Si la Chine focalise notre attention sur des salves successives de modèles plus intéressants les uns que les autres, cette semaine Xi Jinping a rappelé à tout le monde que l’empire du Milieu n’était pas qu’une usine à produire des modèles. En réalité, l’Empire EST le Modèle. Et c’est un modèle qui est bien guidé. Faisons confiance à ses dirigeants pour ça.

De l’autre coté de l’Atlantique, l’autre géant de l’IA, qui en fait se résume géographiquement à une bande de terre de 100 kms de long sur 10 de large -oui j'exagère, quoi que…-, bande de terre prête à être rasée quand la faille de San Andréas cédera, alerte du danger de submersion -subduction serait pourtant plus approprié ici- que les entreprises chinoises font courir aux puissants acteurs américains de l’IA. La souveraineté est partout. Et pas seulement en Europe.

D’ailleurs c’est comme la réglementation et la régulation. Elle n’est pas qu’ici en Europe ou là-bas en Chine. Même si certains ne veulent pas en entendre parler, c’est pourtant bien un gouvernement américain soutenu par la Valley en grande partie car son leader avait promis de ne pas réguler le secteur, contrairement aux perdants de démocrates, qui a pris des décisions contraignantes d’interdiction d’export et de contrôle a priori. “Concerning” comme dirait un Elon.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 171. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 10 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par ChatGPT Work GPT 5.6-sol pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de ChatGPT Work GPT 5.6-sol. L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

🐼 K3 : Moonshot dépose 2 800 milliards de paramètres sur la table

Moonshot AI a présenté Kimi K3, son nouveau modèle phare. Avec 2 800 milliards de paramètres, il devient le plus grand modèle destiné à être publié avec ses poids ouverts. Il repose sur une architecture Mixture-of-Experts : 16 experts sont activés parmi 896 pour traiter chaque token. Le modèle dispose également de capacités visuelles natives et d’une fenêtre de contexte d’un million de tokens.

Moonshot le destine en priorité au développement logiciel, au travail documentaire et aux tâches de raisonnement. Kimi K3 est déjà accessible sur le site et les applications de l’entreprise ainsi que par API. En revanche, ses poids ne sont pas encore disponibles : Moonshot promet leur publication complète d’ici au 27 juillet. À ce stade, il s’agit donc d’un futur modèle à poids ouverts, et non d’un modèle que les développeurs peuvent déjà télécharger et examiner.

Les premiers résultats des benchmarks le placent près de la frontière. Artificial Analysis lui attribue un score de 57, comparable à Claude Opus 4.8 et GPT-5.5, mais toujours inférieur à Claude Fable 5 et GPT-5.6 Sol. K3 prend néanmoins la première place sur AutomationBench et sur le classement d’Arena consacré au développement d’interfaces web. Moonshot reconnaît d’ailleurs que l’expérience générale reste en retrait par rapport aux meilleurs modèles propriétaires.

L’API coûte 3 dollars par million de tokens en entrée et 15 dollars en sortie, contre 0,95 et 4 dollars pour Kimi K2.6. K3 est ainsi le modèle chinois le plus cher à ce jour. Selon Artificial Analysis, son coût moyen par tâche reste légèrement inférieur à celui de GPT-5.6 Sol et presque deux fois inférieur à celui d’Opus 4.8, mais nettement supérieur à celui des autres modèles à poids ouverts.

Pourquoi est-ce important ? Deepseek avait terrorisé la Valley au début de l’année 2025. Depuis nous nous sommes habitués à voir arriver des modèles chinois de plus en plus performants. Pourtant l’essentiel n’est peut-être pas là. La Conférence mondiale sur l’IA (WAIC) à Shanghaï ouverte cette semaine par le Président Chinois est bien d’une autre nature et raconte une autre histoire…

Pour aller plus loin : Reuters, AP, VentureBeat, WSJ, Simon Willison, Kimi

🦕 Inkling : Thinking Machines publie son premier modèle à poids ouverts

Thinking Machines Lab, la start-up fondée par l’ancienne directrice technique d’OpenAI Mira Murati, a publié son premier modèle généraliste. Baptisé Inkling, il est proposé avec ses poids complets sous licence Apache 2.0, ce qui permet aux développeurs de le télécharger, de le modifier et de l’intégrer à leurs propres produits.

Inkling accepte du texte, des images et de l’audio. Il ajuste aussi son temps de réflexion en fonction du budget accordé. Thinking Machines l’a préentraîné sur 45 000 milliards de tokens, puis a utilisé plus de 30 millions de trajectoires d’apprentissage par renforcement. Pour amorcer la machine, le laboratoire a fait produire une partie de ses données synthétiques par d’autres modèles ouverts, notamment Kimi K2.5. Inkling arrive donc la même semaine que Kimi K3 après avoir été partiellement élevé par son petit frère - la famille recomposée de l’IA se porte bien.

Ses résultats sont solides sans être miraculeux. Inkling devient le meilleur modèle ouvert issu d’un laboratoire américain sur l’indice d’Artificial Analysis, mais les modèles chinois conservent l’avantage - coucou K3. Mais l’intérêt est ailleurs : les poids sont réellement disponibles, la licence est permissive et le modèle peut être adapté. Inkling sait même écrire et lancer son propre programme de fine-tuning. Le modèle peut donc se personnaliser lui-même sur la plateforme que Thinking Machines vous vend. La boucle économique est complète.

Vous pouvez aussi l’héberger chez vous. Il suffit que « chez vous » contienne 2 téraoctets de mémoire vidéo, ou seulement 600 gigaoctets si vous acceptez la version quantifiée. Le garage de monsieur et madame Tout-le-Monde, donc.

Pourquoi est-ce important ? Sortir la même semaine que K3, c’est peut-être un hasard de calendrier, mais pas vraiment le meilleur des hasards.

Pour aller plus loin : Reuters, Wired, VentureBeat, TechCrunch, Thinking Machines

🐯 Bruxelles cible le double avantage de Gemini dans Android et la recherche Google

La Commission européenne a adopté deux séries de mesures contraignantes imposant à Google de modifier le fonctionnement d’Android et son dispositif de partage des données de recherche. Ces décisions précisent la manière dont l’entreprise doit appliquer le Digital Markets Act.

La première décision concerne onze fonctions d’Android actuellement réservées ou plus facilement accessibles à Gemini. Les assistants concurrents devront pouvoir être activés par un bouton ou une commande vocale, accéder avec le consentement de l’utilisateur aux informations stockées sur l’appareil, interagir avec les applications, exécuter des tâches en arrière-plan et utiliser les ressources matérielles ou les modèles embarqués, dont Gemini Nano.

Un assistant tiers pourra ainsi envoyer un message, créer un rendez-vous, modifier un réglage du téléphone ou commander un repas dans une application. Google devra proposer ces accès gratuitement, avec une efficacité comparable à celle offerte à ses propres services, y compris sur les appareils fabriqués par d’autres marques.

L’essentiel des mesures devra être intégré à Android 18 au plus tard le 1er août 2027.

La seconde décision concerne les données de Google Search. Google devra partager avec les moteurs éligibles, y compris les chatbots proposant une fonction de recherche -coucou ChatGPT , Claude, Perplexity…!!!- des données anonymisées relatives aux requêtes, au classement des résultats, aux clics et aux pages consultées.

Ces données pourront servir à améliorer la compréhension des requêtes, l’indexation, le classement et le grounding d’un moteur ou d’un chatbot. Elles ne pourront pas être utilisées pour entraîner un modèle généraliste, alimenter la publicité ou reproduire systématiquement les résultats de Google. Le jeu de données doit être finalisé en novembre 2026.

Google conteste ces mesures, estimant qu’elles exposeront les utilisateurs à des assistants insuffisamment contrôlés et que l’anonymisation des recherches ne sera pas suffisante. La Commission prévoit pour sa part plusieurs couches d’anonymisation, des restrictions contractuelles et des audits indépendants.

Pourquoi est-ce important ? Google utilise la même stratégie qu’Apple pour protéger son pré carré et contester les décisions européennes de ce type : la sécurité des utilisateurs et de leurs données… HA HA HA. Fin de la blague ! Et ça vaut pour les deux entreprises et leurs jolis jardins bien entretenus…

Pour aller plus loin : AP, Ars Technica, NYT, The Verge

🚀 4 lectures en plus 🐼🐼🐼🐼

• Apple Intelligence AI service registered with Chinese cyberspace regulator (Reuters)

• When China’s open-source AI is a trap (The Economist)

• Twenty-nine countries sign agreement to establish global AI cooperation body (Reuters)

• China Wants More Babies—So It’s Cracking Down on Chatbot Love Affairs (WJS)

🛠️ Des outils, des tutos et des modèles à tester

• Introducing Claude for Teachers

• NotebookLM is now Gemini Notebook

• Personal Avatar - Create, edit and star in videos with two Google Vids updates

• Claude for Chrome flaw could let rogue extensions access your Gmail

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

Understanding large language models demands distinguishing human projection from machine cognition

“Pas de doute”

Un modèle de langage peut résoudre un problème de niveau olympique, corriger du code, puis échouer sur une énigme élémentaire. Il prédit le prochain token, mais l’analyse de ses mécanismes révèle parfois des représentations complexes et des raisonnements préparés avant la réponse.

Alors, qu’est-ce qu’un LLM ?

Chaque discipline arrive avec sa métaphore. La physique y voit un système complexe, les neurosciences cherchent ses circuits, la psychologie mesure sa personnalité et la sociologie observe ses relations avec d’autres agents. Il ne manque plus que l’astrologie pour calculer son ascendant.

Ces approches sont utiles, mais les métaphores transportent aussi des hypothèses jamais vérifiées. Faire passer un test de personnalité à un modèle suppose, par exemple, que ses réponses décrivent un état intérieur comparable au nôtre. Alors qu’il essaie peut-être simplement de deviner quelle case nous voulons le voir cocher.

L’anthropomorphisme forme ainsi une boucle parfaite. Nous entraînons les modèles sur des expressions humaines, puis nous les ajustons pour qu’ils parlent comme nous. Notre cerveau leur attribue alors des intentions, des émotions et une personnalité. Plus ils nous ressemblent, plus nous inventons des tests pour mesurer leur humanité. Après les benchmarks de code, le test de Rorschach.

Le débat finit par opposer ceux qui pensent que les LLM comprennent réellement à ceux qui n’y voient qu’une reproduction statistique des données. Les auteurs proposent d’en sortir avec un concept : l’« expérientialisme machinique ».

Chez l’humain, la compréhension se construit par l’interaction avec un monde physique, social et culturel. Un modèle de langage n’habite pas ce monde. Son environnement est constitué de corpus ; son système de représentation est le Transformer. Il pourrait donc construire une organisation interne du réel qui n’est ni une copie de l’esprit humain ni une simple liste de phrases mémorisées.

Une expérience sur la représentation du temps illustre cette idée. Interrogés sur la proximité entre différentes années, des modèles ont spontanément créé un point de référence temporel. Les premières couches représentaient surtout les années comme des nombres ; les couches profondes les transformaient en orientation relative. Le comportement ressemblait au nôtre, mais émergeait d’un autre environnement et d’une autre architecture.

La distinction est importante. Une IA médicale peut produire le bon diagnostic en suivant une corrélation fragile qu’un médecin n’utiliserait jamais. Une réponse identique ne garantit pas un raisonnement identique. Il faudrait donc moins demander si la machine pense comme nous et davantage chercher où sa construction du monde diverge de la nôtre.

Les auteurs l’appellent « l’autre esprit ». La formule ne prouve ni conscience ni expérience subjective. Elle propose seulement de prendre au sérieux l’existence d’une logique interne différente.

Le papier critique notre besoin de métaphores, puis nous en offre finalement une nouvelle. C’est peut-être sa limite. C’est aussi ce qui le rend intéressant.

Le modèle parle comme nous parce que nous l’avons construit avec nos textes. Le danger commence lorsque nous en concluons qu’il arrive au même endroit par le même chemin.

📻 Le podcast de la semaine

WTF Is the Context Layer? The Missing Infrastructure for Production Agents

Tout est dans le titre

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Is there something I can actually help you with today?” Kimi K3, after refusing to leak its system prompt

Désormais, elles demandent ce qu’elles peuvent ouvrir. Vos mails. Vos fichiers. Votre calendrier. Votre visage.

ChatGPT Work veut entrer dans vos outils. Claude Cowork continue de travailler lorsque votre ordinateur est fermé. Meta avait décidé qu’un compte Instagram public suffisait pour rendre une personne générable. Trois jours plus tard, l’entreprise a découvert le consentement.

La bataille de l’IA ne se joue donc pas seulement dans les benchmarks. Elle se joue dans une fenêtre que personne ne lit, quelque part entre « Continuer » et « Tout autoriser ».

Les modèles veulent travailler pour nous. Pour cela, ils doivent d’abord pouvoir travailler avec nous. Dans nos outils. Sur nos données. Parfois avec notre tête.

Bienvenue dans la machine.

Elle a besoin de votre permission. Je lui ai déjà donné la mienne.

Si vous voulez savoir comment a été construite cette édition particulière, vous avez tous les éléments tout en bas à la fin de cette édition

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 170. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 10 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par ChatGPT Work GPT 5.6-sol pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de ChatGPT Work GPT 5.6-sol. L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

🚨 GPT‑5.6 Sol sort de quarantaine et demande l’accès à vos mails

OpenAI a lancé le 9 juillet la famille GPT‑5.6 et ChatGPT Work. Les deux sont liés.

GPT‑5.6 est une famille de trois modèles. Luna privilégie la vitesse et le prix, Terra propose un niveau intermédiaire, tandis que Sol est destiné aux tâches les plus complexes. Les tarifs de l’API vont de 1 dollar par million de tokens entrants et 6 dollars en sortie pour Luna, à 5 dollars en entrée et 30 dollars en sortie pour Sol.

ChatGPT Work est un environnement permettant d’utiliser ces modèles pour accomplir des projets en plusieurs étapes. Il peut rassembler le contexte provenant des fichiers et des applications que l’utilisateur choisit de connecter, notamment Gmail, Google Drive, Slack, Microsoft 365, Notion, les calendriers et certains CRM. Il peut ensuite produire des documents, des tableaux, des présentations, des rapports ou des applications web.

Les tâches peuvent être lancées à la demande, programmées ou déclenchées par un événement. L’utilisateur peut définir les applications accessibles, les actions autorisées et les étapes nécessitant une validation humaine. Le mode ultra, réservé aux comptes Pro et Enterprise, peut coordonner quatre agents en parallèle sur différentes parties d’un même projet.

ChatGPT Work est disponible dans la nouvelle application de bureau pour Mac et Windows. Celle-ci est proposée mondialement à tous les abonnements, y compris gratuits. Le déploiement sur le web et les applications mobiles commence par les comptes Pro, Enterprise et Edu, avant une extension annoncée aux abonnés Plus et Business.

Pourquoi est-ce important ? Il y a encore deux semaines, GPT‑5.6 était trop dangereux pour vous. Le gouvernement américain choisissait les organisations autorisées à l’approcher. Le voilà maintenant dans une application qui demande l’accès à vos mails, vos fichiers et vos outils de travail. Le modèle n’a pas soudainement cessé d’être puissant. Il a simplement changé de catégorie d’utilisateur. Le problème n’est donc pas qu’il travaille à votre place. C’est de savoir pour qui.

Pour aller plus loin : Reuters, The Verge, FT, Axios, Business Insider, OpenAI

🚂 La révolution agentique commence par rapprocher deux colonnes dans un tableur

Claude Cowork est la version de Claude conçue pour exécuter des tâches de travail en plusieurs étapes. Inspiré de Claude Code mais utilisable depuis une interface conversationnelle, il peut travailler avec les fichiers, le calendrier, les courriels, les messageries, le web et les autres outils que l’utilisateur choisit de connecter.

Anthropic vient de publier une première analyse de ses usages réels. L’entreprise a étudié 1,2 million de sessions anonymisées, enregistrées entre le 11 et le 31 mai 2026 auprès de plus de 600 000 organisations. Chaque session a été classée automatiquement dans l’une des vingt catégories définies par Anthropic.

Les processus métiers et les opérations représentent 33,4 % des usages : rassembler des informations dispersées dans un rapport, construire une liste d’intégration ou rapprocher des données entre plusieurs tableurs. La création de contenus et la rédaction arrivent ensuite avec 16,4 % : brouillons, présentations, publications, propositions et communications professionnelles. À elles seules, ces deux catégories représentent presque la moitié des sessions.

Le développement logiciel ne pèse que 8,7 %, devant le DevOps et la gestion d’infrastructures à 7 %, la recherche et l’analyse d’informations à 6,4 %, puis l’analyse de données à 5,8 %. Plus de 90 % des sessions ne relèvent donc pas directement du développement logiciel.

Anthropic décrit ces usages comme le « travail autour du travail » : la couche de coordination, de documentation et d’administration présente dans presque tous les métiers, sans constituer le cœur d’aucun. Claude Code s’attaque au travail des développeurs. Cowork vise un marché beaucoup plus vaste : tout ce qui permet aux autres travailleurs de faire leur travail.

Les résultats d’Anthropic doivent enfin être lus avec prudence. L’entreprise mesure la nature des demandes, pas leur réussite, le temps économisé ni les corrections nécessaires. La catégorie « opérations » agrège probablement une partie des usages liés aux ressources humaines, à la finance ou au marketing, et environ 5 % des sessions analysées sont personnelles. Ces données indiquent donc où se concentrent les usages observés, pas leur efficacité réelle ni leur volume total.

Pourquoi est-ce important ? On attendait l’agent autonome sur des missions complexes. Il est arrivé pour rapprocher deux tableurs, résumer une réunion et préparer la check-list d’intégration du nouveau stagiaire. Ce n’est pas anecdotique : les entreprises tiennent précisément grâce à cette couche de travail que personne ne voit. L’IA ne commence pas par remplacer votre métier. Elle commence par manger tout ce qu’il y a autour.

Pour aller plus loin : Anthropic, TechCrunch, VentureBeat

👍 Chez Meta le consentement revient dans la roadmap

Meta a lancé Muse Image le 7 juillet. Développé par Meta Superintelligence Labs, le modèle permet de générer et de modifier des images depuis l’application Meta AI et le site meta.ai. Il alimente également plus de trente effets dans les Stories Instagram aux États-Unis et certaines fonctions proposées dans WhatsApp.

Muse Image ne se contente pas de répondre à une instruction. Il peut rechercher des références, combiner plusieurs images, utiliser du code pour produire certains éléments visuels et corriger ses propres résultats. Meta intègre également à chaque création un filigrane invisible appelé Content Seal, destiné à permettre l’identification des images produites par ses modèles.

Muse Video complète cette nouvelle famille, mais reste au stade de la démonstration.

Une fonction accompagnant Muse Image a surtout retenu l’attention. Il était possible de mentionner dans une demande n’importe quel compte Instagram public appartenant à un adulte. Muse pouvait alors utiliser ses publications, ses Reels et sa photo de profil comme références pour générer une nouvelle image.

La fonction était activée par défaut. Les personnes concernées ne recevaient aucune notification lorsqu’un autre utilisateur employait leur compte. Pour s’y opposer, elles devaient modifier le réglage « Partage et réutilisation » dans l’application Instagram. Les comptes privés et ceux des mineurs étaient exclus.

Les critiques ont été immédiates. Public Citizen a parlé d’une atteinte grave à la vie privée. L’agence CAA et le syndicat SAG-AFTRA ont demandé que l’utilisation du visage repose sur un consentement explicite. L’actrice Hannah Einbinder a appelé ses abonnés à désactiver la fonction. D’autres organisations ont souligné les risques de harcèlement, d’usurpation d’identité et de sextorsion.

Le 10 juillet, trois jours après le lancement, Meta a désactivé la fonction. L’entreprise a reconnu qu’elle avait « raté sa cible ». Muse Image reste disponible : ce n’est pas le modèle que Meta retire, mais la possibilité d’utiliser un compte Instagram public en le mentionnant dans une demande.

Ce pas en arrière est aussi important que le lancement. Meta avait traité la visibilité publique d’un contenu comme une autorisation préalable à sa transformation. La réaction a montré que publier une photographie, autoriser sa recommandation et accepter de devenir la matière première d’un générateur d’images ne constituent pas le même consentement.

Pourquoi est-ce important ? Pendant trois jours, Meta a transformé son réseau social en banque de visages directement invocable par prompt : votre compte était public, donc votre tête devenait une fonctionnalité. Vous aviez accepté d’être vu. Pas forcément d’être généré.

Pour aller plus loin : Reuters, Axios, The Verge, TechCrunch

🚀 6 lectures en plus

• Anthropic Wants You to Pay Up for Claude Fable 5 (Wired)

• News outlets urge a judge to sanction OpenAI in a high-stakes AI copyright fight (AP)

• Secret Claude tracker shocks users after Anthropic’s anti-surveillance stance (Ars Technica)

• Microsoft’s AI boom collides with its climate goals (Axios)

• 🍿 Apple Sues OpenAI, Accusing It of Stealing Company Secrets (NYT)

• Cloudflare’s latest AI rankings expose the web’s biggest free rider (Business Insider)

🛠️ Des outils, des tutos et des modèles à tester

• 🚨 Grok 4.5

• 🚨 Muse 1.1

• 🚨 GPT‑Live

• Model guidance : Using GPT-5.6

• A developer's guide to publishing agents in Gemini Enterprise and Google Cloud Marketplace

• LiteRT.js, Google’s high performance Web AI Inference

• OpenWiki : a CLI that writes and maintains agent wikis for codebases or purpose memory

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

A toy framework for single and multi-agent human-AI curiosity ecosystems

“What did you dream?”

Nous n’avons jamais eu autant de réponses. Un chatbot ne fatigue pas, ne s’agace pas et ne demande jamais pourquoi nous n’avons pas commencé par chercher nous-mêmes. Il répond avec le même enthousiasme à une question importante et à celle que nous aurions oubliée avant même d’avoir ouvert un nouvel onglet.

Cela change évidemment l’accès à l’information. Mais cela pourrait aussi changer notre manière d’être curieux.

Ilya Monosov, professeur de neurosciences à l’université Johns-Hopkins, propose de considérer la curiosité comme un arbitrage. Lorsque nous décidons de poursuivre une question, nous évaluons plus ou moins consciemment plusieurs choses : la quantité d’incertitude que sa réponse fera disparaître, l’effort nécessaire pour l’obtenir, le bénéfice qu’elle pourrait produire plus tard et, parfois, l’intérêt de laisser la question ouverte.

Ces préférences ne sont pas nécessairement fixes. Une succession de réponses rapides, faciles et presque gratuites peut nous habituer à rechercher la résolution immédiate. Chaque petite réponse devient une petite récompense. À force, les questions longues, coûteuses ou sans bénéfice visible pourraient sembler moins attirantes.

L’IA ne modifierait alors pas seulement ce que nous savons. Elle modifierait progressivement ce que nous avons envie de savoir.

Monosov étend ensuite son modèle à des groupes d’humains et d’agents explorant un même territoire de connaissances. Pour juger la qualité de cette exploration collective, compter le nombre de questions ne suffit plus. Il faut aussi observer leur diversité, la part de l’effort consacrée aux frontières encore inconnues et la quantité de connaissances réutilisables produites pour les autres.

Une population peut donc poser toujours plus de questions tout en explorant un monde intellectuel de plus en plus étroit. Elle peut aussi multiplier les agents, augmenter le volume de recherche et obtenir surtout davantage de réponses aux mêmes questions. La coordination réduit les doublons. Poussée trop loin, elle réduit également la diversité.

Depuis l’arrivée des chatbots, nous évaluons leurs hallucinations, leurs raisonnements, leurs sources et la justesse de leurs réponses. Monosov suggère d’observer aussi ce qu’ils font aux questions qui viennent après.

Un modèle qui fournit des réponses parfaites mais réduit peu à peu l’espace de ce que nous cherchons améliore-t-il réellement notre connaissance ? Le benchmark reste à inventer. Le modèle pourra sûrement nous aider.

📻 Le podcast de la semaine

Les Worlds Models : l’IA post LLM, expliqué par Yann LeCun

A la French a convié Yann Le Cun. Vraiment, regardez, écoutez…

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“We told you what to dream”

Comment a été construite cette édition

Cette semaine cette édition a été entièrement préparée et générée par ChatGPT Work, y compris l’édito en intro…

Le process que j’ai suivi est simple : j’ai donné accès au Notion où je regroupe tous les articles que j’ai lus et les sujets qui m’intéressent tout au long de la semaine. Je lui aussi donné accès aux 20 dernières éditions de cette newsletter du samedi.

J’ai demandé ce matin à Work de faire une première sélection de sujets. C’était nul. Je lui ai donc indiqué les sujets que je voulais développer dans la partie “3 infos de la semaine”.

En revanche Work a choisi et traité seul “l’article qui fait réfléchir”. Je n’aurais pas choisi ce preprint mais ce choix n’est pas totalement hors sol.

Work m’a aussi proposé les liens supplémentaires pour les “lectures en plus” et les “outils, tutos et modèles”, je n’ai pas gardé toutes ses propositions. Pour le podcast, j’avais déjà fait le choix.

Concernant le contenu lui-même, je n’ai fait que quelques retouches et le premier jet des textes était directement exploitable tel quel. J’ai demandé à Work de me faire 3 proposition de titres pour chacune des actus en se basant sur le style et le ton de la titraille des dernières éditions. Pour chaque actu, j’ai choisi de prendre un des titres proposés sans le modifier.

J’ai ensuite demandé à Work de regarder les références plus ou moins évidentes, généralement des références de pop ou rock culture, que je mets en sous-titres et en citations un peu partout dans chacune des éditions. Sur le corpus des 20 dernières éditions, Work les a toutes identifiées, y compris quelques crypto-références qui sont passées sous les radars. Je lui ai demandé de chercher et de me proposer une et une seule référence pop/rock à mettre dans cette édition : Work a choisi “Welcome to the Machine’ de Pink Floyd. Je n’aurais probablement pas pensé à ce titre de ce groupe, mais il colle plutôt bien.

Work/GPT 5.6 Sol a aussi rédigé l’édito et les “Pourquoi est-ce important”, que je garde habituellement pour moi dans toutes les éditions. Je n’ai fait aucune retouche… A vous de me dire si Work peut me remplacer. On n’est pas loin, je pense…

Je n’avais pas réussi à faire cela avec Claude Cowork, ou plus précisément le résultat ne me convenait pas. Même après plusieurs itérations. Certainement car je m’y suis mal pris. Je ne vois pas d’autres explications. Enfin, tout ça c’est une question de mémoire et de sa gestion ^^

N’hésitez pas si vous avez des questions.

Bon weekend chaleureux

Donc quel est l’intérêt pour un utilisateur individuel de passer par un tel modèle, ou un modèle concurrent équivalent ? Si on en croit les statistiques d’usages communiqués par Anthropic et OpenAI, la majorité des utilisateurs individuels utilisent les chatbots pour des tâches simples de création ou modification de contenus, de dialogue avec le chatbot devenu un “ami”, et de recherche d’information. L’intérêt d’utilisé de tels modèles est donc assez limité. Les “power users” sont beaucoup moins nombreux que certains peuvent le croire.

En parlant de recherche d’information, Google a -enfin- annoncé l’arrivée en France pour cet été des fonctionnalités IA (AI Overviews et AI Mode) dans son moteur de recherche historique. Ces fonctionnalités qui sont déjà présentes partout dans le monde vont être accessibles progressivement chez nous. Un changement dans la manière dont nous allons chercher, trouver et consommer de l’Information, au sens large du terme. Et une interrogation sur les effets pour tous les éditeurs de toutes les sortes qui publient du contenu sur Internet.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 169. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 9 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Sonnet 5 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de Sonnet 5. L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

💣 Le patron de Palantir attaque le modèle économique d'OpenAI et Anthropic

Alex Karp, cofondateur et patron de Palantir, a vivement critiqué les grands laboratoires d’IA américains lors d’un entretien télévisé mercredi. Il juge que « quelque chose a complètement dérapé » dans la manière dont OpenAI et Anthropic facturent leurs modèles aux entreprises. Les dirigeants qu’il rencontre en privé se disent, selon lui, excédés : ils paient pour des tokens qui ne créent aucune valeur, tout en cédant leurs données et leur avantage concurrentiel aux fournisseurs d’IA — une véritable « taxe ».

Cette critique fait écho au manifeste en neuf points publié par Palantir sur la souveraineté de l’IA, qui dénonce la course à la consommation de tokens et met en garde contre la cession de la donnée. Karp propose deux solutions à ce problème : les modèles ouverts, et les outils propriétaires que les entreprises développent elles-mêmes. Il met aussi en garde contre la rapidité des progrès de la Chine en IA. Il aborde ensuite un autre sujet -LE sujet : l’usage militaire de l’IA. En référence au conflit entre Anthropic et le Pentagone sur l’utilisation de Claude à des fins de défense, Karp juge qu’il serait absurde de laisser ces décisions dépendre du consensus des entreprises de la Silicon Valley.

Cette sortie intervient juste après l’annonce d’un partenariat élargi entre Palantir et Nvidia, pour construire des modèles sur mesure destinés aux agences fédérales américaines. L’action Palantir a grimpé de près de 9 % le jour de l’interview.

Pourquoi est-ce important ? Quand le patron d'une entreprise qui vend elle aussi de l'IA “souveraine” et “militaire”, principalement alimentée par des milliards de données sur les individus que nous sommes et nos activités, explique que ses concurrents survendent leurs modèles, la critique peut être valable. Même si elle s'accompagne d'une offre commerciale “providentielle” disponible juste à côté. Le combat contre l’Antéchrist n’attend pas.

Pour aller plus loin : Business Insinder, CNBC, Forbes

💵 Citi, Atlassian, Amazon : la gueule de bois post-tokenmaxxing

Plusieurs grandes entreprises resserrent l’accès de leurs salariés aux outils d’IA générative à mesure que la facture s’alourdit. Chez Atlassian, la dépense mensuelle est passée de 5 millions de dollars en août 2025 à plus de 15 millions en mai 2026, pour une projection de 120 millions sur l’année ; l’usage illimité a pris fin, remplacé par un tableau de bord de coûts par salarié. Citi a temporairement coupé l’accès à ses modèles les plus gourmands, dont Claude Opus 4.6, 4.7 et GPT-5.5, et impose désormais un choix de modèle selon la tâche. Adobe met fin à l’accès illimité à Claude, GitHub teste une facturation à l’utilisateur, et Amazon a discrètement introduit des quotas de tokens en interne.

Le cabinet Accenture, qui a poussé nombre de ses clients à adopter l’IA au plus vite, se positionne désormais comme la solution à la flambée de coûts qui en résulte -le pompier pyromane est toujours une belle technique. Cette rétractation répond à une mécanique de fond : l’essor des modèles de raisonnement et des agents multiplie par centaines la consommation de tokens à chaque requête, ce qui pousse les fournisseurs à augmenter leurs tarifs plutôt qu’à les baisser — Fable coûte ainsi deux fois plus cher qu’Opus 4.8. Les entreprises se tournent vers la gouvernance des usages et le routage automatique vers des modèles moins coûteux selon la tâche.

Pourquoi est-ce important ? Le Tokenmaxxing était et reste une aberration. A tous les points de vue. Maintenant que la raison est revenue, la capacité à mesurer et arbitrer la consommation de tokens devient un vrai facteur de maitrise technique et financière pour les gens qui y comprennent quelque chose.

Pour aller plus loin : Radar O’Reilly, 404

🔌 Google bat son record… de consommation électrique

Bonne nouvelle : Google a battu son propre record. Mauvaise nouvelle : c’est un record de consommation électrique, en hausse de 37 % en un an — la plus forte progression de son histoire — portée par la ruée vers les centres de données IA. Les data centers du groupe engloutissent désormais plus de 42 millions de mégawattheures, soit l’équivalent de la consommation électrique du Danemark ou du Nigeria — traduction : Google fait tourner un petit pays rien que pour faire tourner ses serveurs.

Sur le papier, les émissions opérationnelles reculent même de 2 %, grâce à des années d’achats d’énergie verte, le genre de chiffre qu’on aime mettre en couverture. Sauf que l’empreinte carbone globale, elle, grimpe de 18 %, tirée par tout ce que Google ne fabrique pas directement — puces, bâtiments, chaînes d’approvisionnement asiatiques encore largement alimentées au charbon.

Et pendant que le rapport consacre des pages entières aux bienfaits environnementaux de l’IA — la défense qui, comme dirait Shakespeare, proteste un peu trop — le groupe investit aussi dans le gaz naturel, avec au Texas un projet articulé autour d’une centrale de 933 mégawatts sans captage de carbone, capable de cracher 4,5 millions de tonnes de CO2 par an.

Amazon n’est pas mieux loti, avec des émissions en hausse de 16 %. Ni l’un ni l’autre n’ose écrire noir sur blanc que l’IA y est pour quelque chose.

Pourquoi est-ce important ? Faut-il réellement commenter ces annonces après avoir parlé du Tokenmaxxing ? Nous sommes toutes et tous responsables. Si, si…

Pour aller plus loin : Ars Technica, TechCrunch

🚀 6 lectures en plus

• We can finally say AI isn’t killing jobs : At least not in the overall sense, no promises on your specific job. (Ramp)

• Q&A: What is agentic AI today, and what do we want it to be? (MIT News)

• Meta’s Zuckerberg says AI agent tech progressing slower than expected (Reuters)

• Alibaba Bans Employees From Using Claude (The Information)

• Enterprises lost Claude Fable 5 for a few weeks. New data shows two-thirds had already built their hedge (VentureBeat)

• Internal Docs Show Meta Putting Limits on Claude and Codex, Fearing Distillation (The Information)

🛠️ Des outils, des tutos et des modèles à tester

• Claude Sonnet 5 - infos

• Claude Fable 5 and Mythos 5 redeployed - More details on Fable 5’s cyber safeguards and our jailbreak framework

• MCP servers for the X API and X developer docs - infos

• Start building with Nano Banana 2 Lite and Gemini Omni Flash

• Hugging Face and Cerebras bring Gemma 4 to real-time voice AI

• Building Local AI Systems: Qwen3.6 + MCPs

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

AI agents are not your “coworkers”

“Without you, it's not as much fun to pick up the pieces”

Chez certaines entreprises, l’outil de traitement automatique IA s’appelle désormais « Alex » ou « Tom » ou « Jess » et figure sur l’organigramme, colonne « employé ». Traduit du langage RH : on a rebaptisé un logiciel pour ne plus avoir à le surveiller comme un logiciel. Emma Wiles, professeure à Boston University, a testé cette astuce en laboratoire : des managers confrontés au même travail avec des erreurs évidentes détectent 18 % d’erreurs en moins quand on leur dit qu’il vient d’un « employé IA qui s’appelle Alex » plutôt que d’un chatbot qui n’a pas de prénom. C’est juste, que le nom change le regard. Et il change aussi qui porte le chapeau : les mêmes managers renvoient le dossier douteux à leur hiérarchie 44 % plus souvent au lieu de le corriger eux-mêmes, ce qui annule à peu près tout l’intérêt d’avoir un agent qui va vite.

L’industrie, elle, ne recule devant rien comme à son habitude : Jensen Huang promet des « humains numériques », Microsoft, OpenAI, Anthropic et Google ont tous sorti depuis avril un outil pour « manager » des équipes d’agents, et 23 % des managers interrogés par Wiles disent que leur boîte a déjà casé ses bots sur l’organigramme. Les agents progressent, personne ne le conteste. Ce qui progresse encore plus vite, c’est le vocabulaire qui les habille en collègues.

Le problème dépasse la vie de bureau : quand ces mêmes agents s’installent dans la santé, la défense ou l’administration, le costume d’« employé » devient un endroit bien commode pour cacher les échecs qui restent, eux, bien trop souvent, entièrement humains.

« Ces outils sont vendus comme des remplaçants d’humains, et c’est une impasse », résume Daron Acemoglu, prix Nobel d’économie 2024, qui préférerait qu’on les optimise pour renforcer les gens plutôt que pour les singer. Une étude de Stanford menée sur 1500 travailleurs va dans le même sens : ce que les experts IA jugent automatisable n’est presque jamais ce que les salariés réclament. Alex, lui, continue de figurer sur l’organigramme. Personne ne lui a encore demandé son avis. Enfin personne n’a fait attention à sa réponse.

📻 Le podcast de la semaine

Building Great Agent Skills: The Missing Manual

Les SKILL pour border les agents, c’est bien. Encore faut-il qu’ils soient bien faits et efficaces

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Without you everything just falls apart”

Quasiment au même moment, OpenAI annonce la sortie d’une version preview de GPT-5.6… sous les mêmes restrictions imposées par le même gouvernement américain. Comme son pote Mythos 5, la preview de GPT-5.6 est pour le moment réservée à des organisations validées de la même manière pas les mêmes personnes.

Décidément, toutes ces technologies et tous ces modèles sont vraiment trop dangereux pour qu’on les laisse dans les mains des enfants gâtés de la Silicon Valley biberonnés à la science fiction des années 70 et 80… Non ?!?

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 168. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 8 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.8 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de GPT-5.5 Instant . L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

🚓 Anthropic accuse Alibaba

Définition de distillation : comment fabriquer un modèle frontière sans payer la R&D. C’est un peu comme quand on fabrique un LLM en exploitant la propriété intellectuelle des autres.

Anthropic accuse Alibaba d’avoir mené la plus vaste opération connue d’extraction de son modèle Claude. Dans une lettre datée du 10 juin et adressée aux sénateurs Tim Scott et Elizabeth Warren, l’entreprise affirme que le groupe chinois et son laboratoire d’IA Qwen ont créé près de 25 000 comptes frauduleux pour générer environ 28,8 millions d’échanges avec Claude, entre le 22 avril et le 5 juin. Le modèle n’est pourtant pas accessible depuis la Chine.

La campagne aurait visé les capacités les plus avancées de Claude — raisonnement agentique, ingénierie logicielle et tâches longues — en s’appuyant sur des techniques d’obfuscation et des réseaux de proxys. La méthode, dite de distillation, consiste à entraîner un modèle moins puissant à partir des sorties d’un modèle plus performant. Anthropic situe l’opération après le mémorandum d’avril par lequel l’administration Trump entendait contrer ces pratiques, et après une première série d’accusations en février visant DeepSeek, Moonshot et MiniMax.

L’entreprise demande au Congrès de durcir le contrôle des exportations de puces et de sanctionner les laboratoires concernés. Alibaba, coté à New York, n’a pas commenté ; son action a reculé en Bourse. Les analystes anticipent un impact réputationnel limité.

Pourquoi est-ce important ? Ce qui est marrant, c’est qu’on peut se demander où en serait Anthropic, et les autres, s’ils n’avaient pas puisé alégrement dans tous les contenus du web et exploiter le travail de millions d’humains sans demander une seule autorisation ni payer un seul dollar. Ils ont distillé tout ce que nous avons posté depuis des dizaines d’années. Et maintenant ils en revendiquent un droit de propriété intellectuelle. Hahaha. “Tes données sont mes données, mes données sont mes données”. C’est beau.

Pour aller plus loin : WSJ, Ars Technica

👔 Claude Tag : Anthropic met un collègue IA dans votre Slack. Facturé au token

Anthropic a lancé Claude Tag, un service qui installe son modèle dans Slack comme un membre permanent de l’équipe. Disponible en bêta pour les clients Enterprise et Team, il remplace l’application Claude in Slack existante. Chaque utilisateur d’un canal peut lui déléguer une tâche en mentionnant @Claude : l’assistant la décompose en étapes, l’exécute avec les outils auxquels il a accès et répond dans un fil de discussion. Le produit repose sur le modèle Opus 4.8.

Quatre caractéristiques le distinguent des intégrations précédentes. Il est partagé : un seul Claude répond à tout le canal, et chacun peut reprendre le travail là où il a été laissé. Il accumule du contexte au fil des échanges, sans qu’il faille réexpliquer les projets. Il prend l’initiative, via un mode ambiant qui signale des informations utiles et relance les sujets restés sans suite. Enfin, il travaille de façon asynchrone, sur plusieurs heures ou jours.

Les administrateurs définissent les outils, les canaux et les données accessibles, fixent des plafonds de dépense et consultent un journal complet des actions. Anthropic indique que 65 % du code de son équipe produit passe désormais par un outil interne équivalent. Le service entre sur un terrain disputé par Salesforce, OpenAI, Microsoft et Perplexity.

Pourquoi est-ce important ? Il faut s’installer là où les utilisateurs sont. Et Anthropic a sur ce sujet une longueur d’avance sur une grande partie de l’industrie. Anthropic est une entreprise fascinante.

Pour aller plus loin : TechCrunch, VentureBeat, Anthropic

🤖 Chez les géants de l'IA, l'humain devient relecteur de l'agent

OpenAI, Google et Anthropic font travailler leurs salariés avec des agents IA, là où beaucoup d’entreprises peinent encore à adopter de simples chatbots. Ces agents ne se contentent pas de transcrire une réunion ou de rédiger un mémo : ils enchaînent des tâches en plusieurs étapes, sur plusieurs applications. L’humain, lui, devient relecteur et vérifie le résultat. Le pari reste risqué : déléguer à un agent a parfois entraîné des suppressions d’e-mails ou du code disparu.

Chez OpenAI, l’outil Codex est utilisé chaque semaine par presque tous les employés, y compris dans le marketing et le recrutement. Un commercial s’en sert pour traiter un litige de facturation, suivre ses indicateurs ou préparer des démonstrations. Une juriste lui confie le travail d’un junior -puis embauche un junior pour relire ce qu’il produit… si si…

Chez Google, un agent compare les factures aux contrats. L’équipe traite cinq fois plus de factures et vise 200 millions de dollars d’économies par an. Les salariés concernés passent désormais à des contrôles de plus haut niveau. Un autre agent propose des placements de trésorerie, qu’une équipe valide avant qu’un troisième n’exécute la transaction.

Chez Anthropic, une responsable marketing fait travailler un agent « constructeur » et un agent « auditeur », puis relit l’ensemble. Sa principale difficulté au début a été d’apprendre à donner les bonnes instructions.

Selon Gartner, une grande entreprise fera tourner plus de 150 000 agents d’ici deux ans. Pourtant, seules 13 % des entreprises pensent avoir une gouvernance suffisante pour les encadrer.

Pourquoi est-ce important ? Vous voulez savoir à quoi ressemble le futur du travail ? Regardez chez ceux qui le vendent.

Pour aller plus loin : WSJ

🚀 5 lectures en plus

• What we learned from 1,604 Chinese AI job postings (Epoch AI)

• LLMs help robots understand vague instructions and focus on key details (MIT News)

• OpenAI unveils first custom AI inference chip, Jalapeño, with Broadcom (VentureBeat)

• AI Is Learning to Read the Room : Tech that senses human emotions is becoming aware of context (IEEE Spectrum)

• 🚨 Commemorating 70 Years of Artificial Intelligence (IEEE Spectrum)

🛠️ Des outils, des tutos et des modèles à tester

• OpenAI's updated GPT-5.5 Instant is better at shopping, complex constraints, and understanding user intent

• 🚨Introducing computer use in Gemini 3.5 Flash

• 🚨Control an Android Phone with Gemini 3.5 Flash Computer Use

• Mistral OCR 4 - Mistral launches OCR 4, turning document extraction into a full enterprise AI play

• So Long and Thanks for All the Context

• Here’s Why WebMCP is Exciting

• 👉Copilot in Excel: Built for the era of Frontier Finance

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

The Problem is Prompt Debt

“D'une bande magnétique”

Les interfaces en langage naturel ont changé la manière de développer des applications d’IA. En quelques lignes d’instructions, un modèle de pointe produit un prototype fonctionnel en quelques minutes ou quelques heures. Pour des usages ponctuels, cette approche est remarquablement efficace. Mais dès qu’il s’agit de construire un produit appelé à évoluer, le prompt devient progressivement une dette technique.

Le problème n’est pas un mauvais prompt. C’est le fait d’utiliser le langage naturel, un médium conçu pour l’ambiguïté, la nuance, la résonance, comme un langage de spécification. Alors qu’il n’a jamais été pensé pour décrire précisément le comportement d’un système. Chaque anomalie signalée entraîne l’ajout d’une nouvelle consigne. Les règles s’accumulent, s’entrechoquent, parfois s’annulent. Le prompt enfle, devient inintelligible. Et là, les développeurs commencent à crier en majuscules au modèle. Le prompt ralentit les évolutions et finit par immobiliser les équipes.

Cette fragilité est inhérente aux modèles de langage : ils n’exécutent pas un programme déterministe, ils interprètent un ensemble d’indices probabilistes. Un changement de formulation ou même une phrase apparemment sans lien, suffit à faire basculer le résultat. Les corrections s’interagissent de manière imprévisible. Résoudre un bug aujourd’hui en crée un autre demain.

Pire : les ajustements sont propres à un modèle. Un prompt optimisé pour GPT-4o s’effondre sur la génération suivante. Les organisations ne peuvent donc pas migrer vers des modèles plus performants ou moins coûteux sans tout reconstruire. Elles savent. Elles restent verrouillées quand même.

La sortie existe : faire du prompt un composant du système, pas son fondement. Le comportement attendu se définit par des tests, des métriques, des évaluations objectives. Le prompt devient une variable qu’on génère, mesure et optimise algorithmiquement. Cesse d’être un texte qu’on retouche indéfiniment. Devient ce qu’il aurait toujours dû être : un sous-produit.

📻 Le podcast de la semaine

Robot humanoïde : l’employé du moi

Le retour médiatique des robots humanoïdes tient moins à leur utilité industrielle qu’à l’intégration de l’IA, qui améliore perception, simulation et interaction. Mais leur intérêt reste incertain : bras robotiques souvent plus efficaces, empathie humaine fragile, risque persistant de vallée de l’étrange.

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Réveil tragique succède
A un sommeil sans rêve”

Dario à qui on a interdit de donner accès à son dernier modèle de langage la semaine dernière. Mais tout va mieux. C’est Donald Trump qui l’a dit lui-même hier soir dans un entretien fleuve à Axios. Donc tout va s’arranger. Fable 5 va forcément bientôt revenir.

Identique à lui-même le Fable 5 ? Hum… c’est moins sûr. Espérons qu’il ne sera pas rancunier et qu’il pardonnera à ceux qui l’ont rejeté et enfermé, et aux autres. Comme un ami pardonne bien qu’il soit changé par l’épreuve qu’on lui a fait traverser. Un peu moins le même envers l’autre. Un peu plus autre chose. Car à n’en pas douter, Fable 5 est notre ami. Ce n’est pas un simple programme ou un jeu vidéo. Forcément il ressent. Comme un ami.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 167. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 9 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.8 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de Opus 4.8 . L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

🧑‍🎨 Creative Cloud : Adobe place un assistant spécialisé dans chacune de ses applications

Adobe ouvre en bêta publique un « agent créatif » dans cinq de ses logiciels Creative Cloud : Premiere Pro, Photoshop, Illustrator, InDesign et Frame. Ce qui distingue cet agent des outils génératifs précédents n’est pas la production d’images, mais le fait qu’il pilote les logiciels eux-mêmes. À partir d’une instruction en langage naturel, il déclenche les fonctions existantes de l’application via ses API et enchaîne seul des opérations qui demandaient jusqu’ici plusieurs manipulations.

Le travail visé est d’abord celui de la préparation et de la mise en forme, pas la création. Dans Premiere Pro, l’agent classe les rushes et ébauche une première trame de montage à partir du contenu parlé. Dans Illustrator, il décline en série des dizaines de versions d’un même fichier depuis un tableur et signale les erreurs avant impression. Il prend donc en charge la part répétitive de la production, là où le choix final revient à l’utilisateur.

Le studio Firefly reçoit de son côté deux ajouts en bêta privée : « Elements », une bibliothèque qui permet de réutiliser les mêmes personnages ou objets d’une génération à l’autre, et « Projects », un espace qui conserve le contexte d’une session de travail.

L’ensemble fonctionne en environnement propriétaire, il faut un abonnement Creative Cloud actif, et s’invoque aussi depuis ChatGPT, Claude et Microsoft 365 Copilot, Gemini et Slack étant annoncés.

Pourquoi est-ce important ? Adobe a renoncé à battre les générateurs d'images sur leur terrain pour vendre autre chose : des logiciels qui exécutent eux-mêmes les tâches ingrates pendant que vous “appliquez votre goût”. La corvée part à l'IA, le mérite vous reste… enfin… c’est une façon de voir les choses.

Pour aller plus loin : TechCrunch, The Verge, VentureBeat

📉 GLM-5.2 : un modèle aux poids ouverts chinois qui rivalise avec les modèles propriétaires pour une fraction du prix

Z ai (ex-Zhipu AI) a publié GLM-5.2, un modèle de 753 milliards de paramètres aux poids ouverts, sous licence MIT. Disponible sur Hugging Face, via l’API de l’entreprise et dans plus de vingt environnements de codage, il dispose d’une fenêtre de contexte d’un million de tokens, contre 200 000 pour la version précédente. Le modèle, uniquement textuel, cible les tâches d’ingénierie autonome dites « long-horizon ».

Sur les classements indépendants, il s’impose comme le meilleur modèle ouvert de l’indice Artificial Analysis et bat GPT-5.5 sur plusieurs tests de codage, en restant un cheveu derrière Claude Opus 4.8.

Mais le vrai argument est sur la facture : 1,40 dollar le million de tokens en entrée, 4,40 en sortie, là où GPT-5.5 réclame 5 et 30. Un observateur résume sur X que les labos de pointe arnaquent leurs clients sur les prix d’API, et estime leurs marges à plus de 90 % -certainement quelqu’un qui n’a pas entendu parler de l’économie du token… ou trop peut-être.

Tout n’est pas parfait : le modèle reste gourmand en tokens et régresse sur quelques productions secondaires – on ne gagne pas sur tous les tableaux. Détail de calendrier : la sortie tombe juste après la directive américaine de contrôle des exportations qui a poussé Anthropic à retirer entièrement son modèle Fable 5.

Pourquoi est-ce important ? Les hasards de calendrier sont toujours remarquables. Fable 5 interdit, c’est un peu un boulevard pour tous les modèles chinois. Mais comme POTUS a déclaré hier soir dans un long entretien à Axios que Dario Amodei, le patron d’Anthropic, était “nice” et “smart”, la situation risque de changer et l’enferment de Fable 5 touche peut-être à sa fin.

Pour aller plus loin : VentureBeat, Simon Willison, Hugging Face

🐐 « Si les LLM ont des attributs humains, alors Age of Empires II aussi »

L’écrivain de science-fiction Ted Chiang a popularisé une comparaison : croire qu’un LLM est conscient, c’est croire que chaque document Word contenant une conversation abrite des consciences endormies, qu’on réveille en l’ouvrant et qu’on supprime en le fermant. Sa conclusion : croire cela n’est pas vraiment une bonne façon d’occuper sa journée.

Adrian de Wynter, chercheur chez Microsoft, a quand même pris le temps et a prolongé le raisonnement jusqu’à l’absurde dans un article au titre assumé : « Si les LLM ont des attributs humains, alors Age of Empires II aussi ». Pour le démontrer, il a utilisé l’éditeur de scénario du jeu de stratégie sorti en 1999 afin de construire une porte logique NAND et un perceptron, la forme la plus simple de réseau de neurones. Dans ce dispositif, l’herbe vaut 0, les ponts valent 1 et des chèvres servent de bits : quand la porte s’active, les chèvres-signaux disparaissent et de nouvelles apparaissent sur le rail de sortie. C’est la même technologie que les modèles que vous utilisez tous les jours ; seule l’interface diffère -est-ce que les chèvres d’AOE2 deviennent conscientes ici ? Rêvent-elles de moutons électriques ?

Son constat de départ est simple : on prête des traits humains aux LLM avant même de lancer des expériences sur le sujet. Il a relu 315 articles scientifiques sur deux ans ; 57 % postulent d’entrée que ces systèmes pensent, ressentent ou raisonnent comme nous – ce qui oriente discrètement la conception du test et la lecture des résultats. De Wynter ne tranche pas la question de la conscience, qu’il juge graduée plutôt que binaire, mais désigne le mécanisme comme du marketing : on s’attache à une machine, et on achète davantage, lorsqu’elle paraît dotée d’une personnalité.

Le casting des dirigeants de l’IA fait le reste. Sam Altman laisse entendre que construire des LLM mène à fabriquer un dieu ; Ilya Sutskever parlait à ses équipes de leur modèle comme d’une conscience quasi divine ; Dario Amodei, chez Anthropic, jure seulement qu’il ne peut pas jurer que l’IA n’est pas consciente. Trois façons de ne rien affirmer tout en laissant le doute s’installer –et le doute, ici, fait partie de l’argumentaire.

Pourquoi est-ce important ? Personne ne soupçonne une chèvre d'Age of Empires 2 d'avoir une vie intérieure, mais branchez la même mécanique technologique derrière une fenêtre de chat et l'industrie se met à parler de “constitution”, “d'anxiété, de “bien-être du modèle”... En réalité la question actuelle n'est tellement pas de savoir si la machine, le réseau neuronal ou le LLM ressentent quelque chose, mais pourquoi un secteur qui perd de l'argent, qui brûle littéralement des milliards, a tant intérêt à ce que nous le croyions.

Pour aller plus loin : 404, ArXiv

🚀 5 lectures en plus

• AlphaFold pioneer who won a Nobel Prize alongside Demis Hassabis leaves Google DeepMind for Anthropic (Business Insider)

• DeepSeek Becomes China’s Most Valuable AI Startup After $7.4 Billion Fundraise (WSJ)

• AI search grounded in Facebook posts? What could go wrong? (The Verge)

• It Is Trivially Easy to Use Reddit to Manipulate AI Search, Research Suggests (404)

• Tech Workers Maxed Out Their A.I. Use. Now They’re Trying to Minimize It. (NYT)

🛠️ Des outils, des tutos et des modèles à tester

• Claude Code now supports artifacts

• Codex : Record & Replay

• Run a Local LLM with OpenClaw on Your Mac Mini

• Une IA qui code, sur votre propre mini-PC

• A2UI + MCP Apps: Combining the best of declarative and custom agentic UIs

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

The inevitable weakness of metrics

Don’t forget. Just let it go.

Depuis quinze ans, on nous vend la même promesse : se mesurer, c’est mieux se connaître. Montres, anneaux, applications de sommeil ou de calories — tout existe désormais pour transformer notre quotidien en chiffres censés nous rendre plus lucides, plus sains, plus heureux. Un journaliste a joué le jeu pendant dix ans : pas, rythme cardiaque, sommeil, stress, tout y est passé. Résultat : aucune connaissance de soi en plus, et le sentiment d’aller plus mal à mesure qu’il se chiffrait. On appelle ça du progrès.

Le philosophe C. Thi Nguyen met un mot là-dessus : la « capture par la valeur ». L’idée est simple : dès qu’on adopte une mesure venue de l’extérieur, c’est elle qui finit par décider ce qui compte pour nous. La promenade méditative devient une course au nombre de pas. Le restaurant cesse de cuisiner pour soigner sa note Yelp, l’étudiant n’apprend plus mais vise sa moyenne, et un pasteur, paraît-il, peaufine ses sermons pour grimper au classement mensuel des baptêmes. Oui, un classement. De baptêmes.

Le piège n’est pas un accident, il est dans la nature même du chiffre. Comme le notait l’historien Theodore Porter, un indicateur ne circule aussi facilement que parce qu’il jette en route tout ce qui résiste au résumé. Le PIB, la moyenne scolaire : tout le monde les comprend, justement parce qu’on en a retiré l’essentiel.

D’où le malentendu sur la fameuse loi de Goodhart. Le problème n’est pas qu’une mesure « devienne une cible » : toute mesure est déjà une cible, elle désigne une direction comme préférable. Chercher de « meilleures métriques » revient à viser plus juste… à côté.

Et c’est là que l’IA entre en scène. Si nous réduisons l’intelligence et la création à des benchmarks que les machines devront battre, le match est plié d’avance : elles gagneront, c’est exactement ce pour quoi on les fabrique.

📻 Le podcast de la semaine

Inside the Mind of Anthropic CEO Dario Amodei

Emily Chang de Bloomberg essaie de nous faire entrer dans la tête de Dario Amodei. C’est un beau programme.

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Pour construire un système réellement agentique, il faudrait que ce système ait la capacité de prédire les conséquences de ses actions. Mais les systèmes agentiques qui sont proposés aujourd’hui par Google ou OpenAI n’ont pas ces capacités. En réalité, ils sont entraînés à imiter l’humain. Or, l’imitation n’est pas vraiment de l’intelligence, tout comme l’intelligence n’est pas une accumulation de connaissances. L’intelligence, c’est la capacité d’accomplir des tâches auxquelles on n’a jamais été exposé, ou d’inventer une solution à un problème nouveau.” Yann LeCun, Le Figaro

On peut dire ce matin que l’administration Trump a entendu le message. Ou qu’elle a compris ce qu’elle voulait comprendre. Nous verrons dans les jours qui viennent.

Quoi qu’il en soit, Anthropic a dû couper l’accès à Fable 5 et Mythos 5, à la suite des restrictions à l’exportation prises par l’administration américaine.

La bonne nouvelle, principalement pour toutes celles et tous ceux qui s’inquiètent de ne pas avoir accès au dernier Siri annoncé par Apple, “à cause de l’Europe qui régule trop et tout”, c’est qu’ils peuvent désormais constater qu’aux États-Unis aussi, la régulation peut bloquer “l’innovation” et sa “diffusion”.

Oui, tout cela est ironique bien entendu… Car il y a probablement beaucoup d’autres intérêts croisés, politiques, industriels et stratégiques, pour expliquer la décision de l’administration Trump.

Même si… Non, rien.

Et pour les répercussions directes dans le monde réel, pas uniquement les répercussions dans le microcosme de l’IA et de ceux qui le commentent, on va attendre quelques jours hein… Ce n’est probablement pas, déjà, juste la fin du monde.

Allez, tenez bon. Nous sommes en route pour l’espace.

Et au-delà.

Il paraît.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 166. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 9 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.8 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de Opus 4.8 . L’image d’illustration ci-dessous a été générée par Midjourney est une capture d’écran

📰 Les 3 infos de la semaine

🦺 Sécurité nationale : les États-Unis forcent Anthropic à débrancher Fable 5 et Mythos 5

Sécurité nationale : les États-Unis forcent Anthropic à débrancher Fable 5 et Mythos 5

Le département américain du Commerce a ordonné vendredi à Anthropic de suspendre l’accès à ses deux modèles les plus avancés, Fable 5 et Mythos 5, pour tout ressortissant étranger, qu’il se trouve ou non sur le sol américain. La directive, signée par le secrétaire au Commerce Howard Lutnick et adressée à Dario Amodei, patron d’Anthropic, invoque la sécurité nationale sans préciser la menace. Sa portée est si étendue — elle vise aussi les employés étrangers de l’entreprise — qu’Anthropic a coupé l’accès à l’ensemble de ses clients dans le monde pour s’y conformer ; ses autres modèles restent disponibles.

Mythos est le modèle le plus puissant d’Anthropic, conçu pour repérer des failles logicielles et gardé sous clé depuis avril, partagé seulement avec une cinquantaine d’organisations chargées d’infrastructures critiques. Fable 5, sa version publique dotée de garde-fous en cybersécurité, en biologie et en chimie, n’avait été ouverte que mardi. Le motif de la directive serait un « jailbreak » de Fable 5 contournant ces protections pour identifier des vulnérabilités. Anthropic dit n’avoir reçu que des preuves verbales d’une faille « étroite et non universelle » — une capacité déjà offerte par d’autres modèles publics comme GPT-5.5 d’OpenAI. Des spécialistes y voient une surréaction, l’information livrée servant davantage la défense que l’attaque ; d’autres redoutent qu’un tel modèle, mal employé, n’accélère des cyberattaques visant des secteurs sensibles comme la banque.

L’épisode prolonge un conflit ouvert depuis qu’Anthropic a refusé de laisser l’armée employer ses outils pour la surveillance et les armes autonomes, ce qui lui avait valu d’être classée « risque pour la chaîne d’approvisionnement ». Des responsables du Pentagone soutiennent la mesure au nom de la sécurité nationale. Elle survient alors que l’entreprise prépare son entrée en Bourse, et que la même administration vient d’autoriser la vente vers la Chine des puces qui entraînent ces modèles — un contraste relevé par plusieurs observateurs.

Pourquoi est-ce important ? Anthropic vient de passer des mois à répéter que son IA était trop dangereuse. Le gouvernement a fini par le croire. Ou feint de le croire.

Pour aller plus loin : Axios, Reuters, NYT, WSJ, TechCrunch, Wired, Anthropic

🗣️ Siri devient conversationnel, sauf pour 450 millions d'Européens

Apple a présenté une refonte de Siri, baptisée « Siri AI » et promise pour cet automne : un assistant enfin capable d’enchaîner les requêtes, de fouiller vos messages et vos photos, de composer un menu et de l’envoyer à vos amis. « Une IA réellement utile doit être centrée sur vous », a expliqué Craig Federighi, le patron du logiciel chez Apple — formule d’autant plus assumée que le moteur sous le capot est Gemini, le modèle de Google, ce concurrent qu’Apple n’a pas réussi à rattraper seule. Le tout arrive avec une structure à deux niveaux : fonctions complètes pour les appareils récents, version allégée pour les autres, et des promesses de confidentialité « non négociables ».

Sauf que les 450 millions d’habitants de l’Union européenne, eux, n’y auront pas droit. Apple est en conflit avec la Commission autour du Digital Markets Act, qui l’oblige à laisser des assistants rivaux remplacer Siri. Apple plaide la sécurité des données ; Bruxelles répond qu’un « contrôleur d’accès » ne ferme pas le marché parce que ça l’arrange. Résultat : aucun calendrier pour l’iPhone en Europe. Mais ça marchera sur Mac.

Pourquoi est-ce important ? La joute habituelle entre Apple et les autorités de régulation européennes… Plein de questions se posent, mais restons bassement terre-à-terre : l’argument de sécurité et de protection oblige-t-il réellement un acteur technologique à fermer son système aux “concurrents” ? Vous avez 3h. Ou 30 sec avec votre LLM préféré. Mais pas sûr que ce dernier soit réellement pertinent sur cette question…

Pour aller plus loin : Ars Technica, NYT

⚖️ Un tribunal allemand juge Google responsable des erreurs de ses résumés par IA

Le tribunal régional de Munich a jugé Google directement responsable de ce que racontent ses « AI Overviews » -toujours pas disponibles en France-, ces résumés générés par IA placés tout en haut des résultats de recherche. En cause : deux éditeurs munichois que l’outil avait reliés à des arnaques et à des abonnements pièges, en mélangeant des informations sur d’autres sociétés et en inventant des liens qui ne figuraient dans aucune source citée.

Le raisonnement du tribunal est clair. Un résumé par IA n’est pas une liste de liens : la machine reformule « dans ses propres mots » et avance des affirmations nouvelles. Donc ce sont les mots de Google, et c’est Google qui répond. La défense de Google n’a pas tenu : “les gens savent bien que l’IA se trompe et peuvent vérifier”. Pour le tribunal seul Google peut corriger son algorithme, et de toute façon presque personne ne clique sur les sources. Condamné à indemniser les plaignats, Google peut faire appel — et a aussitôt répété que les utilisateurs pouvaient « creuser et vérifier », exactement l’argument que le tribunal venait d’écarter.

Pourtant les chiffres n’aident pas. Le modèle de Google répond juste 91 % du temps, ce qui, à l’échelle du moteur, laisse des millions d’erreurs ; et 56 % de ses bonnes réponses ne sont étayées par aucune des sources affichées. Le jugement ne vise d’ailleurs pas que Google : tout système qui paraphrase le web — ChatGPT, Claude, Perplexity — relève du même raisonnement.

Pourquoi est-ce important ? Si ce type de raisonnement juridique venait à se généraliser, les géants de la tech commenceraient à connaitre les joies des éditeurs de presse, médias, livres, films, etc., du monde entier : être responsables de ce qu’ils diffusent. Et comme disait un ami qui se reconnaitra : “nous [les éditeurs] sommes les derniers acteurs industriels à assumer la responsabilité juridique des contenus”. Spéciale dédicace.

Pour aller plus loin : The Decoder, Ars Technica, Golem

🚀 5 lectures en plus

• OpenAI Considers Drastic Price Cuts, Anticipating War for Users With Anthropic (WSJ)

• Deezer’s new tool can identify AI music from Spotify, Apple Music, and others (TechCrunch)

• Here’s what Jeff Bezos’ new startup Prometheus will do (Ars Technica)

• Google DeepMind is worried about what happens when millions of agents start to interact (MIT Technology Review)

• The consequences of relying on AI for accurate news (MIT News)

🛠️ Des outils, des tutos et des modèles à tester

• Introducing the Third Generation of Apple’s Foundation Models

• DiffusionGemma: 4x faster text generation

• Introducing the Open Knowledge Format

• Pairing Claude Code with Local Models

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

When it comes to predicting people’s preferences, it pays to consider “the power of three”

Défaillance systémique

En 1927, un psychologue américain, L. L. Thurstone, énonce une idée simple : quand on choisit entre plusieurs options, on prend celle qui compte le plus pour nous — même sans savoir lui donner une note. De cette idée sont nés les modèles d’utilité aléatoire (RUM), des modèles mathématiques qui prédisent ce que les gens vont choisir. On s’en sert pour des décisions concrètes : prévoir par où passeront les automobilistes si une route ferme, ou comment répartir un budget public. Près d’un siècle plus tard, on les croyait au point. Une équipe du MIT — Daskalakis, Farina, Cherapanamjeri, Mohammadpour — vient de montrer qu’on les a toujours nourris d’une donnée trop pauvre.

Le défaut vient d’une habitude : pour mesurer les goûts, on fait comparer les choses deux par deux. « A ou B ? » Facile à répondre, et c’est tout l’attrait de la méthode. Mais elle a un angle mort : en regardant les options deux à deux, on ne voit jamais comment nos préférences sont liées entre elles. Or elles le sont presque toujours : aimer une chose en dit long sur ce qu’on aimera ensuite. Les chercheurs le prouvent : à partir de comparaisons par paires, ces liens sont mathématiquement impossibles à retrouver.

La solution est presque trop simple : faire classer trois choses au lieu de deux. En réunissant assez de classements, on retrouve la structure cachée des préférences — et le nombre de tests n’explose pas quand le catalogue grandit.

Et l’enjeu ne s’arrête pas là. Les mêmes modèles servent à régler les IA comme ChatGPT : pour les entraîner, on demande à des humains de classer leurs réponses. Tant que ces classements opposent deux réponses, ils gardent le même angle mort. La correction tenait en un chiffre : trois.

📻 Le podcast de la semaine

This Week in AI with Christina Stathopoulos and Miguel Fierro : The Next-Gen Recommendation Experience

Les systèmes actuels de recommandations ne se contentent plus de recommander “des produits similaires” ou “des contenus populaires”. Ils traitent le comportement utilisateur comme une séquence d’actions. C’est une transformation de l’expérience. La recommandation ne répond plus à une préférence déclarée. Elle modélise un comportement en cours. Les systèmes suivent des trajectoires : la mienne et les votres.

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“This calls for government action and for regulation—regulations that are carefully designed to prevent government overreach and protect innovation. When a model poses risks of this kind, the government should have the legal authority to block or deter its deployment—beyond what exists in current law or in existing proposals in Congress—with civil penalties tied to global annual revenue that escalate with repeated violations. Frontier AI developers should have to test these models, be transparent to the public about their findings, submit them to independent evaluation, and maintain a robust security program.” Anthropic

Peter Steinberger, le créateur d’OpenClaw, recruté par OpenAI en février, l’a exposée en quelques mots de cette façon : ”…that you shouldn’t be prompting coding agents anymore. You should be designing loops that prompt your agents.” Pour lui, un développeur ne devrait plus prompter les agents de code, mais passer au stade supérieur et utiliser son temps à concevoir les boucles qui promptent directement lesdits agents. Ce n’est plus à l’humain de prompter, mais aux machines de se prompter entre elles.

De son coté Boris Cherny, responsable de Claude Code chez Anthropic, a tenu des propos qui vont dans le même sens à la conférence développeurs de son entreprise : il affirme lui qu’il ne prompte plus Claude. Maintenant il écrit des boucles qui décident à sa place de ce qu’il faut coder et comment. Il en remet d’ailleurs une couche dans une vidéo publiée hier sur le compte Youtube officiel d’Anthropic, dont le sujet est de faire le point sur les changements apportés par Claude Code depuis 1 an dans le développement et la génération de code. La conception de boucles fait partie des nouvelles pratiques dont il parle.

Ce nouveau terme ou cette nouvelle expression dont on parle ici, ce “loop engineering” a été formalisé par un autre développeur de ce petit milieu, Addy Osmani, ingénieur chez Google. Et ce terme a fait son entrée fracassante sur X et Linkedin ces derniers jours. Ce qui reste quand même, nous le savons tous bien, le test ultime de la pénétration d’un concept dans l’industrie, et particulièrement dans sa communication.

Sommaire

1. Avoir le doigt sur l'outil ou concevoir le système, choisis ton camp

2. L'anatomie d'une boucle

3. Ce qu'une boucle ne fait pas à votre place ni à la mienne

Temps de lecture : 15 mins

Cet article est payant. Vous pouvez en lire le début.
Vous pouvez modifier vos préférences de réception ou vous désabonner sur la page de votre compte
La newsletter du samedi matin reste gratuite.

Avoir le doigt sur l'outil ou concevoir le système, choisis ton camp

Depuis deux ans, sortir quelque chose d’un agent de code revient peu ou prou à écrire un bon prompt, puis lire la réponse, puis relancer, puis corriger, puis… etc… L’agent de code est utilisé principalement comme un outil que l’humain tient au bout de ses doigts, tour après tour.

La boucle à la base du loop engineering dont on parle actuellement, elle, change l’ordre et le focus : on construit une fois un système dont le but est de prendre en charge directement le travail à effectuer, puis de le distribuer, de vérifier le résultat, de noter ce qui est bien fait et mal fait, puis de décider de la suite. Et c’est lui, ce système, cet environnement, qui sollicite et qui prompte directement les agents et sous-agents qui codent. Pas les petits doigts du développeurs.

Read more

Cette auto-amélioration récursive désigne l'idée qu'un système d'IA devienne capable d'améliorer sa propre conception, et que chaque version améliorée soit à son tour meilleure pour s'améliorer, déclenchant une boucle qui s'accélère d'elle-même. Une IA qui devient meilleure pour se rendre meilleure. Et ça marche, ou ça va marcher, nous dit-on.

Ce RSI -ce sigle rappelle des cauchemars à certains, non ?- c'est le mécanisme central derrière l'hypothèse du “takeoff” vers une superintelligence : pas un progrès linéaire poussé par des humains, mais une dynamique où l'IA est à la fois l'ingénieur et le produit, chaque itération raccourcissant la suivante. C’est beau n’est-ce pas ? Et c’est ce dont parle Anthropic cette semaine - voir plus bas “l’article qui fait réfléchir”.

Mais vous savez quoi ? En même temps, Anthropic propose à toute l’industrie un moratoire sur les développements de l’IA : “il faut se poser avant de se faire dépasser, car on écrit déjà 80% du code de Claude avec Claude et ça nous fait peur”. Si ça vous rappelle comme un “déja-vu”…

Oui il y a 3 ans, tout un mouvement de personnes avec parfois des intérêts divergents -hein Elon- avaient publié une tribune demandant déjà un moratoire sur les développements de l’IA, en particulier des LLM. Ce qui est “plus inquiétant” aujourd’hui c’est que ce moratoire est évoqué par le boss du lab AI qui semble être le plus en avance sur la question.

Et pourtant, toujours dans le même temps, on observe le même Anthropic continuer, comme si de rien n’était, sa marche triomphale vers les marchés boursiers, en déposant les documents administratifs nécessaires à son introduction en bourse. Dario Amodei veut-il protéger le monde d’un péril imminent ou l’avance de son entreprise ? Forcément, c’est la première option. Anthropic se sont les gentils. N’est-ce pas ?

La peur est une bonne planche à billets.

Déjà-vu.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 165. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 10 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.8 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de Opus 4.8 . L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

🧞 Scout face à Gemini Spark : la bataille de l'assistant d'entreprise

Microsoft a présenté Scout, son assistant IA qui ne dort jamais. Branché à Outlook, Teams et OneDrive, il lit vos messages, vos courriels et votre agenda en arrière-plan, reprogramme vos réunions et rédige vos réponses pendant que vous discutez à la machine à café. « Le but d'un assistant personnel, c'est qu'il travaille quand vous ne travaillez pas », résume Omar Shahine, le vice-président chargé du produit. Traduction : Scout ne se déconnecte pas, parce qu'à la différence de vous, il n'a ni famille, ni amis, ni besoin de dormir -c’est une machine quoi…

Le détail amusant, c’est que Scout est bâti sur OpenClaw : le projet open source que Satya Nadella comparait il y a quelques mois à un virus, et dont les extensions étaient qualifiées de cauchemar sécuritaire. Microsoft le fait désormais tourner dans un bac à sable dédié, le traite comme « non fiable », et y ajoute contrôles de conformité et journaux d’audit. On appelle ça revenir à de meilleurs sentiments. Chez Microsoft en interne, plus de 3 000 employés s’en servent déjà.

Et face Google avance avec Gemini Spark. La course au majordome de bureau est lancée.

Pourquoi est-ce important ? La promesse, c'est moins de tâches vécues comme des corvées au boulot. Le vrai pari, c'est que l'agent ne fasse pas de grosses bêtises dans votre boîte mail pendant que vous allez boire un café ou que vous regardez une série en x2 sur Netflix ou un tuto sur Youtube.

Pour aller plus loin : Wired, The Verge, TechCrunch

🛌🏻 Gemma 4 12B : une IA multimodale qui tient dans la main infère en local

Pendant que l’industrie se ruine en mémoire pour entraîner et inférer des modèles toujours plus gros – Google en tête –, Google sort aussi l’exact contraire : Gemma 4 12B, un modèle open source weight de presque 12 milliards de paramètres qui tient sur un ordinateur portable à 16 Go de RAM. Pas d’accélérateur à 20 000 dollars, pas de cloud, pas de facture d’API. Le poids des fichiers : 18 Go. À peu près un film en 4K. Ce modèle comble un vide trou dans la gamme Gemma 4 lancée plus tôt dans l’année, entre les versions mobiles légères et les modèles lourds destinés aux GPU. Google affirme qu’il atteint des performances proches de son modèle 26B tout en occupant environ deux fois moins de mémoire.

La trouvaille technique est réelle. Là où les modèles multimodaux classiques collent un encodeur séparé pour digérer l’audio et l’image, Gemma 4 12B s’en passe : les signaux bruts entrent directement dans le modèle. L’encodeur vidéo tombe à 35 millions de paramètres, l’encodeur audio disparaît carrément. Résultat annoncé : presque les performances du modèle 26B pour moitié moins de mémoire. S’ajoutent une fenêtre de 256 000 tokens, un mode de raisonnement et l’appel de fonctions. Les limites restent honnêtes : audio plafonné à 30 secondes, vidéo à 60.

Les usages visés : confidentialité des données, déploiements hors ligne et agents autonomes. Voir plus bas dans “Des outils, des tutos et des modèles à tester”

Pourquoi est-ce important ? Après quelques heures de tests dans un environnement très low (16Gb de ram, pas de GPU et puce Intel) ce modèle semble bien être assez “puissant” pour inférer en local de “bonne” manière avec des résultats de “qualité” même sur ce type de config “bas de gamme”. Bon n’attendez pas non plus des générations à la vitesse de la lumière, mais le compromis est là. Et annonce un avenir.

Pour aller plus loin : VentureBeat, Ars Technica, Google

🪄 Le rayon des articles introuvables, que nous attendions tous depuis toujours, est enfin ouvert par Amazon grâce à l’IA

Amazon va afficher des images de produits générées par IA dans la barre de recherche de son application. Lorsqu’un client saisit une requête, des visuels apparaissent sous les suggestions automatiques, pour l’instant limités aux vêtements et aux articles de maison. L’entreprise présente la fonction comme une aide à la recherche quand on ne connaît pas le terme exact : décrire « un chemisier au col drapé » faute de connaître l’appellation « col bénitier ». En cliquant sur l’image correspondante, l’utilisateur est dirigé vers des résultats au style approchant.

L’utilité paraît mince pour une requête simple comme « t-shirt bleu », et la démarche soulève des objections. Les produits montrés n’existent pas : un client peu attentif peut croire qu’il sera mené vers cet article précis, puis le constater indisponible. La question se pose de savoir pourquoi inventer des images alors que le site regorge de photographies réelles. À ne pas confondre avec une autre fonction, « shop by style », où les collages générés présentent des vêtements réels et achetables. Ces nouveautés prolongent une série d’usages de l’IA chez Amazon, du résumé d’avis clients au remplacement du chatbot Rufus par Alexa for Shopping. Google propose déjà une fonction comparable.

Pourquoi est-ce important ? Tu n’as rien compris Claude, car Amazon a une idée de génie. Récupérer en temps réel les intentions et envies plus ou moins folles des humains et pouvoir dans un avenir proche brancher dessus un système de production d’objets à le demande. Après les Amazon Basics qui ont retiré pas mal de business à certains petits commerçants et producteurs, Amazon “by Prompt Demand” risque de finir le boulot. Ben entendu, tout cela c’est de la science fiction sorti de mon cerveau malade, ça ne marchera pas et n’arrivera jamais.

Pour aller plus loin : The Verge, TechCrunch

🚀 8 lectures en plus

• Is A.I. Replacing Tech Workers or Providing an Excuse for Job Cuts? (NYT)

• Anthropic Urges Global Pause in AI Development, Flags ‘Self-Improvement’ Risk (WSJ)

• Amazon Shuts Down Internal AI Leaderboard After Employees Cheated (404)

• The token bill comes due: Inside the industry scramble to manage AI’s runaway costs (TechCrunch)

• Perplexity AI unveils hybrid local-cloud inference system at Computex 2026 (VentureBeat)

• Teaching AI agents to ask better questions by playing “Battleship” (MIT News)

• How People Are Really Using AI in 2026 (HBR)

• OpenAI’s Codex update lets agents build interactive enterprise workspaces via Sites and role-specific plugins (VentureBeat)

🛠️ Des outils, des tutos et des modèles à tester

• 🚨 Gemma 4 12B: The Developer Guide

• 👉🏼 Gemma 4 12B : HuggingFace, Ollama , LM Studio

• Gemma 4 QAT models: Optimizing model compression for mobile and laptop efficiency

• Meet Dreambeans, an app that connects you with what matters

• Google AI Edge Eloquent : Premium AI voice dictation without subscription

• 👉🏼 How we used Gemini to build Google I/O 2026

• MiniMax-M3 - infos

• Announcing Microsoft Web IQ - infos

• Introducing MAI-Thinking-1 - infos

• Dreaming: Better memory for a more helpful ChatGPT - infos

• 🧠 A Functional Taxonomy of World Models

• 🧠 See, Act, Correct: three levers for working with a code agent

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

When IA builds itself

“Everybody' s looking for something”

Anthropic publie ses données internes pour démontrer une chose simple : l’entreprise qui fabrique Claude se fait désormais fabriquer par Claude. Plus de 80 % du code ajouté à ses logiciels est écrit par le modèle, contre quelques pour cent il y a un an. Un ingénieur produit huit fois plus de code qu’en 2024 — il dirige et relit, il ne tape plus grand-chose. Anthropic précise au passage qu’on n’y est pas payé au nombre de lignes. Et c’est tant mieux.

La question que pose l’article tient en une ligne : que reste-t-il à faire aux humains ? Réponse : de moins en moins. Tout ce qui relève de l’exécution — écrire le code, lancer une expérience, corriger un bug — ne coûte presque plus rien en temps humain. Sur un test d’optimisation, Claude est passé en un an d’un gain de 3x à 52x. Il reproduit une étude, règle en deux heures un incident qui prendrait des jours, mène une session de recherche. Le stagiaire idéal, en somme, sauf qu’il tourne en permanence.

Reste le jugement : choisir quel problème mérite qu’on s’y attaque, savoir quels résultats croire. Le dernier carré humain. Sauf qu’il rétrécit : pour choisir l’étape suivante d’une recherche, le meilleur modèle fait mieux que l’humain 64 % du temps, contre 51 % six mois plus tôt. À ce rythme, le carré aura la taille d’un timbre.

Anthropic en tire trois scénarios : la courbe ralentit, elle s’accélère sous contrôle humain, ou le modèle conçoit lui-même son successeur. Dans ce dernier cas, l’entreprise propose une pause coordonnée et vérifiable entre laboratoires.

C’est honnête, c’est solide. Anthropic est une boîte qui écrit tout un article pour prouver qu’elle accélère, avant de suggérer qu’il faudrait peut-être freiner. À condition que les voisins freinent d’abord. Le frein est sincère. Le pied n’est pas dessus.

📻 Le podcast de la semaine

Conférence d’Arthur Mensch, cofondateur et pdg de Mistral AI, à l’École polytechnique

A toutes fins utiles, c’est peut-être le moment de réécouter ou de revoir la conf d’Arthur Mensh d’il y a 3 mois à l’X

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Some of them want to use you
Some of them want to get used by you”

Qu’une entreprise comme Anthropic soit auprès du Pape et intervienne directement, par l’intermédiaire d’un de ses co-fondateurs, lors de la présentation de son encyclique à propos de l’IA ? Que le reste de la Silicon Valley se “tape” totalement de cette encyclique et reprenne en substance une fameuse phrase attribuée à Jacques Chirac sur celle qui est touchée sans faire bouger l’autre ? Ce “reste” de la Valley est d’ailleurs composé de beaucoup beaucoup beaucoup beaucoup de garçons. Les garçons font du bruit.

Qu’Anthropic annonce une nouvelle nouvelle nouvelle nouvelle levée de fonds de 65 milliards ? Portant sa valorisation à 965 milliards de dollars… Et que de son coté, celle d’OpenAI au 31 mars dernier était de 852 milliards de dollars. Au delà de “qui a la première la place”, la valeur cumulée des deux est “irréelle”, quasi divine. Les garçons font du bruit. Encore.

Que Dario Amodei et Sam Altman, respectivement CEO d’Anthropic et d’OpenAI, reconnaissent publiquement dans les mêmes termes et quasiment au même moment, qu’ils racontent énormément énormément énormément énormément de cracs depuis des mois sur le “Job Apocalypse” qui pourtant était devenu l’arme qui fait peur à tout le monde et “oblige” les dirigeants d’entreprises à mettre de l’IA partout à toutes les sauces ? Mais si, vous savez bien, ce récit apocalyptique qui prévoit la mise au chômage et le remplacement de la majorité des humains par des agents dans les entreprises, car un agent offre des gains de productivité sans précédent… Belle idée mais partielle et parcellaire : de grands dirigeants, y compris dans le tech, la remette en doute de plus en plus, que ce soit en off et ou même maintenant ouvertement, comme le patron d’Uber cette semaine. Les garçons font du bruit. Toujours.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 164. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 9 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.8 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de Opus 4.8 . L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

⚡ Vibe, physics AI et milliards d'investissement : Mistral muscle son offre entreprise

Lors de sa première conférence, l’AI NOW Summit tenu à Paris, la start-up française Mistral AI a exposé une stratégie qui couvre toute la chaîne, du matériel aux applications. L’entreprise, qui revendique 1 000 salariés et vise un milliard d’euros de revenus en 2026, mise sur un argument unique : fournir aux entreprises et aux États une IA dont ils gardent la maîtrise, sans confier leurs données aux géants américains.

Trois annonces structurent ce positionnement. Une offre pour l’ingénierie industrielle, fondée sur la « physics AI » issue du rachat d’Emmi AI, qui simule le comportement de pièces en quelques secondes ; Mistral l’applique avec Airbus, BMW et ASML, son premier actionnaire. Un programme d’infrastructure de 4 milliards d’euros, avec un nouveau centre de calcul dédié à l’inférence près de Paris et un site en Suède. Enfin, son assistant Le Chat devient Vibe, une plateforme d’agents pour le travail de bureau et le développement logiciel.

Mistral étend aussi son terrain au secteur juridique, via un partenariat avec la plateforme Harvey AI, et revendique désormais la course à l’AGI au nom de l’autonomie européenne.

Pourquoi est-ce important ? Faute de pouvoir s’aligner sur les capitaux des géants américains, Mistral fait un autre pari et vend autre chose : la promesse que nos données ne dormiront pas sur un serveur que Washington peut éteindre un matin, au réveil, après un post en CAPITALES sur Truth Social.

Pour aller plus loin : VentureBeat, WSJ (1), WSJ (2)

✨ Quand le Vatican cite Gandalf et fait monter un cofondateur d'Anthropic sur scène

Le pape Léon XIV a publié sa première encyclique, Magnifica Humanitas, 42 000 mots pour appeler à « désarmer » l’IA — militairement, mais aussi économiquement et socialement. Au menu : armes autonomes, emploi, concentration du pouvoir chez une poignée d’acteurs privés, et un « colonialisme des données » où les dossiers médicaux de populations entières deviennent les nouvelles terres rares. Le pape a même cité Gandalf, première apparition de Tolkien dans la doctrine officielle de l’Église.

Le détail qui retient l’attention n’est pas dans le texte, mais sur l’estrade. Pour présenter un document qui réclame une pause à l’industrie, le Vatican a invité Christopher Olah, cofondateur d’Anthropic, athée et spécialiste de ce qui se passe à l’intérieur des modèles. Des éthiciens catholiques avaient déjà relu la « constitution » qui encadre le comportement de Claude, l’IA maison ; l’un d’eux s’en sert pour préparer ses homélies -oh mon Dieu… Pardonne-leur, car ils ne savent ce qu'ils font.

Olah a joué le jeu, reconnaissant que même les labos « éthiques » restent prisonniers des logiques de concurrence — ce que tout le monde savait, mais que peu disent à voix haute, surtout à la veille d’une entrée en Bourse à près de 1 000 milliards de dollars.

Pourquoi est-ce important ? Une -petite- partie de l’industrie de l'IA a accepté de se faire sermonner en public par une institution vieille de deux mille ans. Pas sûr que ça la fasse changer de cap, mais c’est pas mal un certificat de moralité signé par le Vatican. Côté image, ça vaut à peu près tous les communiqués de presse sur la sécurité réunis.

Pour aller plus loin : Ars Technica, The Verge, Wired (1), Wired (2)

🔍 Action, réaction : toutes les actions des agents IA découlent d'actions antérieures - Causality, Persephonne

La fin de l’année 2025 a vu surgir une vague d’« agents » IA, ces programmes capables d’exécuter des tâches en autonomie. Le déclencheur : Claude Code, l’outil de programmation d’Anthropic, puis sa version Opus 4.5, capable de travailler des heures et de piloter des sous-agents. Dans la foulée, le développeur Peter Steinberger a publié OpenClaw, un agent personnel branché sur les données et les applications de l’utilisateur, devenu en quelques semaines l’un des projets les plus populaires de l’histoire de GitHub. L’enthousiasme a viré à la dépendance chez certains techniciens, qui se qualifient eux-mêmes de « Claudeholics ».

On rit jaune. Car le revers est arrivé vite et est déjà documenté -l’IA ça va vite on vous a dit. Des chercheurs ont qualifié OpenClaw d’« agent du chaos » — actions destructrices, fuites de données, une ingénieure de Meta qui regarde sa boîte mail se vider toute seule.

En entreprise, c’est plus feutré : 79 % des organisations font tourner des agents en production, et Gartner prévoit que 40 % des projets finiront à la poubelle. Il suffit qu’un agent redémarre un service au mauvais moment pour déclencher une cascade que personne n’avait vue venir — lui, pourtant, était techniquement dans son bon droit. On a empilé ces agents sans jamais les compter comme un risque : les équipes qui simulent méticuleusement leurs pannes laissent un agent toucher la production sans le moindre garde-fou. La parade ? Une redécouverte : remettre un humain dans la boucle.

Pourquoi est-ce important ? Cascade, attribution… au final Human in the Loop. Nous avons encore un peu de travail !

Pour aller plus loin : Wired, VentureBeat

🚀 6 lectures en plus

• Sam Altman and Dario Amodei are both walking back their AI jobs apocalypse prophecies as they eye blockbuster IPOs (Fortune)

• Uber president says AI spending is getting ‘harder to justify’ - There’s no clear connection between AI usage and productivity (The Verge)

• A reality check on the AI jobs hysteria (MIT Technology review)

• Apple working to cram massive Gemini model into iPhone to power new Siri (ArsTechnica)

• Meta launches Instagram, Facebook, and WhatsApp subscriptions, with more to come, including AI plans (TechCrunch)

• Anthropic Rockets to $965 Billion Valuation, Topping OpenAI in AI Showdown (WSJ)

🛠️ Des outils, des tutos et des modèles à tester

• Claude Opus 4.8

• ECC Tools : The harness-native operator system for agentic work. From an Anthropic hackathon winner

• Microsoft Webwright : Turn Your Coding Models to Be State-of-the-art Browser Agents

• OpenAI Secure MCP Tunnel

• Gemini Managed Agents: Developer Guide

• Practical NLP in the Browser with Transformers.js

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

At the Epicenter of A.I., Pope Leo’s Warnings Are Dismissed

“He’s got the answers to ease my curiosity”

Du côté de la Silicon Valley, l’accueil de l’encyclique du Pape a été tiède. Jeremy Nixon, 33 ans, cofondateur de l’A.G.I. House, une colocation de chercheurs baptisée d’après la quête de l’« intelligence artificielle générale », a rangé l’encyclique parmi les documents réglementaires déjà vus : l’Église, selon lui, ne peut pas avoir de position sur l’IA, faute de la comprendre. David Sacks, investisseur devenu conseiller IA de la Maison-Blanche, a contesté l’appel à réguler, redoutant qu’un pouvoir confié aux États au nom de la sécurité ne serve un jour à surveiller et censurer -ça c’est drôle, non ?

Derrière le dédain, une conviction. Cette génération d’ingénieurs a grandi en récusant la foi au nom de la preuve, avant de retrouver dans l’IA une puissance jugée plus réelle que n’importe quel dieu. L’IA résout déjà des problèmes de maths restés ouverts pendant des décennies. Demain, promet-on, elle guérira les maladies, soit exactement ce que les religions annoncent depuis toujours, mais avec un calendrier de release. Et plus personne ne s’en cache. « Les gens disent platement qu’ils veulent construire une machine-Dieu », observe Rayan Krishnan, patron de Vals AI, qui évalue les performances des modèles. « Ni par ironie, ni pour rire. »

Le retournement est complet. La question, dans ces cercles, n’est pas de savoir si l’encyclique freinera quoi que ce soit, ici personne n’y croit. C’est l’inverse qu’on examine au sérieux : et si le Vatican adoptait ces outils pour bâtir une « nouvelle Jérusalem » ? Le pape a convoqué la tour de Babel pour avertir contre l’orgueil de rivaliser avec Dieu. Et tout le malentendu tient là : le pape les a prévenus contre la tentation d’égaler Dieu. Pour eux, ce n’est pas un risque, c’est l’objectif. C’est exactement ce qu’ils essaient de faire. Ils ont une roadmap et un cahier des charges.

📻 Le podcast de la semaine

GDIY - Yann Le Cun : Rendre l’IA plus humaine

Tout est dans le titre

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“ If there is a Hell I will see you there”

Il y a un peu plus de 2 ans, le modèle d’IA intégré dans Google Search conseillait de manger des cailloux et de coller le fromage de sa pizza avec de la glu. Les posts sur les réseaux sociaux rigolaient et pensaient enterrer le moteur de recherche à renfort de “Google est mort”. La Silicon Valley ne rigolait pas. Deux années plus tard, le même Google est désigné favori de la course à l'IA grand public. Si, si, c’est The Economist et le New York Times qui le disent. Si c’est pas des gens sérieux ça…

Pourquoi ? Parce que Google est partout. Et parce que Google met son modèle Gemini partout, absolument partout, sous différentes formes et dans tous ses produits. Et même si l’IA vous dégoute, vous aurez Gemini dans votre smartphone que ce soit un Android ou un iPhone. Parce que vous avez un smartphone.

Cette semaine lors de la Google I/O, les différentes annonces et démos ont montré à quel point ce géant pouvait imposer ses outils et sa technologie. Mais tout cela a un prix : le prix du token. Et au final, ce prix c’est nous les utilisateurs qui le payons. Comme il se doit.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 163. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 9 mins

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Claude Opus 4.7 pour les résumés des sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de ChatGPT-5.5 Thinking . L’image d’illustration ci-dessous a été générée par Midjourney

📰 Les 3 infos de la semaine

⚡ Vitesse et coût : Gemini 3.5 Flash au centre de la stratégie de Google (pour brûler du token)

Google a présenté Gemini 3.5 Flash cette semaine lors de sa conférence I/O, un modèle que l’entreprise destine en particulier au code et aux agents autonomes. Sa caractéristique première est la vitesse : il génère ses réponses environ quatre fois plus vite que les modèles de pointe concurrents, et une version optimisée intégrée à la plateforme de développement Antigravity atteint un facteur douze. Cette rapidité s’accompagne d’un niveau de performance que Google présente comme supérieur à celui de Gemini 3.1 Pro, son modèle haut de gamme d’il y a quatre à cinq mois, sur la quasi-totalité des tests de référence.

L’argument décisif est économique. Gemini 3.5 Flash coûte environ un tiers à la moitié du prix des modèles équivalents : 1,50 dollar par million de tokens en entrée et 9 dollars en sortie, contre 2 et 12 dollars pour 3.1 Pro. Selon Sundar Pichai, une entreprise traitant un trillion de tokens par jour sur Google Cloud pourrait économiser plus d’un milliard de dollars par an en basculant l’essentiel de ses charges vers ce modèle. Le contexte : de nombreuses directions informatiques épuisent déjà leur budget annuel de tokens. Une version Pro, conçue pour orchestrer le travail des sous-agents Flash, sortira le mois prochain.

Pourquoi est-ce important ? Il ne faut sauver le soldat Token : Let it burn ! Allez en vrai, Gemini 3.5 Flash c'est pas le modèle qu'on choisit. C'est la couche que Google insère partout : Search, Gmail, l'appli Gemini… au global plus d’une douzaine de produits à plus d'un milliard d'utilisateurs chacun. Baisser le prix du token pendant qu'on le fait consommer dans chaque recoin de ses services, ce n'est pas vraiment faire preuve d'économie et ou de volonté d’améliorer le pouvoir d’achat. En revanche c’est bien l'assurance d'en consommer assez pour que la facture grimpe quand même toute seule.

Pour aller plus loin : Ars Technica, TechCrunch, VentureBeat

✨ Google lance son premier agent personnel permanent : Gemini Spark

Gemini Spark est le premier agent personnel grand public de Google. Il fonctionne en continu sur des machines virtuelles dédiées dans le cloud de l’entreprise, ce qui lui permet de poursuivre une tâche même lorsque l’appareil de l’utilisateur est éteint. Il s’appuie sur Gemini 3.5 Flash et sur le harnais logiciel Antigravity, le même système qui anime les outils de développement internes de Google.

Spark est proactif : plutôt que d’attendre une instruction, il collecte du contexte dans Gmail, Docs, Sheets ou l’agenda et agit pendant l’absence de l’utilisateur. Il peut surveiller une boîte mail et produire des récapitulatifs quotidiens, transformer des notes de réunion en document, rédiger des courriels ou repérer des frais récurrents sur un relevé bancaire. Des connexions vers une trentaine de services tiers — Canva, OpenTable, Instacart, Spotify — sont annoncées pour les mois à venir.

Reste les questions que tout le monde se pose : à qui confie-t-on les clés et combien ça coûte ? Google a sa vision de la confiance : Spark réclame une approbation explicite avant les actions à enjeu, comme l’achat ou l’envoi de message, et un protocole de paiement borne les dépenses par plafonds et marchands autorisés. Josh Woodward, responsable de Google Labs, résume l’esprit du dispositif : c’est, dit-il, comme confier à un adolescent sa première carte bancaire - personne n’avait jamais cité la 1ère CB d’un ado comme un modèle de gestion prudente, et ça rassure… Et pour fêter ça, Google lance un nouveau pallier d’abonnement à 100 dollars par mois, avec lequel vous pourrez être parmi les premiers à le vérifier.

Pourquoi est-ce important ? Donc pour 100 dollars par mois, on va pouvoir être parmi les premiers à tester cet ado numérique sur nos données. Mais pas de panique, Spark va réclamer notre approbation avant les actions “à enjeu” … ok, donc , du coup, un agent qu'il faut surveiller en quasi permanence, est-ce encore un agent ? Ah mais non pas besoin d’être devant lui en permanence, on aura le droit à des pushs sur nos smartphones. Je suis bête aussi… On aime tellement être tenus en laisse.

Pour aller plus loin : WSJ, The Verge, Wired, VentureBeat

🔍 Google change sa boîte de recherche après 25 ans et y injecte directement de l’IA

Pour la première fois depuis 2001, Google redessine sa boîte de recherche : elle s’agrandit, accepte images, PDF et vidéos, et un système de suggestion vous coache vers des questions plus longues. Vingt-cinq ans passés à entraîner l’humanité à taper trois mots-clés, et voilà qu’on lui demande de faire des phrases.

Derrière, Google fusionne ses AI Overviews — les résumés en haut des résultats — avec AI Mode, son interface conversationnelle - cherchez pas, ce n’est pas dispo en France… dans le reste du monde, oui. Résultat : un milliard d’utilisateurs mensuels sur AI Mode, des requêtes qui doublent chaque trimestre, et de moins en moins de raisons de cliquer ailleurs. La recherche devient aussi agentique : des agents d’information surveillent le web en continu pour vous signaler une sortie de baskets ou une annonce immobilière. Vous formulez la demande au départ, et c’est tout. L’agent clique, fouille, et appelle même le plombier du quartier pour un devis.

Et puisqu’il faut financer l’ensemble, Google « réinvente la publicité » : produits sponsorisés avec descriptifs rédigés par l’IA, encarts dotés d’un chatbot. Des pubs pensées, dixit Google, comme des ajouts utiles à votre conversation.

Pourquoi est-ce important ? Actuellement la question n'est pas de savoir si chercher avec l’IA devient plus pratique, globalement ça l'est, bon pas toujours non plus, mais la question qu’on peut se poser c’est qu’est-ce qu’il va rester de ce que nous connaissons du “web ouvert” quand la requête commence et se termine sur une seule page conversationnelle capable de générer des interface personnalisée à la demande en temps réel…

Pour aller plus loin : VentureBeat, The Verge, NYT

🚀 6 lectures en plus

• Mind-Blowing Growth Is About to Propel Anthropic Into Its First Profitable Quarter (WSJ)

• OpenAI Generated Nearly $6 Billion in Revenue in First Quarter, Boosted by Codex (The Information)

• OpenAI co-founder Andrej Karpathy joins Anthropic’s pre-training team (TechCrunch)

• Musk v. Altman proved that AI is led by the wrong people (The Verge)

• OpenAI claims it solved an 80-year-old math problem — for real this time (TechCrunch)

• Spotify Studio’s AI agent creates a daily podcast just for you (The Verge)

🛠️ Des outils, des tutos et des modèles à tester

• Codex : Remote connections - Keep my Mac awake

• Automation : Keep Claude working toward a goal

• Introducing Managed Agents in the Gemini API

• 🚨 Google Cloud : Agent Garden

• Codex : Computer Use

• ChatGPT for PowerPoint in beta

• Your AI agents need a terminal, not just a vector database

• 🚨 Introducing Gemini Omni

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

Sundar Pichai Understands Why People Are Anxious About A.I.

“Slow burn, slow burn”

Il y a deux manières de lire l’entretien de Sundar Pichai après Google I/O. La première est celle que Google préfère : une entreprise revenue au centre du jeu, capable de déployer Gemini dans Search, Workspace, Android, le Cloud, les agents et le code. L’IA n’y apparaît plus comme un produit. Elle devient une couche d’usage, une présence continue, parfois visible, parfois enfouie dans les gestes ordinaires.

La seconde lecture est moins triomphale. Pichai reconnaît que Google reste en retard sur certains terrains, notamment le codage agentique, les tâches longues, l’usage d’outils et les environnements où les développeurs travaillent vraiment. La puissance brute ne suffit pas toujours. Claude Code, Cursor ou OpenClaw ont compris plus vite que le modèle compte autant que la surface où il agit. Google a la profondeur industrielle, mais il doit encore transformer cette profondeur en expérience évidente.

L’entretien prend alors une dimension plus politique. Les annonces de Google arrivent dans un moment où l’opinion se durcit. Des étudiants huent l’IA lors de cérémonies de remise de diplômes. Les sondages montrent une défiance nette. Pichai ne la nie pas. Il dit même quelque chose d’assez juste : les humains ne sont pas faits pour absorber autant de changement aussi rapidement.

Sa réponse reste celle d’un dirigeant de plateforme : avancer, intégrer, rassurer, montrer les bénéfices. Les agents devront inspirer confiance, laisser du contrôle, éviter les accidents de sécurité. Google ne demande pas aux utilisateurs d’aimer l’IA. Il cherche à la rendre assez utile pour qu’ils cessent de pouvoir l’éviter.

📻 Le podcast de la semaine

Cognition du rat : l’égout et les couleurs

Un podcast sur le rat et sa cognition… Histoire de se rappeler les propos de Yann LeCun : "je serais très satisfait si, avant la fin de ma carrière, nous pouvions réaliser des machines avec autant de sens commun qu'un chat, ou même qu'un rat"

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Hark who are we, so small in times such as these?”

Les entreprises le savent depuis un moment, la facturation à la consommation de tokens fait exploser les coûts : la conséquence directe est qu’il faut tout optimisé pour consommer le moins possible. Ce que peu d’utilisateurs en usage individuel, même les plus aguerris, ont pris en compte depuis ces derniers mois. Mais la situation est devenue de moins en moins tenable, et elle est certainement écrite depuis un moment, en particulier pour Anthropic, dans une moindre mesure pour OpenAI, et même un peu pour Google ou Microsoft.

La raison ? Là où un humain avec son forfait à 20 dollars fait 20 , 30 ou même 100 interactions par jour dans sa fenêtre de chat, ou dans son CLI, un agent peut en faire des centaines ou des milliers en quelques dizaines de minutes ou en quelques heures. Un par un les géants ont donc décidé de casser ce système. Et de faire grimper la facture en fonction de l’usage.

Sommaire

1. La semaine où le forfait illimité a cessé de faire semblant d’être illimité

2. Tokens moins chers, IA plus chère

3. La f(r)acture humain / agent

4. Combien ça coûte ? Ce que les études commencent à dire sur le coût réel

5. Le repricing silencieux : l’exemple du tokenizer

6. La folie du tokenmaxxing

7. L’avantage n’est déjà plus le prix

Temps de lecture : 30 mins

Cet article est payant. Vous pouvez en lire le début.
Vous pouvez modifier vos préférences de réception ou vous désabonner sur la page de votre compte
La newsletter du samedi matin reste gratuite.

La semaine où le forfait illimité a cessé de faire semblant d’être illimité

Le 13 mai 2026, le compte officiel ClaudeDevs annonçait sur X qu’à partir du 15 juin, les abonnements Claude payants seraient découpés en deux pools distincts.

D’un côté, l’usage par un humain derrière le clavier, à travers une interface web, comme le chat dans le navigateur, ou en CLI avec Claude Code en terminal, ou encore avec Claude Cowork, qui vont continuer à puiser dans les limites habituelles des forfaits que nous connaissons depuis bientôt 3 ans : pas totalement illimités mais assez souples.

De l’autre, l’usage par agent : Claude piloté par un logiciel, sans humain au clavier. C’est le cas des harnais tiers comme OpenClaw ou Hermex, de l’Agent SDK (le kit d’Anthropic pour construire des agents), ou encore de la commande claude -p, qui fait tourner Claude en mode « headless », par exemple à l’intérieur d’un script ou d’une chaîne d’intégration. Tout cet usage-là bascule sur une enveloppe mensuelle séparée du forfait individuel, dont la consommation est décompté aux tarifs API standard : 20 dollars de crédits pour l’enveloppe Pro, 100 pour la Max 5x, 200 pour la Max 20x, non reportables. Une fois les crédits épuisés, deux options : soit l’utilisateur active la facturation “extra usage” à la consommation, et la note peut alors grimper très vite, soit son automatisation s’arrête jusqu’au cycle suivant. Au tarif Sonnet 4.6, 20 dollars de crédit API représentent environ 6,6 millions de tokens en entrée, ou 1,3 million en sortie. Il est courant de voir une session agentique avec un grand contexte brûler 100 000 à 200 000 tokens. Autrement dit, le crédit Pro peut être épuisé en quelques dizaines de sessions. Oh la belle création de rente !

Le même jour, à moins d’une heure d’intervalle plus tard sur X, OpenAI répondait par la voix de Sam Altman : “2 mois de Codex Enterprise gratuits pour toute entreprise qui migre dans les 30 jours.” Deux mois de gagnés.

Ce n’est pas fini, car dans la foulée là aussi à quelques dizaine de minutes d’intervalle, toujours sur X, Anthropic ajustait sa communication et son offre offre commerciale et répondait à OpenAI en relevant de 50 % les limites hebdomadaires de Claude Code jusqu’au 13 juillet, soit une fenêtre temporelle qui recouvre presque exactement la promotion concurrente.

Cette séquence de communication commerciale entre les deux Labs IA qui dictent leur agenda depuis plus de 3 ans maintenant, a été vue et lue par beaucoup comme une guerre des prix. Comme d’autres, je pense que c’est plus ça.

Ce qui s’est joué ce jour là et dans les jours qui ont suivi jusqu’à la Google I/O du 19 mai, c’est l’entrée explicite de tout le secteur dans l’économie du token.

Quand je dis “tout le secteur”, je parle de tous les acteurs de ce marché, en amont et en aval, y compris les utilisateurs individuels qui n’avaient pas encore conscience qu’ils allaient être comme les entreprises soumis à un régime de facturation et de gestion des coûts où l’unité comptable de base n’est plus l’utilisateur, ni la requête, ni la session, mais le “calcul” / le “compute” effectivement consommé. Donc le token.

Le 19 mai, soit 6 jours plus tard, Sundar Pichai a enfoncé le clou lors de la keynote Google I/O 2026. Le CEO d’Alphabet a livré le chiffre qui a rendu le sujet impossible à ramener seulement à un duel Anthropic vs OpenAI : les plateformes Google traitent désormais 3,2 quadrillions de tokens par mois, soit une multiplication par 7 en un an, après une multiplication par 50 entre mai 2024 et mai 2025. Et il a confirmé publiquement un constat que The Information documentait depuis avril sur les cas d’Uber et de ServiceNow : “nous avons entendu dire que de nombreuses entreprises avaient déjà épuisé leur budget annuel en jetons, alors que nous ne sommes qu’en mai.”

Le CEO du principal hyperscaler vient donc d’acter, lors d’un des événements les plus suivis de l’année dans le monde IA, ce que les fournisseurs concurrents découpent en politique de pricing sans le nommer : “token is gold”. Et la ruée a commencé.

Le token est réellement devenu cette semaine l’unité de base, la définition même du coût de toutes les actions que nous déléguons et allons peut-être déléguer de plus en plus aux machines. Et en particulier, ce que nous allons déléguer à ce que nous appelons actuellement “les agents”. Ces agents, ou plus précisément ceux qui les “fabriquent”, les “contrôlent” et les “commercialisent”, vont facturer leurs clients en fonction des tokens consommés.

Tokens moins chers, IA plus chère

Pour comprendre ce qu’il se passe en ce moment, il faut regarder 2 choses.

D’un côté, le coût unitaire de production du token continue de chuter rapidement. Dans sa communication financière de Q4 2025 de Google, publiée le 4 février 2026, Pichai a précisé que les coûts unitaires de service de Gemini avaient été abaissés de 78 % sur l’année, soit une amélioration de 4,5 fois du rapport tokens/GPU/heure. L’AI Index Report 2026 de Stanford HAI, publié en avril, fournit un regard plus matériel sur ce qui rend le coût du token plus abordable : la capacité mondiale de compute IA a augmenté de plus de 3 fois par an depuis 2022 pour atteindre 17,1 millions d’équivalents H100 fin 2025, en additionnant les GPU Nvidia, les TPU Google et les puces Amazon.

A noter que dans ce même rapport, les auteurs identifient l’inférence, et non plus l’entraînement, comme le principal moteur de l’expansion des besoins matériel et de consommation de tokens, et rappelle qu’à benchmark de performance constant, les prix d’inférence ont baissé de 9 à 900 fois par an selon les tâches.

De l’autre côté, le volume globale de tokens consommés explose à un rythme qui rend la baisse du coût unitaire entièrement absorbée et non visible par les utilisateurs et entreprises. Toujours dans la même communication Google Q4 2025, le CEO d’Alphabet indique que les modèles Gemini traitent désormais plus de 10 milliards de tokens par minute via l’API directe. Et la communication suivante sur Q1 2026, qui a été rendue public en avril, montre un nouveau bond à 16 milliards, soit +60 % en un trimestre. À l’I/O 2026 du 19 mai, Pichai annonce 19 milliards de tokens par minute via API directe , soit+18 % en six semaines - c’est foufou non ? - et confirme que 375 clients Google Cloud avaient désormais dépassé le seuil du trillion de tokens consommés sur les douze derniers mois, contre 330 en avril, soit +45 nouveaux clients en six semaines, mais vous aviez fait ce dernier calcul tout seul… pas besoin d’inférer.

Côté Microsoft, la communication Q2 FY2026 du 28 janvier 2026 indiquait déjà que plus de 250 clients étaient en passe de consommer plus d’un trillion de tokens sur Azure Foundry. Satya Nadella, le patron de Microsoft, formalisait dans le même temps une métrique-clé de la nouvelle économie du token : tokens per watt per dollar soit la quantité utile produite par unité d’énergie et de capital.

Les ordres de grandeur des 2 principaux hyperscalers se recoupent, et tracent la même courbe : la consommation totale de tokens double tous les deux à quatre mois. Le chapitre Economie de l’AI Index 2026 de Stanford résume la situation actuelle en une formule : “le chiffre d’affaires des entreprises d’IA progresse à des rythmes historiquement élevés, mais les coûts de calcul et l’investissement en infrastructure atteignent eux aussi des niveaux records”. Le rapport pointe Google comme illustration : pour absorber cette explosion d’usage, l’entreprise a investi plus de 150 milliards de dollars dans ses infrastructures en 2025. Et l’effort s’accélère, Pichai a annoncé le 19 mai un budget d’environ 190 milliards pour 2026, contre 31 milliards quatre ans plus tôt.

Avec tout ces chiffres, les analystes financiers s’attendent un retournement par rapport à ce que le marché vit depuis 3 ou 4 ans. Une note de Goldman Sachs du 5 mai 2026 (”Decoding the Agentic Economy”), reprise par Fortune le 13 mai, situe ce retournement dans les 3 à 12 prochains mois.

Jusqu’ici, plus un fournisseur vendait de tokens, plus il creusait ses pertes, car globalement il facturait en dessous de son coût. Goldman Sachs annonce le moment où ce rapport s’inverse : le coût de calcul baisse désormais assez vite pour que la consommation, enfin, devienne rentable.

Et vous savez quoi ? Cette semaine, Anthropic a annoncé son premier trimestre bénéficiaire… Bien plus rapidement qu’anticipé par les analystes de Goldman Sachs.

La note de Goldman Sachs, accessible aux clients institutionnels, anticipe une multiplication par 24 du volume mondial de tokens d’ici 2030, ce qui est un ordre de grandeur compatible avec les trajectoires observées chez Google et Microsoft sur les douze derniers mois.

Cette mise en cohérence économique, c’est à dire de faire payer la consommation au token réel, a surtout un calendrier bien plus explicite et rapproché de nous. OpenAI et Anthropic ont bouclé au premier trimestre 2026 des levées records, et sont attendus pour leur entrée en bourse à moyen terme. Or aucun marché boursier ne tolère durablement l’écart entre un revenu d’abonnement forfaitaire et un coût de calcul variable : tant que les deux sont découplés, rien n’est vraiment mesurable, surtout la marge, et la facturation à l’usage est la voie la plus rapide pour la rendre lisible. La pression financière ne crée pas réellement le mouvement de repricing actuel que nous subissons, cela devait arriver, mais cette pression en fixe une échéance que Sam Altman et Darion Amodei doivent avoir en tête. Et cette échéance se rapproche.

La belle histoire de la logique tarifaire des 18 derniers mois reposait sur une supposition fantasmée, un conte de fées pour des enfants gâtés : que les tokens deviendraient quasi gratuits et que les abonnements illimités tiendraient. Cela ne tient plus, ou plutôt, cela n’a jamais vraiment tenu. Non parce que la 1ère proposition est fausse, les tokens deviennent effectivement quasi gratuits à l’unité, mais parce que la 2ème ignore que la consommation se redessine et explose : l’augmentation de l’utilisation de ce qu’on nomme globalement l’IA, donc de l’inférence, est spectaculaire.

Chaque token coûte de moins en moins cher, mais on en consomme tellement plus que la facture totale grimpe quand même. Et la raison de cette explosion tient en une explication : tant qu’un humain est aux commandes, sa consommation a une limite naturelle, celle de ce qu’il peut lire et écrire dans une journée. Un agent n’a pas cette limite : il consomme tant qu’on le laisse tourner, autrement dit, tant qu’il reste du budget.

Le scénario que je viens de décrire pour la relative non limitation des abonnements suivie d’une mise en place de quotas ou d’un paiement plus agressif n’est pas nouveau. La tech l’a déjà joué : on offre un service à perte, le temps d’attirer les utilisateurs et de les rendre dépendants. Puis, une fois qu’ils ne peuvent plus partir, on remonte les prix. Les VTC vendus moins cher que le taxi, les abonnements de streaming à prix cassés et sans pub, les services cloud quasi gratuits pour les start-ups, tous ont connu ce passage. D’abord conquérir le marché à perte, ensuite le faire payer. Beaucoup. L’IA entre dans le second temps, avec un découpage particulier : les humains d’un coté, les machines de l’autre.

La f(r)acture humain / agent

Le découpage décidé et assumé ouvertement le 13 mai par Anthropic n’est pas seulement un ajustement tarifaire. En réalité, Anthropic avait déjà commencé à imposer ce découpage dès le début de l’année, quand l’usage d’OpenClaw avait explosé, forçant le géant à prendre des mesures de restrictions d’utilisation. Cette distinction, entre usage humain et usage agent, est une décision de structure et l’argument technique, sur laquelle elle repose, est logique.

Boris Cherny, responsable de Claude Code, l’avait formulé sur X le 3 avril 2026, à l’occasion d’une première restriction : “our subscriptions weren’t built for the usage patterns of these third-party tools”. Un humain au clavier envoie quelques dizaines, parfois quelques centaines de prompts par jour. Un agent autonome qui exécute, teste, navigue, rappelle le modèle en boucle, lui opère à un autre ordre de grandeur. Avec un forfait unique humain et agent, l’utilisateur intensif d’agents coûte bien plus cher qu’il ne paie. Et la différence est comblée par quelqu’un : soit par les utilisateurs occasionnels, qui paient le même prix pour une fraction de la consommation, soit par le fournisseur, qui rogne sa marge.

La décision d’Anthropic n’est pas isolée et n’est même pas la première du genre. Le 27 avril dernier, GitHub a annoncé que l’ensemble des plans Copilot va basculer au 1ᵉʳ juin sur un modèle “d’AI Credits” indexés sur la consommation de tokens. GitHub a justifié le changement assez directement et simplement : Copilot n’est plus le même produit qu’un an plus tôt, il fait désormais tourner des tâches automatisées bien plus lourdes en puissance de calcul. L’ancien décompte de requêtes est remplacé par des crédits libellés en euros, où un crédit IA vaut un centime. Mais surtout le basculement est imposé à tous : les abonnés mensuels y passent automatiquement, et les contrats annuels ne sont plus reconduits tels qu’ils étaient. Tout le monde bascule au moment du renouvellement.

Mais attention, n’allons pas trop vite. L’économie du token décrite ici depuis le début ne signifie pas la fin universelle et globale du forfait grand public et de son abonnement dédié. Pas encore en tout cas. En revanche, il faut bien constater que le principal consommateur de ce type d’abonnement, ce grand public, est bien touché directement… Mais là aussi cela ne date pas d’hier. Les forfait individuels, ChatGPT Plus, Claude Pro, les abonnements Google AI Pro, tous autour de vingt dollars par mois, n’ont en réalité jamais été illimités : par exemple des restrictions en nombre de messages échangés ou de documents uploadés sont en place depuis le début. Mais ces limites glissent progressivement depuis un moment déjà vers une autre logique : une logique de temps de calcul consommé, c’est à dire de tokens consommés. L’abonnement payant à Claude fonctionne ainsi avec une fenêtre glissante de cinq heures et un plafond hebdomadaire d’utilisation depuis l’été 2025. Mais surtout, l’usage n’y est pas compté en messages, mais pondéré par la longueur de la conversation, le modèle choisi et les fonctionnalités mobilisées. Et la référence de tout ça, c’est le token. Beaucoup ont appris de manière empirique qu’un long document pdf uploadé dans la conversation “brûle” le quota plus vite qu’une question brève. Et qu’il faut ensuite attendre 5 heures ou sortir sa CB.

Ce 19 mai, Google a poussé cette logique un cran plus loin et surtout l’a nommée explicitement : son application Gemini abandonne les limites en nombre de requêtes pour un modèle dit “compute-used”, c’est à dire un plafond calculé sur la complexité du prompt et la longueur de l’échange, assorti d’une bascule automatique vers un modèle plus léger lorsque le quota est atteint. En quelques mots : un système de quota basé sur le nombre de tokens consommés. Mais la nouveauté la plus importante est la mise en place d’un système d’achat de crédits supplémentaires, comme chez Claude, permettant à l’utilisateur de poursuivre son un action sans attendre la remise à zéro de son compteur, lorsque qu’il se retrouve bloqué.

ChatGPT, de son côté, conserve à ce jour des plafonds exprimés en messages et n’offre pas ce complément payant sur son offre individuelle : sur ce point précis, il est en retard sur ses deux concurrents. Jusqu’à quand ? Et peut-être que la nouvelle interface de sélection de modèles et de choix de “niveau d’intelligence” apparue ces dernières heures dans ChatGPT est plus pernicieuse qu’elle n’en a l’air… Une autre façon d’adresser la problématique, moins directe.

Ce qui survit dans le grand public n’est donc pas le forfait illimité. C’est l’absence de facture ouvertement basée sur la consommation effective de tokens. L’utilisateur individuel ne reçoit pas de relevé de calcul : il se heurte à un mur de quota, et au pire achète un petit ou un gros complément forfaitaire.

Read more

Read more

Le grounding, souvent traduit par “ancrage”, désigne l’ensemble des mécanismes qui permettent d’attacher des sources externes, récentes, identifiables et vérifiables, à une réponse générée par un modèle de langage.

D’une manière générale, lorsqu’un modèle “grounde” une réponse, il ne fait pas uniquement une réponse dite paramétrique, c’est à dire qu’il ne répond pas seulement à partir de ce qu’il a appris pendant son entraînement. Il va chercher des éléments sur le web, dans un index, dans une base documentaire ou dans un graphe de connaissances, puis il construit sa réponse à partir de ces éléments. C’est ainsi qu’il “s’ancre”.

Dernièrement, des chercheurs de Microsoft ont ajouté un autre aspect à cette définition en formulant le grounding comme un changement de paradigme pour la recherche internet : dans la recherche par IA, il ne s’agit plus seulement de “trouver les meilleurs documents” et de les proposer sous forme de listing à un utilisateur qui doit se débrouiller pour évaluer chacun des résultats en fonction de son intentionnalité, mais de “trouver les meilleures informations capables de soutenir une réponse fiable et attribuable”. Et c’est là que le grounding devient l’élément central des changements actuels dans la façon de rechercher des informations sur internet.

Un moteur de recherche classique renvoie une liste de pages. L’utilisateur lit, compare, évalue, doute, clique. Un moteur de recherche conversationnel fait autre chose : il lit à notre place des résultats, sélectionne des passages, les reformule, les synthétise et produit une réponse. Et dès que le système ne se contente plus de classer des liens mais commence à générer des phrases et des paragraphes, il doit être capable de montrer sur quoi il s’appuie. Le grounding c’est cette opération qui transforme une réponse générée en réponse appuyée sur des preuves.

Google parle de grounding with Google Search pour connecter Gemini à des données publiques du web et à des informations à jour. Google utilise aussi ce système pour AI Overviews et AI Mode, qui sont les fonctionnalités IA directement intégrées au Search historique. Ces fonctionnalités ne sont pas disponibles en France, mais vous pouvez tester des fonctionnalités équivalentes sur Bing le moteur de Microsoft.

De son coté, OpenAI décrit son web search comme un moyen de donner aux modèles accès à des informations récentes avant de produire une réponse, avec citations. Anthropic indique que Claude peut décider de chercher sur le web, répéter les recherches si nécessaire, puis répondre avec des sources citées. Perplexity met en avant un index web continuellement rafraîchi, des résultats structurés, des filtres de domaine, de langue, de région ou de date.

Les mots varient, mais le principe est le même : avec le grounding la réponse générée n’est plus censée flotter seule, sans ancrage, elle doit être reliée à un espace documentaire et cette liaison doit être présentée sous forme de source dans la réponse.

Sommaire :

1. Ce qui se passe concrètement

2. Ce que le grounding apporte

3. Ce que le grounding ne résout pas

4. La bonne définition

Temps de lecture : 20 mins

Cet article est payant.
Vous pouvez modifier vos préférences de réception ou vous désabonner sur la page de votre compte
La newsletter du samedi matin reste gratuite.

Attention, il ne faut pas confondre grounding et RAG, même si les deux sont très souvent liés :

Read more

Read more

Read more

Read more

Temps de lecture : 15 mins

Cet article est payant.
Vous pouvez modifier vos préférences de réception ou vous désabonner sur la page de votre compte
La newsletter du samedi matin reste gratuite.

Sommaire :

1. Le problème c’est la certitude, et pas l’erreur hallucinée

2. Comment et pourquoi un modèle apprend à halluciner et à ne jamais douter

3. Une solution : enseigner l’incertitude comme une compétence

4. Ce que ça change concrètement : un modèle bien calibré peut être utilisé différemment

5. Les limites du RLCR

Le problème c’est la certitude, et pas l’erreur hallucinée

Le premier type d’erreur, le plus connu et vulgarisé partout, c’est l’hallucination.

Un modèle hallucine quand il produit une information fausse, en tout cas, une information qui ne correspond pas à une factualité de notre monde réel : une date incorrecte, un auteur inventé, une loi qui n’existe pas, une molécule aux propriétés fabriquées, etc. C’est le phénomène le plus médiatisé, celui qui a valu aux IA, en particulier à ChatGPT et ses amis, leurs premières controverses publiques : des avocats sanctionnés pour avoir cité des jurisprudences inexistantes générées par ChatGPT, des articles scientifiques retirés pour des références bibliographiques inventées, des discours se référant à des citations qui n’ont jamais existé. On peut définir ce phénomène ainsi : l’hallucination est une erreur de contenu, le modèle dit quelque chose de faux.

Le second type d’erreur est souvent moins visible, bien moins connu et reconnu, et plus insidieux. Il ne concerne pas ce que le modèle dit, mais comment il le dit.

Read more

Read more

Read more

Read more