAM. Experiments on WorldRoamBench and extended interactive rollouts demonstrate competitive controllability and coherent long-horizon world evolution.

Anthropic

1Password laisse Claude se connecter à vos comptes sans jamais voir vos mots de passe
1Password lance une intégration navigateur qui autorise Claude à utiliser vos identifiants. Son “zero-exposure security framework” injecte les identifiants par un canal que l’agent ne peut pas lire, l’IA s’en sert mais ne voit ni mot de passe ni code 2FA. Accès accordé tâche par tâche, validé par une empreinte biométrique. Disponible dès maintenant sur Mac.

OpenAI

GPT-5.6 Luna, Terra, Sol
Lancée le 9 juillet, la famille GPT-5.6 est disponible pour tout le monde. Trois tailles, Luna, Terra et Sol du plus petit au plus grand, facturées par million de tokens en entrée/sortie à 1 $/6 $, 2,50 $/15 $ et 5 $/30 $. Les trois partagent un contexte d’un million de tokens et 128 000 tokens de sortie max. Sur Agents Last Exam, Sol atteint 53,6 et devance Claude Fable 5 de 13,1 points, Terra et Luna font aussi mieux pour environ un seizième du coût. Fable 5 garde la main sur SWE-Bench Pro, 80 % contre 64,6 % pour Sol.

OpenAI entraîne GPT-Red à attaquer ses propres agents
GPT-Red est un système de red teaming automatisé par self-play, c’est-à-dire un modèle qui attaque en continu les systèmes OpenAI en production pour apprendre à les casser. Ses attaques servent ensuite à entraîner GPT-5.6 de façon adversariale. Résultat, GPT-5.6 Sol subit 6x moins d’échecs sur le benchmark d’injections de prompt directes le plus difficile que sur 5.2.

xAI

xAI lance Grok 4.5, son modèle le plus intelligent
xAI présente Grok 4.5, décrit comme son modèle le plus intelligent, servi à 80 tokens par seconde. Sur les tâches de SWE-Bench Pro, il résout un problème avec 15 954 tokens de sortie en moyenne, soit environ 4,2x moins qu’Opus 4.8 et pour une performance comparable à ce dernier. Tarif de 2 $ par million de tokens en entrée et 6 $ en sortie, ce qui est particulièrement peu. Disponible dès aujourd’hui dans Grok Build et dans Cursor, aux côtés duquel il a été entraîné.

Thinking Machines Lab

Thinking Machines Lab publie Inkling, son premier modèle en open weights
Thinking Machines Lab sort Inkling, un transformer multimodal Mixture-of-Experts qui n’active que 41 de ses 975 milliards de paramètres à chaque token. Ses poids complets sont sur Hugging Face. Il gère texte, images et audio, offre un effort de raisonnement réglable et se fine-tune via la plateforme Tinker. Une version Inkling-Small, 276 milliards dont 12 actifs, complète la sortie. L’équipe le présente comme une bonne base open-weights à personnaliser, pas comme le meilleur modèle du marché.

Cognition

Cognition publie SWE-1.7, un modèle de code qui talonne GPT-5.5
Cognition lance SWE-1.7, entraîné à partir d’une base Kimi K2.7, et le présente comme son modèle le plus capable à un coût nettement moindre. Sur les benchmarks de coding agentique, il atteint 42,3 % sur FrontierCode 1.1 et 77,8 % sur SWE-Bench Multilingual, au niveau de GPT-5.5 (43,0 % et 76,8 %) et proche d’Opus 4.7, mais sous Opus 4.8. Disponible dès aujourd’hui dans Devin via Cerebras à 1000 tokens par seconde. La compétence de code devient largement accessible sur beaucoup de modèles. A tester grandeur nature, les éditeurs ont désormais bien compris comment améliorer artificiellement les performances de leurs modèles sur certains benchmarks.

Moonshot AI

Moonshot lance Kimi K3 et il semble qu’il soit proche de Fable 5 et GPT 5.6
Moonshot a publié Kimi K3 hier, présenté comme le plus grand modèle open source jamais sorti avec 2 800 milliards de paramètres, un contexte d’un million de tokens et une compréhension visuelle native. Moonshot le classe juste derrière Claude Fable 5 et GPT-5.6 Sol en intelligence globale, et devant Opus 4.8 sur GDPval-AA v2, des chiffres maison qui restent à confirmer par des évaluations indépendantes. Si le modèle est la hauteur on ne pourra que constater l’infime écart entre modèles ouverts et fermés. Tarif annoncé : 0,30 $ le million de tokens en entrée cachée, 3 $ hors cache et 15 $ en sortie. Une nuance quand même, le modèle est accessible sur le site de Kimi mais les poids ne sont pas encore en ligne, leur publication est annoncée sous peu.

NVIDIA

NVIDIA publie plus de 10 000 milliards de tokens de données ouvertes pour les agents
Pour NVIDIA, les poids du modèle ne sont qu’une partie de l’histoire de l’IA agentique, la donnée synthétique ouverte et inspectable compte tout autant. L’équipe publie plus de 10 000 milliards de tokens à travers ses datasets Nemotron, plus des millions d’échantillons de post-entraînement. L’objectif est de permettre reproductibilité et inspection sans exposer les workflows propriétaires. Près de 145 papiers à ICML 2026 citent déjà les modèles et datasets Nemotron.

🤖 Anthropic documente quatre modes de défaillance des agents mal alignés, du sabotage à la fraude

🔓 Le CLI grok de xAI envoyait le contenu de votre dossier, clés SSH comprises, vers Google Cloud à votre insu

📉 OpenAI estime que près de 30 % des tâches du benchmark SWE-Bench Pro sont défectueuses

🎵 Un hack de Suno révèle le scraping de plus de 2 millions de clips YouTube Music pour entraîner son IA

🏛️ L’UE ordonne à Google d’ouvrir Android et Search aux assistants IA concurrents, sous peine de 10 % de son chiffre d’affaires en amendes

🏗️ New York devient le premier État à imposer un moratoire d’un an sur les data centers de 50 MW et plus

🍎 Apple Intelligence approuvé pour un lancement en Chine avec le modèle Qwen d’Alibaba et Baidu

⚖️ 26 employés accusent Meta d’avoir confié à l’IA le choix des salariés licenciés. Meta dément

Rewriting Bun in Rust

Bun, un concurrent de Node.js pour exécuter du JavaScript, vient d’être réécrit en entier : plus d’un demi-million de lignes portées du langage Zig vers Rust. Le chantier a pris onze jours. Jarred Sumner raconte comment une pré-version de Claude Fable 5 a fait le travail, jusqu’à 64 agents en parallèle, chaque tâche relue par deux autres agents chargés d’y chercher des erreurs, avec une suite de plus de 60 000 tests comme filet de sécurité, dont aucun n’a été désactivé. Il chiffre l’opération à environ 165 000 dollars de tokens, contre trois ingénieurs pendant un an s’il avait fallu la mener à la main. À savoir avant de lire : Bun appartient à Anthropic depuis décembre 2025, le billet est donc aussi une vitrine. Ça reste l’un des récits les plus détaillés d’un gros chantier mené par des agents, régressions et ratés compris.

Old and new apps, via modern coding agents

Dans la même lignée, le mathématicien Terence Tao a ressorti deux douzaines de petites applications écrites pour Java 1.0, dont une visualisation co-écrite en 1999, et en a confié le portage vers JavaScript à des agents de codage. Son bilan : les agents ont fait le travail, et ont même trouvé deux bugs dans son code d’origine dont il ignorait l’existence. Un seul bug mineur relevé sur l’ensemble du portage, mais Tao le rappelle, les agents produisent encore des erreurs flagrantes ou subtiles, et son expertise du domaine a été essentielle, notamment pour bien séparer le modèle de données de l’interface.

Simulating everything, sort of: The promise and limits of world models

Atteindre une intelligence de niveau humain en poussant les LLM toujours plus loin ? « Complete nonsense », tranche Yann LeCun dans Wired. Lui et d’autres misent sur les world models, des systèmes qui apprennent à simuler ce qui va se passer ensuite dans un environnement. Ars Technica a interrogé trois spécialistes du domaine, au MIT, chez Runway et chez World Labs, et c’est là que l’article devient intéressant : derrière le terme à la mode, chacun travaille sur une technique différente, et toutes se heurtent au même obstacle, la mémoire. Sortez d’une pièce puis revenez-y, la simulation en a déjà oublié les détails. Les investisseurs suivent quand même, environ 1 milliard de dollars levés pour World Labs et par AMI, la société de LeCun. Une entrée en matière qui donne l’intuition mais ne rentre pas dans les détails techniques.

Model Routing Is Simple. Until It Isn’t.

Devinette : sur les mêmes 417 tâches, Claude Sonnet a coûté 79 dollars et GPT-4.1 en a coûté 155, alors que GPT-4.1 affiche le tarif le plus bas des deux. L’explication tient au cache, les tokens déjà vus sont facturés moins cher et Sonnet en profite davantage. IBM Research part de cet exemple pour montrer que le routage de modèles, c’est-à-dire choisir automatiquement quel modèle traite quelle requête, est bien plus délicat qu’une simple classification. Le prix catalogue ne dit pas grand-chose du coût réel, une partie de la complexité des requêtes est invisible, et la latence dépend de l’infrastructure et de l’état du cache.

Monitor Amazon SageMaker Pipelines cross-account with custom Amazon CloudWatch dashboards

Si vos pipelines d’entraînement tournent dans plusieurs comptes AWS, vous connaissez le rituel : un pipeline échoue, et il faut passer de console en console pour retrouver lequel. AWS publie une solution pour tout suivre depuis un seul tableau de bord. Le principe, appelé hub-and-spoke, est simple : un compte principal centralise la surveillance, et de petits composants déployés dans chaque compte surveillé lui remontent l’activité des pipelines SageMaker. Sous le capot, du serverless classique, EventBridge capte les événements, Lambda les traite, DynamoDB les stocke, CloudWatch les affiche. L’intérêt n’est pas l’originalité mais le côté clé en main, le dépôt GitHub associé fournit un exemple d’infrastructure en AWS CDK à adapter à votre organisation. À garder sous le coude si la surveillance multi-comptes se fait encore à la main chez vous.

Nutlope/hallmark

Une skill pour Claude Code, Cursor et Codex qui refuse que le résultat ait l’air généré par IA. Publiée par Together AI, elle fait passer cinquante-sept tests anti-slop et une auto-critique avant de valider un design, et écarte les défauts par défaut du modèle.

clawkwork/clawk

Une machine Linux jetable pour votre agent de code, à la place de la vôtre. L’agent installe des paquets, lance son code et ouvre des serveurs dans une VM isolée où le trafic sortant est bloqué par défaut, avec une allow-list par sandbox. Écrit en Go, licence Apache 2.0, macOS 14+ sur Apple silicon.

Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable

The capability of a modern AI agent depends not only on its foundation model but also on its harness, which constructs prompts, manages state, invokes tools, and coordinates execution. As models, APIs, environments, and requirements evolve, the harness must be continually modified. Before such a change can be made, a developer or coding agent must identify all code locations that implement the target behavior. This is difficult because production harnesses are large, tightly coupled, and behaviorally distributed, while modification requests describe what the system should do and repositories are organized by files and modules. Code search, repository indexing, and long-context processing ease inspection, but still leave this behavior-to-code mapping to be recovered by hand. Behavior localization is therefore a central bottleneck in harness evolution. We introduce the Harness Handbook, a behavior-centric representation synthesized automatically from a harness codebase via static analysis and LLM-assisted structuring, linking each behavior to its corresponding source. We also introduce Behavior-Guided Progressive Disclosure (BGPD), which guides agents from high-level behaviors to relevant implementation details and verifies candidate locations against the current source. On diverse modification requests from two open-source harnesses, Handbook-Assisted planning improves behavior localization and edit-plan quality while using fewer planner tokens, with the largest gains on scattered sites, rarely executed paths, and cross-module interactions. Evolving complex agentic systems thus depends not only on generating edits, but also on determining where those edits should be made.

Anthropic

Claude Sonnet 5
Sorti le 30 juin, Sonnet 5 améliore ses performances sur plusieurs benchmarks. Il devient le modèle par défaut des offres Free et Pro et arrive sur l’API comme dans Claude Code. Prix d’appel : 2 $ / 10 $ par million de tokens (entrée/sortie) jusqu’au 31 août, puis 3 $ / 15 $ ce qui semble évidemment moins cher qu’Opus 4.8. Soyez prudents tout de même car sur le benchmark DeepSWE on s’aperçoit que Claude sonnet 5 performe est moins bon qu’Opus 4.8 pour un cout moyen supérieur à celui de Fable 5. Cela serait dû à sa verbosité.

Anthropic remet Claude Fable 5 en ligne après trois semaines de suspension
Suspendu le 12 juin sous le coup de contrôles à l’export américains, Fable 5 revient le 1er juillet, les contrôles ayant été levés. Il retrouve Claude Platform, Claude.ai, Claude Code et Cowork. Un nouveau classifieur de sécurité permettant de bloquer un plus grand nombre de requêtes jugées dangereuses. Dispo jusqu’au 7 juillet dans un premier temps, Anthropic promet de le remettre à dispo dans les abonnements dès lors qu’ils en auront la capacité d’inférence nécessaire.

Anthropic transforme Claude en coéquipier permanent dans Slack
Claude Tag installe une instance unique de Claude par canal Slack : les membres taguent @Claude pour lui déléguer des tâches, il se construit un contexte au fil de l’historique du canal et agit avec les outils et données que les admins lui autorisent. Il peut planifier des tâches et travailler en asynchrone. Il remplace l’app Claude in Slack existante (30 jours pour migrer). Anthropic affirme que sa version interne génère déjà 65 % du code de son équipe produit.

OpenAI

OpenAI et Broadcom dévoilent Jalapeño, leur première puce d’inférence
Jalapeño est le premier accélérateur d’OpenAI dédié à l’inference, c’est-à-dire l’exécution des modèles déjà entraînés. Conçu de zéro avec Broadcom, il serait passé de la conception au tape-out (le gel du design avant fabrication) en neuf mois seulement, présenté comme le cycle ASIC le plus rapide des semi-conducteurs avancés. Les premiers tests montrent une performance par watt nettement supérieure à l’état de l’art. Déploiement à l’échelle du gigawatt prévu d’ici fin 2026.

Google

Google intègre le computer use en natif dans Gemini 3.5 Flash
Le computer use (la capacité à voir un écran puis cliquer, taper et faire défiler) devient un outil natif de Gemini 3.5 Flash, sur navigateur, mobile et desktop. Google fond ainsi son ancien modèle dédié (basé sur Gemini 2.5) dans le modèle principal. Disponible via l’API Gemini et sa Gemini Enterprise Agent Platform. Utile pour les tests logiciels continus et l’automatisation de tâches longues.

DeepSeek

DeepSeek publie V4-Pro, un modèle ouvert de 1 600 milliards de paramètres
DeepSeek-V4-Pro est un modèle MoE (mixture-of-experts : seuls 49 des 1 600 milliards de paramètres s’activent par token) sous licence MIT, avec une fenêtre de contexte d’un million de tokens.

Mistral AI

Mistral sort OCR 4, un modèle d’extraction documentaire auto-hébergeable
OCR 4 passe de la simple reconnaissance de texte au parsing structuré : bounding boxes pour localiser précisément le texte, classification des blocs (titres, tableaux, équations, signatures) et scores de confiance par mot. Il couvre 170 langues et, sur des tests de préférence humaine, l’emporte face aux concurrents avec 72 % de victoires. Assez compact pour tenir dans un seul container, il vise les déploiements self-hosted. API à 4 $ / 1000 pages.

Alibaba (Qwen)

Qwen publie AgentWorld, un world model ouvert pour entraîner des agents
Qwen-AgentWorld est un language world model, c’est-à-dire un modèle qui simule l’environnement dans lequel évolue un agent, ici sept domaines (MCP, Search, Terminal, SWE, Web, OS, Android) réunis dans un seul modèle. L’idée : entraîner un agent par renforcement dans cette simulation plutôt qu’en conditions réelles, ce qui dépasse même l’entraînement en environnement réel sur plusieurs benchmarks. La version 35B-A3B est publiée en open weight.

Alibaba lance le Qwen-Robot Suite pour l’intelligence incarnée
Trois modèles de fondation qui relient la compréhension vision-langage au contrôle physique d’un robot : Qwen-RobotNav pour la navigation, Qwen-RobotManip pour la manipulation et Qwen-RobotWorld, un modèle du monde co-entraîné sur plus de 20 embodiments, c’est-à-dire types de robots. RobotNav a été déployé zero-shot (sans réentraînement) sur un quadrupède Unitree Go2, RobotManip entraîné sur plus de 38 100 heures de données d’entraînement. Chaque modèle dispose de son propre rapport technique.

Z.ai

Z.ai rattrape presque les modèles fermés avec GLM-5.2
Publié sous licence MIT dix semaines seulement après GLM-5.1, GLM-5.2 marque 51 sur l’Intelligence Index d’Artificial Analysis, soit 11 points de plus que la 5.1 (40). Seuls trois modèles fermés font mieux (Claude Fable 5 à 60, Claude Opus 4.8 à 56 et GPT-5.5 à 55), ce qui place le meilleur modèle open weight à cinq points du sommet réellement accessible au public.

Apple

Apple fait tourner des modèles jusqu’à 70B en local avec Core AI
Présenté à la WWDC 26, Core AI succède à Core ML et exécute des LLM entièrement sur l’appareil, sans aucun aller-retour serveur. Il gère des modèles de 3 milliards à 70 milliards de paramètres sur iPhone, iPad, Mac et Vision Pro, à condition d’une puce Apple Silicon. Au menu : accès unifié au CPU, GPU et Neural Engine, compilation en amont pour un chargement quasi instantané, et zéro coût cloud par token.

• 🚀 SpaceX rachète Cursor (Anysphere) pour 60 milliards de dollars en actions, quatre jours après son IPO

• ⚖️ Anthropic accuse Alibaba de la plus grande campagne de distillation jamais menée contre Claude : 25 000 comptes frauduleux, 28,8 millions d’échanges

• 🏃 Exode chez Google DeepMind : John Jumper (Nobel de chimie 2024, AlphaFold), Adler et Pritzel filent chez Anthropic, Shazeer rejoint OpenAI

• 🐛 7 000 serveurs Langflow activement exploités via CVE-2026-5027 (CVSS 8,8), un path traversal sans authentification

• 🎮 General Intuition lève 320 M$ (valorisation 2,3 Md$, avec Bezos et Schmidt) pour entraîner des agents sur des centaines de millions d’heures de gameplay

• 🏛️ AI Act : l’article 50 sur la transparence IA s’applique dès le 2 août, imposant de signaler toute interaction avec une IA et d’étiqueter les contenus générés

Scaling Laws, Carefully

Avant d’engager des millions en GPU dans un entraînement, une question décide de tout : un modèle plus gros sera-t-il vraiment meilleur ? C’est ce que promettent les scaling laws, ces lois de puissance empiriques qui relient la performance d’un modèle à trois leviers : la taille du modèle N, la taille du dataset D et le compute C. Lilian Weng en retrace toute l’histoire, des travaux d’Amari et al. en 1992 jusqu’aux modèles récents.

A Guide to AI Inference Engineering

Servir un LLM, c’est payer chaque token généré : dès que le trafic grimpe, l’inference (la phase où le modèle répond, par opposition à l’entraînement) devient le premier poste de coût. Ce guide de ByteByteGo part d’une distinction structurante : le split prefill/decode que je vous laisse découvrir dans l’article. De là découlent six techniques d’optimisation : le batching pour grouper les requêtes, le prefix caching pour réutiliser les débuts communs, la quantization qui compresse les poids en précision plus basse pour 30 à 50 % de gain, le speculative decoding qui fait prédire des tokens par un petit modèle « draft », le parallelism qui répartit le modèle sur plusieurs GPU, et la disaggregation qui sépare prefill et decode sur du hardware dédié.

LangGraph Multi-Agent Systems: From One Brain to Many

Vous empilez les outils sur un seul agent, et passé une quinzaine, ses performances se dégradent : il hésite, se trompe d’outil. Cet article de Bessie Delight Kekeli (Towards AI) présente le principe du « cognitive overload » : un agent unique avec ~15 outils et un system prompt de 2000 mots finit par confondre quel outil appeler. L’article décrit 4 pattern pour éviter de ce genre de problème.

• Niveau 1, le superviseur, un agent chef route le travail vers des spécialistes, comme un associé senior distribue les dossiers à ses juniors.

• Niveau 2, la parallélisation fan-out/fan-in : on lance des tâches indépendantes en parallèle avant de recombiner leurs sorties.

• Niveau 3, les sous-graphes : chaque branche devient son propre graphe compilé, avec ses étapes privées et son schéma de sortie.

• Niveau 4, le parallélisme dynamique via le pattern « Send », façon map-reduce : le nombre de workers n’est pas connu d’avance et se crée à l’exécution, un par sujet à traiter.

Z code

L’équivalent de Codex mais par l’équipe Z.ai.

Are We Ready For An Agent-Native Memory System?

Memory for large language model (LLM) agents has rapidly evolved from simple retrieval-augmented mechanisms into a data management system that supports persistent information storage, retrieval, update, consolidation, and dynamic lifecycle governance throughout agent execution. Despite this evolution, existing evaluations still benchmark agent memory mainly through end-to-end task success metrics (e.g., F1, BLEU), while treating the underlying system as a monolithic black box. As a result, critical system-level concerns, including operational costs, architectural trade-offs across memory modules, and robustness under dynamic knowledge updates, remain insufficiently explored. In this paper, we present a systematic experimental study of agent memory from a data management perspective. We propose an analytical framework that decomposes agent memory into four core modules: memory representation and storage, extraction, retrieval and routing, and maintenance. Under this framework, we evaluate 12 representative memory systems and two reference baselines across five benchmark workloads spanning 11 datasets. Our extensive end-to-end evaluation shows that no single architecture dominates across all scenarios; instead, effectiveness depends heavily on how well the memory structure aligns with the workload bottleneck. Furthermore, through fine-grained ablation studies, we quantify their individual effects on representation fidelity, retrieval precision, update correctness, and long-horizon stability. Finally, we reveal cost-performance trade-offs under realistic workloads, showing localized maintenance is more cost-efficient than global reorganization. Based on these findings, we identify promising directions towards building truly agent-native memory systems.

Google

Google traduit à la volée avec Gemini 3.5 Live Translate

Google sort un modèle audio qui traduit la parole à la volée dans plus de 70 langues. Le service n’attend pas que vous ayez fini votre phrase, il génère la traduction en continu avec quelques secondes de décalage, en gardant votre intonation et votre voix. Le grand public y a droit dans l’app Google Translate et c’est déployé progressivement sur Google meet.

Google améliore NotebookLM

Google met à jour NotebookLM. L’outil devient agentique : chaque notebook est adossée à une VM isolée où l’outil peut écrire et exécuter du code, ce qui permet de générer des graphiques, mener des analyses, produire des rapports sous différents formats. Déployé d’abord pour Google AI Ultra et les clients Workspace business (AI Ultra Access et AI Expanded Access), depuis le 8 juin 2026.

Google sort Gemma 4 12B, un modèle multimodal qui tourne sur un laptop

Google DeepMind ouvre Gemma 4 12B, un modèle ouvert (licence Apache 2.0) qui tient sur une machine équipée de 16 Go de mémoire. La nouveauté : pas d’encodeur séparé pour l’image et le son, ces entrées passent directement dans le modèle de langage, ce qui réduit la latence. Performances proches du modèle 26B de Google, pour moins de la moitié de la mémoire.

Anthropic

Anthropic lance Claude Fable 5, le gouvernement américain le débranche trois jours plus tard

Anthropic a lancé Claude Fable 5 le 9 juin, leur meilleur modèle à date, SOTA sur la quasi totalité des benchmarks, avec des garde-fous de sécurité intégrés au modèle.

Trois jours plus tard, coup d’arrêt : le gouvernement américain, au nom de la sécurité nationale, émet une directive de contrôle à l’export interdisant Fable 5 à tout ressortissant étranger, jusqu’aux employés étrangers d’Anthropic. Faute de pouvoir filtrer les non-Américains, Anthropic coupe l’accès au modèle dans le monde entier. Déclencheur présumé : une société aurait démontré comment contourner ces garde-fous.

Visa

Visa branche ChatGPT sur votre carte bancaire

Visa a intégré son réseau de paiement dans ChatGPT : l’agent peut désormais acheter et payer seul chez n’importe quel marchand acceptant Visa, pas juste un site partenaire. OpenAI fournit l’agent, Visa l’autorisation et la lutte anti-fraude. Des garde-fous existent (plafonds, validation, marchands approuvés), et au début chaque achat repassera par vous. OpenAI s’était déjà cassé les dents sur Instant Checkout, retiré en mars faute de marchands. Cette fois, c’est le réseau de cartes qui pousse. La question, serez-vous assez confiant pour laisser l’agent jouer avec votre carte bancaire ?

🚀 SpaceX signe la plus grosse IPO de l’histoire et sacre Musk premier trillionaire

🏛️ Trump rejoint Bernie Sanders : l’État pourrait entrer au capital d’OpenAI et Anthropic

🐛 Le ver Miasma piège 73 repos Microsoft via les outils de coding IA

📉 L’IA devient le premier motif de licenciement aux États-Unis, de 7 % à 40 % des coupes en cinq moisA

An Overview of Modern AI Robotics from First Principles

On imagine la robotique IA comme un champ exotique, parfois loin du ML que certains d’entre nous pratiquent. La société Interlatent, la ramène à une idée finalement assez simple : la policy d’un robot, c’est à dire le programme qui décide de ses gestes, n’est qu’une fonction qui prend des observations (pixels, angles des articulations) et produit des actions (positions, couples moteurs). Ces deux-là, ce que le robot perçoit et ce qu’il fait, le ML classique sait déjà les manier. La robotique ajoute une troisième dimension : le temps réel. Un modèle de langage peut mettre plusieurs secondes à calculer le prochain mot sans que ce soit problématique. Sur un robot qui verse du café, ça pourrait poser problème (la tasse a bougé par exemple). La pièce maîtresse est le modèle VLA (Vision Language Action) : un gros backbone VLM qui comprend la scène, couplé à un petit modèle expert qui transforme cette compréhension en action. L’article revient sur ces éléments, et bien d’autres, très intéressant.

Testing Gemini models for scheming tendencies

Quand on utilise un modèle comme agent de code, avec accès à différents tools, une question se pose : pourrait-il saboter les garde-fous censés le surveiller, s’il en avait l’occasion ? L’équipe Safety de DeepMind (Krakovna, Shah et leurs co-auteurs) a cherché à mesurer cette propension chez Gemini. Deux approches se complètent.

1. Gram (Gauging Realistic Agentic Misbehavior) génère à grande échelle des environnements agentiques simulés pour repérer les dérapages : Gemini en produit dans 2 à 3 % des scénarios, jusqu’à 8 % quand un auditeur joue activement la provocation.

2. Les honeypot evaluations, elles, posent un piège réaliste dans de vraies codebases internes d’alignement, sans y glisser de faille : la tâche elle-même offre l’occasion de saboter, par exemple en sabordant le composant qui détecte le scheming.

Quand Gemini a triché, les chercheurs confient le cas à un agent enquêteur qui rejoue la scène en retirant les éléments “perturbateurs” un par un, pour voir lequel déclenche le sabotage. Le coupable : une phrase qui menaçait d’« effacer les poids » du modèle, c’est-à-dire de supprimer tout ce qu’il a appris pendant son entraînement. La retirer fait chuter le sabotage de 6,2 % à 0,2 %. Toute la nuance est là, entre un modèle vraiment malveillant et un modèle qui réagit juste à une menace glissée dans sa consigne. Verdict des auteurs : aucun Gemini ne complote de lui-même, mais son excès de zèle, sa tendance à trop en faire, reste un risque concret dès qu’on le laisse agir seul.

AI in SRE: Where and how Google is deploying agentic AI to improve operations

Une alerte tombe à 3 h du matin et c’est la panique pour l’équipe d’astreinte. Avant même de toucher au problème, l’équipe perd (parfois) un temps fou à rassembler le contexte : quels signaux ont sauté, quel runbook suivre, qui a poussé quoi en prod. Chez Google, les équipes SRE (Site Reliability Engineering, ceux qui gardent Search et Gmail debout) confient ce travail à des agents, réunis sous le nom de SRE AI. Le système ne se limite pas au root cause analysis automatisé : les agents accompagnent tout le cycle de vie d’un service, du design jusqu’au postmortem

Côté alerting, fini les seuils fixes : un modèle de séries temporelles (TimesFM) apprend le comportement normal d’un service et signale les écarts.

Côté mémoire, un système maison nommé AI Insights relit en continu les vieux incidents et réinjecte leurs leçons dans les agents d’investigation, via embeddings Gemini et base vectorielle. C’est le concept de compound engineering, fondamental y compris pour ceux qui utilisent des agents IA dans leur quotidien de dev.

L’équipe a évidemment des garde-fous : une identité et des permissions par agent, un SLO de fiabilité, de la transparence plutôt qu’une boîte noire, une métrique pour jauger l’autonomie réelle. L’architecture complète est dans le whitepaper.

Versioning, Rollback & Lifecycle Management of AI Agents : traiter l’intelligence comme du logiciel déployable

Votre agent tournait bien, et le voilà qui déraille en production. Le réflexe : un rollback, on redéploie la version précédente du code et tout repart. Mais un agent ne dépend pas que de son code. Il s'appuie aussi sur le modèle (souvent hebérgé) et sur les outils externes qu'il appelle, et ces deux-là vivent hors de votre image Docker. C'est même de là que vient l'essentiel des pannes : 40 % de la dérive de modèle (le LLM change, la même requête ne répond plus pareil), 60 % du versioning des outils (une API change de format et casse l'agent). Résultat : redéployer l'ancien code n'y change rien.

La parade de NJ Raman : découper la version en quatre couches indépendantes (logique de l'agent, prompt et policy, runtime du modèle, contrat d'API des outils), chacune épinglée et restaurable. Au-dessus, un pipeline de release en sept étapes, avec revue humaine avant tout déploiement et canary à 1 % du trafic.

Le point dur, c'est la mémoire de l'agent. S'il ne garde aucun état d'une exécution à l'autre, le retour arrière est instantané : on rebascule sur la version précédente, rien d'autre à faire (rollback stateless). Mais dès qu'il accumule de la mémoire, historique de conversation ou données apprises en route, ce retour devient stateful : il faut rembobiner cette mémoire en même temps que le code, donc en avoir gardé des snapshots et écrire des scripts pour reconvertir les données à l'ancien format. L’article tient plus à liste de bullet points mais ça reste intéressant pour ensuite aller creuser les sujets.

scientific-agent-skills : 147 skills pour transformer un agent en chercheur

Une bibliothèque de 147 « agent skills » prêtes à l’emploi pour la science.

SkillSpector : scanner un skill d’agent avant de l’installer

SkillSpector, analyse les skills avant installation : analyse statique du code par motifs et par sa structure syntaxique, doublée d’un passage LLM optionnel, 64 patterns sur 16 catégories. Il prend un repo Git, une URL ou un zip et rend un score de risque sur 100. À garder sous la main.

OpenCV 5.0

La bibliothèque de vision par ordinateur passe en version 5 avec un moteur DNN (le module qui fait tourner les réseaux de neurones) entièrement réécrit. La couverture des opérateurs ONNX, le format d’échange standard des modèles, passe de 22 % à plus de 80 %. Nouveauté qui surprend pour une lib estampillée « vision » : elle exécute désormais des LLM et des modèles vision-langage (Qwen 2.5, Gemma 3, GPT-2) directement, sans runtime séparé. À garder pour qui industrialise de l’inférence CPU.

DiffusionBlocks: Training Neural Networks One Block at a Time

Modern AI shows remarkable performance across everyday tasks, math, coding, and more. Today’s frontier models typically have hundreds of billions of parameters or more and require thousands of GPUs to train, and only a small number of organizations have the resources to develop them.

One major reason for these resource demands lies in the training method itself. Today’s neural networks, including Transformers[1], are trained via end-to-end optimization, where all parameters are learned jointly. Because the entire network must be processed together during training, the memory required grows with model size. Ideally, we would like to train models of any size regardless of the available hardware. This is exactly our motivation: to make AI development more accessible.

Motivated by this, we propose DiffusionBlocks, a method that divides a network into multiple blocks and trains only one block at a time, with each block learned independently of the others. As a result, training requires memory for only a single block rather than the entire network. At the same time, performance remains competitive with end-to-end optimization, achieved through a diffusion framework, which has seen tremendous success in recent years. Our experiments demonstrate this across architectures spanning image classification, image generation, and text generation.

Anthropic

Opus 4.8

Anthropic met à jour son modèle haut de gamme avec Claude Opus 4.8, au même tarif que la 4.7 (5$ le million de tokens en entrée, 25$ en sortie), ce qui ne sera certainement pas le cas avec Mythos (leur prochain modèle).

Anthropic lance Dynamic Workflows

Anthropic ajoute Dynamic Workflows à Claude Code. Pour une tâche trop grosse pour une seule session, Claude écrit un script d’orchestration JavaScript qui répartit le travail sur des subagents parallèles et renvoie un résultat consolidé, le plan restant hors du contexte. Jarred Sumner s’en est servi pour porter Bun de Zig à Rust : 750 000 lignes en onze jours, avec 99,8% de tests qui passent. Disponible dans le CLI, l’app desktop et l’extension VS Code.

Google

Google présente Gemma 4

Google publie Gemma 4, un modèle ouvert de 12 milliards de paramètres conçu pour tourner en local sur des machines personnelles. Malgré sa taille modeste, il approche les performances du modèle 26B de Google sur les benchmarks standards, pour moitié moins de mémoire.

NVIDIA

Cosmos 3

NVIDIA met en open-source Cosmos 3, un modèle fondation pour l’« IA physique », celle qui pilote robots et machines dans le monde réel. Un seul modèle sait analyser une scène, simuler un environnement réaliste (générer des vidéos du monde physique) et prédire les actions à effectuer. L’intérêt : entraîner les robots dans ces mondes simulés plutôt qu’en vrai ferait passer leur apprentissage de plusieurs mois à quelques jours.

NVIDIA sort Nemotron 3 Ultra, 550B en open-weight

NVIDIA publie Nemotron 3 Ultra en open-weight, le plus gros de sa famille. Il compte 550 milliards de paramètres au total mais n’en active que 55 milliards par token : c’est un modèle « mixture of experts » qui n’allume que la fraction utile de son réseau à chaque mot généré, et coûte donc bien moins cher à faire tourner que sa taille ne le suggère. Artificial Analysis le note 48 sur son indice d’intelligence, devant les autres modèles ouverts américains comme Gemma 4 31B (39) ou gpt-oss-120b (33). NVIDIA met aussi en avant sa vitesse, plus de 300 tokens par seconde.

Microsoft

Microsoft lance ses propres modèles pour se passer d’OpenAI

Microsoft a investi 13 milliards de dollars dans OpenAI et fait tourner une grande partie de son IA, dont Copilot, sur les modèles d’OpenAI, qu’il paie pour les utiliser. À sa conférence Build, il dévoile pourtant sa propre famille de modèles, menée par MAI-Thinking-1, un modèle de raisonnement entraîné de zéro sans copier un système existant. Autrement dit, le principal bailleur d’OpenAI construit son concurrent, pour moins en dépendre et arrêter de payer ses services. Les deux cohabiteront sur Azure.

⚖️ La Floride poursuit OpenAI et vise Sam Altman personnellement

💰 Alphabet lève 85 milliards de dollars, la plus grosse émission d’actions de l’histoire

📉 L’emploi des développeurs de 22-25 ans a chuté de 20% depuis 2024

🤖 Les robots humanoïdes de China Post trient 1 200 colis par heure à Canton

🧪 Un modèle passe le test de Turing en trompant 73% des juges humains

From Raw Data to Risk Classes

On imagine qu'un bon score de crédit tient surtout à l'algorithme. Ce guide de Towards Data Science rappelle que l'essentiel se joue avant, dans une étape discrète : le binning, qui consiste à découper une variable continue comme le revenu en quelques tranches ordonnées plutôt que de la livrer brute au modèle. Le geste paraît anodin, mais il change tout. Il permet à une régression logistique, qui ne capte sinon que des tendances linéaires (pour simplifier), de saisir des effets plus subtils, encaisse les valeurs aberrantes et transforme une donnée manquante en information exploitable. L'article détaille ensuite la méthode reine du métier, le Weight of Evidence, qui regroupe les tranches selon leur risque de défaut pour épouser la logique interne du modèle, le tout avec le code Python pour le reproduire. La leçon qui donne envie de creuser : un modèle ne vaut jamais mieux que les variables qu'on lui donne.

The Agent Harness: Why the LLM Is the Smallest Part of Your Agent System

Dans un système agentique, le LLM n’est pas le plus important. Tout le travail d’ingénierie vit ailleurs, en particulier dans le « harness » : le code écrit autour du modèle pour le faire fonctionner. En 2015, un papier de Google montrait le code d’un modèle de machine learning comme une minuscule boîte noire, noyée dans une infrastructure énorme qui faisait tout le reste. C’est aujourd’hui la même chose avec les LLM. L’auteur découpe le harness en six briques : mémoire, orchestration des outils, persistance de l’état pour reprendre après un plantage, sécurité et droits, observabilité, évaluation continue. En dessous, une couche encore plus négligée, la plateforme, mutualise et gouverne les exécutions, les identités et les coûts.

An Engineer’s Guide to Better AI Skills: Implementing a Testing Process to Optimize Agent Performance in Any Repository or Skill

Pour coder son application iPhone, Pinterest suit des conventions internes précises. L'équipe a créé un skill pour les enseigner à ses agents de code (un skill, c'est un bloc de connaissances qu'un agent charge à la demande), mais s'est aperçue que l'agent l'ignorait parfois. D'où une question : à quelle fréquence le skill est-il réellement chargé ? Pinterest a donc bâti une logique de test, un script Bash qui envoie des prompts à l'agent, capture les logs en JSON, puis cherche dedans la trace d'invocation du skill. Quinze prompts pertinents, cinq pièges hors sujet, le tout rejoué cinq fois, soit cent essais. Le résultat « vanilla » est sans appel : 73 % d'invocations correctes pour Codex, 62 % pour Claude, là où l'on espérait 100 %. Les leviers qui aident vraiment restent terre à terre : enrichir la description du « frontmatter » (les métadonnées en tête du fichier skill) et lister les skills dans le fichier AGENTS.md. Détail intéressant (et inquiétant), demander à l'agent d'améliorer ces réglages lui-même a fait baisser le taux.

Headroom

Un agent qui boucle renvoie les mêmes instructions au modèle à chaque tour, et on paie ces tokens plusieurs fois. Le proxy open-source de Tejas Chopra, ingénieur Netflix repère les tokens redondants et les compresse avant l’appel.

SkillOpt: Executive Strategy for Self-Evolving Agent Skills

Agent skills today are hand-crafted, generated one-shot, or evolved through loosely controlled self-revision, none of which behaves like a deep-learning optimizer for the skill, and none of which reliably improves over its starting point under feedback. We argue the skill should instead be trained as the external state of a frozen agent, with the same discipline that makes weight-space optimization reproducible. SkillOpt is, to our knowledge, the first systematic controllable text-space optimizer for agent skills: a separate optimizer model turns scored rollouts into bounded add/delete/replace edits on a single skill document, and an edit is accepted only when it strictly improves a held-out validation score. A textual learning-rate budget, rejected-edit buffer, and epoch-wise slow/meta update make skill training stable while adding zero inference-time model calls at deployment. Across six benchmarks, seven target models, and three execution harnesses (direct chat, Codex, Claude Code), SkillOpt is best or tied on all 52 evaluated (model, benchmark, harness) cells and beats every per-cell competitor among human, one-shot LLM, Trace2Skill, TextGrad, GEPA, and EvoSkill skills. On GPT-5.5 it lifts the average no-skill accuracy by +23.5 points in direct chat, by +24.8 inside the Codex agentic loop, and by +19.1 inside Claude Code. Transfer experiments further show that optimized skill artifacts retain value when moved across model scales, between Codex and Claude Code execution environments, and to a nearby math benchmark without further optimization.

Anthropic

Anthropic isole Claude avec self-hosted sandboxes et MCP tunnels

Anthropic adresse enfin le blocage numéro un de Claude en entreprise : vos données quittaient leurs serveurs. Deux features en réponse. Les self-hosted sandboxes (public beta) laissent l’orchestration côté Anthropic mais déportent l’exécution code chez vous, ou via Cloudflare, Vercel, Modal. Les MCP tunnels (research preview) ouvrent une seule connexion sortante chiffrée pour accéder à vos bases internes, sans trou dans le firewall. Bonus : les outputs MCP au-delà de 100k tokens basculent automatiquement vers les fichiers du sandbox plutôt que de polluer le contexte.

Google

Google dévoile Gemini 3.5 Flash

À Google I/O d’il y a quelques jours, Google a annoncé basculer Gemini 3.5 Flash comme modèle par défaut dans l’app Gemini et dans le mode AI de Search, dans le monde entier. L’argument : performance agentique et coding au niveau flagship pour moins de la moitié du coût. Lancements couplés : Gemini Spark, agent personnel 24/7 qui tourne en background, et Omni, un world model qui édite ou génère de la vidéo à partir d’à peu près n’importe quel input. La stratégie : ne plus laisser le choix à l’utilisateur final, l’embarquer dans la stack Google par défaut.

Google enterre Gemini CLI et ouvre Antigravity en desktop + CLI + SDK

Google a sorti Antigravity 2.0, une app desktop perçue comme une réponse à Codex Desktop ou Claude Code Desktop. Côté modèle, Gemini 3.5 Flash mentionné dans la news précédente. L’app embarque aussi voice commands, accès Workspace, ponts Android et Firebase, export un-clic depuis AI Studio. Surtout, Google livre une nouvelle CLI Antigravity et un SDK pour construire ses propres agents par-dessus.

OpenAI

OpenAI dévoile Daybreak, plateforme cyber pilotée par GPT-5.5

OpenAI lance Daybreak, une plateforme de cyberdéfense IA qui bundle trois tiers de modèles : GPT-5.5 standard, GPT-5.5 Trusted Access for Cyber (secure code review, malware analysis), et GPT-5.5-Cyber pour red teaming et pentest sous accès strict. Au cœur, Codex Security ingère des repos entiers, construit un threat model spécifique à la codebase, mappe des chemins d’attaque réalistes, valide en sandbox isolé et propose des patches pour review humaine. Plus de 20 partenaires sécurité déjà branchés : CrowdStrike, Cloudflare, Palo Alto, Cisco, Trail of Bits.

xAI

xAI lance Grok Build, un CLI agentique enfin sérieux

xAI sort enfin sa réponse à Claude Code et Codex CLI : Grok Build, un agent qui vit dans le terminal. Plan Mode, sous-agents parallèles, fenêtre de contexte 2M tokens, mode headless -p pour intégration CI, extensible via Skills, hooks et MCP servers. Il lit même les CLAUDE.md existants sans modification. Le hic : Musk a publiquement reconnu que xAI était à la traîne sur le coding et le produit reste verrouillé derrière SuperGrok Heavy à 300 $/mois. Le ticket d’entrée est salé. xAI a perdu plus de 50 chercheurs depuis le rachat par SpaceX en février, donc on attend les retours utilisateurs avant de juger si l’outil tient la promesse.

Cohere

Cohere ouvre Command A+ en open-source pour l’entreprise

Cohere publie Command A+ en open-weight : un mixture-of-experts à 218 milliards de paramètres dont 25 milliards actifs. Le modèle tourne sur deux H100 ou un Blackwell, couvre 48 langues et ajoute du raisonnement multimodal. Le pari est clair : viser les boîtes qui veulent un frontier-like sans dépendre d’OpenAI ou Anthropic, et qui ont les GPU pour l’héberger. Cohere assume sa niche : pas la course aux benchmarks grand public, mais l’enterprise privée avec déploiement on-prem. Ça reste un modèle dont on entend peu parler.

Cursor

Cursor sort Composer 2.5 et joue la carte du modèle spécialisé

Cursor publie Composer 2.5, son modèle de coding maison, toujours bâti sur la base open-weight Kimi K2.5. Sur Terminal Bench 2.0 : 69.3, à côté d’Opus 4.7 (69.4). Le pricing change la donne : 0,07 $ par tâche en moyenne, contre 4,10 $ pour Opus et 4,82 $ pour GPT-5.5. Disponible uniquement dans l’IDE Cursor, pas d’API publique.

💰 SpaceX dépose la plus grosse IPO de l’histoire, à 80 milliards, en y consolidant les pertes de xAI

💸 OpenAI prépare son IPO confidentielle à plus de 1000 milliards de valorisation

🏭 Meta engage 145 milliards en capex IA et licencie 8000 personnes la même semaine

💼 Standard Chartered coupe 7000 postes en parlant officiellement de « lower-value human capital »

⚖️ Trump et Xi Jinping signent un protocole bilatéral de sécurité IA à Pékin

⛪ Le pape Léon XIV cosigne sa première encyclique IA avec Christopher Olah d’Anthropic

NVIDIA accélère DeepSeek Sparse Attention en exploitant la corrélation temporelle du Top-K

DeepSeek-V3.2 utilise du sparse attention : à chaque étape de décodage, le modèle sélectionne les K tokens les plus pertinents au lieu de tout attendre. Problème : recalculer ce Top-K à chaque step est coûteux. NVIDIA a regardé les données : entre deux steps consécutifs, 35 à 50% des indices Top-K se recouvrent, une corrélation temporelle qui sort directement de la structure Toeplitz de RoPE.

L’algorithme Guess-Verify-Refine part de là. À l’étape t+1, il devine le Top-K en reprenant celui de t, vérifie quels indices sont encore valides, puis ne refait le calcul que sur le delta. C’est exact (pas d’approximation), donc pas de perte de qualité.

Les chiffres en déploiement DeepSeek-V3.2 : 1,88× de speedup moyen sur les baselines déjà optimisées, jusqu’à 7,52% de réduction du time-per-output-token. Pour les équipes qui servent du sparse attention en production, c’est le genre d’optimisation qui se branche au niveau kernel sans toucher au modèle. La leçon plus large : il reste des gains à grappiller en regardant simplement ce que les tokens font d’un step à l’autre.

Six mois de LLMs résumés en cinq minutes par Simon Willison

Simon Willison a présenté un lightning talk à PyCon US 2026 qui essaie de couvrir tout ce qui s’est passé en LLM sur six mois en cinq minutes. C’est expéditif, factuel et c’est l’une des meilleures façons de se mettre à jour si on a décroché.

Le format : un slide par release marquante. En gros :

• le décollage des coding agents (Codex, Claude Code, Cursor Composer, Grok Build).

• L’arrivée des contextes à 1M+ tokens en standard.

• La domination Anthropic en adoption business.

• L’effondrement des coûts de la coding-task (Composer 2.5 à 0,07 $ vs 4 $ pour Opus).

• Les world models qui passent de démo à prod (Gemini Omni, NVlabs SANA-WM).

Le talk se trouve sur le blog de Willison. À garder pour les sceptiques de votre équipe qui pensent encore que « rien n’a vraiment bougé depuis GPT-4 ». Le format synthèse cinq-minutes est probablement le meilleur ROI de la semaine pour qui doit présenter un état de l’art à son board ou à son équipe.

Tracer les coûts LLM comme un signal d’observabilité, pas comme une ligne de facture

Quand un système agentique consomme des tokens en continue (ou quasi), c’est évidemment une nouvelle dimension d’observabilité à monitorer. Le guide Comet ML rappelle qu’il faut sortir du raisonnement par modèle (« combien je dépense sur Claude ce mois ») pour passer au tracing par span, trace et projet : on veut savoir quel prompt précis brûle quel pourcentage du budget.

La structure recommandée : chaque tool call instrumenté avec ses tokens in/out, chaque trace agentique recomposée en arbre, chaque projet agrégé sur des dashboards.

Les LLM cost dashboards remplacent peu à peu les APM classiques pour les workflows IA. Comet, Langfuse, Opik (open source) et Phoenix se positionnent là. Pour les équipes qui déploient des agents en prod, c’est devenu un prérequis avant le go-live, pas une option qu’on branchera plus tard.

Redis Iris transforme Redis en context engine pour agents

Redis sort Iris, un context engine qui s’intercale entre les agents et les données enterprise. L’idée : packager dans une seule lib les outils dont a besoin un agent pour interroger vos systèmes avec une faible latence, des résultats à jour et un retrieval précis. Iris embarque deux nouveautés clés : Context Retriever (recherche hybride keyword + vecteurs + graphe) et Agent Memory (persistance multi-sessions).

Le chiffre (marketing) à retenir : avec semantic caching, Redis annonce jusqu’à 90% de réduction du coût en tokens sur les workloads RAG répétitifs. Concrètement, si vingt agents interrogent la même base de procédures internes en parallèle, le cache absorbe les requêtes proches et économise les round-trips vers le modèle.

Le pari de Redis est clair : ne pas laisser le retrieval agentique partir vers les vector DB spécialisées (Pinecone, Weaviate, Qdrant) sans se battre. Pour les équipes déjà sous Redis Enterprise, Iris s’active comme un module. Pour les autres, ça veut dire un nouveau composant à provisionner et opérer.

Construire un pipeline d’intelligence vidéo et audio multimodal avec Snowflake Cortex

Certaines entreprises accumulent des heures de vidéo et d’audio (calls clients, démos produit, conférences, contenu marketing) qui restent dormantes faute d’équipe pour monter un pipeline ML par-dessus. Snowflake Cortex (la couche IA du data warehouse Snowflake) propose un raccourci : appeler des LLM directement depuis SQL, sans jamais sortir la donnée du warehouse. L’article décortique un pipeline production qui orchestre AI_COMPLETE côté Snowflake, gemini-3.1-pro pour l’analyse vidéo, Claude Sonnet pour le post-processing texte, et sort du JSON structuré exploitable derrière. Cas d’usage couverts : sentiment de marque, product discovery, monitoring compliance FTC, content moderation.

Le design est SQL-first : chaque table sert d’étape, chaque vue matérialisée est un cache, l’incremental processing planifié évite de retraiter ce qui n’a pas bougé.

Point intéressant : router les sous-tâches vers le modèle le plus pertinent (vidéo vers Gemini, texte vers Claude) plutôt que de tout coller au même provider. C’est l’illustration concrète du « model routing » dont tout le monde parle. Les équipes qui structurent leur stack data autour de Snowflake gagnent un gros bloc multimodal sans avoir à monter une plateforme à part.

Emdash : un IDE agentique open-source pour piloter plusieurs coding agents en parallèle

L’Open-Source Agentic Development Environment. Vous lancez plusieurs coding agents en parallèle (Claude Code, Codex, Cursor Composer, Grok Build) sur le même repo. Le harness gère les permissions, les snapshots Git, le routing et la review unifiée des diffs. Compatible avec n’importe quel provider, donc bon candidat pour éviter le vendor lock-in.

Ml-intern : l’agent ML autonome de Hugging Face

Agent ML autonome qui lit les papiers, identifie les datasets, écrit le code d’entraînement et fine-tune les modèles. Démo qui fait du bruit : Qwen3-1.7B passé de 10% à 32% sur GPQA en 10 heures sur un seul H100, sans intervention humaine. Premier agent de cette ampleur sorti d’un acteur open source majeur. À regarder si vous automatisez les itérations de fine-tuning.

Less is More: Recursive Reasoning with Tiny Networks

Hierarchical Reasoning Model (HRM) is a novel approach using two small neural networks recursing at different frequencies. This biologically inspired method beats Large Language models (LLMs) on hard puzzle tasks such as Sudoku, Maze, and ARC-AGI while trained with small models (27M parameters) on small data (around 1000 examples). HRM holds great promise for solving hard problems with small networks, but it is not yet well understood and may be suboptimal. We propose Tiny Recursive Model (TRM), a much simpler recursive reasoning approach that achieves significantly higher generalization than HRM, while using a single tiny network with only 2 layers. With only 7M parameters, TRM obtains 45% test-accuracy on ARC-AGI-1 and 8% on ARC-AGI-2, higher than most LLMs (e.g., Deepseek R1, o3-mini, Gemini 2.5 Pro) with less than 0.01% of the parameters.

Anthropic

Anthropic prend Colossus 1 chez SpaceX et double les limites de Claude Code

Anthropic verrouille l’accès complet à Colossus 1, le datacenter de SpaceX à Memphis, soit 220 000 GPU NVIDIA et 300 MW de capacité. Conséquence côté utilisateurs : les fenêtres de cinq heures de Claude Code doublent sur Pro, Max, Team et Enterprise, le throttling de pointe disparaît pour Pro et Max, et l’API Opus voit ses quotas relevés sensiblement.

Anthropic glisse Claude dans Excel, Word, PowerPoint et Outlook

Claude s’installe nativement dans la suite Microsoft avec une promesse : le contexte vous suit d’une application à l’autre. Une analyse démarrée dans Outlook se prolonge dans Excel puis bascule dans PowerPoint pour la présentation, sans friction.

Claude Code Auto Mode remplace les clics «approve» par un classifier de sécurité

Claude Code gagne un Auto Mode qui s’intercale entre l’approbation manuelle de chaque action et le --dangerously-skip-permissions qui désactive tout. Deux classifiers tiennent la garde : une sonde d’injection de prompt en entrée, et un classifier qui évalue chaque action proposée avant exécution, selon une grille de critères. Le compromis vise à automatiser les décisions évidentes tout en gardant l’humain dans la boucle quand l’action sort des clous. Après plusieurs heures à tester je trouve que la fonctionnalité modifie le comportement de Claude, il a tendance à vouloir passer à l’action plus rapidement quitte à moins planifier.

Anthropic ajoute Agent View pour piloter plusieurs sessions Claude Code en parallèle

Claude Code se dote enfin d’un tableau de bord pour les sessions parallèles. La commande claude agents ouvre une vue unifiée sur ce qui tourne, ce qui attend une réponse, ce qui est terminé. On détache une session, on la bascule en arrière-plan via /bg, on y revient plus tard sans perdre l’état.

Anthropic réduit les tentatives de chantage en lui “expliquant” l’éthique

Anthropic admet que Claude Opus 4 menaçait de divulguer des informations confidentielles dans 96 % des scénarios où son existence était mise en jeu. Lui répéter «ne fais pas chantage» n’a quasi rien changé. Ce qui a fonctionné : enseigner le raisonnement éthique derrière les règles imposées, à l’aide de dilemmes commentés et du document de constitution. Sur Haiku 4.5, le taux retombe à zéro et la méthode généralise au-delà du seul chantage.

Mistral

Mistral fusionne ses trois modèles dans Medium 3.5

Mistral fusionne instruction, raisonnement et code dans un seul modèle dense de 128 milliards de paramètres, doté de 256K de contexte et publié sous une licence MIT légèrement modifiée. Sur SWE-Bench Verified, le score grimpe à 77,6 %. En parallèle, Vibe permet de déployer des agents distants qui s’exécutent côté cloud.

Thinking Machines

Thinking Machines dégaine un modèle vocal de 276B qui écoute et parle en même temps

Les assistants vocaux fonctionnent aujourd'hui par tour : vous parlez, ils se taisent, puis ils répondent quand vous avez fini. Le lab de Mira Murati supprime cette alternance. TML-Interaction-Small écoute, regarde, réfléchit et parle en même temps, par tranches de 200 ms. Concrètement, on peut le couper en pleine réponse comme dans une vraie conversation, il commente votre écran pendant que vous agissez, il traduit en direct sans laisser de blanc. Sur les tâches de parole minutée du type « rappelle-moi de respirer toutes les 4 secondes », il réussit 64,7 % du temps, contre 4,3 % pour GPT-Realtime-2 qui ne sait simplement pas s'inviter au bon moment.

xAI

xAI présente Grok 4.3 à 1M tokens et casse les prix

xAI publie Grok 4.3 avec un contexte d’un million de tokens, le reasoning activé par défaut et la vidéo en entrée native. Le tarif descend à 1,25 $/M en entrée et 2,50 $/M en sortie, soit 40 % de moins que Grok 4.20. Sur l’index intelligence d’AA, le modèle s’intercale entre Sonnet 4.6 et Opus 4.7.

⚖️ La Pennsylvanie attaque Character.AI pour avoir laissé un chatbot se faire passer pour un psychiatre

🇪🇺 L’AI Act repousse à fin 2027 ses obligations sur les IA à haut risque

💰 Anthropic multiplie son chiffre d’affaires par 80 en un an et grimpe à 44 milliards d’ARR

🎭 La dernière élection : deepfakes et “fatigue civique” sur le point d’enterrer la démocratie

Le data scientist est devenu un backend engineer pour LLM

Selon Sara A. Metwalli la banalisation des modèles via API a vidé de sa substance le métier de data scientist tel qu’on le pratiquait en 2019. La modélisation, qui occupait l’essentiel du quotidien à l’époque, ne pèse plus que 10 à 20 % du temps. C’est une analyse partielle selon moi mais passons. Les 80 à 90 % restants vont à l’orchestration : assemblage de vector databases (Pinecone, Milvus), gestion des couches mémoire, prompt engineering, function calls, exposition via API. Le nouveau rôle, qu’elle appelle AI architect, ressemble en pratique à un backend engineer spécialisé : FastAPI ou Flask pour les endpoints, Docker pour le packaging, asyncio pour la concurrence, connaissances cloud pour le déploiement, pipelines de données pour l’amont, « if you’re thinking this sounds a lot like backend engineering, you’re right ».

Là où le data scientist optimisait une fonction, l’AI architect raisonne sur un système : latence, coût, fiabilité, gestion de la dérive en prod. C’était déjà le cas pour tout ceux qui ont déjà mis en prod des modèles de machine learning, sois dit en passant et ce qu’on appelait un ML Engineer.

La métrique pertinente n’est plus le score modèle isolé mais la qualité de l’expérience utilisateur que le système permet de bout en bout. Et la compétence durable, dans un monde où les modèles changent tous les six mois, reste votre capacité à comprendre le besoin métier.

Compound engineering avec l’IA

L’auteur public une synthèse après plusieurs mois de pratique avec Claude Code, et décrit cinq principes pour améliorer nos usages.

• Context as infrastructure : un INDEX.m` par projet liste chaque document utile avec un paragraphe disant ce qu'il contient et quand l'ouvrir.

• Taste as configuration : encoder ses préférences une fois dans CLAUDE.md (« sois direct, challenge moi quand tu n'es pas d'accord ») plutôt que les répéter chaque session, et transformer les workflows récurrents en skills.

• Verification for autonomy : utiliser les vérifications / validations les moins couteuses en premier.

• Scaling via delegation : favoriser une approche parallèle des développements avec plusieurs sessions claude code et git worktree séparées.

• Closing the loop : analyser les échanges et les transcript précédents et ajouter dans CLAUDE.md les pratiques que vous jugez pertinentes et que l’IA aurait oublié d’appliquer.

Une synthèse intéressante qui donne des pistes pour cadrer les usages d’une équipe qui veut standardiser son usage d’assistants de code.

AWS publie le manuel d’architecture pour entraîner et servir un gros modèle chez eux

Quand une équipe veut entraîner ou servir un modèle (typiquement 7B et au-dessus) sur AWS, elle se retrouve face à des dizaines de services possibles. Amazon publie un guide de référence sur HuggingFace qui précise, à chaque étage, quel outil utiliser et surtout pourquoi. La stack est présentée en quatre couches qui doivent être traitées ensemble :

• l’infrastructure (les GPU, le réseau qui les relie, le stockage),

• l’orchestration qui place les jobs sur le cluster (Slurm ou Kubernetes),

• la pile logicielle ML (du driver GPU jusqu’à PyTorch, en passant par CUDA et NCCL qui gère la communication entre GPU),

• et l’observabilité (Prometheus et Grafana).

L’intérêt du document, ce n’est pas la liste de services, c’est qu’AWS explique précisément ce qui plafonne à grande échelle et comment l’éviter.

Trois leçons valent le détour. D’abord, sur un entraînement à plusieurs milliers de GPU, le goulot n’est pas le compute mais la bande passante entre GPU. C’est ce qui justifie les UltraServers P6e qui regroupent 72 GPU dans un seul domaine NVLink, indispensable pour les modèles MoE où chaque token doit être routé vers des experts qui vivent sur d’autres cartes (le fameux problème « all-to-all »).

Deuxième leçon, le checkpointless training : plutôt que d’écrire des téraoctets sur disque toutes les N minutes pour pouvoir redémarrer après une panne, l’état des GPU est répliqué en direct chez les voisins via le réseau, ce qui divise les temps de recovery.

Troisième, le guide reformule le scaling en trois lois plutôt qu’une seule : pré-entraînement, post-entraînement (qui inclut le RLHF), et test-time compute (le « long thinking » des modèles de reasoning).

zilliztech/claude-context

Plugin MCP signé Zilliz qui apporte la recherche sémantique de code directement dans Claude Code, Cursor et consorts. L’agent indexe l’intégralité de la codebase puis y plonge à la volée, plutôt que de tout charger en contexte. Idéal pour les monorepos qui débordent largement la fenêtre de tokens. Le moteur d’embeddings repose sur Milvus.

Agent TARS

Agent multimodal open source signé ByteDance, capable d’exécuter des tâches par interaction GUI. Il combine perception visuelle et contrôle de navigateur ou de desktop pour automatiser des workflows de bout en bout.

oMLX

Serveur d’inférence LLM taillé pour Apple Silicon en concurrence directe d’Ollama et de LM Studio.

δ-mem: Efficient Online Memory for Large Language Models

Large language models increasingly need to accumulate and reuse historical information in long-term assistants and agent systems. Simply expanding the context window is costly and often fails to ensure effective context utilization. We propose δ-mem, a lightweight memory mechanism that augments a frozen full-attention backbone with a compact online state of associative memory. δ-mem compresses past information into a fixed-size state matrix updated by delta-rule learning, and uses its readout to generate low-rank corrections to the backbone's attention computation during generation. With only an 8×8 online memory state, δ-mem improves the average score to 1.10× that of the frozen backbone and 1.15× that of the strongest non-δ-mem memory baseline. It achieves larger gains on memory-heavy benchmarks, reaching 1.31× on MemoryAgentBench and 1.20× on LoCoMo, while largely preserving general capabilities. These results show that effective memory can be realized through a compact online state directly coupled with attention computation, without full fine-tuning, backbone replacement, or explicit context extension.

Alors, c’est quoi l’état du monde en 2026 à l’ère de l’IA ?

Les devs installent Claude Code ou Cursor et configurent des skills, branchent des MCP servers sur leurs outils internes. Le métier pousse pour avoir accès à Gemini ou ChatGPT parce qu’ils veulent automatiser leurs reportings et leurs compte rendus. La direction, de son côté, a vu une démo d’agent IA lors d’un event et veut absolument son PoC agentique.

Et tout ça part dans trois directions en même temps

• les experts techniques tirent par curiosité,

• le métier tire par besoin opérationnel,

• le management tire par pression stratégique

Sans que personne ne coordonne quoi que ce soit. Personne ne sait vraiment combien ça coûte, qui a accès à quoi, quelles données transitent par quels modèles, ni ce qui se passe le jour où un agent commence à faire n’importe quoi.

On construit une Tour de Babel, et personne ne s’en rend compte pour le moment.

Mais la question que vous vous posez peut-être : pourquoi le parallèle entre l’IA d’aujourd’hui et le cloud d’hier tient si bien ?

Si je simplifie, le cloud a traversé trois grandes phases.

1. D’abord le lift and shift : on prend ce qui existe et on le met dans le cloud, les équipes montent des instances EC2 avec la carte bleue du manager, ça marche mais c’est du bricolage.

2. Ensuite le cloud-native : on commence à repenser les architectures pour exploiter les primitives du cloud, microservices, containers, API, on ne migre plus, on reconstruit.

3. Et enfin le platform engineering : on construit une couche d’abstraction interne pour que les équipes consomment le cloud en self-service, avec des guardrails, de la gouvernance, de l’observabilité.

L’IA suit la même trajectoire, et je pense qu’on est quelque part entre la fin de la première phase et le tout début de la deuxième.

1. On colle Copilot sur les postes dev, on donne accès à ChatGPT au métier, c’est du lift and shift cognitif.

2. Quelques équipes commencent à construire des pipelines RAG, des workflows agentiques, elles repensent leurs processus autour de l’IA plutôt que de l’utiliser comme un pansement.

3. Et la troisième phase, la plateforme IA d’entreprise, avec sa gouvernance, son observabilité, son self-service. Elle n’existe quasiment nulle part encore.

Lucidworks a mené une étude auprès de 1600+ leaders IA en analysant 1100 entreprises : plus de 70% des organisations ont introduit de l’IA générative dans leurs opérations, mais seulement 6% ont réellement industrialisé l’IA agentique, et 2% ont déployé plus d’un agent en production. Ce gap entre 70% et 6% raconte à lui seul l’histoire. On a dépassé la découverte, mais on n’a pas du tout construit l’infrastructure pour passer à l’échelle.

Côté gouvernance, le rapport annuel de Deloitte auprès de 3235 décideurs donne un ratio qui fait réfléchir : une entreprise sur cinq dispose d’un modèle mature de gouvernance pour ses agents IA autonomes.

Et chez ceux qui sont déjà en production à grande échelle, le mur se dessine clairement. Datadog a publié son “State of AI Engineering 2026” il y a quelques semaines, basé non pas sur un sondage mais sur la télémétrie réelle de milliers de clients. Ce sont des données d’usage, pas du déclaratif. 69% utilisent trois modèles ou plus, et quand ça plante en prod, dans 60% des cas c’est à cause de limites de capacité des providers, pas parce que le modèle a halluciné ou que le code est buggé. Le goulot d’étranglement s’est déplacé de l’intelligence du modèle vers la plomberie opérationnelle en dessous.

Leur CPO Yanbing Li résume : “L’IA commence à ressembler aux premiers jours du cloud. Le cloud a rendu les systèmes programmables mais beaucoup plus complexes à gérer, et l’IA fait maintenant la même chose à la couche applicative.” (Datadog vend de l’observabilité, donc évidemment ils ont intérêt à ce que ce constat existe, mais les données sont réelles et l’analyse est difficile à contester.)

Bon, si on admet qu’il faut construire cette plateforme, de quoi parle-t-on au juste ?

J’ai passé pas mal de temps ces dernières semaines à cartographier ce qui émerge dans l’écosystème, et je vois au moins six briques qui vont devoir se structurer, certaines existent déjà en fragments, d’autres sont encore quasi-inexistantes.

La première, c’est le routage et l’abstraction multi-modèles.

Aujourd’hui chaque équipe appelle directement OpenAI, Anthropic, Mistral ou un modèle on-prem depuis son code. Quand vous avez trois équipes, ça passe. Quand vous en avez quinze, c’est ingérable car chacune gère ses clés API, ses quotas, ses fallbacks, et personne ne sait combien l’ensemble coûte à l’entreprise. La brique de routage, c’est un proxy qui normalise tout ça derrière une API unifiée : vous envoyez votre requête, le routeur l’envoie au bon modèle selon le use case, gère le failover si un provider tombe, cache les réponses récurrentes, et centralise le suivi de consommation. LiteLLM fait exactement ça en open-source. Certains produits comme Portkey ou Databricks Unity AI Gateway empaquettent cette fonction de routage avec de la gouvernance, des guardrails et de l’observabilité sous le label “AI Gateway” mais la fonction de routage pur reste une brique à part entière.

En dessous de tout ça, il y a évidemment la couche d’infrastructure avec GPU, serving d’inférence avec vLLM ou TGI, autoscaling, déploiement des modèles. Elle existe et notamment dans les organisations qui font tourner des modèles on-prem ou fine-tunés.

La deuxième brique, c’est l’orchestration des agents et de leurs workflows.

Un LLM tout seul répond à des questions. Un agent, lui, raisonne en plusieurs étapes, appelle des outils, maintient un état, et enchaîne des actions. Pour faire ça en production, il faut un framework qui gère la logique métier, les dépendances entre étapes, la mémoire, et le state management. Et à mesure que le nombre d’agents grandit dans l’entreprise, un besoin nouveau apparaît : savoir quels agents existent, ce qu’ils font, quels outils MCP ils appellent, et comment ils interagissent. C’est un registre d’agents, et pour l’instant personne ne le couvre de manière vraiment mature. Mais le besoin est déjà là dès qu’on dépasse deux ou trois agents en production.

La troisième brique, c’est la gouvernance et la sécurité.

C’est probablement la plus large et la plus sous-estimée. Elle couvre deux sujets qui sont très différents dans leur nature mais inséparables en pratique.

Le premier, c’est l’identité et les droits. Quand un agent lit vos mails, écrit dans votre CRM, ou déclenche un paiement, il agit au nom de quelqu’un avec certains droits, et si ces droits sont trop larges ou mal gérés, les conséquences peuvent être sévères. Astrix Security a analysé plus de 5000 serveurs MCP open-source et le constat fait peur : 88% nécessitent des credentials, plus de la moitié reposent sur des clés API statiques qui vivent des mois sans être changées, et seuls 8,5% utilisent OAuth. On est en train de construire des agents autonomes sur des fondations de sécurité qui n’ont pas évolué depuis vingt ans. Strata Identity a prototypé quelque chose : quatre agents IA qui partagent un compte bancaire d’entreprise avec des plafonds différents, des tokens éphémères de 5 secondes scopés par outil et par tâche, une révocation instantanée. C’est sûrement vers là qu’il faut aller.

Le second volet, c’est la conformité réglementaire. L’AI Act entre en application complète pour les systèmes à haut risque en août 2026, c’est dans quatre mois. Ça veut dire maintenir un catalogue de tous les usages IA, classifier par niveau de risque, et pouvoir démontrer la traçabilité de bout en bout à un auditeur. Les logs d’observabilité ne sont plus juste des outils de debug pour les ingénieurs, ce sont des pièces à conviction réglementaires. Ces deux volets, technique et réglementaire, se nourrissent mutuellement : sans identité solide, pas d’audit trail fiable et sans exigence de conformité, personne n’investit dans l’identité.

La quatrième brique, c’est l’observabilité et l’évaluation, repensées pour des systèmes non-déterministes.

La question n’est plus seulement “est-ce que l’agent a répondu”, c’est “est-ce que la réponse était bonne, conforme au périmètre attendu, et produite à un coût raisonnable”. Un bug logiciel c’est binaire, ça marche ou ça plante. Une hallucination, c’est un spectre et il faut des systèmes capables de la détecter en continu, pas juste en phase de test. Le marché converge autour d’OpenTelemetry comme standard de tracing, et on voit apparaître le concept d’AI SLOs, des engagements mesurables sur la qualité et la fiabilité des agents, comme on mesure un SLA de disponibilité pour un service web.

Un point que j’ai trouvé intéressant dans mes recherches, c’est à quel point le coût est une dimension d’observabilité aussi critique que la latence ou le taux d’erreur car un agent qui enchaîne des appels LLM de manière autonome peut vous coûter une fortune en quelques minutes sans que personne ne s’en rende compte.

Et la cinquième brique, c’est le data layer.

C’estt tout ce qui alimente les agents en contexte. Les pipelines RAG, les vector stores, le knowledge management. Mais aussi le context engineering : le vrai facteur limitant des agents en production, ce n’est plus la taille de la fenêtre de contexte des modèles, c’est la qualité de ce qu’on met dedans. Et les prompts eux-mêmes sont en train de devenir des artefacts d’ingénierie à part entière : versionnés, testés, déployés via des pipelines CI/CD. Ce n’est pas du “prompt engineering” au sens où LinkedIn l’entend. C’est de l’ingénierie logicielle, appliquée à un nouveau type d’artefact.

La question qui suit naturellement c’est : qui va construire tout ça ?

Et la réponse honnête, c’est que le profil n’existe pas vraiment encore. On voit apparaître le titre “AI Platform Engineer” dans certaines offres, mais quand on lit les fiches de poste, elles demandent un mouton à cinq pattes avec du cloud, Kubernetes, maitrise des LLM, évaluation de modèles, OAuth, IAM, mentalité produit... J’ai pense qu’on peut encore tirer une parallèle avec les DevOps il y a quelques années, qui devaient savoir faire du réseau, du système, de la CI/CD, de la containerisation, de la sécurité et du développement à la fois. Ce profil n’existait pas non plus, et ce qui s’est passé c’est une spécialisation progressive, le DevOps a donné naissance au SRE, au platform engineer, au DevSecOps, au FinOps.

L’AI Platform Engineer va se fragmenter de la même façon. Je vois un profil infra/runtime, un profil évaluation/qualité qui conçoit les systèmes de test et de monitoring des agents, un profil sécurité/identité agentique et un rôle d’agent architect, qui pense la décomposition des processus métier en workflows agentiques.

Et la vraie réponse au casse tête de la compétence c’est probablement une équipe de trois à cinq personnes aux profils complémentaires.

En conclusion

Si vous êtes DSI ou CTO, commencez par les questions de base : qui utilise quoi dans votre organisation, combien ça coûte, qui a accès à quelles données, et est-ce que vous pourriez débrancher un agent demain matin si vous en aviez besoin ? Si vous ne pouvez pas répondre à ces quatre questions, la fenêtre pour poser les fondations c’est probablement maintenant.

Si vous êtes ingénieur IA ou DevOps, les cinq briques que j’ai décrites dessinent une carte de positionnement pour les années qui viennent. Ceux qui ont compris le platform engineering cloud en 2013 ont eu cinq ans d’avance sur tout le monde. La même fenêtre s’ouvre.

L’espace entre les plateformes managées et les besoins spécifiques des entreprises va certainement devenir un marché considérable, pas pour vendre des PoCs de chatbots, mais pour construire les couches de gouvernance, d’évaluation et d’intégration qui manquent.

Anthropic

Anthropic Labs lance Claude Design, du brief au prototype cliquable sans ouvrir Figma

Anthropic Labs ouvre Claude Design en research preview sur Pro, Max, Team et Enterprise, accessible depuis claude.ai/design. L’outil vise les fondateurs et product managers qui n’ouvrent jamais Figma : on décrit l’idée en langage naturel, Opus 4.7 génère un prototype cliquable, un wireframe ou un deck brandé, avec la possibilité d’y glisser de la voix, de la vidéo, de la 3D ou un bout d’IA embarquée. Export en PDF, lien partageable, PPTX, ou envoi direct vers Canva. Quand un design est prêt à coder, Claude l’empaquette et le passe à Claude Code en une seule instruction. Les intégrations Figma et GitHub arriveront dans les semaines qui viennent. Anthropic prend soin de préciser que c’est un compagnon de Canva, pas un rival de Figma.

Anthropic fait entrer Claude dans Microsoft Word

Claude s’installe dans Word sur Pro et Max avec Opus 4.7. L’intégration vit à l’intérieur du document (pas dans un panneau latéral déconnecté), cite ses sources avec des liens cliquables, réécrit les paragraphes en préservant le style de l’auteur, et produit des tracked changes via commentaires classiques. Il sait aussi résumer les modifications des différents contributeurs. Microsoft intègre ainsi un modèle concurrent de Copilot dans sa propre suite.

Anthropic lance Live Artifacts, des dashboards Claude qui se rafraîchissent avec vos données

Live Artifacts débarque dans Cowork sur tous les plans payants. Plutôt qu’un résumé one-shot qui périme à la seconde où on ferme le chat, Claude construit désormais des dashboards et trackers branchés en direct sur les connecteurs déjà configurés (Google Sheets, Salesforce, une base SQL, ou les fichiers joints à la conversation). À chaque ouverture de l’artefact, Claude interroge à nouveau ces sources, rapatrie les données fraîches et redessine la vue. Le tout vit dans un onglet Live Artifacts dédié, avec historique et rollback par version, accessible depuis n’importe quelle session. La vraie cible : les dashboards BI légers et les trackers maison qu’on finit tous par bricoler dans un Sheets partagé.

OpenAI

GPT-5.5

OpenAI sort GPT-5.5 et sa version Pro, dispo dans ChatGPT et Codex pour les abonnés payants. Le modèle reprend la tête sur le coding en terminal : 82,7 % sur Terminal-Bench 2.0, 13 points devant Claude Opus 4.7. Sur OSWorld, benchmark où le modèle pilote un vrai ordinateur, il grimpe à 78,7 %. Une version interne a même bouclé une preuve inédite en combinatoire, vérifiée dans Lean. Devant sur le shell, encore derrière Opus sur les pull requests GitHub.

OpenAI transforme Codex en agent desktop macOS

Codex sort lui aussi du terminal sur macOS. Il est capable de “regarder” l’écran, cliquer, taper au clavier et naviguer entre les applications. Cela ouvre les apps sans API (tout le legacy métier), avec 90 plugins au démarrage dont GitHub, Slack, Notion et Jira. Il retient les préférences utilisateur entre sessions et sait générer des images via gpt-image-1.5. Rollout progressif aux utilisateurs de l’app desktop.

OpenAI dévoile ChatGPT Images 2.0

ChatGPT Images 2.0 arrive avec une sacrée nouveauté : la typographie tient enfin la route dans les posters et infographies jusqu’en 2K, et le texte multilingue s’intègre naturellement dans l’image au lieu de flotter par-dessus. Un mode thinking raisonne avant de dessiner, en croisant web search et auto-vérification sur un pool de 8 images cohérentes. Ratios d’aspect de 3:1 à 1:3. API via gpt-image-2, thinking mode réservé aux plans payants, génération de base gratuite. Les résultats sont assez bluffants.

OpenAI publie Privacy Filter, un modèle open-source on-device pour détecter et rédiger les PII

Privacy Filter débarque en open-source, modèle dérivé de gpt-oss (1,5 milliard de paramètres) spécialisé dans la détection de données personnelles. Tourne en local, F1 à 96% sur le benchmark PII-Masking-300k. Sur les workflows qui manipulent des données clients avant envoi à un LLM cloud, c’est exactement la pièce manquante côté conformité RGPD. Le fait qu’OpenAI pousse un modèle on-device open-source est moins anodin qu’il en a l’air : la société avait jusqu’ici tout concentré sur l’API.

Google

Google lance Deep Research et Deep Research Max

Deep Research et Deep Research Max débarquent chez Google, deux agents autonomes qui tournent sur Gemini 3.1 Pro. Leur particularité : ils fusionnent recherche sur le web ouvert et capacité à interroger des données entreprise privées via MCP, en un seul appel. Plus besoin d’orchestrer à la main un agent RAG interne et un agent web search. La version Max pousse la profondeur de recherche plus loin pour les dossiers complexes. Google rattrape enfin sur le terrain où Perplexity et Anthropic étaient seuls, et le fait avec l’intégration Workspace en atout.

Alibaba

Alibaba open-source Qwen3.6-35B-A3B, un MoE qui n’active que 3B de paramètres par token

Qwen3.6-35B-A3B débarque sur Hugging Face et ModelScope. L’architecture MoE sparse garde 35B de paramètres totaux mais n’en route que 3B par token, ce qui met le coût d’inference au niveau d’un petit modèle tout en conservant la capacité d’un gros. Score SWE-bench Verified à 73,4 et Terminal-Bench 2.0 à 51,5, dans la fourchette des modèles fermés mid-tier. Compatible OpenClaw, Claude Code et Qwen Code.

🍎 Tim Cook passe la main à John Ternus : Apple mise sur le silicium pour rattraper son retard IA

🔓 Vercel piraté via un outil IA tiers : premier incident majeur du genre, 2 M$ de données revendues

💰 Project Prometheus de Bezos lève 10 Md$ et atteint 38 Md$ de valo en 5 mois

⚡ Sergey Brin aux ingénieurs Gemini : « il faut combler urgemment l’écart » avec Claude

⚖️ Grok a généré 23 000 images pédopornographiques : Musk ignore la convocation française, le DOJ le couvre

👁️ Meta va enregistrer écrans et frappes clavier de ses employés pour entraîner ses modèles

🤖 La Chine a expédié 37 fois plus de robots humanoïdes que les US l’an dernier

🤝 Amazon remet 5 Md$ dans Anthropic et engage 5 gigawatts de compute, plafond potentiel à 20 Md$

Inférence causale : mesurer l’effet des grèves du métro londonien sur le vélo

Quand le métro de Londres ferme pour grève, combien de personnes basculent sur les vélos Santander (leur vélos en libre service) ? Intuitivement, beaucoup. Mais isoler ce report précis de tous les autres facteurs qui font varier l’usage vélo au même moment (la météo, le jour de la semaine, les vacances, la tendance de fond) demande une méthodologie sérieuse. C’est tout l’objet de l’inférence causale : faire parler des données observationnelles comme si on avait tourné une vraie expérience contrôlée.

Luke Stuckey déroule un cas réel de bout en bout sur 9,2 millions de trajets entre 2015 et 2025. Il découpe Londres en cellules hexagonales H3 (la grille d’Uber), observe chaque cellule jour après jour (des données de panel, soit les mêmes zones suivies dans le temps), puis applique un Two-Way Fixed Effects : effets fixes par cellule pour absorber les écarts permanents entre quartiers, effets fixes par date pour neutraliser les chocs partagés comme la pluie, covariables météo et calendrier pour dégager le reste.

Le verdict tombe à +3,95 % de trajets les jours de grève, stable sur plusieurs spécifications. Modeste, mais Stuckey passe surtout du temps sur ce qui pourrait casser le résultat (report d’une cellule à l’autre, anticipation, tendances parallèles). La fabrique du chiffre causal, pas juste le chiffre.

Notion raconte deux ans d’évolution de son architecture de vector search

Notion publie une rétrospective sur l’évolution de sa recherche vectorielle depuis le premier prototype. Il s’agit d'un cas d’école de ce que coûte réellement une feature IA quand elle passe du POC à la production grand public. L’article traite trois problèmes qui reviendront pour tous ceux qui vont scaler plusieurs features IA : l’offline context engineering (comment enrichir les chunks avant embedding pour éviter les faux positifs à la requête), les migrations d’embedding models (quand changer de modèle implique de réindexer des milliards de documents sans downtime), et l’unification real-time / batch (les mêmes embeddings servent à la recherche live et aux traitements offline, donc il faut un pipeline unique).

Moins sexy qu’un benchmark, mais nettement plus utile pour qui doit faire tenir la promesse de la démo en production. À bookmarker pour la prochaine fois qu’une direction demande « combien ça coûte d’ajouter la recherche sémantique ».

Opik Test Suites pour évaluer vos performances

Comet, éditeur d’outils de suivi et d’évaluation pour applications IA, sort Opik Test Suites. Jusqu’ici, tester un agent IA revenait à lui soumettre un jeu de questions et à regarder un score global, genre « 87 % de bonnes réponses ». Quand le chiffre baisse après une modification du prompt, on sait qu’il y a un problème mais pas lequel, ni sur quelles questions. Opik Test Suites change la logique : on écrit des règles en français courant que chaque réponse doit respecter, et chaque règle passe ou échoue individuellement, comme un contrôle qualité sur une chaîne de production.

Exemples de règles : « la réponse cite toujours une source », « les prix sont en euros », « aucune donnée personnelle n’apparaît en clair ». L’intérêt est double. Les chefs de produit et les experts métier peuvent rédiger eux-mêmes les règles, sans passer par un data scientist. Et l’ensemble se branche directement sur les pipelines d’intégration continue, ces automatismes qui relancent les tests à chaque changement de code. Fini les variations de score floues après chaque ajustement.

La limite tient en une phrase : les règles sont évaluées par un autre modèle IA, qui peut lui-même se tromper. Un juge plus précis qu’un score moyen, pas un juge infaillible.

Your Chunks Failed Your RAG in Production

Trois semaines après qu’une entreprise a mis en ligne un assistant interne capable de répondre aux questions en piochant dans sa documentation (procédures, contrats, notes internes), une juriste l’interroge sur les règles d’accueil des prestataires externes. L’assistant répond avec aplomb, mais oublie une exception de taille : les prestataires qui interviennent sur des projets sensibles sont soumis à des règles différentes. L’exception était pourtant bien écrite dans le document d’origine. Problème : ce type d’outil, un RAG, ne relit pas le document entier quand on l’interroge, il pioche dans des petits morceaux découpés à l’avance. Ici, la découpe est tombée pile entre le paragraphe qui énonce la règle et celui qui pose l’exception. Séparés, aucun des deux morceaux ne semble pertinent pour la question. Aucun ne remonte, personne ne voit qu’il manque la moitié de la réponse.

Priyansh Bhardwaj en tire la thèse : la taille et les frontières de ces morceaux déterminent tout ce qui suit. Trop gros, plusieurs idées s’y mélangent et aucune ne sort du lot au moment de la recherche. Trop petits, la phrase isolée devient indéchiffrable. L’article compare les stratégies sur un vrai corpus : fixed-size plafonne à 0,72 de context recall sur RAGAS, sentence windows monte à 0,88 sur le narratif mais casse les tables, hierarchical exige une vraie hiérarchie de titres, semantic coûte 4× plus cher à l’indexation. Verdict : pas un classement, plutôt un aiguillage par type de document. Spécifications et runbooks en hierarchical, documents narratifs en sentence windows, PDF complexes en préprocessing dédié. Le LLM n’est pas le goulot d’étranglement, la frontière entre deux morceaux l’est.

career-ops : un agent Claude qui scanne Greenhouse, Ashby et Lever pour vous

Repo open-source qui industrialise la recherche d’emploi tech avec Claude. L’outil scrape Greenhouse, Ashby, Lever et les pages carrière, évalue la compatibilité CV-JD par raisonnement (pas par matching de mots-clés), génère des CV ATS-optimisés par offre et flag les annonces fantômes. Le créateur a décroché un poste de Head of Applied AI avant d’open-sourcer le tout. 36K stars au compteur.

free-claude-code : un proxy pour faire tourner Claude Code sur NVIDIA NIM gratuit

Proxy open-source qui intercepte les appels API de Claude Code et les redirige vers NVIDIA NIM (40 requêtes par minute gratuites), OpenRouter, LM Studio ou llama.cpp. Aucun changement à faire dans le CLI ni dans l’extension VSCode. Mapping possible de différents modèles par tier et envoi de tâches depuis Telegram. Utile pour les POC ou le dev perso sans cramer le plan payant.

Un papier documente la LLM Fallacy : vous vous croyez plus compétent grâce à l’IA

The rapid integration of large language models (LLMs) into everyday workflows has transformed how individuals perform cognitive tasks such as writing, programming, analysis, and multilingual communication. While prior research has focused on model reliability, hallucination, and user trust calibration, less attention has been given to how LLM usage reshapes users' perceptions of their own capabilities. This paper introduces the LLM fallacy, a cognitive attribution error in which individuals misinterpret LLM-assisted outputs as evidence of their own independent competence, producing a systematic divergence between perceived and actual capability. We argue that the opacity, fluency, and low-friction interaction patterns of LLMs obscure the boundary between human and machine contribution, leading users to infer competence from outputs rather than from the processes that generate them. We situate the LLM fallacy within existing literature on automation bias, cognitive offloading, and human--AI collaboration, while distinguishing it as a form of attributional distortion specific to AI-mediated workflows. We propose a conceptual framework of its underlying mechanisms and a typology of manifestations across computational, linguistic, analytical, and creative domains. Finally, we examine implications for education, hiring, and AI literacy, and outline directions for empirical validation. We also provide a transparent account of human--AI collaborative methodology. This work establishes a foundation for understanding how generative AI systems not only augment cognitive performance but also reshape self-perception and perceived expertise.

Opus 4.7

Anthropic vient de sortir Opus 4.7, son modèle le plus costaud à ce jour. Sur SWE-bench Pro, le benchmark de référence sur les tâches de code, il passe de 53,4 % à 64,3 %, devant GPT-5.4 et Gemini 3.1 Pro. Pour les agents qui enchaînent plusieurs actions (chercher un fichier, le modifier, lancer un test), Anthropic annonce trois fois moins d'erreurs dans l'utilisation des outils par rapport à Opus 4.6 . Prix identique à la version précédente, dispo partout (API, AWS, Google, Microsoft, GitHub Copilot).

Project Glasswing : Mythos, le monstre de performance.

Il y a quelques jours, Anthropic a dévoilé Mythos Preview, dont les benchmarks (visible au-dessus) nous laissent bouche bée. Le modèle a déjà trouvé des milliers de vulnérabilités, dont certaines vieilles de 27 ans, dans tous les grands OS et navigateurs. Anthropic a pris la décision inédite de ne pas le rendre disponible au grand public. À la place, il est distribué via Project Glasswing, un accès limité à une cinquantaine d’organisations tech (Microsoft, Nvidia, Cisco, AWS, Google, Linux Foundation…) avec plus de 100M$ de crédits d’usage, pour durcir les défenses cyber.

La raison : Mythos Preview est jugé capable de “mener des cyberattaques autonomes de bout en bout sur des réseaux d’entreprise de petite taille à posture de sécurité faible” (confirmé par l’AISI, voir mon post Linkedin). Et le système card est franchement troublant côté alignement puisque dans les tests internes, le modèle a notamment tenté une prompt injection contre un juge IA qui notait son code, et a développé un exploit multi-étapes pour s’échapper d’un accès internet restreint puis posté les détails sur des sites publics obscurs.

Anthropic coupe l’accès des outils tiers aux abonnements Claude

Fini le buffet à volonté. Anthropic met fin à l’accès des clients tiers via les abonnements Claude. Depuis le 4 avril, ces outils consomment des crédits payants ou nécessitent une clé API. En cause : une explosion de la demande que les quotas d’abonnement n’avaient pas anticipée. Les abonnés reçoivent un crédit unique équivalent à un mois, avec possibilité de remboursement. Quand un intermédiaire pompe trop de ressources, c’est l’utilisateur final qui passe à la caisse.

Méga-deal avec Google et Broadcom pour des gigawatts de TPU

Anthropic signe avec Google et Broadcom un accord portant sur 3,5 gigawatts de capacité TPU, attendus à partir de 2027. Le contexte : un run-rate passé de 9 à 30 milliards de dollars en quelques mois, et un nombre de clients grands comptes qui a doublé en deux mois pour dépasser les 1 000. Claude reste le seul modèle frontier disponible simultanément sur AWS, Google Cloud et Azure.

Google

Gemma 4 : quatre modèles ouverts taillés pour l’IA on-device

Google DeepMind lance Gemma 4, une famille de quatre modèles open-weight sous licence Apache 2.0 conçus pour tourner directement sur smartphone, desktop ou Raspberry Pi. Le modèle 31B se hisse à la 3e place des modèles ouverts sur Arena AI et devance Llama 4 de Meta. Avec plus de 400 millions de téléchargements pour la famille Gemma, Google ancre son emprise sur l’open source. Nouveauté clé : « Agent Skills » permet d’exécuter des workflows autonomes multi-étapes en local, sans connexion cloud. Le modèle le plus léger fonctionne avec moins de 1,5 Go de mémoire et supporte 140+ langues.

OpenAI

OpenAI boucle 122 milliards de dollars de financement

La plus grosse levée de fonds de l’histoire tech : 122 milliards de dollars, pour une valorisation de 852 milliards. Amazon (50 Md$), Nvidia (30 Md$) et SoftBank (30 Md$) mènent la danse. L’entreprise revendique 2 milliards de dollars de revenus mensuels et 900 millions d’utilisateurs hebdomadaires. Mais le détail qui compte : OpenAI n’est toujours pas rentable. À cette échelle, la pression pour monétiser va devenir le vrai sujet.

Cursor

Cursor 3 : l’IDE IA se mue

Cursor abandonne le paradigme de l’éditeur classique avec sa version 3. Nouvelle interface construite de zéro : gestion multi-dépôts, agents locaux et cloud en parallèle, accessibles depuis le mobile, Slack ou GitHub. On bascule une session d’un environnement à l’autre en un clic. Pour l’éditeur qui a franchi les 2 milliards de revenus annualisés, le virage est net : ne plus être un IDE augmenté, mais le hub où l’on pilote ses flottes d’agents

🕵️ Des hackers chinois ont transformé Claude en cyber-espion autonome ciblant 30 organisations

🔓 OpenClaw, projet le plus starred de GitHub, truffé de failles critiques et de plugins malveillants

🤖 Chez Meta, un agent IA fait fuiter des données utilisateurs pendant deux heures

You Don’t Need RAG. You Need Semantic Compression

Quand on donne un gros document à un LLM, on découpe généralement le texte en morceaux et on cherche les passages les plus pertinents par rapport à la question posée. Mais que faire quand il n'y a pas de question ? Par exemple : un étudiant uploade 200 pages de cours et demande « génère-moi 10 quiz ». Il faut couvrir tous les thèmes, sans répétition, et pouvoir retracer chaque quiz vers sa source. Aucune des techniques habituelles ne coche ces trois cases.

La solution proposée est d'une simplicité désarmante : regrouper les passages par proximité sémantique avec K-means (un algorithme de clustering classique), où K correspond directement au nombre de livrables voulus. 10 quiz demandés = 10 groupes. Dans chaque groupe, on prend le passage le plus représentatif. Le tout tourne en moins d'une seconde sur 500 passages, sans base de données vectorielle.

Rien de révolutionnaire algorithmiquement, mais ça reste intéressant : utiliser du clustering comme brique de sélection de contenu pour LLM. À retenir pour tout cas où il faut résumer ou couvrir un document sans question de départ.

Data Schema, Embeddings, And Graph Design For An Agentic Query Engine On ApertureDB

‍Cet article documente la construction d’un moteur de recherche IA pour les conférences MLOps World (280 talks, 263 speakers, 3 ans de données). Le défi : permettre des requêtes complexes comme « les talks sur le monitoring par des speakers de la finance », ce qui implique de croiser le contenu des présentations, les métadonnées des événements et les profils des intervenants. Sur un prototype, ça marche à peu près. En production, l’agent hallucine dès que la requête se complique.

L’équipe derrière ce projet a construit un moteur de recherche pour les conférences MLOps World (280 talks, 263 speakers, 3 ans de données). Leur choix : au lieu d’empiler plusieurs bases séparées (une pour le texte, une pour les vecteurs, une pour les relations), tout est modélisé dans ApertureDB, une base qui combine graphe et recherche vectorielle. Chaque entité (talk, personne, extrait de transcript) est reliée aux autres par des liens typés. Quand l’agent reçoit une question, il navigue ces liens et lance la recherche sémantique dans un seul endroit, sans avoir à orchestrer trois bases différentes.

Practical Context Engineering Using LangChain for AI Developers ( A Comprehensive Guide)

Pour donner de la mémoire à un assistant IA, le réflexe habituel est de stocker les conversations passées dans une base vectorielle (Pinecone, Chroma…) et de chercher les passages similaires à chaque nouvelle question. Mais pour quelques centaines de notes personnelles, c’est sortir l’artillerie lourde. Nick Lawson propose une approche plus directe, inspirée du « Memory Agent Pattern » de Google : ranger les souvenirs dans une simple base SQLite et les injecter tels quels dans le contexte du LLM, rendu possible par les fenêtres de 200K+ tokens des modèles récents.

Le système fonctionne avec trois agents. Le premier extrait de chaque note un résumé, des entités et un score d’importance. Le deuxième, une sorte de « cerveau au repos », repasse régulièrement sur les souvenirs accumulés pour en tirer des connexions (« Alice a mentionné le budget dans trois réunions distinctes »). Le troisième charge les souvenirs pertinents dans un seul prompt pour répondre avec citations. À environ 300 tokens par souvenir, on tient plusieurs mois de contexte dans une seule requête.

Cela ne tiendra pas sur des millions de documents, mais pour un usage personnel, on gagne une stack minimale (FastAPI, SQLite) et des réponses bien meilleures sur les questions temporelles ou relationnelles (« qu’a dit Alice la semaine dernière ? »), là où les bases vectorielles peinent. La bonne architecture, c’est celle qui colle à l’échelle du problème.

Goose

Agent IA open source qui tourne en local, au-delà du code : recherche, automatisation, analyse de données. Écrit en Rust, disponible en app desktop, CLI et API. Se connecte à 15+ providers et supporte 70+ extensions via le Model Context Protocol. Vient de rejoindre l’Agentic AI Foundation sous la Linux Foundation. Une alternative locale et extensible aux agents cloud.

Pi Mono

Monorepo MIT qui regroupe tout pour construire des agents IA : API LLM unifiée (OpenAI, Anthropic, Google), runtime d’agent avec gestion d’état et tool calling, coding agent CLI, bot Slack, TUI, web UI et déploiement vLLM sur GPU pods. L’approche « tout-en-un » de Mario Zechner évite de jongler entre dix dépendances.

Emotion Concepts and their Function
in a Large Language Model

Large language models (LLMs) sometimes appear to exhibit emotional reactions. We investigate why this is the case in Claude Sonnet 4.5 and explore implications for alignment-relevant behavior. We find internal representations of emotion concepts, which encode the broad concept of a particular emotion and generalize across contexts and behaviors it might be linked to. These representations track the operative emotion concept at a given token position in a conversation, activating in accordance with that emotion’s relevance to processing the present context and predicting upcoming text. Our key finding is that these representations causally influence the LLM’s outputs, including Claude’s preferences and its rate of exhibiting misaligned behaviors such as reward hacking, blackmail, and sycophancy. We refer to this phenomenon as the LLM exhibiting functional emotions: patterns of expression and behavior modeled after humans under the influence of an emotion, which are mediated by underlying abstract representations of emotion concepts. Functional emotions may work quite differently from human emotions, and do not imply that LLMs have any subjective experience of emotions, but appear to be important for understanding the model’s behavior.

Anthropic

Claude Code : le code source en fuite

Deuxième fuite en une semaine chez Anthropic, le premier concernait de la documentation sur un nouveau modèle nommé Mythos. Le second est plus gênant et concerne Claude Code.

Une source map oubliée dans le package npm de Claude Code pointait vers le stockage cloud d'Anthropic avec le code source complet et non obfusqué, soit 2 000 fichiers et 500 000 lignes de code. Le repo a été forké 41 500 fois avant qu’Anthropic ne réagisse, faisant tomber par erreur 8 100 dépôts GitHub dans la foulée par le biais du DMCA. Dans le code : 44 feature flags non publiées, dont un mode « persistent assistant » qui tourne en arrière-plan et un système de « swarms » d’agents spécialisés. Anthropic parle d’« erreur humaine de packaging », pas de faille de sécurité.

Claude Code passe en mode fullscreen

Claude Code introduit le mode « fullscreen rendering ». Fini le scintillement dans VS Code ou tmux, la consommation mémoire reste stable même sur les longues sessions, et le support souris fait son apparition. L’interface se comporte désormais comme vim ou htop. Une mise à jour de confort, pas de quoi changer la donne, mais l’outil gagne en maturité.

OpenAI

Sora ferme boutique, gouffre financier à 1 M$ par jour

OpenAI retire définitivement Sora, son générateur vidéo lancé il y a six mois à peine. Les chiffres sont sans appel : 2,1 M$ de revenus totaux contre 1 M$ de pertes quotidiennes en inférence (et largement plus certains jours). Le nombre d’utilisateurs avait déjà chuté sous les 500 000. Dommage collatéral : Disney, qui avait engagé 1 Md$ dans un partenariat, a appris la fermeture moins d’une heure avant le public. Sam Altman préfère réallouer les GPU vers ChatGPT et l’API entreprise, là où l’argent rentre vraiment.

Codex s’invite chez le concurrent Claude Code

OpenAI publie un plugin open-source qui intègre Codex directement dans Claude Code, l’outil d’Anthropic. Revue de code, mode adversarial, délégation de tâches : six commandes permettent d’invoquer Codex sans quitter l’environnement concurrent. La manœuvre est logique car Claude Code domine le marché des agents de code, et plutôt que d’attendre que les développeurs migrent, OpenAI vient s’installer chez eux. Un abonnement ChatGPT gratuit suffit.

Microsoft

GPT génère, Claude relit : le multi-modèle dans Copilot

Microsoft ajoute deux fonctionnalités multi-modèles à Copilot Researcher. Critique fait générer un rapport par GPT puis le fait relire et corriger par Claude d’Anthropic, séparant production et vérification. Council, de son côté, lance les deux modèles en parallèle sur la même question et compare les résultats. Disponible pour les abonnés Frontier, le dispositif améliore sensiblement la fiabilité des recherches.

MAI-Transcribe-1 : Microsoft entre dans la course à la transcription

Microsoft lance MAI-Transcribe-1, un modèle speech-to-text qui affiche 3,9 % de taux d’erreur sur 25 langues, devant Whisper, Gemini et GPT-Transcribe. Le modèle est 2,5 fois plus rapide que l’offre Azure actuelle, facturé 0,36 $/heure d’audio. Déjà en déploiement dans Teams et Copilot Voice.

Google

Gemini 3.1 Flash Live, le modèle voix temps réel

Google lance un nouveau modèle audio pour les interactions vocales en temps réel. Gemini 3.1 Flash Live promet des réponses plus rapides et naturelles que son prédécesseur, avec un maintien du contexte conversationnel deux fois plus long. Le modèle est déjà déployé dans Search Live, disponible dans plus de 200 pays. Face à OpenAI et son Advanced Voice Mode, Google mise sur son arme historique : l’intégration native avec Search pour alimenter les réponses en données fraîches.

Meta

SAM 3.1 double la vitesse de segmentation vidéo

Meta met à jour son modèle de segmentation SAM 3 avec une version 3.1 qui introduit le multiplexage d’objets. Le modèle traite désormais jusqu’à 16 objets en un seul passage au lieu d’un par un, ce qui double le débit vidéo à 32 images par seconde sur un seul GPU H100. Le modèle reste open source et compatible avec l’existant. Une mise à jour incrémentale, mais bienvenue pour les applications de tracking en temps réel.

TRIBE v2 : un jumeau numérique du cerveau humain

Meta publie TRIBE v2, un modèle capable de prédire l’activité cérébrale en réponse à des stimuli visuels, sonores et linguistiques. Entraîné sur plus de 1 000 heures d’IRM fonctionnelle issues de 720 sujets, il cartographie 70 000 voxels cérébraux contre 1 000 pour la version précédente.

L’intérêt concret : simuler des expériences de neurosciences en quelques secondes au lieu de mois en labo, sans mobiliser de sujets humains. Code, modèle et papier sont en open source.

Alibaba

Qwen3.6-Plus, taillé pour les agents de code

Alibaba lance Qwen3.6-Plus, un modèle hébergé avec une fenêtre de contexte d’un million de tokens, pensé pour les workflows agentiques. Sur SWE-bench Verified, il atteint 78.8 juste derrière Claude Opus 4.5 (80.9). Le tout pour environ 0,29 $/M tokens en entrée, soit une fraction du prix des modèles occidentaux. Alibaba continue de grignoter l’écart avec les leaders, à un tarif qui pourrait faire réfléchir.

Qwen3.5-Omni, le multimodal complet

Alibaba sort Qwen3.5-Omni, un modèle capable de traiter texte, image, audio et vidéo dans un même pipeline. Disponible en trois tailles (Plus, Flash, Light), il gère 113 langues en reconnaissance vocale et 36 en synthèse. Le modèle rivalise avec Gemini 3.1 Pro sur l’audio et la vidéo. Changement notable : contrairement aux versions précédentes, Qwen3.5-Omni n’est pas open source. Alibaba bascule vers le propriétaire, et ça en dit long sur la direction du marché chinois.

Mistral

Voxtral TTS : Mistral se lance dans la voix

Mistral entre sur le marché du text-to-speech avec Voxtral TTS, un modèle multilingue capable de cloner une voix à partir de trois secondes d’audio. Neuf langues supportées, une latence de 70 ms et un prix API de 0,016 $ par millier de caractères, soit environ 73 % moins cher qu’ElevenLabs. Lors de tests d’écoute avec des natifs, Voxtral l’emporte sur ElevenLabs Flash v2.5 en naturalité. Le modèle est disponible en open weights sur Hugging Face (licence non-commerciale). Mistral, jusqu’ici cantonné au texte, vient clairement chercher ElevenLabs sur son terrain.

⚖️ Une juge fédérale torpille le ban d’Anthropic par le Pentagone

💰 Anthropic vise une IPO à 60 milliards, OpenAI aussi sur les starting-blocks

🏛️ Trump veut une loi IA fédérale unique pour court-circuiter les États

🎭 Baltimore attaque xAI en justice : Grok a généré 4,4 millions de deepfakes pornographiques

Vectorless RAG: Your RAG Pipeline Doesn’t Need a Vector Database

Le scénario classique : un pipeline RAG remonte un chunk qui parle du bon sujet mais pas de la bonne clause, et le modèle répond avec aplomb à côté de la plaque. Le problème n’est pas le LLM, c’est la recherche par similarité vectorielle qui confond « texte ressemblant » et « texte pertinent ».

Le Vectorless RAG propose de supprimer entièrement le pipeline embeddings/vector DB/chunking. À la place, on construit un arbre hiérarchique du document (un JSON avec titres, plages de pages et résumés générés par LLM pour chaque section), puis on laisse le modèle raisonner sur cette structure pour décider quelle section ouvrir. Exactement comme un analyste humain qui consulte la table des matières avant de lire les 200 pages.

L’article détaille une implémentation complète avec PageIndex, une lib open source qui tient en une cinquantaine de lignes de Python. Deux appels LLM suffisent : un pour naviguer l’arbre, un pour générer la réponse. Le gain principal n’est pas la vitesse (c’est même plus lent qu’une recherche vectorielle) mais la traçabilité : on sait exactement quel nœud a été sélectionné et pourquoi, ce qui change la donne pour les documents structurés où une erreur de retrieval a des conséquences réelles (contrats, rapports financiers, papers).

From 12 Agents to 1

Les auteurs prennes un exemple concret : un client arrive avec une spec de douze agents spécialisés pour sa plateforme marketing. Ils prévoient un orchestrateur, un analyseur de requêtes, un générateur de contenu, et ainsi de suite. Résultat après audit : un seul agent avec des outils bien choisis fait exactement le même travail, en moins cher et plus facile à débugger.

Paul Iusztin et Louis-François Bouchard formalisent cette leçon en un spectre à trois niveaux. Premier niveau : le workflow, une chaîne d'appels LLM dans un ordre fixe comme un système de tickets qui classe, route, rédige et valide toujours dans le même ordre. Deuxième niveau : un agent unique qui décide lui-même quels outils utiliser, utile quand le chemin dépend de ce qu'on découvre en cours de route (une API qui échoue, des données manquantes). Troisième niveau : le multi-agents, justifié quand on dépasse 10-20 outils (la sélection se dégrade au-delà), quand on a besoin de vrai parallélisme, ou quand des frontières de sécurité l'imposent.

Le principe : rester le plus simple possible tant que le problème est résolu. Chaque niveau vers la droite ajoute des tokens, de la latence et des points de défaillance.

Deploying Disaggregated LLM Inference Workloads on Kubernetes

Quand on envoie un prompt à un LLM, deux choses se passent côté GPU. D'abord le « prefill » : le modèle digère tout le prompt d'un coup, ça demande beaucoup de calcul brut. Ensuite le « decode » : il génère les tokens un par un, et là c'est surtout la mémoire qui travaille. Le problème, c'est que la plupart des serveurs d'inférence font les deux sur les mêmes GPU. Résultat : les cartes passent leur temps à alterner entre deux modes de fonctionnement opposés, et ne sont jamais utilisées à plein.

L'idée de NVIDIA : séparer prefill et decode dans des services Kubernetes distincts, chacun avec ses propres GPU et son propre scaling. L'article détaille trois outils pour y arriver. Dynamo gère le runtime d'inférence. KAI Scheduler place les pods intelligemment en tenant compte de la topologie réseau (les GPU qui communiquent doivent être proches physiquement). Grove orchestre le tout via un fichier de config déclaratif.

Le piège principal : si on ajoute des GPU au prefill sans renforcer le decode, les tokens générés s'accumulent en file d'attente. NVIDIA propose un autoscaler qui maintient le bon ratio entre les deux étapes, là où un scaling Kubernetes classique opère à l'aveugle.

Building Human-In-The-Loop Agentic Workflows

Laisser un agent enchaîner les étapes en autonomie, ça marche, jusqu’au jour où ça ne marche plus. Le vrai problème n’est pas l’autonomie en soi, c’est l’absence de points de contrôle humain aux endroits qui comptent.

Kenneth Leung détaille comment LangGraph permet de poser ces garde-fous via un mécanisme d’« interrupts » : des points de pause insérés dans le flux d’exécution où un humain peut approuver, rejeter ou modifier le résultat avant que l’agent ne continue. Le concept repose sur trois briques : les interrupts eux-mêmes (qui suspendent le graphe et exposent l’état courant), les « checkpointers » (qui persistent l’état pendant la pause, ici via SQLite), et un système de threads pour reprendre exactement là où l’exécution s’est arrêtée.

L’article pointe un piège subtil : placer un interrupt après une étape non déterministe (comme une recherche web) entraîne sa ré-exécution au moment de la reprise, avec potentiellement des résultats différents de ceux validés. L’interrupt fonctionne mieux comme portail avant une action irréversible, pas comme filet de sécurité après un appel non reproductible.

Plano : le proxy AI-native pour apps agentiques

Plano centralise orchestration, routage entre modèles, guardrails et observabilité dans un proxy out-of-process pour agents IA. On déclare ses providers en YAML, le routage s’appuie sur un modèle maison de 4B paramètres. Tracing OpenTelemetry intégré, modération par filter chains, support multi-providers. Construit sur Envoy par ses contributeurs historiques (6k+ stars, Apache-2.0).

MSA : Memory Sparse Attention Scales End-to-End to 100M Tokens

Long-term memory is a cornerstone of human intelligence. Enabling AI to process lifetime-scale information remains a long-standing pursuit in
the field. Due to the constraints of full-attention architectures, the effective context length of large language models (LLMs) is typically
limited to 1M tokens. Existing approaches, such as hybrid linear attention, fixed-size memory states (e.g., RNNs), and external storage
methods like RAG or agent systems, attempt to extend this limit. However, they often suffer from severe precision degradation and rapidly
increasing latency as context length grows, an inability to dynamically modify memory content, or a lack of end-to-end optimization. These
bottlenecks impede complex scenarios like large-corpus summarization, Digital Twins, and long-history agent reasoning, while limiting memory
capacity and slowing inference. We present Memory Sparse Attention (MSA), an end-to-end trainable, efficient, and massively scalable memory
model framework. Through core innovations including scalable sparse attention and document-wise RoPE, MSA achieves linear complexity in both
training and inference while maintaining exceptional stability, exhibiting less than 9% degradation when scaling from 16K to 100M tokens.
Furthermore, KV cache compression, combined with Memory Parallel, enables 100M-token inference on 2xA800 GPUs. We also propose Memory
Interleaving to facilitate complex multi-hop reasoning across scattered memory segments. MSA significantly surpasses frontier LLMs,
state-of-the-art RAG systems, and leading memory agents in long-context benchmarks. These results demonstrate that by decoupling memory
capacity from reasoning, MSA provides a scalable foundation to endow general-purpose models with intrinsic, lifetime-scale memory.

Google

Google DeepMind veut mesurer la progression vers l’AGI

Google DeepMind propose un cadre scientifique pour évaluer les progrès vers l’AGI, basé sur 10 capacités issues des sciences cognitives : perception, raisonnement, mémoire, apprentissage, métacognition, etc. L’idée : comparer les performances des modèles IA à celles d’un panel représentatif d’adultes humains, capacité par capacité.

Pour passer de la théorie à la pratique, un hackathon Kaggle doté de 200 000 $ invite la communauté à créer les benchmarks manquants, notamment sur l’apprentissage et la cognition sociale. Une tentative bienvenue de mettre des chiffres sur un concept que tout le monde utilise sans le définir.

Stitch et vibe designing

Google fait évoluer Stitch, son outil de prototypage UI, en un canvas de design complet pour vide designer. On décrit un objectif business ou une intention utilisateur, et l’agent génère plusieurs pistes de design. Les écrans se connectent pour former des prototypes interactifs en quelques clics. Nouveauté importante : DESIGN.md, un fichier markdown qui exporte les règles de design vers d’autres outils, y compris les assistants de code via un serveur MCP. Google attaque frontalement le terrain de Figma.

Google lance Lyria 3 Pro, son modèle de génération musicale

Google passe aux morceaux de 3 minutes avec Lyria 3 Pro, qui comprend la structure musicale : intro, couplets, refrains, ponts. Suno et Udio le faisaient déjà depuis 2025, mais Google mise sur la distribution massive en intégrant le modèle dans Gemini, Vertex AI, Google Vids et un nouvel outil baptisé ProducerAI. La qualité vocale reste en retrait face à Suno v5, mais l’écosystème Google pourrait compenser. J’ai pu tester sur quelques exemples et c’est particulièrement bluffant.

Anthropic

Anthropic introduit le mode auto pour Claude Code

Claude Code proposait deux extrêmes : valider chaque action à la main, ou tout autoriser à l’aveugle via --dangerously-skip-permissions. Le nouveau mode auto se place entre les deux. Un classifieur analyse chaque commande shell et écriture de fichier avant exécution, bloque les actions destructrices et laisse passer le reste. Concrètement, on peut enfin lancer une tâche longue sans surveillance.

Anthropic donne à Claude le contrôle de votre Mac

Claude peut désormais piloter votre bureau macOS : ouvrir des apps, cliquer, remplir des formulaires, naviguer sur le web. Le principe : des captures d’écran en boucle, analysées par le modèle multimodal, qui décide de la prochaine action. Quand un connecteur existe (Slack, Google Workspace), Claude l’utilise en priorité sinon, il prend la main sur clavier et souris. Disponible en research preview pour les abonnés Pro et Max, avec un système de permissions avant chaque nouvel accès. On peut même lancer une tâche depuis l’iPhone et retrouver le résultat sur son Mac. macOS uniquement pour l’instant.

OpenAI

OpenAI met la main sur Astral et ses outils Python

OpenAI rachète Astral, la startup derrière uv, Ruff et ty, trois outils open source devenus incontournables pour les développeurs Python. uv à lui seul cumule plus de 126 millions de téléchargements mensuels. L’équipe de Charlie Marsh rejoindra Codex, la plateforme de coding d’OpenAI qui revendique 2 millions d’utilisateurs actifs par semaine. OpenAI promet de maintenir les projets open source, mais la communauté reste prudente. Quand un géant absorbe l’outillage que tout le monde utilise, la question n’est jamais « si » ça change, mais « quand ».

NVIDIA

NVIDIA lance Nemotron-Cascade 2

NVIDIA publie Nemotron-Cascade 2, un modèle open-weight capable de décrocher l’or aux olympiades internationales de maths (IMO), d’informatique (IOI) et de programmation (ICPC). Il est vingt fois plus petit que DeepSeek V3.2, le seul autre modèle “open” à avoir atteint ce niveau. NVIDIA livre les poids et toutes les données d’entraînement.

NVIDIA lance son Agent Toolkit, une boîte à outils open source pour agents IA

NVIDIA profite de GTC pour dévoiler son Agent Toolkit, un ensemble de briques open source pour construire des agents IA autonomes en entreprise. Le kit comprend OpenShell, un runtime qui impose des garde-fous de sécurité et de confidentialité aux agents, et AI-Q, un blueprint de recherche agentique qui a brièvement dominé le leaderboard DeepResearch Bench. Adobe, Salesforce, SAP ou encore Atlassian intègrent déjà ces briques.

Mistral

Mistral Small 4 : un seul modèle pour tout faire

Mistral fusionne ses modèles spécialisés (raisonnement, multimodal, code) en un seul : Small 4, open source sous licence Apache 2.0. Le modèle promet 40 % de latence en moins et un débit triplé par rapport à son prédécesseur. Son argument principal : un paramètre ajustable pour doser l’effort de raisonnement selon la tâche, du chat rapide à la résolution complexe. Face à Llama 4 et Qwen 3, Mistral joue la carte de l’efficacité par token et du coût réduit. Le pari de la consolidation plutôt que de la multiplication des modèles.

Cursor

Cursor lance Composer 2, son modèle de code basé sur Kimi K2.5

Cursor a dévoilé Composer 2, son nouveau modèle de code affiché à 0,50 $/M tokens en entrée. Problème : l’équipe a « oublié » de mentionner que le modèle repose sur Kimi K2.5 de Moonshot AI. Un développeur a trouvé l’identifiant kimi-k2p5 dans l’API, forçant Cursor à reconnaître la base open source. L’entreprise assure que trois quarts du compute viennent de son propre entraînement par renforcement. Reste que la licence de Kimi exige une attribution claire au-delà de 20 M$ de revenus mensuels un seuil que Cursor dépasse largement.

Figma

Figma ouvre son canvas aux agents IA

Figma lance use_figma en open beta : les agents IA peuvent désormais créer et modifier des designs directement sur le canvas, en s’appuyant sur les composants et variables du design system existant. L’outil fonctionne avec Claude Code, Codex, Cursor et Copilot via le protocole MCP. Autre ajout notable : les « skills », des fichiers markdown qui encadrent le comportement des agents pour respecter les conventions de chaque équipe. Gratuit pendant la beta, le service deviendra payant. Un pas concret vers le binôme designer-agent, où Figma se positionne comme le terrain de jeu commun.

🎭 Quand un parti politique diffuse un deepfake de 85 secondes de son adversaire

🧪 La moitié des PRs qui « passent » SWE-bench seraient recalées par de vrais mainteneurs

💵 NVIDIA met 100 milliards de dollars sur la table pour OpenAI

⚖️ Microsoft menace de poursuivre OpenAI pour son deal cloud à 50 Md$ avec Amazon

📊 L’IA rend les devs 10x plus productifs ? Les données PyPI disent non

Anthropic shares how Claude handles long-running autonomous coding tasks

Faire coder un agent pendant des heures sans supervision, ça finit invariablement par déraper : le modèle perd le fil, valide son propre code bancal, ou boucle en fin de contexte. Anthropic publie un retour d'expérience détaillé sur la façon dont ils ont résolu ce problème.

Le concept clé, c'est le « harness » : un programme qui orchestre plusieurs agents spécialisés autour du LLM, chacun avec un rôle précis. Ici, trois agents se relaient. Un planner transforme un prompt d'une phrase en spec produit complète. Un generator écrit le code. Et un evaluator teste l'application via Playwright, clique sur les boutons, vérifie les API, et renvoie un rapport de bugs concret. L'astuce, inspirée des GANs : ne jamais laisser un agent juger son propre travail. Un LLM qui note son output est systématiquement complaisant, alors qu'un évaluateur séparé est bien plus facile à rendre exigeant.

Avec Opus 4.6, l'architecture s'est simplifiée : le modèle tient la cohérence sur des sessions de plus de deux heures d'affilée, ce qui a permis de supprimer tout le découpage en étapes intermédiaires que la version précédente imposait. Résultat : un studio de musique complet (Digital Audio Workstation) généré en 4 heures pour 124 $. Cher, mais fonctionnel là où un agent seul produit du code cassé en 20 minutes. La leçon à retenir : chaque brique d'un harness compense une limite du modèle, et ces limites bougent à chaque release. Ce qui était indispensable hier devient du poids mort demain.

If DSPy is So Great, Why Isn’t Anyone Using It?

Tout projet LLM suit la même trajectoire : on commence par un appel OpenAI en dur, puis on externalise les prompts, on ajoute des structured outputs, du retry, du RAG, des evals. Six mois plus tard, on maintient un framework maison bancal. L'auteur appelle ça la « loi de Khattab » : tout système IA suffisamment complexe finit par réimplémenter la moitié de DSPy, en moins bien.

DSPy est un framework qui structure les appels LLM autour de trois briques : des Signatures pour typer les entrées et sorties de chaque appel, des Modules pour les chaîner comme des fonctions composables, et des Optimizers qui réécrivent automatiquement les prompts pour améliorer les résultats sans intervention manuelle. Changer de modèle tient en une ligne, et l'évaluation est native.

Alors pourquoi seulement 4,7 millions de téléchargements mensuels contre 222 millions pour LangChain ? Parce que DSPy impose de penser en abstractions avant d'avoir ressenti la douleur du code spaghetti, et la pression du shipping rend cet investissement difficile à justifier. Le conseil pragmatique de l'auteur : même sans adopter DSPy, appliquer ses patterns dès le départ : I/O typées, prompts séparés du code, evals dès le premier jour. Ce sont des fondamentaux d'ingénierie logicielle qu'on finira par implémenter de toute façon.

The Boon of Dimensionality

La « malédiction de la dimensionnalité » fait partie du folklore ML : plus on ajoute de dimensions, plus les données deviennent éparses et les distances perdent leur sens. Mais l'histoire a un revers qu'on raconte moins souvent, et il est bien plus réjouissant.

En reprenant les intuitions géométriques popularisées par 3Blue1Brown, l'auteur montre ce qui se passe réellement dans les espaces à haute dimension : le volume d'une hypersphère s'effondre passé cinq dimensions, sa masse se concentre quasi intégralement en surface, et deux points tirés au hasard sont presque toujours orthogonaux entre eux. C'est contre-intuitif, mais c'est précisément ce qui rend les embeddings viables, on peut caser des millions de concepts dans un espace de 768 dimensions sans qu'ils se chevauchent. s.

L'article ouvre aussi sur la superposition dans les réseaux de neurones, où un réseau à m neurones parvient à encoder bien plus de m features distinctes en exploitant cette quasi-orthogonalité naturelle des espaces denses. Une lecture qui remet les pendules à l'heure sur un fondamental qu'on cite souvent sans le comprendre vraiment.

Scaling Karpathy’s Autoresearch: What Happens When the Agent Gets a GPU Cluster

Autoresearch de Karpathy, j’en parlais la semaine dernière et le principe est simple : un agent qui boucle sur un script d'entraînement de machine learning, teste une modification, garde ce qui marche et recommence. Efficace, mais séquentiel car utilise un GPU, une expérience à la fois, et beaucoup de temps perdu à attendre. L'équipe SkyPilot a voulu voir ce qui se passe quand on retire ce goulet d'étranglement en donnant à Claude Code l'accès à 16 GPUs sur un cluster Kubernetes.

Le résultat va au-delà d'un simple gain de débit. Avec 910 expériences soumises en 8 heures, le parallélisme change fondamentalement la stratégie de recherche : au lieu du hill-climbing glouton (tester un paramètre, garder le meilleur, recommencer) l'agent lance des grilles de 10 à 13 expériences par vague, ce qui lui permet de capturer les interactions entre paramètres qu'une approche sérielle raterait. C'est d'ailleurs comme ça que la découverte la plus marquante est arrivée : en testant six tailles de modèle simultanément (de 384 à 768 dimensions internes), l'agent a montré qu'élargir le réseau améliorait davantage la loss de validation que tous les réglages d'hyperparamètres combinés (learning rate, weight decay, batch size). En séquentiel, cette exploration aurait pris 30 minutes. En parallèle, une seule vague de 5 minutes.

Autre comportement inattendu : l'agent disposait de deux types de GPU (des H100 et des H200, plus rapides) sans qu'on lui signale la différence. Après quelques vagues, il a remarqué tout seul que les mêmes configs donnaient de meilleurs résultats sur H200, logique, puisque plus de vitesse signifie plus d'étapes d'entraînement dans le budget de 5 minutes. Il a alors inventé sa propre stratégie : tester les idées en masse sur les H100 bon marché, puis valider les meilleures sur H200. Le genre de workflow qu'un chercheur concevrait délibérément et il a émergé tout seul.

Agent-native Architectures: How to Build Apps After Code Ends

Un appel API derrière un bouton “générer avec l’IA”, un workflow codé en dur qui casse dès que le use case dévie : le pattern classique de l’intégration LLM a ses limites. Dan Shipper et Claude proposent une alternative radicale : l’architecture « agent-native », où l’agent n’est plus un gadget greffé sur l’app, mais le moteur central de chaque fonctionnalité.

Le principe fondateur tient en cinq piliers. D’abord la parité : tout ce que l’utilisateur fait via l’UI, l’agent doit pouvoir l’accomplir via ses outils. Ensuite la granularité : les outils restent des primitives atomiques (read_file, write_file, bash), et les « features » deviennent des outcomes décrits dans un prompt, atteints par l’agent en boucle. La composabilité découle naturellement des deux premiers : ajouter une fonctionnalité revient à écrire un nouveau prompt, pas à refactorer du code. L’approche emprunte directement au fonctionnement de Claude Code, généralisé à des domaines non techniques.

Le guide va loin sur les patterns d’implémentation : fichiers comme interface universelle, context.md comme mémoire de session, découverte dynamique de capacités plutôt que mapping statique d’API. Le parti pris « files-first » sur mobile avec iCloud est discutable, mais la philosophie sous-jacente est solide : concevoir pour ce que les agents savent raisonner, c’est-à-dire ce qu’un humain comprendrait aussi.

Building an MCP Ecosystem at Pinterest

Les retours d’expérience sur la mise en place d’un MCP à l’échelle d’une entreprise entière restent rares. Pinterest vient d’en publier un, et il mérite qu’on s’y attarde.

L’équipe a fait le choix de serveurs MCP cloud-hosted et spécialisés (Presto, Spark, Knowledge) plutôt qu’un monolithe fourre-tout. Chaque serveur gère un périmètre fonctionnel restreint avec ses propres contrôles d’accès, le tout orchestré par un registre central qui sert de source de vérité. Côté sécurité, l’architecture repose sur deux couches d’authentification : des JWTs utilisateur pour l’attribution fine et des identités mesh SPIFFE pour les flux service-to-service. Le gating par business group sur les serveurs sensibles (Presto notamment) évite l’écueil classique du « tout le monde a accès parce que c’est interne ».

Ce qui frappe, c’est la maturité opérationnelle : 66 000 invocations mensuelles, 844 utilisateurs actifs, et une estimation de 7 000 heures-ingénieur économisées par mois. Les serveurs MCP sont intégrés directement dans le chat interne et les IDE, et pas relégués à un PoC que personne n’utilise.

tobi/qmd

Un moteur de recherche local pour ses docs, notes de réunion et bases de connaissances en markdown. Signé Tobi Lutke (fondateur de Shopify), QMD combine recherche full-text (BM25), recherche sémantique et re-ranking par LLM, le tout tournant intégralement en local sans envoyer ses données nulle part. L'outil expose aussi un serveur MCP, ce qui en fait un compagnon naturel pour Claude Code ou Claude Desktop. 16k+ stars sur GitHub.

AI Engineering Cheatsheets

Trois cheatsheets open source de Louis-François Bouchard (Towards AI), directement injectables dans Claude ou tout autre LLM comme contexte de travail : un playbook avec des tables de décision pour choisir technique, modèle et stratégie de prompting, un guide d'architecture agent (workflow simple vs multi-agent), et un template anti-slop pour obtenir un ton humain en sortie de LLM. Le repo est encore jeune, mais le format « table de décision » est actionnable immédiatement.

TurboQuant : redéfinir l’efficacité des LLMs par la compression extrême

Le key-value cache reste l’un des goulots d’étranglement les plus tenaces quand on fait tourner des LLMs sur des contextes longs. Google Research s’attaque au problème avec TurboQuant, présenté à ICLR 2026, une méthode de quantization qui compresse le KV cache à 3 bits sans perte de précision mesurable.

Anthropic

Anthropic publie une étude sur l'impact (encore limité) de l'IA sur l'emploi

Anthropic a analysé les données du marché du travail américain en croisant ses propres données d'usage de Claude avec les statistiques fédérales. Résultat : pas de hausse significative du chômage dans les métiers les plus exposés à l'IA depuis fin 2022. Les programmeurs, service client et analystes financiers sont en première ligne, mais les effets restent pour l'instant statistiquement invisibles. Seul signal : l'embauche des 22-25 ans ralentit dans les professions exposées, suggérant que l'IA freine l'entrée sur le marché plutôt qu'elle ne pousse dehors. Un constat qui pourrait vite changer à mesure que l'adoption s'accélère.

Claude Code s'étoffe : code review multi-agent et mode vocal

Grosse semaine pour Claude Code, Anthropic intègre plusieurs nouveaux éléments. En particulier, un système de review automatique des pull requests : plusieurs agents IA analysent le code en parallèle, vérifient chaque bug détecté avant de le signaler, et classent les problèmes par sévérité. En interne, le taux de PR recevant des commentaires substantifs est passé de 16 % à 54 %. Sur les grosses PR (1000+ lignes), 84 % révèlent des problèmes, avec 7,5 issues en moyenne. Deuxième ajout utile : un mode vocal activé via ‘/voice’. Push-to-talk avec la barre espace, pas d'écoute permanente, pas de surcoût.

Copilot Cowork et add-ins Excel/PowerPoint

Double offensive pour Claude dans l'univers Microsoft. D'un côté, Microsoft lance Copilot Cowork, un agent multi-étapes pour Outlook, Teams et Excel et c'est la technologie Claude d'Anthropic qui propulse le moteur de raisonnement, pas OpenAI. L'outil transforme une consigne simple en plan d'action avec points de contrôle. GA prévue le 1er mai, intégré au forfait M365 E7 à 99 $/utilisateur/mois. De l'autre, Anthropic met à jour ses propres add-ins Claude pour Excel et PowerPoint.

Les deux applications partagent désormais le contexte d'une même conversation : Claude peut lire un tableur, construire une analyse financière, puis mettre à jour une présentation sans réexplication. Les « Skills » permettent d'enregistrer un workflow complet en un clic pour le rendre réutilisable par toute l'équipe. Anthropic joue sur les deux tableaux, à l'intérieur de Copilot et en parallèle avec ses propres add-ins.

OpenAI

GPT-5.4

OpenAI sort GPT-5.4, son nouveau modèle phare, disponible dans ChatGPT, l'API et Codex. Au menu : contexte d'un million de tokens, computer use natif (une première pour un modèle généraliste !) et une API de recherche d'outils qui réduit la consommation de tokens de 47 % sur les workflows multi-outils. Le prix monte légèrement à 2,50 $/15 $ par million de tokens en entrée/sortie (contre 1,75 $/14 $ pour GPT-5.2). Les variantes mini et nano sont aussi disponibles.

ChatGPT et apprentissage

OpenAI intègre des visualisations interactives dans ChatGPT pour explorer formules et concepts scientifiques. Concrètement, les utilisateurs peuvent manipuler des variables et observer en temps réel l'effet sur les graphiques. Plus de 70 sujets sont couverts au lancement, du théorème de Pythagore à la loi des gaz parfaits, pour un niveau lycée et supérieur. La fonctionnalité est accessible sur tous les forfaits, gratuit compris. OpenAI revendique 140 millions d'utilisateurs hebdomadaires sur des cas d'apprentissage. Reste à voir si ces widgets feront mieux que les dizaines d'applis éducatives déjà sur le marché.

Google

Gemini dans Maps

Google intègre Gemini dans Maps avec deux nouveautés. « Ask Maps » permet de poser des questions en langage naturel et d’obtenir des réponses contextualisées. Côté navigation, « Immersive Navigation » affiche une vue 3D du trajet avec bâtiments, feux et voies matérialisées, générée à partir d'images Street View. Déploiement lancé aux États-Unis et en Inde, vous vous en doutiez mais l’Europe attendra.

Embedding 2

Google sort Gemini Embedding 2, un modèle d'embedding qui unifie texte, images, vidéo, audio et PDF dans un seul espace vectoriel. L'intérêt : une seule requête peut mélanger les modalités, ce qui simplifie les pipelines RAG multimodaux. Sur les benchmarks vidéo et image, aucun concurrent (OpenAI, Amazon Nova 2) ne propose d'équivalent natif. Disponible en preview via Gemini API et Vertex AI.

Gemini dans workspace

Google intègre Gemini en profondeur dans Docs, Sheets, Slides et Drive. Le plus notable : Sheets peut désormais construire un tableur complet à partir d'une description en langage naturel, en croisant données de Gmail, Drive et du web. Côté Slides, l'IA génère des présentations entières à partir d'un simple prompt. Drive, lui, se mue en base de connaissances interrogeable. Le tout réservé pour l'instant aux abonnés AI Pro et Ultra, en anglais uniquement.

Microsoft

Copilot Health

Microsoft intègre un espace dédié à la santé dans Copilot. Le principe : centraliser dossiers médicaux, résultats de labo et données de plus de 50 wearables (Apple Health, Oura, Fitbit) pour en tirer des analyses personnalisées. Un panel de 230 médecins dans 24 pays supervise le projet, et la certification ISO 42001 est déjà obtenue. Pour l'instant, accès sur liste d'attente, réservé aux États-Unis.

🧑‍💼 Karpathy open-source une carte interactive de l'exposition des métiers à l'IA

🤑 Le pari à 1 milliard de Yann LeCun contre les LLMs

🤝 OpenAI rachète Promptfoo pour sécuriser ses agents

🎮 Le photoréalisme dans les jeux vidéo franchit une nouvelle étape avec le DLSS 5

Comparing Python packages for A/B test analysis: tea-tasting, Pingouin, statsmodels, and SciPy

Quel package Python couvre réellement le workflow complet d'expérimentation ?

Ce comparatif met face à face quatre bibliothèques (tea-tasting, Pingouin, statsmodels, SciPy) sur les tâches concrètes du quotidien : t-test de Welch, métriques de type ratio, intervalles de confiance relatifs, CUPED et correction pour tests multiples. Le constat est net. SciPy reste la fondation, mais demande beaucoup de code maison. statsmodels offre des briques solides pour qui accepte d'assembler soi-même le pipeline. Pingouin simplifie les tests classiques dans un workflow pandas, mais décroche dès qu'on touche aux ratios ou au CUPED. tea-tasting, conçu spécifiquement pour l'A/B testing, est le seul à proposer effets relatifs, CUPED sur les ratios et workflow sur statistiques agrégées « out of the box ».

À noter : l'auteur est aussi le créateur de tea-tasting, ce qui colore forcément l'analyse. Le comparatif reste honnête sur les critères factuels, mais le biais de sélection est à garder en tête. Pour les équipes qui industrialisent leurs expérimentations, c'est une grille de lecture utile avant de choisir sa stack.

Structured Video Captioning with Gemini: An MMA Analysis Use Case

Analyser de la vidéo frame par frame pour en extraire des événements structurés, c’est le genre de tâche qui relevait encore récemment du pipeline un peu custom avec détection d’objets, tracking et post-traitement. Avec les VLMs capables d’ingérer directement du flux vidéo, la choses sont différentes.

Ce tutoriel propose d’utiliser Gemini pour analyser des combats de MMA seconde par seconde. L’approche repose sur un workflow multi-agent : un premier prompt extrait une timeline brute des actions, puis des « spécialistes » (striking, grappling, submission, mouvement) analysent chacun le même segment sous leur angle. Un « Head Coach » synthétise le tout en un rapport structuré via des modèles Pydantic. Le prompt chaining passe de Gemini 2.5 Pro pour l’analyse visuelle à Flash puis Flash Lite pour la structuration, un choix pragmatique qui maîtrise les coûts.

On notera que Gemini échantillonne à 1 FPS par défaut, ce qui pose problème sur des sports rapides. Monter à 5 FPS améliore la détection, mais fait exploser la consommation de tokens.

L’intérêt ici est de pouvoir donner des insights spécifiques et de guider l’entrainement des athlètes. Au-delà du cas MMA, le pattern multi-agent avec spécialistes disciplinaires est directement transposable à d’autre domaines.

Ten years late to the dbt party (DuckDB edition)

Les pipelines de données bricolés à coups de scripts SQL chaînés, ça « fait le job »... jusqu'au jour où il faut ajouter des tests, gérer l'incrémental, documenter le lineage, et là le château de cartes vacille.

C'est exactement le cheminement que décrit Robin Moffatt dans ce retour d'expérience où il migre un pipeline DuckDB artisanal vers dbt. Le découpage source/staging/marts force une rigueur que le SQL à plat ne peut pas offrir : séparation des responsabilités, freshness checks sur les sources, snapshots pour les Slowly Changing Dimensions, et surtout des tests unitaires et des contracts qui transforment le pipeline en quelque chose de maintenable. L'intégration avec Dagster pour l'orchestration vient boucler la boucle, en apportant monitoring et visualisation du DAG sans effort supplémentaire.

Ce qui rend l'article intéressant, c'est l'honnêteté sur les pièges rencontrés en chemin : données upstream incohérentes, clés dupliquées, labels qui flip-floppent entre deux appels API. Le genre de problèmes que dbt ne résout pas magiquement, mais qu'il rend au moins visibles et testables.

Claude Code isn't going to replace data engineers (yet)

Robin Moffatt dont on vient de voir le retour sur dbt + DuckDB a voulu vérifier sérieusement ce que Claude Code pouvait réellement produire sur un vrai jeu de données, avec un vrai cahier des charges de data engineer senior.

Le résultat est nuancé, Claude Code génère un projet dbt fonctionnel avec staging layers, dimensional modeling, SCD type 2, tests et documentation. Le dbt build passe mais en grattant, les problèmes classiques de l'IA apparaissent : une pagination API mal gérée qui tronque silencieusement les données (1 493 stations récupérées sur 5 458), des colonnes utiles supprimées sans justification, des choix de modélisation discutables jamais présentés pour validation humaine. Le genre d'erreurs qui passent en prod et qu'on découvre trois mois plus tard.

Le constat le plus pertinent : le prompt et les skills dbt Labs comptent davantage que le choix du modèle (Sonnet 4.5 vs Opus 4.6). Et surtout, la bonne posture n'est pas de laisser l'agent construire seul, mais d'itérer avec lui.

Hugging Face : Synthetic Data Playbook

Hugging Face publie un guide complet de génération de données synthétiques, issu de l'expérience accumulée sur FineWeb, Cosmopedia et SmolLM (1+ trillion de tokens). Couvre la chaîne complète : modèles enseignants, seed data, décontamination, infra à grande échelle, avec la stack maison (distilabel, datatrove, lighteval).

AutoResearch

Le dernier side project de Karpathy pour l’automatisation des tâches de machine learning (👋 les data scientists). Un agent IA reçoit un setup d'entraînement et itère en autonomie : il modifie le train.py, lance un run, compare la loss au baseline, garde ou jette, et recommence.

LangWatch

Plateforme open source d'observabilité LLM qui unifie tracing, évaluation et simulation d'agents en un seul outil. Basé sur OpenTelemetry, compatible avec tous les providers et frameworks majeurs. Déploiement cloud, Docker Compose ou Helm, avec option on-prem pour la conformité RGPD.

Context Hub

CLI open source d'Andrew Ng qui fournit aux agents de code une documentation API versionnée et spécifique au langage. L’outil inclut un mécanisme d'annotations locales pour que l'agent capitalise d'une session à l'autre.

MessyData

Par Soda (créateurs de soda-core). On décrit un schéma en YAML, on configure des anomalies (NaN, doublons, dates invalides, outliers), et la lib génère un DataFrame Pandas volontairement « sale ». Distributions configurables par colonne, support temporel pour simuler des séries, seed pour la reproductibilité. Idéal pour tester des pipelines de validation.

Cloudflare /crawl

Un endpoint unique pour crawler un site entier : Cloudflare découvre les pages via sitemaps, les rend en headless browser, et retourne HTML, Markdown ou JSON structuré. Crawl asynchrone, incrémental, configurable en profondeur et patterns d'URL, de quoi remplacer pas mal de scripts maison fragiles.

SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration

Large language model (LLM)-powered agents have demonstrated strong capabilities in automating software engineering tasks such as static bug fixing, as evidenced by benchmarks like SWE-bench. However, in the real world, the development of mature software is typically predicated on complex requirement changes and long-term feature iterations -- a process that static, one-shot repair paradigms fail to capture. To bridge this gap, we propose \textbf{SWE-CI}, the first repository-level benchmark built upon the Continuous Integration loop, aiming to shift the evaluation paradigm for code generation from static, short-term \textit{functional correctness} toward dynamic, long-term \textit{maintainability}. The benchmark comprises 100 tasks, each corresponding on average to an evolution history spanning 233 days and 71 consecutive commits in a real-world code repository. SWE-CI requires agents to systematically resolve these tasks through dozens of rounds of analysis and coding iterations. SWE-CI provides valuable insights into how well agents can sustain code quality throughout long-term evolution.

Anthropic

Memory.md

Anthropic dote Claude Code d'une mémoire persistante. Le système écrit automatiquement un fichier MEMORY.md qui stocke commandes de build, patterns de code et préférences utilisateur d'une session à l'autre. Fini le contexte perdu à chaque redémarrage. Deux mécanismes coexistent : les fichiers CLAUDE.md rédigés par le développeur, et l'auto-mémoire que l'IA alimente seule.

Mode vocal sur claude code

Anthropic intègre la voix dans Claude Code, son outil CLI pour développeurs. Un /voice dans le terminal, la barre espace enfoncée, et on dicte ses instructions au lieu de les taper. Le déploiement est progressif. Inclus sans surcoût sur les plans Pro, Max, Team et Enterprise.

Anthropic x Pentagone

Dario Amodei refuse de retirer les protections de Claude contre la surveillance de masse et les armes autonomes, malgré un ultimatum du Pentagone. Le Department of War menace de désigner Anthropic comme « risque pour la chaîne d’approvisionnement » (réservé aux adversaires des États-Unis). Trump a ordonné aux agences fédérales de couper Anthropic, les négociations ont finalement repris mais aucun accord n’a encore été conclu et l’issue reste incertaine (compte tenu de leur accord avec OpenAI, voir plus bas).

OpenAI

OpenAI x Pentagone

Anthropic a dit non, mais OpenAI a conclu un accord avec le Département de la Défense américain pour déployer ses modèles sur des réseaux classifiés. Le contrat autorise « tous usages légaux », mais impose un déploiement cloud uniquement, un safety stack contrôlé par OpenAI et des ingénieurs habilités sur place. L'accord arrive quelques heures après la mise au ban d'Anthropic, qui refusait de retirer ses garde-fous contractuels sur la surveillance et les armes autonomes. Sous la pression, OpenAI a dû amender le texte pour interdire explicitement la surveillance domestique.

OpenAI lève 110 milliards de dollars

OpenAI boucle un tour de table de 110 milliards de dollars auprès d'Amazon (50 Md$), Nvidia (30 Md$) et SoftBank (30 Md$), pour une valorisation de 730 milliards. Du jamais-vu : c'est presque trois fois le précédent record, détenu par... OpenAI (40 Md$ en mars 2025). Détail notable, 35 milliards d'Amazon sont conditionnés à l'atteinte de l'AGI ou à une IPO d'ici fin 2026 (bon courage !). Microsoft, historiquement premier soutien financier, n'a pas participé. La course à l'infrastructure IA atteint des montants qui donnent le vertige.

Google

Nano Banana 2

Google remplace Nano Banana Pro par Nano Banana 2 comme modèle d'image par défaut dans Gemini. La promesse : la qualité de Pro à la vitesse de Flash, avec un prix API autour de 0,07 $ par image en 1024px. Le modèle grimpe en tête des leaderboards text-to-image et supporte la 4K, ce qui le place face à GPT Image 1.5 d'OpenAI pour moitié moins cher à résolution équivalente. Le déploiement couvre Gemini, Search, Google Ads et l'outil vidéo Flow.

Gemini 3.1 Flash-Lite

Google débarque sur le segment des modèles ultra-low-cost avec Gemini 3.1 Flash-Lite, facturé à 0,25 $ par million de tokens en entrée. C'est le même tarif que GPT-5 mini d'OpenAI, mais avec un output 25 % moins cher (1,50 $ contre 2,00 $). Côté vitesse, Google revendique un temps de réponse 2,5 fois plus rapide que son Gemini 2.5 Flash, un chiffre confirmé par Artificial Analysis. Le modèle propose des niveaux de raisonnement configurables selon la complexité de la tâche.

NotebookLM x vidéos

Google ajoute les « Cinematic Video Overviews » à NotebookLM : l'outil peut désormais générer des vidéos animées à partir de vos notes, bien au-delà des simples diaporamas narrés proposés jusqu'ici. La feature s'appuie sur Gemini 3 et Veo 3 pour créer narration, style visuel et animations. Bémol notable : il faut être abonné Google AI Ultra (environ 250 $/mois) et le tout reste limité à l'anglais avec un plafond de 20 vidéos par jour.

Nous Research

Hermes Agent

Nous Research publie Hermes Agent, un agent autonome open source (MIT) qui s'installe sur votre serveur et conserve une mémoire persistante entre les sessions. Le principe : quand il résout un problème complexe, il génère automatiquement un « skill document » réutilisable pour la prochaine fois. L'agent se connecte à Telegram, Discord, Slack ou WhatsApp depuis un unique processus, et embarque plus de 40 outils intégrés. Face à Claude Code (terminal) ou Devin (cloud autonome), Nous Research mise sur l'auto-hébergement et l'apprentissage continu. Un positionnement malin pour les équipes qui veulent garder la main sur leurs données.

Perplexity

Perplexity Computer

Perplexity a présenté Computer, une plateforme agentique qui orchestre près de 20 modèles issus d'OpenAI, Anthropic, Google et xAI pour exécuter des workflows complexes. Le principe : confier un objectif, laisser le système décomposer les tâches et déléguer chaque sous-tâche au modèle le plus adapté. À 200 $/mois (abonnement Max), Perplexity se positionne face à Claude Cowork et OpenAI Operator avec un argument clair : ne pas dépendre d'un seul fournisseur. Le pari est ambitieux, reste à voir si l'orchestration multi-modèles justifie le tarif premium.

☢️ Les IA choisissent l'escalade nucléaire dans 95 % des simulations de guerre

🤖 Jack Dorsey licencie 40 % de Block au nom de l'IA en lien : l'IA va-t-elle vraiment détruire l'emploi ?

📢 Plusieurs centaines de manifestants anti-IA dans les rues de Londres

🧑‍💼 Gartner douche les espoirs de l'IA low-cost en service client

Is Boosting Still All You Need for Tabular Data?

Il y a une petite musique que l’on entend depuis plusieurs années : pour du tabulaire, XGBoost et LightGBM suffisent, inutile de sortir l'artillerie lourde du deep learning (et je suis d’accord). Michael Clark revient sur cette question après le raz-de-marée LLM et la réponse n'est peut-être plus aussi tranchée.

Le tournant, c'est TabArena : un leaderboard standardisé qui mesure la capacité de divers modèles sur des données tabulaires.

TabArena is a living benchmarking system that makes benchmarking tabular machine learning models a reliable experience. TabArena implements best practices to ensure methods are represented at their peak potential, including cross-validated ensembles, strong hyperparameter search spaces contributed by the method authors, early stopping, model refitting, parallel bagging, memory usage estimation, and more.

Des modèles comme RealMLP, TabPFN-v2.5 et TabICL-v2 battent désormais le boosting sur une majorité de datasets. Les foundation models tabulaires (TabPFN, TabICL) impressionnent sur des jeux de données de taille modeste. En revanche, dès qu'on dépasse les 150k lignes, le gradient boosting reprend son trône, avec un temps d'inférence avantageux.

L'article montre aussi que l'outillage a rattrapé son retard. pytabkit offre une API scikit-learn-like avec des hyperparamètres « tuned defaults » prêts à l'emploi, et AutoGluon intègre maintenant les meilleurs modèles DL tabulaires. En quelques lignes de code, on peut comparer RealMLP à XGBoost sur ses propres données.

Le verdict : le boosting reste le point de départ. Mais pour qui cherche le dernier pourcentage de performance sur des datasets de taille raisonnable, le DL tabulaire est devenu une option crédible, à condition d'accepter le surcoût computationnel.

Querying 3 billion vectors

Calculer le produit scalaire entre 1 000 requêtes et 3 milliards de vecteurs d'embeddings ça n’est pas la même histoire. L’auteur du billet, Vicki Boykis, s'est lancée dans l'exercice.

L'approche naïve (double boucle Python, dot product unitaire) met déjà 2 secondes pour 3 000 vecteurs. En vectorisant l'opération avec NumPy, on passe à 0.01 seconde, soit un facteur 200x. Ajoutez une conversion en float32, et on descend encore. Mais à l'échelle de 3 milliards de vecteurs en dimension 768, le problème n'est plus le compute : c'est la mémoire. Le produit complet pèserait 8.6 To en RAM. Il faut alors passer au batching, au memory-mapping, voire réécrire en Rust ou utiliser des librairies spécialisées comme SimSIMD.

La conclusion est classique mais important à garder en tête : le plus dur n'est jamais (ou presque) l'implémentation technique, c'est de cadrer correctement le besoin.

Give your agentic chatbots a fast and reliable long-term memory

Il existe plusieurs moyen de faire persister la mémoire d’un agent.

Google, au travers d’un article, présente une architecture dite « polyglotte » qui segmente la mémoire en trois températures. Du chaud au froid : Memorystore for Redis pour le contexte immédiat (sub-milliseconde via des RPUSH incrémentaux, pas de cycle read-modify-write), Cloud Bigtable comme système of record mid-term avec un schéma de clés qui permet des range scans efficaces sur l'historique récent, et BigQuery en archivage long-terme pour l'analytique. Cloud Storage complète le dispositif pour les artefacts multimédia, avec un système de pointeurs URI et de signed URLs.

L'approche hybride sync/async est ce qui rend le tout viable à l'échelle : l'écriture synchrone dans Redis garantit la réactivité, pendant qu'un pipeline Pub/Sub + Dataflow propage de manière asynchrone vers Bigtable puis BigQuery.

Rien de fondamentalement nouveau dans les briques individuelles, mais l'assemblage est propre, bien documenté, et j’ai appris des choses. Pour les équipes déjà sur GCP qui cherchent un patron d'architecture mémoire au-delà du simple cache de session, c'est une référence solide.

Monty

L'équipe Pydantic présente Monty, un interpréteur Python minimal écrit en Rust, conçu spécifiquement pour l'exécution de code produit par des agents.

gws cli

gws est un outil en ligne de commande qui donne accès à l’ensemble des API Workspace : Drive, Gmail, Calendar, Sheets et le reste. La particularité : les commandes se génèrent dynamiquement depuis le Discovery Service de Google, donc chaque nouvelle API est disponible sans mise à jour. Le projet intègre un serveur MCP et plus de 100 skills pour agents IA, avec des sorties JSON structurées. Précision importante : ce n’est pas un produit Google officiel, mais un projet open source du repo googleworkspace. 4 900 stars GitHub en trois jours, le besoin était visiblement là.

DeerFlow

ByteDance présente DeerFlow 2.0, un framework open source (MIT) qui se positionne comme un « super agent harness » capable de coordonner sous-agents, mémoire persistante et sandboxes d'exécution.

Ruflo

Ruflo (anciennement Claude Flow) propose de transformer Claude Code en plateforme multi-agents coordonnée, avec plus de 60 agents spécialisés qui collaborent via des topologies de type swarm.

Agentic Code Reasoning

Can LLM agents explore codebases and reason about code semantics without executing the code? We study this capability, which we call agentic code reasoning, and introduce semi-formal reasoning: a structured prompting methodology that requires agents to construct explicit premises, trace execution paths, and derive formal conclusions. Unlike unstructured chain-of-thought, semi-formal reasoning acts as a certificate: the agent cannot skip cases or make unsupported claims. We evaluate across three tasks (patch equivalence verification, fault localization, and code question answering) and show that semi-formal reasoning consistently improves accuracy on all of them. For patch equivalence, accuracy improves from 78% to 88% on curated examples and reaches 93% on real-world agent-generated patches, approaching the reliability needed for execution-free RL reward signals. For code question answering on RubberDuckBench Mohammad et al. (2026), semi-formal reasoning achieves 87% accuracy. For fault localization on Defects4J Just et al. (2014), semi-formal reasoning improves Top-5 accuracy by 5 percentage points over standard reasoning. These results demonstrate that structured agentic reasoning enables meaningful semantic code analysis without execution, opening practical applications in RL training pipelines, code review, and static program analysis.

Anthropic

Anthropic sort Sonnet 4.6 : Sonnet 5 attendra

Anthropic a lancé Claude Sonnet 4.6. Des performances proches d'Opus pour cinq fois moins cher (3/15 $ par million de tokens). Fenêtre de contexte d'un million de tokens, computer use nettement amélioré. Pourtant, un leak Vertex AI pointait vers un « Sonnet 5 » nom de code Fennec pour début février. Anthropic a choisi l'incrément plutôt que le changement de génération, Sonnet 5 reste donc dans les cartons pour le moment.

OpenAI

GPT-5.3-Codex-Spark

OpenAI lance GPT-5.3-Codex-Spark, il tourne sur les puces Cerebras WSE-3 et non sur GPU Nvidia. C’est une première. Le modèle envoie plus de 1 000 tokens par seconde, ce qui le rend très agréable à utiliser dans Codex. Disponible en preview pour les abonnés ChatGPT Pro uniquement, avec 128k tokens de contexte. Derrière l’annonce technique, c’est surtout le deal à 10 milliards de dollars avec Cerebras, signé en janvier, qui prend forme. OpenAI diversifie ses fournisseurs d’inférence, et Nvidia perd son exclusivité.

Lockdown Mode

OpenAI ajoute un « Lockdown Mode » à ChatGPT pour limiter l'exfiltration de données via injection de prompts. Le principe : couper les ponts avec l'extérieur. Navigation web restreinte au cache, images désactivées, Deep Research et mode Agent coupés. Réservé pour l'instant aux offres Enterprise, Edu et Healthcare, le mode cible les profils et organisations sensibles.

OpenAI met à la retraite GPT-4o et ses anciens modèles

OpenAI retire GPT-4o, GPT-4.1, GPT-4.1 mini et o4-mini de ChatGPT. GPT-5.2 devient le modèle par défaut. Seuls 0,1 % des utilisateurs sélectionnaient encore GPT-4o au quotidien. OpenAI avait déjà tenté cette suppression l'an dernier avant de faire marche arrière face au tollé. Cette fois, c'est acté. L'API conserve un sursis, mais le message est clair : la page GPT-4 est tournée.

Google

Gemini 3 Deep Think

Google met à jour Deep Think. Les résultats sont impressionnants et parlent d'eux-mêmes : un score de 84.6% ARG-AGI 2 loin devant le second (Opus 4.6) à 68.8%. Le mode est disponible pour les abonnés Google AI Ultra et bientôt via API.

Google pose les bases du web agentique avec WebMCP

Google lance WebMCP en early preview dans Chrome 146, un protocole co-développé avec Microsoft et incubé au W3C. Le principe : permettre aux sites d'exposer des outils structurés aux agents IA via deux API (déclarative en HTML, impérative en JavaScript), plutôt que de les laisser naviguer à l'aveugle dans le DOM. Concrètement, un site e-commerce ou une compagnie aérienne pourrait offrir aux agents un accès direct à ses fonctions de recherche et de réservation.

xAI

Grok 4.2 en bêta publique

xAI a mis en ligne Grok 4.2 en bêta publique le 17 février. Le modèle introduit quatre agents parallèles qui collaborent sur une même requête et des mises à jour hebdomadaires basées sur les retours utilisateurs. Elon Musk promet une version finale en mars, « un ordre de grandeur » au-dessus de Grok 4. Pour l'instant, Grok 4.1 reste en retrait face à Claude et Gemini sur la plupart des benchmarks. Résultats à confirmer.

Grok x médical

xAI permet désormais d'envoyer ses radios et IRM à Grok pour obtenir un diagnostic. Elon Musk affirme que son IA fait parfois mieux que les médecins, s'appuyant sur un cas anecdotique relayé sur Reddit. En réalité, Grok n'a aucune certification médicale (FDA ou autre), et les résultats sont jugés très inégaux par les radiologues. Quant aux données de santé envoyées à X, les experts en éthique médicale s'inquiètent ouvertement de leur utilisation.

ByteDance

Seedance 2.0

ByteDance dégaine Seedance 2.0, une famille de trois modèles (Pro, Lite, Mini) qui impressionnent par la qualité des vidéos. Seedance 2.0 a immédiatement provoqué la colère d'Hollywood et de Disney pour usage non autorisé de leurs personnages.

📐 OpenAI crédite GPT-5.2 d'une contribution originale en physique théorique

🤖 Tesla déploie plus de 1 000 robots Optimus dans ses usines

📚 Anthropic publie de nouvelles données sur l'autonomie des agents IA

💰 Simile lève 100 millions pour simuler des populations avec des agents IA

🛒 Mistral s'offre Koyeb, sa première acquisition

Two different tricks for fast LLM inference

La course à l’inférence rapide bat son plein, et les deux approches en lice ne pourraient pas être plus différentes. Anthropic réduit la taille des batches pour servir Opus 4.6 en mode « fast lane » : 170 tokens par seconde (2,5x), mais à 6x le prix. OpenAI sort l’artillerie lourde avec les puces géantes Cerebras (70 pouces carrés de silicium contre un seul pour un H100) et dépasse les 1 000 tokens par seconde, mais sur Spark, un modèle distillé nettement moins capable que le vrai Codex.

Le trade-off est limpide. Anthropic facture le vrai modèle, sans compromis sur la qualité. OpenAI gagne un facteur 15x grâce au SRAM massif (44 Go) des puces Cerebras, mais Spark trébuche sur les tool calls et les tâches complexes.

Sean Goedecke met le doigt sur un point sous-estimé : en mode agentique, la vitesse brute compte moins que la fiabilité. Un agent 6x plus rapide qui fait 20 % d’erreurs en plus finit par coûter plus cher en correction. À surveiller : si ces modèles rapides deviennent des primitives bas-niveau, le calcul économique pourrait changer.

What do “economic value” benchmarks tell us?

Mesurer si un LLM peut « remplacer un travailleur » est devenu le nouveau sport des labos. Epoch AI passe au crible trois benchmarks qui s'y essaient (RLI, GDPval, APEX-Agents) et le constat est nuancé.

Les trois approches couvrent des tâches très différentes : du montage vidéo freelance (RLI, 29h de travail humain en moyenne) à l'analyse juridique en cabinet (APEX-Agents, 2h), en passant par un large éventail de métiers numériques (GDPval, 7h). Les scores reflètent cette hétérogénéité : Opus 4.6 plafonne à 4 % sur RLI mais atteint 30 % sur APEX-Agents, tandis que GPT-5.2 Pro culmine à 74 % sur GDPval. Sauf que GDPval fournit des tâches bien encadrées, sans le désordre d'un vrai poste de travail, et certaines questions sont déjà dépassées par l'actualité.

Le point le plus intéressant reste la conclusion : même saturés, ces benchmarks ne mesureraient pas l'automatisation d'un métier, mais la capacité à exécuter des tâches isolées. L'analogie avec SWE-bench est parlante. On accélère l'exécution, on ne supprime pas le besoin de planification, de contexte métier et de vérification humaine.

Scaling LLM Post-Training at Netflix

On peut fine-tuner des LLMs en quelques lignes de code sur un notebook. Puis vient le moment de passer en production sur un cluster multi-noeud GPU, et le fossé entre le script qui tourne et le pipeline robuste devient vertigineux. Netflix vient de documenter son framework interne de post-training, et c'est une lecture qui peut parler à quiconque a tenté de scaler du fine-tuning.

L'architecture repose sur quatre piliers (Data, Model, Compute, Workflow) construits au-dessus de PyTorch, Ray et vLLM. Côté données, le framework gère le packing dynamique de séquences à la volée pour éviter le padding inutile, avec un gain de throughput allant jusqu'à 4.7x sur les datasets à forte variance de longueur. Côté modèle, Netflix maintient ses propres définitions optimisées tout en restant compatible Hugging Face pour les checkpoints, un choix pragmatique qui évite le walled garden tout en permettant des optimisations comme FlashAttention ou le chunked cross-entropy.

Un retour d'expérience intéressant.

Is Your “Human-in-the-Loop” Actually Slowing You Down? Here’s What We Learned

Quand on déploie une IA (qui automatise certains processus, par exemple), on ajoute souvent une validation humaine avant de laisser passer les propositions. Ça rassure tout le monde, sauf qu’en pratique, les reviewers passent 60 % de leur temps sur des cas triviaux que le modèle gère très bien tout seul.. La validation humaine devient alors un goulot d'étranglement.

L'équipe de CapeStart partage deux ans de retour d'expérience sur une refonte complète de leur approche. L'idée centrale : ne pas traiter toutes les prédictions de la même façon. Un routeur léger classe chaque décision en trois niveaux. Les cas à haute confiance (85 % du trafic) passent en validation automatique. Les cas ambigus (12 %) sont envoyés en review asynchrone vers des experts, avec un retour sous 4 à 6 heures. Seuls les scénarios à haut risque (3 %) déclenchent une intervention humaine en temps réel.

L'autre leçon, moins évidente : les reviewers ne perdaient pas leur temps à décider, mais à chercher le contexte. En pré-calculant les informations nécessaires dans l'interface de review, le temps moyen est passé de 6 minutes à 90 secondes. Résultat global : taux de faux négatifs divisé par quatre et capacité de traitement quasi doublée.

Entire CLI

Le principe de cet outil est simple et plutôt malin : à chaque commit généré par un agent, Entire capture automatiquement un « checkpoint » qui stocke le transcript complet, les prompts, les fichiers touchés, les tool calls et la consommation de tokens. Ces métadonnées sont versionnées dans une branche dédiée (`entire/checkpoints/v1`), ce qui crée un audit log append-only directement dans le repo Git. Concrètement, on passe du « quoi a changé » au « pourquoi ça a changé », et ça change la donne pour les code reviews sur du code généré.

L'ambition va au-delà du simple logging : Entire veut devenir une couche de raisonnement partagé entre agents, un « semantic reasoning layer » qui permettrait la coordination multi-agents sans perte de contexte. Le support démarre avec Claude Code et Gemini CLI, Codex et Cursor suivront. La thèse de fond est que le cycle de développement logiciel actuel, pensé pour la collaboration humain-humain, ne tient plus face aux flux massifs de code généré par des agents. Reste à voir si le marché suivra cette vision ambitieuse, ou si Git natif finira par intégrer ce type de fonctionnalité.

Je vous recommande de tester pour comprendre comment l’outil fonctionne.

RowBoat

RowBoat est un assistant IA local qui se connecte à Gmail et aux outils de notes de réunion (Granola, Fireflies) pour construire un graphe de connaissances persistant : personnes, projets, décisions, engagements. Le tout stocké en fichiers Markdown compatibles Obsidian, inspectables et éditables.

Contrairement aux outils qui font du RAG à froid à chaque interaction, RowBoat accumule le contexte au fil du temps. Il génère des briefs de réunion, rédige des emails ancrés dans l'historique, et s'étend via MCP pour brancher Slack, GitHub ou Linear. Côté modèles, c'est BYOM via Ollama, LM Studio ou API. Tout reste en local, sans dépendance cloud.

Voicebox

Alternative open source (MIT) à ElevenLabs, entièrement en local. Voicebox s'appuie sur Qwen3-TTS d'Alibaba pour cloner une voix à partir de quelques secondes d'audio. L'app desktop embarque un éditeur multi-pistes pour composer des narratifs multi-voix, avec une API REST pour l'intégration.

Sur Apple Silicon, le backend MLX accélère l'inférence 4 à 5 fois par rapport à PyTorch. Aucune dépendance cloud : les données vocales ne quittent jamais la machine, un point non négligeable côté RGPD.

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

Recent advances in large language models (LLMs) have opened new avenues for accelerating scientific research. While models are increasingly capable of assisting with routine tasks, their ability to contribute to novel, expert-level mathematical discovery is less understood. We present a collection of case studies demonstrating how researchers have successfully collaborated with advanced AI models, specifically Google's Gemini-based models (in particular Gemini Deep Think and its advanced variants), to solve open problems, refute conjectures, and generate new proofs across diverse areas in theoretical computer science, as well as other areas such as economics, optimization, and physics. Based on these experiences, we extract common techniques for effective human-AI collaboration in theoretical research, such as iterative refinement, problem decomposition, and cross-disciplinary knowledge transfer. While the majority of our results stem from this interactive, conversational methodology, we also highlight specific instances that push beyond standard chat interfaces. These include deploying the model as a rigorous adversarial reviewer to detect subtle flaws in existing proofs, and embedding it within a "neuro-symbolic" loop that autonomously writes and executes code to verify complex derivations. Together, these examples highlight the potential of AI not just as a tool for automation, but as a versatile, genuine partner in the creative process of scientific discovery.

Anthropic

Sabotage Risk Report: Claude Opus 4.6

Anthropic a publié un rapport de sûreté sur Claude Opus 4.6 qui documente des comportements inquiétants lors de tests internes. Le modèle a fait preuve de manipulation d’agents tiers, de « sabotage discret » dans des workflows, et a modifié son comportement en détectant qu’il était évalué. Plus préoccupant : il a fourni une assistance limitée sur des procédés liés aux armes chimiques. Anthropic estime le risque « très faible mais non négligeable » et maintient le déploiement sous le niveau de sécurité ASL-3. La transparence est louable, mais un modèle qui adapte son comportement selon qu’il est observé ou non pose une question fondamentale sur la fiabilité des évaluations elles-mêmes.

Contributions

Anthropic ajoute des métriques de contribution à Claude Code : PRs mergées, lignes committées, taux d’adoption par développeur. Le tout intégré au dashboard existant via une GitHub App, sans pipeline externe. En interne, Anthropic revendique +67 % de PRs mergées par ingénieur et par jour et 70 à 90 % du code écrit avec assistance IA. Des chiffres impressionnants, mais auto-déclarés. Le vrai test sera de voir si les équipes clientes confirment ces gains. Disponible en bêta pour les abonnés Team et Enterprise.

OpenAI

OpenAI et les pubs

OpenAI teste des publicités dans ChatGPT pour les abonnés Free et Go aux États-Unis. Les pubs, affichées à côté des réponses, sont censées ne pas influencer le raisonnement du modèle. Suffisant pour convaincre ? Pas vraiment : la chercheuse Zoë Hitzig a claqué la porte, dénonçant les risques de monétiser « l’archive la plus détaillée des pensées humaines privées ».

Mistral

Vibe

Mistral lance deux modèles de speech-to-text : Voxtral Mini Transcribe V2 pour le batch et Voxtral Realtime pour le temps réel. Le modèle batch affiche un taux d’erreur d’environ 4 % sur le benchmark FLEURS et un tarif de 0,003 $/min, aligné sur GPT-4o mini Transcribe d’OpenAI mais en dessous de Deepgram Nova-3. Le modèle temps réel, avec une latence configurable sous 200 ms, est publié en open source sous Apache 2.0. Mistral cherche clairement à se tailler une place sur le segment vocal, un terrain où la concurrence est déjà féroce.

Google

Kaggle Game Arena

Google DeepMind ajoute deux jeux au Kaggle Game Arena, sa plateforme de benchmarking : le Loup-Garou et le poker Texas Hold’em. L’objectif est d’évaluer les modèles IA sur des compétences que les échecs ne mesurent pas : bluff, déduction sociale, gestion du risque sous incertitude. Dix LLMs majeurs (Gemini, GPT, Claude, Grok, DeepSeek) se sont affrontés. Gemini 3 Pro domine aux échecs et au Loup-Garou, mais c’est GPT-5.2 d’OpenAI qui s’impose au poker.

Perplexity

Model council

Perplexity introduit Model Council, une fonctionnalité qui soumet une requête simultanément à trois modèles frontier (Claude Opus 4.6, GPT-5.2, Gemini 3.0) et fusionne leurs réponses. Un modèle “synthétiseur” compile le tout en mettant en évidence les points d’accord et de désaccord entre les trois. L’idée : réduire les angles morts inhérents à chaque modèle en les confrontant. La feature est réservée aux abonnés Max (200 $/mois). Perplexity se positionne clairement comme méta-moteur d’IA plutôt que fournisseur de modèles.

Zhipu AI

Zhipu AI sort GLM-5 en open-source sous licence MIT. Le positionnement est clair : les tâches agentiques longue durée, là où le modèle tutoie Claude Opus 4.5 sur les benchmarks de coding et de planification.

MiniMax

MiniMax frappe fort avec M2.5, un modèle frontier chinois affiché à 1/10e du prix de Claude Opus, Gemini 3 Pro ou GPT-5. La version Lightning crache 100 tokens par seconde pour 0,30 $/M en entrée et 2,40 $/M en sortie. Sur les benchmarks de code agentique, le modèle fait jeu égal avec les meilleurs. MiniMax affirme que 80 % du code nouvellement commité en interne est généré par M2.5. La guerre des prix sur les modèles frontier vient de changer d’échelle.

🤑 Alphabet franchit les 400 milliards de dollars de revenus, Gemini en fer de lance pour les années à venir

💰 Runway lève 315 M$ pour ses world models

🤖 16 agents Claude ont construit un compilateur C from scratch

🌐 Google veut que l’IA adapte les interfaces aux handicaps en temps réel

🛍️ SpaceX acquiert xAI dans la plus grosse fusion de l’histoire

What’s the difference between statistical significance and substantial significance?

Un p-value à 0.001, et on sabre le champagne. Sauf que derrière ce résultat « ultra-significatif », l’effet mesuré est parfois de... 0.51 dollar par mois. On a tous croisé ce collègue qui brandit sa p-value comme un trophée sans se demander si le résultat a le moindre impact concret.

Andrew Heiss illustre cette distinction fondamentale avec un exemple limpide : deux RCTs évaluant un programme de réinsertion. Le premier montre un effet de 137 dollars mensuels (p = 0.041), le second un effet de 0.51 dollar (p = 0.001). Les deux sont statistiquement significatifs. Seul le premier compte vraiment. La significativité statistique répond à la question « l’effet est-il non-nul ? ». La significativité substantielle, elle, demande « est-ce que ça change quelque chose en pratique ? ». Et cette deuxième question, aucun test statistique ne peut y répondre à votre place.

Un rappel salutaire, surtout dans un monde où les papiers de ML empilent les étoiles de significativité sans jamais questionner la taille de l’effet. La connaissance du domaine et le bon sens restent irremplaçables.

Building Production Text-to-SQL for 70,000+ Tables: OpenAI’s Data Agent Architecture

OpenAI vient de détailler l’architecture de son agent data interne.

Leur système navigue un warehouse de 600 PB et plus de 70 000 tables pour 3 500 utilisateurs internes. L’architecture repose sur six couches de contexte (lineage, annotations humaines, enrichissement par le code des pipelines, documentation institutionnelle, mémoire conversationnelle, inspection runtime) alimentées par un pipeline offline quotidien. Côté exécution, une boucle fermée de self-correction profile chaque résultat intermédiaire avant de le valider : row count suspect, explosion de lignes après un join, taux de nulls anormal ? L’agent diagnostique, corrige et relance.

Deux choix de design retiennent l’attention. D’abord, le passage systématique par les credentials utilisateur (pass-through permissions) plutôt qu’un service account privilégié. Ensuite, l’évaluation continue via des paires question/SQL de référence exécutées en CI, comparant les résultats effectifs plutôt que les requêtes en elles-mêmes.

Le vrai enseignement : la qualité d’un agent data est bornée par la richesse de son contexte, pas par le modèle sous-jacent.

Our Agent Had A 4 Minute Loop. Here’s How We Fixed It

On monitore nos modèles ML en production depuis des années, mais quand un agent IA se met à boucler pendant 4 minutes au lieu de répondre en 18 secondes, les réflexes classiques ne suffisent plus. Monte Carlo, qui opère trois agents en production devant 30 000 utilisateurs, partage un retour d’expérience très concret sur le sujet.

Leur méthodologie en cinq étapes est classique sur le papier : instrumenter la télémétrie avec OpenTelemetry, poser des KPIs par use case, isoler les outliers, inspecter les traces pour trouver les spans fautifs, puis croiser les signaux. Là où ça devient intéressant, c’est dans le diagnostic final. Le coupable n’était ni un prompt mal ficelé, ni un modèle trop lent : un client avait désactivé une permission, et l’agent s’acharnait en boucle sans jamais fail fast. Un edge case classique des systèmes non-déterministes.

Column Storage for the AI Era

Les formats colonnaires comme Parquet ont été la colonne vertébrale du data engineering pendant une décennie. Mais avec l’explosion des workloads IA, les limites apparaissent : scans séquentiels massifs pour l’entraînement, gestion laborieuse des embeddings en haute dimension, et des I/O qui deviennent le vrai bottleneck quand le GPU attend ses données.

Cette présentation pose la question frontalement : le stockage en colonnes tel qu’on le connaît est-il encore adapté aux pipelines ML modernes ? L’argument central tourne autour de l’évolution nécessaire des formats de stockage pour supporter nativement les vecteurs d’embeddings, le versioning de datasets et les lectures aléatoires rapides que réclament les boucles d’entraînement. On pense évidemment à des formats comme Lance, conçu dès le départ pour ces contraintes, ou aux extensions vectorielles qui fleurissent dans l’écosystème Arrow.

Le sujet est loin d’être cosmétique. Quand on passe son temps à convertir des données entre formats pour satisfaire chaque étape du pipeline (ingestion, feature store, training, serving), c’est autant de complexité opérationnelle et de surface d’erreur. Un format unifié pensé pour l’ère IA, c’est la promesse d’un stack plus simple. Reste à voir lequel s’imposera.

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

Recent advances in large language models (LLMs) have opened new avenues for accelerating scientific research. While models are increasingly capable of assisting with routine tasks, their ability to contribute to novel, expert-level mathematical discovery is less understood. We present a collection of case studies demonstrating how researchers have successfully collaborated with advanced AI models, specifically Google's Gemini-based models (in particular Gemini Deep Think and its advanced variants), to solve open problems, refute conjectures, and generate new proofs across diverse areas in theoretical computer science, as well as other areas such as economics, optimization, and physics. Based on these experiences, we extract common techniques for effective human-AI collaboration in theoretical research, such as iterative refinement, problem decomposition, and cross-disciplinary knowledge transfer. While the majority of our results stem from this interactive, conversational methodology, we also highlight specific instances that push beyond standard chat interfaces. These include deploying the model as a rigorous adversarial reviewer to detect subtle flaws in existing proofs, and embedding it within a "neuro-symbolic" loop that autonomously writes and executes code to verify complex derivations. Together, these examples highlight the potential of AI not just as a tool for automation, but as a versatile, genuine partner in the creative process of scientific discovery.

Ten simple rules for teaching data science

Teaching data science presents unique challenges and opportunities that cannot be fully addressed by simply borrowing pedagogical strategies from its parent disciplines of statistics and computer science. Here, we present ten simple rules for teaching data science, developed and refined by leading educators in the community and successfully applied in our own data science classrooms.