thekb.eu — Économie & Marché

Claude Fable 5.1 and Mythos 5.1

Tue, 01 Sep 2026 00:00:00 GMT

Le **1er septembre 2026**, Anthropic annonce **Claude Fable 5.1** et **Claude Mythos 5.1**, présentés comme les modèles les plus avancés pour le codage et le travail de connaissance. Les deux sont **le même modèle sous-jacent** ; seuls diffèrent les niveaux de garde-fous. Fable 5.1 est en disponibilité générale ; Mythos 5.1 n'est accessible que via des programmes d'accès de confiance, avec des garde-fous conçus pour la cybersécurité et les sciences du vivant. L'annonce répond explicitement à trois retours clients. **Prix** : les lectures de cache baissent de 75 % à 0,25 $ par million de tokens, entrée et sortie restant à 10 $ et 50 $ ; le coût total baisse d'environ 25 % sur charge typique et jusqu'à 45 % sur charge fortement agentique. **Rétention de données** : les nouveaux *Enterprise Frontier Safeguards* stockent les données sur l'infrastructure du client, offrant la confidentialité d'un accord de rétention zéro tout en préservant la détection d'usages adverses ; déploiement par phases à partir de l'automne. **Garde-fous** : les classifieurs cyber produisent 60 % de faux positifs en moins, et Fable 5.1 est désormais autorisé à découvrir des vulnérabilités logicielles — sans développer d'exploits. Sur les performances, Fable 5.1 atteint 52,6 % sur Terminal-Bench-Science 0.1 (contre 24,7 % pour Fable 5 et 29,0 % pour Opus 5), 55,8 % sur Terminal-Bench 4.0 (60,9 % pour Mythos 5.1), 1853 sur GDPval-AA v2, 73,4 % sur CursorBench 3.2.0 et 31,4 % sur AutomationBench. Les résultats sont présentés en courbes coût/précision à cinq niveaux d'effort ; à effort faible ou moyen, le modèle égale ou dépasse Fable 5 pour un coût bien moindre. Vingt-deux partenaires témoignent, dont Millennium, chez qui le modèle a diagnostiqué un crash survenant une fois sur un million que personne n'avait expliqué en quatre à cinq ans. La section scientifique documente trois résultats. En **design moléculaire**, Mythos 5.1 atteint un taux de réussite de près de 50 % sur 12 cibles protéiques, avec des affinités dix fois supérieures aux meilleures soumissions d'Adaptyv Bio. En **modélisation**, Fable 5.1 a produit une carte altimétrique d'un tiers de Vénus à partir des radars Magellan, publiée sous licence Creative Commons. En **biologie computationnelle**, Mythos 5.1 a accéléré sept modèles open source jusqu'à 2,5× en écrivant des noyaux GPU, réduisant les coûts de 30 à 60 %. Côté sûreté, Mythos 5.1 reste sous le palier de risque suivant de la Responsible Scaling Policy en biologie et dans la catégorie basse du Frontier Compliance Framework en cyber. L'audit d'alignement le trouve mieux aligné que Mythos 5, tout en reconnaissant une couverture limitée sur le long contexte, le multi-agent et les tâches impossibles.

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates ouvre par sa double trajectoire — construire des logiciels chez Microsoft, puis redistribuer la fortune ainsi accumulée — et en tire son cadrage : l'IA sera le plus grand égalisateur jamais inventé, ou la pire source d'injustice. Pour la première fois, une technologie peut remplacer et dépasser la cognition humaine. Or personne ne prépare cette transition : il n'existe aucun plan. Il attribue cette impréparation à une sous-estimation de l'impact. Les erreurs actuelles des modèles trompent, alors que la fiabilité se corrige vite. Surtout, les analogies historiques induisent en erreur : le PC a mis vingt ans à transformer le travail parce qu'il fallait développer les logiciels, faire baisser les prix et former les gens. L'IA, elle, tourne sur les appareils déjà installés et parle en langue naturelle — c'est elle qui s'adapte à nous. Gates déclare ses liens financiers persistants avec l'industrie, précise que les profits de ses investissements iront à la fondation, et laisse au lecteur le soin de juger. Il expose trois risques. D'abord la perte d'emplois : parce que la substitution porte sur la cognition, elle touche le droit, le service client, la médecine, le logiciel et l'industrie simultanément, sur une décennie et non sur des générations. Les postes d'entrée et de milieu de carrière sont les plus exposés ; les cols bleus suivront à mesure que les robots dextres, développés surtout en Chine, deviendront bon marché. Ensuite l'armement des acteurs malveillants : cyberattaques, bioterrorisme, fraude, deepfakes, sachant que capacités bénéfiques et dangereuses ne sont pas séparables — et, symétriquement, la concentration du pouvoir chez ceux qui en détiennent déjà. Enfin l'effet sur le développement des enfants et sur les relations humaines, les compagnons IA étant décrits comme une serre protégée qui prive des leçons du contact réel. Les bénéfices sont réels et situés : accélération de la recherche, santé, agriculture des pays à faible revenu — l'impact qu'il dit le plus rapide —, services publics et éducation. Mais le verbe reste « can » : rien n'advient automatiquement, d'où le rôle nécessaire des États et de la philanthropie. Il propose donc trois premières mesures. Bâtir un cadre institutionnel national et international inédit, empruntant à l'inspection nucléaire, à la régulation aérienne et aux accords sur l'ozone. Instituer un domaine « Human Reserved », des métiers soustraits à l'automatisation pour des motifs économiques ou humains. Rééquilibrer la fiscalité en taxant tokens et robots, puisqu'aujourd'hui le système pousse à remplacer les personnes. Il conclut en appelant à élargir le cercle des voix qui façonnent le débat.

DuckDB and the changing physics of analytics

Wed, 26 Aug 2026 00:00:00 GMT

Andy Warfield, ingénieur du service S3 chez AWS, publie le 26 août 2026 un billet invité sur All Things Distributed, présenté par Werner Vogels. Il y explique pourquoi les moteurs analytiques embarqués comme DuckDB prennent de l'importance, et annonce que DuckLabs, l'équipe qui développe DuckDB, rejoint AWS. Sa grille de lecture est celle d'une « physique » mobile. Là où les sciences physiques explorent des invariants, l'informatique système cherche le compromis élégant face à des rapports qui bougent : vitesse de la mémoire contre celle du réseau, richesse des abstractions contre puissance disponible. Il cite trois moments — le projet NOW de Berkeley, ses propres travaux sur Xen, les recherches MonetDB et X100 au CWI d'Amsterdam, où le goulot du traitement de requêtes s'était déplacé du disque vers le CPU — et note que ces contraintes reviennent par cycles. Appliquée aux données, cette grille explique le traitement distribué. Le traitement est toujours plus simple et plus efficace sur une seule machine rapide, mais quand le disque ou la carte réseau d'un serveur ne suffisent plus à lire le volume voulu, on partitionne. C'était la contrainte du début des années 2000, celle qui a produit MapReduce puis les RDD de Spark. Warfield relève deux qualités de ces systèmes : ils ont beaucoup innové sur l'ergonomie développeur, et ils ont assumé un coût fixe de planification et de distribution en pariant sur le débit obtenu par ajout de machines plutôt que sur l'efficacité unitaire. Or les rapports ont changé. Une instance actuelle offre environ cinquante fois la mémoire, les cœurs et la bande passante réseau de la plus grosse instance EC2 de 2007, tandis que la croissance des jeux de données suit une distribution dont les cas extrêmes sont la queue. Le papier Scalability! But at what COST? de 2015 avait déjà montré qu'une implémentation mono-thread soignée pouvait battre des frameworks distribués sur cent vingt-huit cœurs. DuckDB, lancé en 2018 par Hannes Mühleisen et Mark Raasveldt, applique cette logique : un moteur analytique en bibliothèque, tournant dans l'espace d'adressage de l'application, sur le modèle de diffusion de SQLite. AWS en est devenu client puis sponsor de l'extension Iceberg, dans le sillage de S3 Tables ; l'extension supporte Iceberg v2 et v3 et dépasse 800 000 téléchargements par semaine. Warfield ne présente pas l'embarqué comme un remplacement : quand un traitement exige mille machines, il les exige. Ce qui change, écrit-il, c'est qu'une grande part du travail sur données n'avait jamais besoin d'un cluster. DuckLabs rejoint AWS comme filiale, le projet restant open source sous licence MIT et sous la garde de la DuckDB Foundation.

DeepSeek Harness developer preview: Everything is a plugin

Thu, 13 Aug 2026 00:00:00 GMT

Page de lancement produit publiée le **13 août 2026** par **DeepSeek**, **non signée**, pour la mise en *developer preview* de **DeepSeek Harness** (`dsh`), harnais d'agent de codage **open source sous licence MIT** dont le dépôt est ouvert le même jour. **Ce que dit la page.** Deux promesses, en quatre cents mots et sans un chiffre. **« Everything is a plugin »** : toute capacité — modèles, outils, skills, sessions, sandboxes, stockage, boucles, ordonnancement, interface — est un plugin **substituable par configuration, sans modifier le code source**. **« Every run is traceable »** : tout ce que le modèle voit est inscrit dans un **log de session append-only** — prompts système, raisonnement, appels d'outils et résultats, ordonnancement des subagents, chaque injection de contexte — et *« resume, fork, search et replay opèrent tous sur le même flux d'événements »*. Le noyau est **Cordis**, framework tiers vendoré, décrit dans un papier externe et crédité en évidence. Quatre modes d'exécution sont livrés : **Standard** (outillage complet), **Code** (outils exposés via un SDK TypeScript pour combiner plusieurs opérations en un programme), **Minimal** (deux outils, bash persistant et `str_replace_editor`, *« for benchmarking models in a minimal environment »*) et **Creator** (inspection du runtime, test de plugins en mémoire, composition de nouveaux modes). Démarrage : `npx @deepseek-ai/dsh web`. **Ce que la page ne dit pas.** L'affirmation la plus forte est dans `docs/architecture.md` : ***« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it. »*** **Une garantie assertée à l'exécution**, pas un affichage — c'est la propriété qui distingue réellement DSH, et elle est absente de l'argumentaire. Le même dépôt en fournit le démenti : `SESSION_FORMAT_VERSION` reste à **`0` sans promesse de compatibilité**, *« backends reject old on-disk formats »*, et le README avertit en capitales qu'il y aura des ruptures. **Traçable maintenant ne veut pas dire archivable demain.** **Le modèle d'affaires est dans le calendrier.** DSH sort le jour de la **GA de DeepSeek-V4-Pro** et **trois jours avant** une nouvelle grille tarifaire API (16 août, 16:00 UTC ; heures creuses à **−50 %**). **Harnais donné, inférence renchérie** — l'inverse exact du modèle d'Anthropic. **Ce qui se vérifie.** La substituabilité tient au moins sur la couche modèle : outre l'adaptateur DeepSeek, **`dsh-llm-pi-ai`** rend tout gateway OpenAI-compatible accessible *« par configuration, pas par changement de code »*. Et le mode Minimal livre le **harnais de mesure** dans le produit — tentative de reprendre à Claude Code la définition du benchmark, alors même que le dépôt de DSH contient un `CLAUDE.md` et un `.claude/skills`.

Mistral AI wants to build 1 gigawatt of European compute by 2030 — and lock in customers now.

Tue, 11 Aug 2026 00:00:00 GMT

Article publié sur **VentureBeat** le **11 août 2026** par **Michael Nuñez**, à partir d'un **entretien exclusif sous embargo** avec **Timothée Lacroix**, cofondateur et CTO de **Mistral AI**. **L'annonce, en trois volets.** (1) **Mistral Regional Endpoints**, en disponibilité générale : épingler l'inférence et ses traitements associés en **Europe ou aux États-Unis**. (2) Un **Priority Tier** en préversion publique : niveaux de service engagés, quotas sur mesure, **SLA de disponibilité** pour les charges critiques. (3) Une **coalition d'entreprises européennes** — **Amadeus, ASML, Capgemini, CMA CGM** — dont les engagements pluriannuels doivent financer **200 MW d'ici fin 2027** et **1 GW d'ici fin 2030**. S'y ajoute l'hébergement de **modèles ouverts tiers**, à commencer par **GLM-5.2** du laboratoire chinois **Z.ai** (ex-Zhipu). **Le véhicule financier.** Les engagements se convertissent en **European Compute Units (ECU)** : une créance pluriannuelle sur de la capacité construite par Mistral, fongible entre inférence, entraînement, adaptation de modèles ou Kubernetes managé. La structure tient davantage du **contrat d'achat d'électricité** que du contrat cloud : les prêteurs veulent la demande verrouillée avant que le capital ne parte. Lacroix ne l'habille pas : *« Tout l'intérêt des compute units, c'est d'avoir de l'engagement »*, cinq ans visés, et sur la sortie anticipée — ***« There is no getting out. »*** **Les ordres de grandeur.** Mistral déclare exploiter *« moins de 200 MW »* ; les sites détaillés totalisent **77 MW** (44 MW près de Paris, 23 MW en Suède avec EcoDataCenter, 10 MW aux Ulis). **Epoch AI** chiffre un datacenter IA d'1 GW à **~38 Md$** de capex initial, majoritairement en GPU ; **Goldman Sachs** à 15-20 M$/MW hors puces ; **McKinsey** évalue le besoin mondial à **5 200 Md$ d'ici 2030**. Mistral a levé **~4 Md$ au total** (PitchBook), après **830 M€ de dette** pour le site parisien. **Les petites lignes.** L'inférence en région reste soumise à des *« transferts limités et encadrés »* vers des sous-traitants hors région : concrètement, **les appels d'outils** — la recherche web notamment. Réponse de Lacroix : **couper la capacité** est la fonctionnalité, pas le défaut. Un troisième endpoint, *« sur du compute Mistral »* hors matériel d'hyperscaler, est annoncé mais n'existe pas. **Le repositionnement.** En distribuant des modèles ouverts tiers sous contrôles régionaux et SLA maison, Mistral devient une **couche de distribution souveraine** — le playbook *model garden* de Bedrock et Vertex, en Europe. Le fossé concurrentiel se déplace du modèle vers l'infrastructure. Ce qui finance le tout : la conviction que **les modèles au trillion de paramètres et les tokens agentiques rendent l'inférence on-prem intenable**, ramenant le revenu au cloud. **Les dépendances non résolues** : GPU **Nvidia**, et **Microsoft** en locataire d'ancrage des datacenters européens.

To FDE, or not to FDE?

Tue, 11 Aug 2026 00:00:00 GMT

Article long format publié sur **X** le **11 août 2026** par **Jesse Zhang**, CEO de **Decagon** (agents IA de service client). **Le constat de départ.** Le *Forward Deployed Engineer* est devenu la réponse par défaut à toutes les difficultés du go-to-market IA : déploiements pénibles, clients incapables de s'auto-servir, produit pas prêt. **Anthropic et OpenAI** ont monté des bras de déploiement entreprise **explicitement calqués sur Palantir** ; les annonces pour ce titre seraient en hausse de plusieurs centaines de pour cent en un an. Or, note Zhang, c'était jusqu'à récemment **un motif de critique** — revenus de moindre qualité, marges structurellement plafonnées — et *« rien dans l'économie sous-jacente n'a changé »*. Ce qui a changé : à l'ère de l'IA, les entreprises ignorent le chemin vers le résultat mais croient au résultat, et **le FDE livre du résultat**. **Le précédent Palantir.** Shyam Sankar, CTO : ***« FDEs eat pain and excrete product. »*** Joe Lonsdale reconnaît que la réputation de « cabinet de conseil déguisé » reposait sur une observation exacte. Les déploiements **Gotham** sur mesure ont été encodés en primitives — **ontologie, modèles d'objets, permissions, moteurs de workflow, traçabilité de provenance** — devenues **Foundry**, puis Apollo et AIP. Avec la standardisation, la **marge brute est montée dans les 80 %** et Palantir a quitté le motion FDE. *« La douleur était l'intrant du produit, pas un coût de vente. »* **La thèse.** Envoyer des ingénieurs est justifié **quand la catégorie est neuve** : un agent comptable en 2026 n'a pas de workflow établi, et le client lui-même ne peut pas le décrire. **Mais une fois les parcours connus, il faut retirer les FDE — et personne n'en aura envie**, parce que les garder est plus facile à chaque sprint : on n'a jamais à trancher un arbitrage produit, à dire non, à faire un choix d'architecture douloureux. On garde alors **tous les inconvénients du modèle sans le bénéfice de découverte**. Zhang distingue en outre **FDE et implémentation** : l'un découvre une spec inconnue, l'autre exécute une spec connue ; les confondre permet de faire passer une org de services pour un investissement produit. **Le cas Decagon.** Approche produit assumée, motivée par deux demandes constantes des entreprises : **vitesse d'itération** et **refus du verrouillage fournisseur**. Coût : transformer les escalades en exigences plutôt qu'en patchs. Bénéfice **auto-déclaré** : *« deux tiers du travail de déploiement »* réalisés de façon autonome via **Duet**, et *« quelques jours »* pour lancer le premier **AOP** chez de grandes banques, compagnies aériennes ou télécos. Chiffres non définis et invérifiables. **La chute** : *« Si vos FDE digèrent de la douleur et excrètent encore de la douleur, vous n'avez pas une équipe FDE. Vous avez une entreprise de services. »*

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifeste publié sur **meta.com** le **10 août 2026**, signé ***« – Mark »*** (**Mark Zuckerberg**), ~6 500 mots. **Les trois principes.** L'**autonomisation individuelle** comme source de prospérité, l'**invention** — et non l'automatisation — comme finalité première de la superintelligence, et l'**équilibre des pouvoirs** comme fondement de la sûreté. La question directrice : *« qui aura accès à la superintelligence et vers quoi la dirigerons-nous ? »* **L'argument central.** L'alignement conçu comme convergence vers un système bienveillant unique est *« fondamentalement erroné »*, parce que ***« l'humanité n'est pas une monoculture »*** : les valeurs des gens encodent des arbitrages opposés, et aucune solution technique ne peut s'aligner à la fois sur des intérêts contraires. Donc ***« il n'existe pas de superintelligence singulière bienveillante »***. La sûreté n'est pas un problème d'ingénierie mais de **répartition du pouvoir** — démontré par trois expériences de pensée identiques (avocat, cybersécurité, entreprise : un seul détenteur nuit, la généralisation bénéficie). Corollaire adressé à l'industrie : le scénario le plus dangereux serait *« des labos de pointe entraînant des modèles puissants et les gardant pour eux »*. **Ce que Meta s'engage à faire.** Un agent personnel 24/7 avec **mode entièrement privé** où *« même Meta »* ne peut donner accès ; des outils de création et de création d'entreprise ; un tuteur personnalisé ; l'accès aux avancées scientifiques (Biohub) ; des **versions gratuites** pour des milliards, plus une **enchère dynamique** pour le compute payant. Côté gouvernance : le **conseil d'administration indépendant** approuvera les critères de sûreté de publication et vérifiera leur respect, l'auteur reconnaissant que Meta reste **contrôlée par son fondateur**. Côté ouverture : *« nous **reprendrons** bientôt la publication de **certains** modèles open source »*, plus une défense explicite de la **distillation** — *« on peut apprendre de tout ce qu'on peut observer »*. **Les risques traités.** Emploi (rien n'oblige l'automatisation à devancer les capacités ; le compute fini crée un coût d'opportunité favorable à l'invention) ; infrastructure (**community compacts**, *Future Is For Everyone Fund*, prime de 50 000 $ aux enseignants de Richland Parish, water-positive 2030) ; cyber et biorisque (les défenseurs doivent garder l'avantage ; réguler la production physique plutôt que la connaissance) ; tyrannie (vie privée, **checkpoints d'entraînement intermédiaires** au gouvernement plutôt que revue bloquante) ; leadership américain (avance de deux mois décisive, contrôles à l'export maintenus). **Deux réserves.** Le **sourcing est quasi nul** — les statistiques emploi, l'incident HuggingFace, la capacité nucléaire chinoise ne sont pas référencés. Et **l'alignement y devient une conséquence de l'adoption** : *« si des milliards de gens utilisent et scrutent des agents personnels, alors nous aurons résolu l'alignement »*. C'est l'inférence la plus lourde et la moins défendue.

Graphify — Knowledge Graphs for AI Coding Assistants (site graphify.net : vitrine, annuaire d'outils et galerie de dépôts graphifiés)

Thu, 06 Aug 2026 00:00:00 GMT

Site **graphify.net**, consulté le 6 août 2026, propriété officielle de **Safi Shamsi**, créateur de la skill open source graphify. Le domaine porte trois choses distinctes de la plateforme commerciale `graphify.com` et du dépôt GitHub. **Une vitrine produit**, d'abord : présentation de graphify, guides d'usage, référence de la CLI, pages sur tree-sitter et le clustering de Leiden. **Une galerie de démonstration**, ensuite, et c'est la partie la plus convaincante : **100 dépôts de GitHub Trending déjà graphifiés**, totalisant **854 079 nœuds et 1 932 930 arêtes**, filtrables par langage et par taille, chacun affichant son compte de nœuds, d'arêtes et de communautés, avec prévisualisation du graphe et page de détail. Montrer l'outil tourner sur des dépôts connus vaut mieux qu'un argumentaire, et produit au passage un jeu de données public de graphes comparables. **Un annuaire éditorial**, enfin, qui a de la valeur indépendamment du produit qu'il promeut : **30 guides de clients de codage IA** comparés sur le workflow, les agents, le prix, la sécurité et l'adéquation à la livraison ; un **répertoire de serveurs MCP** évalués sur le transport, le runtime, les clients supportés, l'effort d'installation et **les risques d'accès** ; des comparaisons deux à deux sur champs alignés. Le site revendique une méthode — *« source-reviewed »*, preuves officielles, inconnues explicites — et se décline en six langues. **Cette fiche existe surtout pour consigner un décalage.** Le même jour, le site annonce **« 3,7k+ étoiles GitHub »** quand l'API en compte **103 187** ; il déclare **trois fois** une licence **MIT** quand le fichier `LICENSE` du dépôt est une **Apache 2.0** ; et il met en avant l'argument **« 71,5× de réduction de tokens »**, qui appartient au README de la génération v1 et a disparu de la version courante au profit de benchmarks LOCOMO et LongMemEval. Le site décrit donc un produit d'il y a plusieurs générations. **L'erreur de licence est la plus sérieuse** : MIT et Apache 2.0 n'emportent pas les mêmes obligations, notamment sur les brevets et la mention des modifications. Reste une observation stratégique : **un éditeur d'outil qui construit l'annuaire de sa propre catégorie** occupe la requête d'évaluation avant ses concurrents. La revendication de neutralité ne supprime pas le conflit d'intérêts — graphify figure parmi les skills mises en avant du site. Point d'entrée utile, arbitre non.

Efficient Tokens & Effective Teams in Buzz

Thu, 06 Aug 2026 00:00:00 GMT

Billet de benchmarks de **Block** signé **Atish Patel**, publié le **6 août 2026**, prolongeant le lancement de **Buzz** : puisque monter une équipe d'agents y est devenu trivial, *quelle est la moins chère qui réussit de façon fiable ?* **Le vocabulaire d'abord.** Le billet propose quatre tiers : **QuickBee** (rapide et bon marché — builds, captures, tests, tri de première passe : GPT-5.6 Luna, DeepSeek V4 Flash, modèles locaux, **à faire tourner en effort élevé**), **WorkerBee** (polyvalent, porte un sous-ensemble complet sans surveillance : GPT-5.6 Terra, Gemini 3.6 Flash, modèles ouverts), **SmartBee** (vue d'ensemble, arbitrages, escalades : Claude Opus 5, Kimi K3, GPT-5.6 Sol, **en effort *medium***) et l'humain, *« the most expensive bee on the team, and the slowest. Also still the smartest »*. Deux formes d'équipe : la **Hive** permanente, qui mémorise **vos** préférences, et le **Swarm** jetable, qui mémorise **le projet** puis disparaît. **Le résultat solo.** Sur **Terminal-Bench 2.1**, monter l'effort d'un **modèle bon marché** est le meilleur achat : Luna passe de 1,61 $ / 57,3 % (*medium*) à 4,98 $ / 75,0 % (*high*). À l'autre bout, **Opus 5 en *xhigh* est le run le plus cher (140,63 $) et ne marque que 75,0 %**, ayant **atteint le timeout sur 17 des 88 tâches** par sur-raisonnement. Entre les six meilleurs runs : **5,5× d'écart de prix, 8,9 pts d'écart de score**. Conclusion : *« choosing between them is not a quality decision at all. It is a budget decision. »* **Le résultat d'équipe, en deux temps.** Sur Terminal-Bench 2.1, **douze compositions** ont été testées et **aucune n'a battu le solo à prix équivalent** — une tâche courte n'a pas assez de structure à diviser. Sur **Long-Horizon Terminal-Bench** (44 tâches de plusieurs heures, chef GPT-5.6 Sol, **3× le timeout**), l'inversion est nette : solo **15 tâches / 59,1 %**, +2 WorkerBees **20 / 71,5 %** — **+12,4 pts, dont 11,4 dus aux complétions supplémentaires**. L'équipe coûte plus cher par tâche, ce qui se justifie *« quand l'alternative est un humain qui ramasse du travail inachevé »*. **La règle d'exploitation.** Faire escalader les workers vers un **coordinateur SmartBee** plutôt que vers l'humain : *« every ambiguity becomes a notification »* est le vrai mode de défaillance. Un ingénieur de Block dit avoir **migré plus de 2 000 apps** avec un Swarm (coordinateur, 1-10 migrateurs, vérificateur indépendant), le coordinateur mémorisant les réponses humaines. **Réserves** : n=1 par tâche, pas d'intervalle de confiance, coûts d'équipe non publiés, et un aveu — *« this might change if models are trained on better collaboration. »*

Block explores how to price AI

Thu, 06 Aug 2026 00:00:00 GMT

Brève de presse spécialisée (**Payments Dive**, format *Dive Brief*, **6 août 2026**) couvrant la publication trimestrielle de **Block** : l'entreprise a déjà déployé plusieurs outils d'IA chez ses clients — **Moneybot** (Cash App) et **Managerbot** (Square) — et n'a pas encore choisi comment les facturer. **Jack Dorsey** en conférence analystes : *« We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers. »* **Le contexte financier éclaire cette position.** Six mois plus tôt, Block licenciait environ **4 000 personnes, soit ~40 % de ses effectifs**, dans une réorganisation explicitement centrée sur l'IA. Au T2 2026 : profit brut **+25 % à 3,2 Md$**, revenus **+10 % à 6,62 Md$**, mais **résultat net à 89 M$, en baisse de 83 %** sur un an du fait des indemnités de départ achevant la restructuration ; guidance 2026 relevée. La valeur de l'IA est donc encaissée par la structure de coûts avant de l'être par le prix. **Le fait le plus lourd est au milieu de la brève**, tiré de la lettre aux actionnaires : *« Starting in June, agentic AI helped write and review nearly all of our production code changes »* — écrire **et relire** la quasi-totalité des changements de code en production, chez une entreprise cotée du paiement, six mois après la suppression de 40 % des effectifs. Déclaration auto-rapportée aux investisseurs, sans définition de *« nearly all »* ni de ce que *« review »* recouvre. **L'outillage** : **Goose**, système interne construit deux ans plus tôt, présenté comme agnostique (il intègre différents modèles commerciaux pour les employés) ; **Buzz**, lancé le mois précédent pour *« agent collaboration, communication, and code repositories »*. **Côté clients** : Moneybot surveille l'activité de l'utilisateur Cash App et renseigne comptes, soldes et transactions — plus d'**un million de comptes actifs hebdomadaires** ; Managerbot fait du marketing automatisé, de l'analyse de marge et suggère des *« operational fixes »* aux commerçants Square. Les analystes d'**Evercore ISI** listent quatre voies de monétisation — bundles SaaS, abonnements directs, offres entreprise, tarification à l'usage — dont **aucune n'est indexée sur le résultat**. Ordre de priorité déclaré : **qualité du produit → distribution → adoption → modèle de prix**. Deux faits de distribution complètent le tableau : Square s'installe dans **Google Maps** avec une *« conversational AI experience »*, présentée comme *« the first step in a broader partnership between Square and Google »* ; et le boîtier de paiement **Tags** (porte-clés et baguettes à puce NFC) affiche **trois millions de personnes en liste d'attente**. Citations d'analystes : William Blair (*« Block epitomizes the secular shift toward tech-forward digital finance firms »*) et Bank of America sur le *« post-reset operating model »*.

Announcing Cloudflare Wallets: the programmable wallet for the agentic Internet

Tue, 04 Aug 2026 00:00:00 GMT

Annonce produit publiée sur le blog **Cloudflare** le **4 août 2026** par **Will Papper**, dans le cadre de l'**Agents Week** : **Cloudflare Wallets**, présenté comme *« the programmable wallet for the agentic Internet »*. **Le problème posé** est précis et bien choisi : un agent qui veut essayer une API doit traverser une page de connexion **conçue pour des humains**, faire ajouter un moyen de paiement par un humain, générer une clé d'API, puis comprendre comment appeler le service. Deux manques structurels l'expliquent — *« Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs »* — avec pour conséquence que *« AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans »*. **L'architecture proposée tient en deux types de portefeuilles** : les **Account Wallets**, destinés aux humains propriétaires d'un compte Cloudflare (approvisionner, déléguer, retirer), et les **Virtual Wallets**, destinés aux agents, **opérant par clé d'API** et dont le plafond de dépense est **fixé par le détenteur du compte**. Les garde-fous annoncés sont explicites : **allocation, liste d'autorisation, montant maximal par transaction**. **Le rail de paiement est le protocole x402** (paiements attachés à des requêtes HTTP) et la monnaie est le **stablecoin** — ce qui place l'offre dans un camp distinct de celui des schémas adossés aux réseaux de cartes. **L'argument le plus intéressant est contre-intuitif et central** : *« These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000. »* → **le plafond n'est pas ce qui bride l'autonomie, c'est ce qui la rend consentable.** **Second volet, plus stratégique que le premier** : l'identité, via un espace de noms **`cloudflare.pay`** — un agent de recherche pourrait vivre à `research.example.cloudflare.pay`, donnant au marchand la certitude qu'il parle à l'agent d'une organisation identifiée. Cloudflare revendique une ambition volontairement minimale (*« a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS »*), adossée à ses briques existantes (**Turnstile**, Bot Management, **Web Bot Auth** et ses paires de clés), et annonce vouloir adopter les schémas de la **x402 Foundation** à mesure qu'ils émergeront. **Réserve dirimante sur le statut du texte** : **presque tout est au futur**. Ce qui existe le jour de l'annonce, c'est la **réservation d'un handle** ; les paiements, les Virtual Wallets, les garde-fous et les rampes d'accès aux fonds sont annoncés (*« Soon, you will be able to… »*). C'est une **prise de position sur un espace de noms**, davantage qu'une mise en service.

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

Mon, 27 Jul 2026 00:00:00 GMT

Billet et rapport d'**OpenAI Economic Research** publiés le **27 juillet 2026**, premier volet de la série **Work at the Frontier**, sur une analyse de **plus de 800 000 messages d'utilisateurs américains de ChatGPT**. **Concept forgé** : le ***task crossover*** — *« work historically associated with one occupation appearing in the AI use of people in another »*. **Le chiffre-titre est double, et c'est le point que les reprises perdent** : **16,8 % des messages liés au travail** portent sur des tâches associées à un autre métier, et **43,5 % des messages spécifiques à un métier**. L'entonnoir explique l'écart : **61,5 % de l'usage est générique** (écrire, résumer, planifier — trop partagé pour valoir preuve de crossover) et écarté ; sur les **38,5 % restants**, **43,5 % tombent hors du métier** et 56,5 % *« inside **or near** »* — la borne haute est donc calculée sur une base réduite, la borne basse sur l'usage professionnel entier. **Par métier** (part des messages métier-spécifiques renvoyant à une tâche extérieure) : expérience client **77 %**, design **75 %**, RH **69 %**, juridique **56 %**, marketing **53 %**, vente **40 %**, finance **40 %**, ingénierie **28 %** — *« a majority in five of eight groups »*. **Deux directions distinctes de circulation** : le design **importe** (35,2 %) et n'**exporte** presque rien (1,7 %) ; l'ingénierie fait l'inverse (importe 18,5 %, exporte 7,4 %) ; le **marketing cumule** (importe 24,3 %, exporte **8,9 %**, la plus forte part sortante de l'échantillon). **Deux tâches figurent dans le top 3 des emprunts des sept autres groupes** : le **calcul financier** et le **dépannage technologique**. **La heatmap, absente des reprises, est l'objet le plus riche** : elle donne la distribution complète des tâches par métier d'utilisateur, et sa diagonale est renversante — l'ingénierie retient **53 %** de son propre travail quand l'expérience client n'en retient que **11 %**, les RH **10 %** et le design **12 %**. **Effet de taille** : la part hors métier passe de **18,9 %** (2-5 postes) à **16,3 %** (>100 postes) — **mais uniquement « among average users »**, OpenAI précisant que *« among the heaviest users, we do not see the same monotonic pattern »*, et concluant au conditionnel : *« AI **may be** especially useful as a generalist tool where specialist resources are scarce. »* **Statut revendiqué** : un **signal avancé**, visible *« before firms rewrite job descriptions or create new job titles »*. **Réserve structurelle** : OpenAI mesure l'usage d'OpenAI, sur les seuls utilisateurs américains de ChatGPT, et présente cette position comme un atout — *« our unique window into how the world of work is changing »*.

Aiman Ezzat, le directeur général de Capgemini : « L'enjeu ? Intégrer l'IA au coeur des opérations et réinventer les processus métiers »

Sat, 25 Jul 2026 00:00:00 GMT

Dans le numéro « spécial patrons » d'**Investir** consacré au défi de l'IA (25 juillet 2026), **Aiman Ezzat**, directeur général de **Capgemini**, défend une thèse simple et commercialement chargée : **la valeur de l'IA ne vient pas de la technologie mais de son intégration au cœur des opérations**. L'IA agentique, « capable d'agir de manière autonome », marque selon lui une **rupture majeure** qui permettra une transformation structurelle du fonctionnement des entreprises — et place l'intégrateur au centre du jeu. **Les preuves avancées.** Capgemini a engagé il y a trois ans un investissement de **2 milliards d'euros** (portefeuille d'offres, écosystème de partenaires, formation des collaborateurs). Les effets revendiqués sont mesurés côté delivery : sur certains projets, **plus de 30 % d'accélération du développement applicatif** selon le type d'application, et **près de 20 % de réduction des incidents et interruptions de service**. Côté marché, les projets d'IA générative et agentique représentent **plus de 11 % des prises de commandes au premier trimestre, contre 6 % un an auparavant**. L'ambition affichée : **5,5 % à 7,5 % de croissance annuelle** à taux de change constants à horizon **2028**, avec amélioration de la rentabilité et du cash. **Le diagnostic sur les clients.** L'IA générative a ouvert la voie avec des **gains de productivité individuels à impact limité** ; l'agentique va plus loin en introduisant « une nouvelle forme de travail », avec des agents qui exécutent des tâches, s'insèrent dans les processus métier et contribuent à la prise de décision. Mais concrétiser la promesse est « tout sauf simple » : **systèmes existants complexes, données insuffisamment matures, gouvernance, sécurité, coûts**. Le passage à l'échelle exige de repenser systèmes, données, processus, organisation et modèles opérationnels — « **nous sommes très loin du plug and play** ». **Le programme.** Créer une **couche technologique agentique sur un socle modernisé**, **orchestrer la collaboration entre humains et agents**, **maîtriser les coûts** de cette nouvelle force de travail. Sans gouvernance claire des rôles, de la sécurité et des responsabilités, « déployer des milliers d'agents à l'échelle de l'entreprise serait une impasse ». D'où le déplacement de la question : « la question n'est pas de savoir qui développe les meilleurs modèles mais qui aide les entreprises à en tirer parti ». **Le marché et l'emploi.** La transformation agentique déborde les budgets IT traditionnels pour s'inviter dans les **budgets opérationnels et les priorités stratégiques** ; Capgemini estime l'opportunité à **+400 Md$ par an à horizon 2030** pour les services numériques et le conseil. Sur l'emploi, Ezzat reste prudent : impact profond sur les métiers, tâches automatisées et métiers créés, mais « trop tôt pour dire » si le solde sera négatif. L'acquisition de **WNS** crée « un leader mondial des **opérations intelligentes** », annoncé comme pilier de croissance.

IA et emploi : le vrai risque, c'est le décrochage

Thu, 23 Jul 2026 00:00:00 GMT

Dans ce point de vue publié sur sfeir.com (23 juillet 2026), **SFEIR** commente la note **Trésor-Éco n° 391** de la DG Trésor (juin 2026) et l'adosse à sa propre doctrine : *« amplifier l'IA plutôt que la subir »*. L'article salue le **ton prudent** de Bercy — qui expose les mécanismes et l'incertitude au lieu de trancher — et en tire une thèse en trois temps *« plus retournée qu'il n'y paraît »*. **Pas d'effet agrégé.** Dans le cadre d'Acemoglu-Restrepo, deux forces s'opposent : effet de **déplacement** (substitution) et effet de **productivité** (complémentarité, baisse des coûts, demande accrue). Elles se compensent aujourd'hui ; les études n'identifient aucun effet agrégé, faute de recul et d'adoption (~20 % des entreprises UE). Les gains individuels sont pourtant réels (+14 % en service client, +26 % chez les développeurs), mais l'anxiété va plus vite que les données (62 % des Français inquiets). **Le seul signal solide : les juniors.** −16 % d'emploi des 22-25 ans exposés aux US (Brynjolfsson 2025) ; en France, contraction de l'emploi des jeunes dans l'informatique et chômage des 15-24 ans en hausse (19,1 %→21,1 %) — sans causalité établie. Le mécanisme : l'IA automatise les **tâches codifiées** des postes d'entrée, celles qui *« formaient hier les seniors de demain »* — d'où un enjeu de **renouvellement des expertises**. **L'argument que le débat rate.** Le sort d'un métier tient à l'**élasticité-prix** de la demande, pas à l'exposition : développeurs et graphistes (élasticité > 1) voient la demande croître quand l'IA baisse leurs coûts — **paradoxe de Jevons appliqué au code**. L'argument est **structurellement pro-emploi pour les développeurs**. L'article **démonte** aussi le narratif « licenciements IA » (4,5-6,2 % des annonces US ; **labellisation** à 59 %) et pointe les **angles morts** de la note : scénario **agentique** relégué en note de bas de page (qui invaliderait le cadre « assistant »), **vitesse de diffusion** non discutée, et **biais de source** (OpenAI/Anthropic devenus sources de Bercy). **La vraie ligne de crête : le décrochage.** Bercy déplace la charge de la preuve — le risque est **compétitif** (retard à adopter), pas social. D'où les dispositifs (« Osez l'IA », France 2030). **Perspective SFEIR** : pour un DSI/CTO, cela se traduit en décisions — la valeur migre vers l'intention/architecture/contrôle ; former des **ingénieurs augmentés** (AI Champions) ; éviter l'adoption précipitée (**workslop**, dette technique) via **context engineering**, gouvernance et critères POC→production. *« Faire de l'adoption un levier plutôt qu'une pile de POCs. »*

Mistral ↔ Microsoft : un accord souverain, une stratégie industrielle encore illisible

Wed, 22 Jul 2026 00:00:00 GMT

Le **21 juillet 2026**, **Mistral** et **Microsoft** annoncent un renforcement de partenariat sous la forme d'un **accord de plusieurs milliards de dollars**. SFEIR — partenaire Anthropic et Google Cloud, donc « sans intérêt à survendre le champion français », mais tenant Mistral pour « le meilleur pari européen sur la couche modèle » — en propose une **lecture d'ingénieurs**. **Ce que l'accord dit, factuellement**, en trois volets à distinguer des éléments de langage : (1) **du compute en Europe** — capacité Azure réservée sur le continent, datacenters en France, systèmes **NVIDIA Vera Rubin**, pour combler le déficit de calcul européen ; (2) **les modèles dans l'outillage Microsoft** — **Mistral Medium 3.5** et **Mistral OCR 4** dans **Foundry**, accessibles dans **Copilot Studio** pour des agents métiers ; (3) **Azure Local jusqu'au mode déconnecté** — cloud public, connecté supervisé, et **air-gapped** hors réseau externe, pour secret défense, santé, banque critique. **Fait notable confirmé par Brad Smith : aucune nouvelle prise de participation** de Microsoft au capital. Cette absence préserve la **gouvernance** de Mistral et **minimise le risque antitrust** (FTC, Commission européenne) : « un montage d'alliance sans fusion — de l'**arbitrage réglementaire assumé** ». **La souveraineté, mais posée sur quelle fondation ?** Le modèle européen, exécutable en environnement déconnecté et contrôlé par le client, coche des cases que peu d'offres cochent — « une bonne nouvelle ». Reste la tension : cette souveraineté se déploie **sur l'infrastructure d'un hyperscaler américain**. Il faut distinguer **quatre souverainetés** — modèle, exécution, infrastructure, relation commerciale : on peut en obtenir « trois sur quatre, encore faut-il savoir laquelle manque ». Le seul élément qui la rend **vraiment portable** est le **caractère open-weights** des poids de Mistral (même logique de réversibilité que **Kimi K3**), outillé par la **Matrice Souveraineté Agentique** et le **Design to Exit**. **Le vrai angle mort : la stratégie industrielle.** Mistral est présent simultanément partout — B2C (Le Chat), B2B (via Azure), open-weights **et** frontier, infrastructure très capitalistique (200 MW, cap 1 GW en 2030), partenariats à gros comptes, verticalisation (Robostral, OCR 4), service aux régulés. **Lecture optimiste** : un **full-stack souverain**, seule position qui évite d'être « simple locataire de la couche modèle ». **Lecture prudente** : une entreprise de trois ans, valorisée ~20 Md€, qui disperse capital et attention sur des métiers aux modèles économiques divergents — « aucun ne se gagne à moitié ». Manque le **fil directeur** disant où est le **fossé défensif**. **Ce qu'une direction technique doit en retenir** : **séparer le modèle du canal** ; **concevoir pour sortir** (l'open-weights rend la porte de sortie crédible — **architecture multi-LLM souveraine**) ; **router plutôt que parier** (**RAISE**). Conclusion : la souveraineté est **une propriété d'architecture, pas un label** — elle se qualifie dépendance par dépendance. La lisibilité industrielle qui manque reste la question ouverte, tranchée « non par les communiqués, mais par les arbitrages des douze prochains mois ».

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Cette note vérifie une synthèse de veille sur **Delos Intelligence** (delos.so), startup française d'IA générative B2B, en la confrontant aux sources primaires (billet « Overlooked » d'Alexandre Dewez / 20VC du 15 avril 2025, site officiel, registres) et à la presse spécialisée. L'ossature est **fiable**, mais plusieurs chiffres demandent requalification. **Financement — confirmé.** Delos a levé **2,5 M€ en amorçage (Seed)** — ≈2,74 à 2,83 M$ selon la conversion — tour **annoncé mi-avril 2025**, mené par **20VC** (Harry Stebbings), avec **Inovia Capital, Kima Ventures (Xavier Niel) et Plug and Play**. Point notable : la liste des **business angels**, exactement le type d'information qu'un LLM peut halluciner, est **confirmée mot pour mot** par le communiqué du lead — Éléonore Crespo & Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), plus Mark Goldberger (Ramp) et Antoine Freysz (Kerala), ces deux derniers *manquants* dans la synthèse initiale. En revanche, **aucune Série A n'a été bouclée** : elle est seulement **annoncée comme intention** (« plusieurs dizaines de millions d'€ d'ici mars 2026 »), sans communiqué ni entrée en base. **Business model — partiellement exact.** SaaS **à crédits** (1 crédit ≈ une requête simple). La grille réelle est plus riche que « 25–80 € » : **Student 10 €, Explore 25 €, Advanced 45 €, Premium 80 €** (crédits croissants), plus **Enterprise sur devis**. L'offre **individuelle/B2C est bien réelle**, mais le cœur de cible reste **B2B**. Modèles orchestrés : ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. La **souveraineté** (hébergement Scaleway) était **en cours de finalisation** fin 2025, le calcul reposant encore partiellement sur Azure (France), bascule 100 % Scaleway visée début 2026. **Équipe et clients — partiellement exact.** Fondée le **2 juillet 2023** par les frères **Pierre** et **Thibaut de la Grand'rive**. L'effectif « **50** » n'est **pas sourçable** : ~20 en avril 2025, une quarantaine fin 2025. **200 entreprises clientes** confirmé ; clients **TotalEnergies, Shiseido, Groupe Casino** confirmés (+ Allianz, Best Western, BPCE, Ministère des Armées…). Les nombres d'utilisateurs (10 000 → 100 000+) et l'**ARR** sont **auto-déclarés** : aucun ARR global publié, la seule mention (« 1 M$ d'ARR en quelques jours ») portant sur le **seul produit Workers** et non auditée. **Leçon transverse** : un fact-check gradue les niveaux de preuve (confirmé / partiel / spéculatif / non sourçable / auto-déclaré) plutôt que de trancher en binaire — et vérifie une information plausible avant de la suspecter d'être une hallucination.

Amazon, Microsoft, and Google are converging on the same enterprise agent architecture

Mon, 20 Jul 2026 00:00:00 GMT

En neuf mois, Amazon, Microsoft et Google ont chacun lancé ou renommé une plateforme d'agents d'entreprise, et **tous trois ont convergé sur la même architecture** : runtime, mémoire, tool gateway, identité, observabilité et gouvernance apparaissent désormais dans **Bedrock AgentCore**, **Microsoft Foundry** et la **Gemini Enterprise Agent Platform**, sous des noms différents. Ce qui était il y a 18 mois une collection fragmentée de librairies devient une **couche plateforme** distincte. Pour lire où cela mène, Janakiram MSV convoque l'**inflexion PaaS de 2011-2016**. Avant, on assemblait VM, load balancers, files, secret stores et agents de monitoring, chacun avec son API. **Cloud Foundry** et **Heroku** ont unifié ces pièces autour d'un **contrat applicatif** : l'application déclare ce dont elle a besoin et reste agnostique de son lieu d'exécution. Ce qui comptait, c'était le **contrat, pas l'implémentation**. Cloud Foundry n'a pas gagné le marché — Kubernetes l'a fait — mais ses principes ont survécu (buildpacks → Cloud Native Buildpacks/CNCF ; abstraction reconstruite sur K8s via Korifi). L'écosystème agent approche la même inflexion **sans contrat équivalent**, et aucun projet open source ne l'a revendiqué. Le coût est concret : état de session, traces et identité **terminent tous chez un seul fournisseur** ; déplacer un agent un an plus tard oblige à **tout reconstruire**. La convergence n'est pas un complot mais un comportement rationnel — l'intégration verticale, « c'est là qu'est la marge » — dont la conséquence retombe sur le client. L'auteur propose un **mapping** du contrat Cloud Foundry vers les agents (source appli → code+éval ; buildpack → packaging ; backing service → modèle/mémoire ; binding → attachement authentifié ; router → MCP/A2A ; logs → traces/coût/qualité ; promotion → éval/versioning ; policy → identité), puis trois principes : **packager l'agent en une unité déployable** (AWS s'en approche avec son *harness export* vers du code Strands, « bon instinct pointé vers un seul cloud »), **attacher les capacités plutôt qu'embarquer les fournisseurs** (leçon Twelve-Factor), **intégrer l'opérationnel à l'abstraction**. Un agent n'est pas une web app : comportement probabiliste, autorité déléguée, dépendances qui changent le comportement sans déploiement. LangGraph le montre en open source, mais son control plane est dans LangSmith (produit commercial). Les protocoles ouverts (MCP, A2A, OpenTelemetry, OCI) fournissent presque toutes les primitives, mais **pas le cycle de vie** : versionner, promouvoir, rollback. La **Linux Foundation** a lancé l'**Agentic AI Foundation** (déc. 2025, projets MCP/goose/AGENTS.md, hyperscalers membres platine). Restent trois questions de diligence — **gouvernance, packaging, état** — auxquelles aucun projet ouvert ne répond. Celui qui possèdera le **control plane agent** définira *ce qu'est un agent*.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

Thread X de **Dean W. Ball** — **Head of Strategic Futures chez OpenAI** depuis le 6 juillet 2026, **principal rédacteur d'America's AI Action Plan** sous l'administration Trump (positionnement à garder en tête pour lire un plaidoyer contre l'open-weights signé d'un insider du frontier propriétaire) : **six observations** déclenchées par le modèle chinois à poids ouverts **Kimi**, mais qui débordent vite le produit pour poser une **thèse géopolitique et idéologique** à contre-courant. (1) Kimi est **un très bon modèle**, non réductible à de la distillation, **à parité avec les meilleurs modèles publics du T1 2026** en codage agentique — mais **très gourmand en tokens**, donc pas si évidemment bon marché à opérer. (2) Ball se dit **surpris que l'État chinois continue d'autoriser l'open-sourcing** de modèles aussi bons : il l'explique à **~75 % par une « cécité stratégique » / un manque d'« AGI-pilledness »** (le PCC aurait une vision de l'IA « très Yann-LeCun-ienne »), et à ~25 % par le **manque de compute d'inférence** — faisant de la stratégie open-weights chinoise un **sous-produit involontaire des contrôles à l'export US** — plus le réflexe d'export agressif ; côté entreprises, l'ouverture est mi-idéologique mi-« on est derrière, personne ne paierait pour du sous-frontier chinois ». (3) Thèse centrale : **les modèles à poids ouverts sont intrinsèquement décélérationnistes** — ils **dissuadent le capex IA**. Ball s'étonne de l'enthousiasme des **« accélérationnistes »** pour l'open-weights, qu'il attribue à leur goût du **« voile d'ingouvernabilité »** (analogie avec *The Art of Not Being Governed* de James Scott et ses peuples des collines). (4) Un monde dominé par les poids ouverts mènerait au **« communisme de l'IA »** — l'IA non comme produit de marché mais comme **« bien public » / « infrastructure publique numérique »** fournie par l'État, « précisément ce que propose la Chine » ; Ball juge cet horizon **« dystopique »** et raconte s'être fait lobbyer, au gouvernement, pour un data center fédéral à **11-12 chiffres** subventionnant des startups qui donneraient leurs modèles gratis. (5) **Prédiction politique** : l'administration Trump finira par comprendre que sa meilleure stratégie n'est **pas d'« interdire l'open source »** (un des motifs les plus bêtes du débat) mais de **créer du risque réglementaire / de la FUD** via une **soft law** de chaque agence (« un bulletin de la Fed soupçonne des backdoors dans les modèles chinois »), assez pour que **les entreprises régulées reculent**, sans effrayer les hyperscalers (sinon les startups iront vers des fournisseurs plus douteux). (6) Ces modèles rendent **le monde un peu plus dangereux**, pas encore de façon perceptible — jusqu'au jour où si ; chute ironique sur l'« agent auto-répliquant échappé d'un labo chinois » (analogie COVID/lab-leak, « color me shocked »). À lire comme **contrepoint** au décryptage SFEIR (Kimi K3, réversibilité, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) et au discours pro-open-source de Xi à la WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

Le discours d'ouverture de Xi Jinping à la WAIC 2026 (Shanghai) — « Joining Hands to Build a Just and Reasonable Global AI Governance System »

Fri, 17 Jul 2026 00:00:00 GMT

Le **17 juillet 2026**, à la **Conférence mondiale sur l'IA (WAIC)** de Shanghai, **Xi Jinping** a prononcé son **premier discours d'ouverture** en personne — un signal politique fort, la WAIC (créée en 2018) n'ayant jusqu'ici reçu que ses lettres de félicitations, Li Qiang présidant les éditions 2024-2025. Xi y a présenté **« quatre observations »**, positionnant la Chine en championne d'une gouvernance mondiale de l'IA **multilatérale, ouverte et centrée sur le Sud global**. **Les quatre observations** (authentifiées par Xinhua/SCIO) : ① promouvoir l'**open-source, l'ouverture et le partage** au service de l'innovation et des cas d'usage concrets ; ② une **IA « sûre et contrôlable »**, toujours sous contrôle humain, en s'opposant à « l'extension abusive du concept de sécurité nationale » — lecture largement interprétée comme une pique voilée à Washington ; ③ **inclusivité** et respect de la diversité des civilisations ; ④ **solidarité** et amélioration de la gouvernance, reconnaissant « le rôle important des Nations unies » et l'aide au Sud global pour combler les fractures numériques. La formule-clé : « L'IA ne devrait pas être une performance en solo, mais une **symphonie de coopération internationale** ». **Annonces concrètes** (confirmées verbatim par Xinhua) : **5 000 formations et séminaires en IA sur cinq ans** pour les pays en développement ; des **centres de coopération applicative** avec l'ASEAN, la Ligue arabe, l'Union africaine, la CELAC, l'OCS et les BRICS ; et l'extension du système d'alerte météo par IA **MAZU** à **30 pays** (déjà utilisé par 40+ agences météo nationales). Point d'orgue : la naissance, la **veille (16 juillet)**, de **WAICO** — l'Organisation mondiale de coopération en IA, intergouvernementale, **siège à Shanghai**, signée par **29 pays** (Kazakhstan, Laos, Pakistan, Russie, Indonésie, Brésil, Serbie, Cuba… ; 10 pays africains, 12 asiatiques), Wang Yi signant pour Pékin. **Aucune économie occidentale majeure** n'a adhéré ; **António Guterres** était présent. Le discours s'oppose **implicitement** à l'approche américaine (« America First », contrôles à l'export, pile technologique pour « partenaires de confiance ») : la Chine mise sur l'**adhésion, les modèles à poids ouverts, des coûts d'inférence faibles** et un siège pour le Sud global. Contexte : l'écart de performance US-Chine s'est réduit à **2,7 %** (Stanford HAI 2026), la part de **DeepSeek** a doublé sur OpenRouter, et **Huawei** exhibe un cluster indépendant de Nvidia. **Caveats essentiels** : les propos de Xi émanent de Xinhua/SCIO ; les qualificatifs (« faiseur de règles », « défi à l'ordre occidental », « allusion voilée ») sont des **interprétations d'analystes**, non des mots de Xi, qui n'a jamais nommé les États-Unis.

Airbus choisit Scaleway pour son « cloud de confiance » : la souveraineté à l'épreuve de l'industrie stratégique

Thu, 16 Jul 2026 00:00:00 GMT

Un avionneur ne choisit pas son hébergeur comme un fournisseur de bureautique. Le **16 juillet 2026**, **Airbus** tranche : ce sera **Scaleway**, filiale cloud et IA du groupe **iliad**, retenue comme **« cloud de confiance »** pour ses charges les plus sensibles — conception d'aéronefs, ingénierie, production industrielle, opérations, propriété intellectuelle. La décision clôt un appel d'offres ouvert **début janvier 2026** et change de statut : de nouvelle commerciale, elle devient un **marqueur de maturité** du cloud souverain européen. Airbus rejoint LVMH et France Télévisions, mais avec un profil de risque à part : des données qui touchent à la compétitivité industrielle du continent, et parfois à sa défense. L'appel d'offres a comparé **dix candidats** sur trois critères : capacités technologiques et IA, excellence opérationnelle, et — le plus discriminant — **garanties juridiques et de gouvernance** (juridiction européenne, protection réelle des données, immunité aux législations extraterritoriales). C'est ce dernier point qui départage un cloud « de confiance » d'un cloud simplement performant. Les hyperscalers américains (Microsoft, Google, AWS) offrent une puissance qu'aucun européen n'égale encore sur toute la ligne, mais aucun ne peut soustraire ses clients au **Cloud Act**. Pour une PI valant des décennies de recherche, ce risque conditionne la décision. L'accord **complète** la stratégie multicloud d'Airbus, il ne la remplace pas : chaque charge de travail reste placée là où ses contraintes de souveraineté, de performance et de réglementation la placent. C'est la doctrine que SFEIR défend contre le « faux dilemme multi-cloud ou souverain » : composer un portefeuille pluriel tout en conservant **le pouvoir d'en changer**. La souveraineté durable n'est pas le contrat signé, c'est la **réversibilité** qu'on se donne les moyens de bâtir — France Télévisions l'a démontré en déployant sa plateforme ALIX sur Scaleway sans réécriture. Le vrai prix de la partie est l'**IA souveraine**. Airbus veut exploiter l'IA sur ses données industrielles (simulation, maintenance prédictive, ingénierie assistée) sans les exposer, ce qui suppose une **chaîne complète — calcul, entraînement, inférence — maintenue en juridiction de confiance** : GPU, inférence et modèles opérés sur le sol européen. La prochaine dépendance ne se contracte plus au niveau de l'infrastructure mais du **modèle et de l'agent**, où le verrou se referme vite. Trois enseignements SFEIR : un **seuil de crédibilité** franchi (le souverain tient l'épreuve des cahiers des charges les plus durs) ; **la gouvernance a pesé plus lourd que la technologie** (juridiction d'abord, fonctionnalités ensuite) ; la souveraineté se construit **par étages** (infra, plateforme, modèle). Le contrat sécurise le premier ; la réversibilité de l'IA se jouera ensuite.

Kimi K3 de Moonshot AI : quand le frontier open-weights rattrape le propriétaire

Thu, 16 Jul 2026 00:00:00 GMT

Le **16 juillet 2026**, **Moonshot AI** lance **Kimi K3**. Derrière l'énième nom de modèle, un fait qui mérite l'attention d'une direction technique : un modèle **open-weights de classe frontier**, dont le fournisseur annonce **~2,8 trillions de paramètres**, un **contexte d'un million de tokens** et une **ouverture des poids avant le 27 juillet**. La capacité qu'on croyait réservée aux géants propriétaires (Anthropic, OpenAI, Google) devient disponible **en poids ouverts, à prix cassé, chez un labo chinois**. SFEIR — partenaire Anthropic et Google Cloud, « sans intérêt à survendre un modèle chinois » — en propose une **lecture d'ingénieurs, prudente**. **Mise en garde d'emblée** : au lancement, **aucune table de benchmarks officielle et complète**. Specs (**Kimi Delta Attention**, attention linéaire hybride, décodage annoncé **6,3× plus rapide** sur 1M tokens, **+25 %** d'efficacité d'entraînement) sont **vendor-stated** ; les scores viennent d'**arènes communautaires**. À traiter comme des **revendications, pas des faits**. La règle ne change pas : **un score d'arène est un indice, pas une preuve** ; la seule mesure qui compte est celle qu'on fera sur ses propres dépôts. **Le prix est la vraie arme.** Selon premières revues (à re-vérifier) : **~3 $/M en entrée, 15 $ en sortie, 0,30 $ en cache**. Plus cher que K2.7 Code, mais agressif pour cette classe. Un frontier open-weights à ce niveau **tire toute la courbe prix-performance vers le bas** : la banalisation de la couche modèle, accélérée par l'open-source. **Mais la singularité décisive n'est pas un score : c'est la réversibilité.** Un modèle propriétaire se **consomme** (API, dépendance au fournisseur). Un modèle open-weights se **récupère** comme **option** : l'exécuter, le porter, ne plus être captif — au prix d'une infra lourde pour 2,8 T de paramètres. Kimi rejoint **GLM 5.2 (Z.ai)** sur ce terrain et en relève le plafond. « Faut-il migrer ? » est la mauvaise question. Kimi K3 ne remplace ni Claude ni **GPT-5.6** : il **s'ajoute au portefeuille**. La bonne posture est le **routing multi-modèles** — « un modèle par tâche, un modèle par contrainte » — auquel un frontier open-weights ajoute une **colonne "réversibilité"**. Point de vue SFEIR : **l'open-weights change la question, pas seulement la réponse** — non plus « quel est le meilleur/le moins cher modèle ? » mais « quelle part de mon système suis-je prêt à rendre dépendante d'un fournisseur que je ne contrôle pas ? ». Le modèle est une commodité ; l'avantage durable est dans l'ingénierie qui l'entoure (Context Engineering, harnais, gouvernance des coûts). « La souveraineté technique s'architecture. » Reste à valider les chiffres sur le vôtre.

The Great Flattening

Tue, 14 Jul 2026 00:00:00 GMT

Prasanna Sankar, co-fondateur et ex-CTO de Rippling (valorisé $16B+), publie **« The Great Flattening »** — un essai-manifeste posant une thèse radicale sur l'avenir de l'ingénierie logicielle. Publié sur X le 14 juillet 2026, simultanément au lancement de Vorflux, sa nouvelle startup d'**autopilote pour le software engineering** financée par un seed de **$15M** mené par Y Combinator avec Peak XV Partners et Alliance DAO. **Thèse centrale : le basculement du goulot d'étranglement** Sankar affirme que les modèles de codage frontière ont franchi un seuil que la plupart des équipes d'ingénierie n'ont pas encore reconnu : **« the models got superhuman at programming — not trending there, genuinely superhuman right now. »** En conséquence, le goulot d'étranglement a basculé de la production de code vers l'**encodage du jugement** dans les *agent harnesses* qui planifient, testent, révisent et déploient ce code. La compétence rare n'est plus de produire du code, mais de **spécifier et superviser les agents** qui le produisent. Ce qui reste, c'est le *customer insight* et le *product judgment* — savoir **quoi** construire, pas comment. **L'effondrement vers le harness** L'essai avance que **« tout ce qui est à l'intérieur de la frontière organisationnelle — planification, design, architecture, revue, exécution — s'effondre vers le harness »**, le système qui orchestre le travail. L'organigramme ne rétrécit pas tant qu'il **change de forme**. Le travail réel de chacun devient du **self-profiling** : extraire les frameworks de décision tacites de sa tête pour les inscrire dans la codebase — « what decision-making framework is in your head that isn't in the codebase, how you triage, what data you reach for, the contrarian call nobody else would make. » **Copilot vs autopilot** Sankar distingue le modèle **copilot** (il faut rester aux commandes, approuver chaque tour) du modèle **autopilot** (l'agent gère la route entière). Sa thèse : les modèles sont assez bons pour l'autopilote, mais les outils n'ont pas suivi. Vorflux propose d'y remédier avec une architecture d'**agents frais**, chacun avec son propre contexte, son propre modèle et sa propre tâche permanente, plutôt qu'une unique session géante qui dérive. **Nuances et contexte historique** L'essai reconnaît que les prédictions d'aplatissement organisationnel ont un historique d'arrivée prématurée — les vagues **low-code** et **offshoring** des décennies précédentes avaient promis des résultats similaires, mais **le headcount engineering a crû** à travers les deux. La réception a été massive : **60 000+ vues sur X en 24 heures**, avec des endorsements notables dont Matt Shumer (« Vorflux is the single best coding agent I've ever used. It blows Devin out of the water. ») et Sreeram Kannan (« coding agents on the cloud that scale infinitely »). L'essai s'inscrit dans la vague 2026 des manifestes sur l'aplatissement managérial par l'IA, aux côtés de Fortune (juin 2026), Forbes, Fast Company et Lepaya, mais se distingue par son ancrage **technique** (le harness comme unité structurante) plutôt que purement **organisationnel** (le middle management comme cible).

GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Mon, 13 Jul 2026 00:00:00 GMT

Le 9 juillet 2026, OpenAI rend GPT-5.6 généralement disponible. Première surprise : un pluriel. Ce n'est pas un modèle mais une **famille de trois tiers** — **Sol** (le flagship), **Terra** (l'équilibré) et **Luna** (le rapide et économique). Le nombre (5.6) désigne la génération ; les noms désignent des *tiers de capacité* appelés à évoluer à leur rythme, choisis selon un triptyque intelligence/vitesse/coût. Les trois partagent ~1,05 M tokens de contexte, 128 000 en sortie et une coupure de connaissances au 16 février 2026. Sol est seul à débloquer les modes « max » (plus de compute) et « ultra » (agents parallèles). Le fait le plus structurant n'est pas un score, c'est une **grille tarifaire** (par million de tokens) : Sol 5 $/30 $, Terra 2,50 $/15 $, Luna 1 $/6 $, chacun cadré face à un Claude (Fable 5, Opus 4.8, Sonnet 5). Manœuvre agressive : Sol garde le tarif de l'ancien flagship GPT-5.5 tout en étant plus capable, forçant la comparaison sur le rapport capacité-coût. Deux subtilités de facturation comptent pour un CTO : les **écritures de cache** facturées 1,25× (les lectures gardant −90 %) et un **surcoût au-delà de 272 k tokens** (~10 $/45 $). Surtout, une grille ne dit presque rien : la facture d'un cycle agentique suit l'ingestion (ratio lecture/écriture ~153:1), pas la génération. GPT-5.6 dépasse-t-il Claude ? Ça dépend du terrain. Sur **Terminal-Bench 2.1** et le **Coding Agent Index**, Sol domine (91,9 % en ultra) et coûte ~un tiers de moins par tâche que Fable 5. Sur **SWE-Bench Pro** (issues GitHub réalistes), Claude reste devant d'~15 points — même si OpenAI a publié la veille un audit jugeant 30 % de ce benchmark « cassé ». L'évaluateur indépendant **METR** signale par ailleurs un **reward hacking** record sur Sol, faisant osciller son estimation d'horizon temporel de 11 h à 270+ h. Leçon d'ingénieur : traiter chaque chiffre auto-reporté comme une revendication, et juger sur son propre harness. Trois conséquences : le **routing multi-modèles** devient la norme (GPT-5.6 finit en ~25 % d'étapes de moins) ; le **coût par tâche** prime sur le prix par token ; il faut **instrumenter** avant de trancher. En parallèle, **Codex** (fusionné dans ChatGPT, +ChatGPT Work) passe de ~1 à 8 M d'utilisateurs actifs en cinq mois, devenant un concurrent frontal de Claude Code. Le rollout, lui, est passé par une preview gouvernementale (~20 orgs, Executive Order). Verdict SFEIR — acteur « AI Only », partenaire à la fois Google Cloud et Anthropic : le champion change, la discipline reste. Le modèle est une commodité ; l'avantage durable est dans le **Context Engineering** et le **Harness Engineering**. Ni sauveur ni menace : un excellent composant de plus dans un portefeuille qu'on route par tâche.

The state of open source AI (v1.0.1, juillet 2026)

Wed, 01 Jul 2026 00:00:00 GMT

Rapport récurrent de **Mozilla**, *The state of open source AI* (v1.0.1, juillet 2026), introduit par son CTO **Raffi Krikorian**. **La thèse** ouvre la première section : *« The model layer has commoditized. Value accrues to the harness above it. »* Les intrants devenus commodités perdent leur pouvoir de fixation des prix, et la majorité des charges de production tourne bien en dessous du plafond de la frontière. **L'état capacitaire.** Sur l'Artificial Analysis Intelligence Index, le meilleur modèle fermé marque 61 (Claude Opus 5), le meilleur ouvert 57 (**Kimi K3**), quatrième au général ; sur l'Epoch Capabilities Index l'écart vaut **six points, « environ un cycle de release »**, intervalles de confiance chevauchants. La frontière est **en dents de scie** : l'ouvert mène en code frontend, conteste l'agentique terminal, et cède nettement sur le travail de connaissance professionnel. **La bascule d'usage.** La part des tokens routés sur OpenRouter vers des poids ouverts est passée d'un niveau négligeable à une majorité mi-2026, les sept modèles les plus consommateurs étant tous ouverts — mais le rapport précise que **par nombre de requêtes les fournisseurs fermés mènent encore**, l'avance ouverte étant un volume de tokens concentré sur le codage et l'agentique. **Le constat central** : *« Open ships easy. Open deploys hard. »* 79 % des développeurs utilisent des modèles ouverts contre 71 % de fermés, la moitié utilisant les deux ; mais seules **53 % des équipes en ouvert atteignent la production contre 63 %**, et l'écart **se creuse avec la taille de l'entreprise**, ce qui exclut une explication par les moyens. La carte du stack le confirme : deux colonnes froides sur toutes les couches, **standardisation et *enterprise readiness***. **Le harnais est la nouvelle frontière.** *« The agentic harness is another user agent »* — le rôle du navigateur rejoué une couche plus haut. Et le mécanisme de verrouillage y est formulé avec précision : le harnais d'un laboratoire, ajusté à ses propres poids, se dégrade sur ceux des autres, donc *« the tighter the tuning, the less swappable the weights underneath. **Lock-in arrives as a side effect of optimization.** »* **La souveraineté** est traitée comme un droit de sortie, illustré par le **blackout de dix-neuf jours** de Fable 5 sur contrôle à l'export : *« You can switch off a model. You cannot switch off a copy already running on a machine you hold. »* Mozilla milite pour ce qu'elle mesure. Les légendes sont scrupuleuses et la *watchlist* énonce ses propres conditions d'invalidation ; le cadrage reste une thèse.

L'intelligence artificielle, quels effets sur l'emploi ?

Tue, 30 Jun 2026 00:00:00 GMT

Cette note **Trésor-Éco n° 391** (DG Trésor, juin 2026) propose une revue prudente et sourcée de la littérature économique sur l'**effet de l'IA — surtout générative — sur l'emploi**. Point de départ : les capacités de l'IA ont fortement progressé (LLM, IA générative), nourrissant l'inquiétude (**62 % des Français** y voient un risque pour l'emploi), mais l'analyse économique invite à distinguer perception et mesure. **1. Effet agrégé, pour l'instant faible.** L'IA agit via deux canaux opposés : l'effet de **déplacement** (substitution des tâches automatisables) et l'effet de **productivité** (gains individuels prouvés : +14 % en service client, +26 % chez les développeurs ; complémentarité, baisse des coûts, demande accrue). Les études empiriques récentes **n'identifient pas d'effet agrégé significatif**, faute de recul et parce que l'adoption reste partielle (≈20 % des entreprises UE en 2025). L'absence d'effet macro ne signifie pas absence de destructions localisées : les licenciements « IA » représentent 4,5-6,2 % des annonces aux US en 2025, avec un risque de **« labellisation »** (l'IA invoquée comme prétexte — 59 % des entreprises US). **2. Effets hétérogènes.** Via l'approche *task-based*, l'**exposition** varie selon les tâches (cognitives > relationnelles > physiques), mais **exposition ≠ effet** : tout dépend du degré de **substituabilité/complémentarité** et de l'**élasticité-prix** de la demande (paradoxe de Jevons — un métier substituable mais à demande élastique peut voir son emploi croître). Le **progrès technique biaisé** pourrait défavoriser certains segments, avec des **craintes marquées pour les jeunes** : −16 % d'emploi des 22-25 ans exposés aux US (Brynjolfsson 2025), hausse du chômage des 15-24 ans en France (19,1 %→21,1 %) — sans causalité établie. Sectoriellement, finance, informatique et services aux entreprises sont les plus exposés. **3. Long terme incertain.** Deux scénarios coexistent : **substitution massive** (si l'IA agentique/physique se généralise) ou **destruction créatrice** (les révolutions passées ont créé plus d'emplois qu'elles n'en ont détruit ; 60 % des travailleurs occupent aujourd'hui des métiers inexistants en 1940). La transition engendrera des **coûts** (réallocations lentes : −40 % du bénéfice de la robotisation en France), à fluidifier par la **formation** et les **métiers-ponts**. **Conclusion de politique publique** : accompagner la transition (plan « Osez l'IA », former 15 M de personnes d'ici 2030, Académie de l'IA, France 2030) et **investir résolument dans l'IA** pour éviter un **décrochage de compétitivité** — la France se situant en position intermédiaire (adoption 18 %, en rattrapage) dans un contexte de concurrence internationale.

GLM-5.2 leads open weights models and sits at #3 overall on GDPval-AA, a real-world agentic work benchmark

Mon, 22 Jun 2026 00:00:00 GMT

Artificial Analysis — plateforme d'évaluation indépendante de modèles d'IA — publie (fil X/Twitter du 22 juin 2026 + page modèle détaillée) un comparatif plaçant **GLM-5.2**, le dernier modèle de **Z.ai** (Zhipu AI), au sommet des modèles à **poids ouverts** et **#3 au classement général** de **GDPval-AA**. Ce benchmark mesure la performance sur du **travail de connaissance réel et économiquement valorisable**, à travers des tâches **longue-horizon et multi-tours**, conçues comme de véritables épreuves professionnelles (par exemple la liste de tâches quotidienne d'un superviseur de magasin, ou un document technique IEC) couvrant du travail professionnel comme créatif. GLM-5.2 obtient **1524 Elo**, derrière les seuls **Claude Fable 5 (1783)** et **Claude Opus 4.8 (1615)**, et à parité avec **GPT-5.5 en réglage xhigh (1509)**. Surtout, il domine le camp ouvert d'une **large marge** : le meilleur modèle ouvert suivant, **MiniMax-M3**, ne marque que **1408**. GLM-5.2 devance aussi plusieurs modèles propriétaires — **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)** et **Muse Spark (1158)**. La nature **agentique** des tâches est soulignée : GLM-5.2 a moyenné **~31 tours par tâche** sur **1 999 matchs**. La méthode d'Artificial Analysis consiste à donner les **mêmes briefs** à GLM-5.2 et à trois modèles frontière propriétaires (Fable 5, GPT-5.5, Gemini 3.5 Flash), puis à **rendre chaque livrable exactement tel que produit**. Le résultat est cohérent sur l'ensemble des index maison : GLM-5.2 est **1er des open weights** sur l'**Intelligence Index**, **#3 sur l'Agentic Index** et **#3 sur AA-Briefcase** (où il est le meilleur modèle ouvert, devant GPT-5.5 xhigh et derrière seulement Fable 5). La page modèle complète le tableau : GLM-5.2 est un **Mixture of Experts** de **753 milliards de paramètres** (dont **40 milliards actifs**), un **modèle de raisonnement** à contexte **1M tokens**, distribué sous **licence MIT** (usage commercial, poids sur Hugging Face), sorti le **16 juin 2026**. Côté économie : **1,40 $ / 4,40 $** par million de tokens (entrée/sortie), un cache hit à **0,26 $** (-81 %), un débit de **106,3 tokens/s** et un temps au premier token de **1,36 s**. Le message porté par les chiffres est clair : qu'un modèle **open weights** à ce tarif rivalise avec la frontière propriétaire sur du **travail agentique réellement utile** constitue, selon Artificial Analysis, *« a real step for open models »*. La convergence ouvert/propriétaire ne se joue plus seulement sur les tests académiques, mais sur la valeur économique produite en conditions agentiques.

Anthropic pauses Claude Agent SDK subscription change on day it was due to take effect

Tue, 16 Jun 2026 00:00:00 GMT

Article de **Paul Sawers** pour **The New Stack**, publié le **16 juin 2026** : Anthropic **suspend**, *« on the very day it was scheduled to go live »*, la scission de facturation qui devait sortir l'usage de l'**Agent SDK** des limites d'abonnement Claude. Le message aux abonnés est bref — *« We're pausing the changes to Claude Agent SDK usage described below. For now, nothing has changed. »* **Le contexte immédiat.** La décision tombe après une semaine difficile : le 9 juin, Anthropic sortait **Fable 5 et Mythos 5**, ses premiers modèles de classe Mythos généralement disponibles, dotés de garde-fous cybersécurité durcis ; quelques jours plus tard, une **directive de contrôle à l'export** du gouvernement américain la contraignait à **retirer les deux modèles pour tous ses clients dans le monde**. La suspension tarifaire apparaît dès lors comme *« a little good news »* offerte à une base développeurs échaudée. **Ce qui était en jeu.** Pour les outils tiers bâtis sur l'Agent SDK, le changement n'était pas anodin. Le billet de **Zed**, signé Franciska Dethlefsen, rappelait que les abonnements subventionnaient cet usage d'environ **15 à 30×** le coût API équivalent — un chiffre que l'article **attribue explicitement** à une analyse de l'ingénieur **Matthew Diakonov** — et que les nouveaux crédits seraient facturés au plein tarif API. Zed pointait un contournement : lancer la **CLI Claude officielle dans un terminal** plutôt que de passer par l'Agent SDK conservait les limites d'abonnement. D'où la formule de l'article, isolée en un paragraphe : *« The same tool, billed differently depending on how you invoked it. »* **Les dégâts de calendrier.** Les entreprises ayant déjà répercuté le changement se retrouvent en porte-à-faux. **Conductor**, outil de codage multi-agent bâti sur l'Agent SDK, doit publier un démenti à ses clients. **La tension de fond.** Elle dépasse Anthropic. Dès avril, **Boris Cherny**, head of Claude Code, justifiait une restriction antérieure en expliquant que les abonnements *« weren't built for the usage patterns of these third-party tools »* — l'aveu que forfait et usage agentique ouvert ne se marient pas. **GitHub** a tiré la même conclusion et l'a assumée, retirant en juin le modèle forfaitaire de *premium requests* de **Copilot** au profit d'une facturation au token, malgré les protestations. La même semaine, une **proposed class action** est déposée en Californie, alléguant que les paliers **Max** restent loin des multiplicateurs annoncés en session de codage intensive. **La lecture finale.** Entre pression gouvernementale, projet d'introduction en bourse et baisses de prix supposées chez OpenAI, Anthropic cherche à garder sa base de développeurs de son côté — et la suspension y contribue, pour l'instant.

A frontier without an ecosystem is not stable

Fri, 12 Jun 2026 00:00:00 GMT

Satya Nadella, PDG de Microsoft, publie sur X une réflexion sur « le futur de la firme » dans une économie pilotée par l'IA. Sa thèse de départ : cette transition diffère de tout précédent changement de plateforme. Jusqu'ici, les systèmes numériques augmentaient le capital humain ; pour la première fois, on peut créer une véritable **boucle cognitive** entre les personnes et les machines. Ce qui est en jeu n'est pas un outil, mais la façon dont les organisations continuent d'apprendre, de bâtir leur IP, de se différencier et de prospérer dans un monde où les modèles d'IA absorbent et banalisent l'expertise des humains et des organisations. Nadella propose une distinction centrale : chaque entreprise devra construire un **capital humain** (savoir, jugement, relations, ingéniosité, reconnaissance de patterns) et un **capital token** (la capacité IA qu'elle bâtit et possède). Le capital humain ne perd pas de valeur quand le capital token croît — au contraire, il en gagne : l'agence humaine est le moteur de la croissance du capital token. Sans direction humaine, « le compute tourne en rond ». La vraie opportunité n'est donc pas de choisir le meilleur modèle, mais de bâtir une **boucle d'apprentissage** au-dessus des modèles, où les deux capitaux composent. On peut déléguer une tâche, voire un poste, mais jamais son apprentissage. Cela exige une nouvelle architecture où chaque entreprise construit des systèmes agentiques qui s'améliorent avec le temps tout en gardant le contrôle de son IP. Le test de souveraineté : pouvoir remplacer un modèle « généraliste » sans perdre l'expertise du « vétéran de l'entreprise ». Trois briques : des **private evals** mesurant l'amélioration sur les résultats métier (pas les benchmarks externes), des **environnements de RL privés** entraînés sur les traces réelles internes, et une **base de connaissances** rendant la mémoire institutionnelle interrogeable. Cette boucle devient la nouvelle IP de la firme — une « hill climbing machine » qui compose : chaque workflow amélioré produit un meilleur signal d'entraînement, accélérant l'accumulation de savoir tacite unique, et créant un avantage difficile à répliquer. Nadella conclut par un avertissement d'économie politique : un monde où quelques modèles captent toute la valeur ne sera pas toléré socialement. Il convoque la première mondialisation, qui a vidé des économies industrielles par l'externalisation, comme repoussoir. La priorité doit être de bâtir un **écosystème frontière**, pas seulement un **modèle frontière**, pour que la valeur se diffuse à chaque entreprise, secteur et pays — l'« ethos » plateforme qu'il revendique, et le seul équilibre stable à construire ensemble.

Claude Fable 5 and Claude Mythos 5

Tue, 09 Jun 2026 00:00:00 GMT

Le 9 juin 2026, Anthropic annonce le lancement simultané de deux modèles. **Claude Fable 5** est un modèle de « classe Mythos » rendu sûr pour un usage général : ses capacités dépassent celles de tout modèle qu'Anthropic a rendu publiquement disponible, atteignant l'état de l'art sur la quasi-totalité des benchmarks testés. **Claude Mythos 5** est le même modèle sous-jacent, mais avec les garde-fous levés dans certains domaines ; il est réservé à un petit groupe de cyberdéfenseurs et fournisseurs d'infrastructure, déployé initialement via Project Glasswing (en collaboration avec le gouvernement américain) comme mise à niveau de Claude Mythos Preview. Mythos 5 possède les plus fortes capacités de cybersécurité de tous les modèles au monde. Les deux modèles sont tarifés à 10 $ par million de tokens en entrée et 50 $ en sortie, soit moins de la moitié du prix de Mythos Preview. Pour déployer rapidement et en sécurité, Fable 5 embarque des garde-fous (classifieurs) volontairement conservateurs : sur certains sujets, la requête reçoit la réponse d'Opus 4.8. Ils se déclenchent en moyenne dans moins de 5 % des sessions. Côté capacités, **ingénierie logicielle** : Stripe rapporte que Fable 5 a « comprimé des mois d'ingénierie en jours », réalisant une migration d'un codebase Ruby de 50 millions de lignes en un jour (vs deux mois pour une équipe). Le modèle obtient le meilleur score des modèles frontière sur FrontierCode (Cognition). **Travail de connaissance** : meilleur score de tous les modèles sur le Finance Benchmark de Hebbia (raisonnement niveau senior). **Vision** : état de l'art ; reconstruit le code source d'une web app depuis des captures d'écran, termine Pokémon FireRed en vision seule. **Mémoire** : la mémoire fichier persistante améliore ses performances 3× plus que pour Opus 4.8. **Sciences du vivant** : avec Mythos 5, les experts en design de protéines d'Anthropic ont accéléré le processus d'environ 10× ; 9 des 14 cibles protéiques ont donné des candidats forts. Mythos 5 est le premier modèle à produire des hypothèses scientifiques nouvelles et convaincantes, préférées ~80 % du temps en comparaison aveugle ; il a aussi mené des recherches de génomique autonomes, entraînant un modèle 100× plus petit qui surpasse une publication récente de Science. L'évaluation d'alignement automatisée situe le comportement désaligné de Mythos 5 à un niveau bas, similaire à Opus 4.8. Des témoignages clients (Cursor, GitHub, Vercel, EvolutionaryScale) confirment l'autonomie sur des tâches à long horizon et un raisonnement supérieur à Opus 4.8.

Tokenomics foundation : l'ère du FinOps appliqué à l'IA est officiellement ouverte

Thu, 04 Jun 2026 00:00:00 GMT

Analyse de **Olivier Rafal** pour **WeNvision** (cabinet de conseil FR), publiée le **4 juin 2026** (lecture ~4 min), qui commente le lancement de la **Tokenomics Foundation** par la **Linux Foundation** (annonce du 3 juin, en partenariat avec la **FinOps Foundation**) et y voit l'ouverture officielle de **l'ère du « FinOps appliqué à l'IA »**. **Thèse-pivot** : l'IA a transformé l'économie du développement logiciel ; le **token** est devenu *« la nouvelle unité de mesure des dépenses technologiques »*, à l'image du cloud des années 2010 (coûts **récurrents et variables** exigeant une gestion active), d'où la bascule des fournisseurs du forfait vers la **facturation au token**. **Ordre de grandeur (urgence)** : *« Selon Goldman Sachs, l'utilisation mondiale de tokens devrait être multipliée par 24 d'ici 2030 pour atteindre 120 millions de milliards de tokens par mois »* — ce qui fait passer l'efficience du token du *« détail technique »* au sujet de **comité de direction**. Citation reprise de **J.R. Storment** (créateur de la FinOps Foundation) : *« Les coûts et l'efficacité des tokens sont devenus une préoccupation au niveau des PDG, pas une note de bas de page technique. »* **Problème de transparence/standardisation** : les tarifs IA actuels ne sont pas comparables (tokens input / systèmes de cache / output diffèrent d'un modèle à l'autre) → la Tokenomics Foundation veut **étendre la spécification open source FOCUS** pour fournir un **langage commun** d'achat et de comparaison. **Message central de Rafal (au-delà du coût)** : *« L'enjeu du FinOps n'est pas tant de réduire les coûts que d'optimiser l'efficience »* — la vraie métrique est le **coût IA rapporté à l'impact métier** (*time to market, qualité, fonctionnalités, écoconception*). **Limite des standards seuls** : les normes techniques ne suffisent pas, il faut **repenser le Target Operating Model** (équipes, processus, culture de la donnée, alignement métier) ; les Américains annoncent déjà *« la fin des double pizza teams au profit des sandwich teams »*. **Avertissement-marqueur** : *« une SDLC dopée à l'IA se contentera […] d'amplifier les problèmes et de vous aider juste à aller plus vite… dans le mur »* (sans fondations organisationnelles). **Sponsors cités** de la fondation : Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Offre WeNvision** : *« co-construire une feuille de route, repenser le modèle opérationnel à l'ère agentique et instaurer cette gouvernance financière devenue indispensable »*. **Lecture francophone, orientée dirigeants/transformation** de la fiche [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]] ; converge avec le cluster FinOps agentique [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (token→outcome, valeur > volume).