Warp lance son Agent CLI, GitHub retire Spark, FLUX 3 Video disponible : les annonces du 4 août

Le 4 août 2026 est marqué par six annonces majeures : Warp détache son agent de code en CLI autonome, GitHub programme le retrait de Spark au profit de Copilot, OpenAI détaille la reconstruction complète de la pile voix de ChatGPT, Black Forest Labs lance FLUX 3 Video, NVIDIA publie son modèle ouvert Alpamayo 2 Super pour les véhicules autonomes, et Mistral dévoile Shieldstral, son classificateur de sécurité en poids ouverts. Autour de ces sorties, Cursor, Amp, DeepSeek, Liquid AI, Google, GitHub Copilot, Pika et l’Open Secure AI Alliance multiplient les mises à jour.

Warp lance l’Agent CLI, un agent de code autonome pour tout terminal

4 août — Warp détache son agent de code du terminal Warp et le propose comme CLI autonome, installable dans n’importe quel émulateur : Ghostty, iTerm 2, VS Code, ou les terminaux natifs Windows, Mac et Linux. L’architecture repose sur une couche de multiplexage des connexions PTY entre l’agent et le shell, comparable à tmux, qui permet des sessions persistantes où l’on peut changer de répertoire (cd) sans perdre le contexte de l’agent, un pilotage à distance sans installer de binaire sur la machine cible, et le contrôle d’applications interactives plein écran comme vim, sqlite, un REPL Python ou htop.

Côté fonctionnalités, l’agent distingue automatiquement une commande shell d’un prompt en langage naturel, complète les arguments et les flags, et route la tâche vers différents modèles selon sa complexité — modèles frontières comme modèles en poids ouverts, avec des routeurs personnalisables via YAML. Il gère aussi l’orchestration multi-agents et la bascule vers le cloud.

Environnement pris en charge	Détail
Terminaux compatibles	Ghostty, iTerm 2, VS Code, terminaux natifs Windows/Mac/Linux
Abonnement mensuel	18 $/mois, 20 $ de crédit d’inférence inclus
Crédits à la carte	à partir de 10 $
Autres options	clé API compatible OpenAI, ou abonnement SuperGrok

Ce lancement positionne Warp face aux agents CLI concurrents (Codex CLI, Claude Code, Gemini CLI) en misant sur l’intégration shell profonde et l’orchestration cloud plutôt que sur un simple habillage de modèle.

🔗 Blog Warp — Introducing the Warp Agent CLI

GitHub Spark n’accepte plus de nouveaux utilisateurs, retrait programmé

4 août — GitHub retire progressivement Spark, sa plateforme de création d’applications par langage naturel lancée avec un moteur d’inférence dédié (llm()). Depuis le 4 août, la création de nouveaux comptes et de nouvelles applications est fermée.

Jalon du retrait	Date
Fin des nouveaux comptes et applications	4 août 2026
Date limite pour exporter le code	31 août 2026
Retrait de GitHub Models (moteur `llm()`)	30 juillet 2026 (déjà effectif)

Les utilisateurs existants ont jusqu’au 31 août pour exporter le code de leurs applications, via le menu du workbench Spark (bouton … → Create repository). Les applications déjà déployées continueront de fonctionner après cette date, mais celles qui utilisent la fonction llm() devront basculer vers un autre fournisseur d’inférence, puisque GitHub Models — qui l’alimentait — a lui-même été retiré fin juillet.

GitHub justifie la décision en expliquant que les modèles d’IA et les outils de développement agentique ont considérablement progressé depuis le lancement de Spark, et que les créateurs privilégient désormais des flux de travail intégrés — Copilot dans VS Code, Copilot CLI, ou l’app GitHub Copilot — plutôt qu’une plateforme de prototypage séparée. C’est un signal de consolidation : GitHub referme un produit de « vibe coding » distinct pour concentrer son offre IA autour de Copilot.

🔗 GitHub Changelog — Upcoming deprecation of GitHub Spark

GPT-Live : OpenAI reconstruit l’architecture voix de ChatGPT en six mois

3 août — OpenAI détaille la troisième génération de son système voix, GPT-Live, et explique pourquoi l’architecture précédente — basée sur un « turn detector » chargé de deviner quand l’utilisateur a fini de parler — limitait le naturel de la conversation : deviner trop tôt coupe la parole, deviner trop tard rend la réponse molle. GPT-Live supprime ce détecteur du chemin audio : le modèle voix est full-duplex, capable d’écouter et de parler en même temps. Quand un raisonnement plus profond ou un appel d’outil est nécessaire, GPT-Live consulte les modèles frontières (comme GPT-5.5) de façon asynchrone, sans interrompre la conversation.

Côté ingénierie, OpenAI a réécrit le frontend média et la logique d’inférence en Go, remplaçant une implémentation Python asyncio, ce qui a amélioré la régularité de livraison des frames au point que le p95 du nouveau système égale le p50 de l’ancien. Le transport s’appuie sur WebRTC, qui absorbe les pertes de paquets et la dérive d’horloge en étirant subtilement l’audio. Résultat concret : le démarrage d’une session voix est passé de six allers-retours réseau à un seul. Cette architecture alimente déjà de nouvelles capacités de ChatGPT Voice, dont le pilotage de l’ordinateur depuis l’app desktop.

GPT-Live can listen while it speaks. To make that feel natural at ChatGPT scale, we rebuilt the voice stack from client to model. This new architecture keeps audio flowing continuously, so deeper reasoning and tool use don’t interrupt the conversation.

🇫🇷 GPT-Live peut écouter pendant qu’il parle. Pour que cela paraisse naturel à l’échelle de ChatGPT, nous avons reconstruit toute la pile voix, du client au modèle. Cette nouvelle architecture maintient un flux audio continu, si bien que le raisonnement approfondi et l’usage d’outils n’interrompent pas la conversation. — @OpenAI sur X

🔗 How we built a realtime system for responsive voice AI in six months

FLUX 3 Video (Black Forest Labs) : lancement officiel, disponible en API et sur Runway

4 août — Black Forest Labs officialise le lancement de FLUX 3 Video, après l’aperçu montré le 30 juillet. Le modèle génère des clips jusqu’à 20 secondes en 720p et 1080p natif, avec audio natif synchronisé (effets, ambiance, voix, lip-sync précis) et dialogues en une quinzaine de langues, dont l’anglais, le chinois, l’espagnol, le français, l’allemand et le japonais. Il gère le texte vers vidéo, l’image vers vidéo avec image de départ, de fin ou images-clés multiples dans l’ordre, la continuation de vidéo, et du texte incrusté qui s’intègre naturellement à la scène.

Le Draft mode permet d’explorer rapidement des directions créatives à moindre coût, avant un rendu final en pleine qualité qui conserve les sujets, la composition et le mouvement de l’aperçu validé :

Étape de production	Tarif
Aperçu rapide (Draft mode)	$0,06 par seconde
Rendu final pleine qualité	à partir de $0,17 par seconde
Durée maximale	20 secondes, 1080p natif

Le modèle est disponible dès maintenant via l’API BFL et chez des partenaires sélectionnés — Runway l’a intégré le jour même du lancement. Black Forest Labs annonce pour la suite une meilleure contrôlabilité, des références multimodales (image, vidéo, audio), un modèle FLUX 3 Image, et une variante en poids ouverts baptisée FLUX 3 Dev.

🔗 @bfl_ai sur X (annonce FLUX 3 Video)

NVIDIA Alpamayo 2 Super, modèle ouvert de raisonnement pour véhicules autonomes

4 août — NVIDIA lance Alpamayo 2 Super, un modèle de raisonnement vision-langage-action (VLA) ouvert pour robotaxis, véhicules autonomes, camions et navettes. Il combine un raisonneur NVIDIA Cosmos 3 Super avec un expert d’action par diffusion, post-entraîné par apprentissage par renforcement, avec une couverture caméra à 360 degrés.

Composant du modèle	Taille
Raisonneur Cosmos 3 Super	32 milliards de paramètres
Expert d’action par diffusion	2 milliards de paramètres
Total Alpamayo 2 Super	34 milliards de paramètres

Pour chaque scénario de conduite, le modèle produit cinq sorties couplées : trajectoire planifiée, trace de raisonnement en chaîne de causalité, méta-action (céder, changer de voie, s’arrêter), auto-labels de raisonnement pour l’entraînement, et réponses à des questions visuelles ancrées dans l’image caméra. Sur le benchmark LingoQA, NVIDIA revendique la première place, devançant GPT-4o de 23,2 points. Le modèle est publié sous licence permissive OpenMDW-1.1, poids et code d’inférence disponibles immédiatement sur Hugging Face, pour un déploiement commercial sans autorisation supplémentaire.

Today, we’re launching Alpamayo 2 Super, our frontier open reasoning model for autonomous vehicles. Beyond seeing, Alpamayo understands and reasons through the complex world - thinks before it acts. […] We’re releasing it for commercial use under OpenMDW-1.1 so teams can inspect it, fine-tune it and deploy it—open models advance safety and security. The next wave of AI is robotics—and it starts with autonomous vehicles.

🇫🇷 Aujourd’hui, nous lançons Alpamayo 2 Super, notre modèle de raisonnement ouvert de pointe pour les véhicules autonomes. Au-delà de voir, Alpamayo comprend et raisonne à travers un monde complexe — il réfléchit avant d’agir. […] Nous le publions pour un usage commercial sous licence OpenMDW-1.1 afin que les équipes puissent l’inspecter, l’affiner et le déployer — les modèles ouverts font progresser la sécurité. La prochaine vague de l’IA, c’est la robotique — et cela commence par les véhicules autonomes. — @JensenHuang sur X

🔗 Blog NVIDIA — Alpamayo 2 Super, open model now available

Shieldstral : Mistral publie un modèle de modération de 3B en poids ouverts

4 août — Mistral lance Shieldstral, un modèle de modération de contenu à 3 milliards de paramètres, publié en poids ouverts sous licence Apache 2.0. Contrairement aux classificateurs classiques à catégories fixes, Shieldstral traite la modération comme une tâche de question-réponse binaire : la politique de modération est fournie en langage naturel au moment de l’inférence, ce qui permet de l’adapter sans réentraînement. Le modèle est multimodal (texte et image) et renvoie un score de sécurité calibré et continu plutôt qu’une étiquette discrète.

Fonction couverte	Détail
Classification de prompts et modération de réponses	Détecte les contenus problématiques en entrée comme en sortie
Détection de refus	Identifie quand un assistant décline une requête
Détection de toxicité	Texte et image
Évaluation adaptative par politique	Requêtes en langage naturel, sans réentraînement

Mistral indique que Shieldstral égale ou dépasse des modèles de garde-fou ouverts jusqu’à 7 fois plus gros, sur la sécurité textuelle, la détection de refus, l’adaptabilité aux politiques et l’évaluation multimodale. Le modèle tourne sur un unique GPU NVIDIA de 16 Go, ce qui le rend accessible pour une infrastructure standard, y compris un déploiement local. Shieldstral est aussi le premier membre de l’Open Secure AI Alliance, l’alliance sectorielle dont les nouvelles guidelines SAFE sont détaillées plus bas dans cet article. Les poids sont disponibles sur Hugging Face (mistralai/Shieldstral-1.0-3B).

🔗 Mistral — Shieldstral

Outils de code : Cursor, Amp et Warp accélèrent

Cursor open-source Mixture-of-Kittens (MoK), son megakernel d’entraînement MoE

4 août — Cursor publie en open source Mixture-of-Kittens (MoK), un « megakernel » d’entraînement pour architectures Mixture-of-Experts conçu pour les nœuds NVIDIA NVL72. Le kernel fusionne en une seule opération déterministe toute la communication et le calcul liés au MoE. MoK fait déjà tourner l’entraînement en production chez Cursor, sur des dizaines de milliers de GPU.

We’re open-sourcing Mixture-of-Kittens (MoK), our MoE training megakernel for NVL72s. It fuses all Mixture-of-Experts communication and computation into a single, fully deterministic kernel, and runs up to 2.37x faster than the strongest public baselines.

🇫🇷 Nous publions en open source Mixture-of-Kittens (MoK), notre megakernel d’entraînement MoE pour les NVL72. Il fusionne toute la communication et le calcul liés au Mixture-of-Experts en un seul kernel entièrement déterministe, et tourne jusqu’à 2,37x plus vite que les meilleures bases de référence publiques. — @cursor_ai sur X

Gain mesuré chez Cursor : 1,41x de débit d’entraînement de bout en bout par rapport à leur pile précédente basée sur DeepEP.

Amp permet d’attacher n’importe quel fichier à ses orbs

4 août — Les « orbs » d’Amp, ses agents cloud, acceptent désormais n’importe quel fichier en pièce jointe : vidéos, logs, PDF, tableurs, jeux de données. L’équipe cite plusieurs usages concrets : enregistrer l’écran d’une application pour qu’Amp corrige ce qu’il voit, déboguer à partir de fichiers de logs, transformer des tableurs en sites web interactifs, ou transcrire de l’audio et de la vidéo. L’annonce ne précise ni limite de taille de fichier ni formats exacts au-delà de ces exemples.

🔗 Amp News — Attach Anything

Warp donne aux agents cloud la capacité de vérifier leur travail par contrôle d’ordinateur (computer use)

3-4 août — Quatrième volet de la série « cloud software factory » de Warp : une nouvelle skill verify-behavior donne aux agents cloud le contrôle souris/clavier pour reproduire des bugs signalés (mode reproduce) ou vérifier qu’une fonctionnalité correspond à sa spécification (mode verify), avec capture vidéo de préférence. Un ingénieur Warp confirme le déploiement en interne, avec trois usages cités : reproduire des bugs avec correctif et vidéo avant/après, dérouler le parcours d’onboarding comme un nouvel utilisateur, et poster une démo vidéo dans Slack ou en pull request pour valider une interface rapidement.

🔗 Blog Warp — Computer use verification

GitHub Copilot : quatre nouveautés pour les développeurs et les équipes

Niveau de raisonnement personnalisable pour l’agent cloud

3 août — Lors d’une délégation de tâche à Copilot cloud agent, il est désormais possible de choisir le niveau de raisonnement du modèle, pour les modèles qui le supportent. Un niveau plus élevé peut améliorer les réponses sur des problèmes complexes, au prix d’une consommation de tokens plus importante. Disponible sur tous les plans Copilot payants : Pro, Pro+, Business, Enterprise et Max.

🔗 GitHub Changelog — Customize the reasoning level

Déclencher des automatisations Copilot depuis des commentaires

3 août — Les automatisations Copilot cloud agent peuvent désormais se déclencher sur un commentaire d’issue ou de pull request, configurables depuis l’onglet Agents → Automations d’un dépôt. Trois cas d’usage cités : générer de la documentation depuis un commentaire de PR, analyser une stack trace signalée en commentaire d’issue, ou créer automatiquement des tâches de suivi. Disponible pour Copilot Pro, Pro+, Max, Business et Enterprise (avec activation de la politique côté administrateur pour les comptes entreprise).

🔗 GitHub Changelog — Trigger Copilot automations with comments

Comment l’équipe juridique de GitHub utilise Copilot CLI

4 août — Deux juristes internes de GitHub, sans expérience de développement, ont construit des outils avec Copilot CLI. Ngandu Kasuku (Principal Product Counsel) a créé terms-ai, un dépôt centralisant instructions de rédaction et modèles de contrats, réduisant d’environ moitié le temps de relecture et de rédaction. Jesse Geraci (Online Safety Counsel) a développé une application pour analyser du code source et évaluer des notifications DMCA, depuis étendue à la conformité de licences et à l’évaluation de risque NDA.

🔗 GitHub Blog — How the GitHub legal team used Copilot CLI

Activation automatique de la couverture de code, générée par IA

4 août — Dans les paramètres Code Quality d’un dépôt, un nouvel agent IA génère automatiquement un workflow de couverture de code : il construit le projet, exécute les tests, produit un rapport de couverture et l’envoie sur GitHub, avec des permissions a minima par défaut. L’utilisateur obtient une pull request prête à relire et fusionner. Fonctionnalité en preview publique, disponible sur github.com, GitHub Enterprise Cloud et Team (pas encore sur Enterprise Server).

🔗 GitHub Changelog — Code coverage automatic enablement

Modèles ouverts et disponibilité en production

DeepSeek V4 Flash disponible en production sur Together AI

4 août — DeepSeek V4 Flash, le modèle rapide de DeepSeek lancé fin juillet, est désormais disponible en production sur Together AI, avec un chemin de déploiement à haut débit pour le codage, l’utilisation d’outils et les agents de longue durée. Together AI met en avant un codage renforcé sur les tâches terminal et full-stack, trois niveaux d’effort de raisonnement (faible, élevé, maximum), et un décodage spéculatif nommé DSpark pour accélérer la génération.

🔗 @togethercompute sur X

Liquid AI publie LFM2.5-2.6B, modèle compact pour agents 100% locaux

4 août — Liquid AI publie LFM2.5-2.6B, un modèle de 2,6 milliards de paramètres conçu pour des agents fonctionnant entièrement en local, du ordinateur portable au téléphone, avec une fenêtre de contexte de 128K tokens. Comparé à des modèles 2 à 4 fois plus gros, il se classe en tête sur le suivi d’instructions (51,87% sur AIME25, 59,41% sur LiveCodeBench) et devant presque tous les modèles testés sur l’utilisation d’outils. Côté vitesse : 220 tokens/seconde sur un Apple M5 Max, 113 tokens/seconde sur un AMD Ryzen, environ 30 tokens/seconde sur téléphone. Disponible sur Hugging Face, compatible llama.cpp, MLX, vLLM, SGLang et ONNX.

🔗 Hugging Face Blog — LFM2.5-2.6B

Google et Kaggle dressent le bilan de leur cours gratuit d’agents IA

3 août — Google et Kaggle publient le bilan de leur cours gratuit de cinq jours « AI Agents Intensive: Vibe Coding », consacré à la conception et au déploiement d’agents IA en conditions de production. Les chiffres communiqués : 353 000 participants inscrits, 392 000 personnes actives sur le Discord de Kaggle pendant la session, et plus de 6 000 soumissions de projets finaux venant de plus de 12 000 participants. Google rappelle que ses cours intensifs avec Kaggle ont rassemblé plus de 2 millions d’apprenants au total depuis 2024. Tous les contenus restent accessibles en auto-formation sur Kaggle Learn.

🔗 Google Blog — Inside our 353,000-person vibe coding course

Génération média et sécurité de l’écosystème agentique

Pika lance l’API Club, agrégateur de plus de 100 modèles

4 août — Pika Labs lance l’API Club, un abonnement à 10 $ par mois donnant accès à plus de 100 modèles de génération média (vidéo, image, audio, LLM) via une seule API, avec des remises importantes par rapport à des fournisseurs comme Fal ou Runway Dev : jusqu’à 87% sur Seedance 2.0, jusqu’à 50% sur MiniMax H3, jusqu’à 25% sur GPT Image 2. Pika affirme avoir négocié de meilleurs prix auprès des fournisseurs et gardé sa propre marge minimale, en réaction à des plateformes d’agrégation qu’elle accuse de pratiquer des majorations jusqu’à 3 fois supérieures. Ce lancement repositionne Pika, connu comme outil de génération vidéo grand public, en agrégateur d’API pour développeurs et créateurs.

🔗 @pika_labs sur X

HeyGen lance des formats vidéo automatisés pour l’immobilier

3 août — HeyGen dévoile « HeyGen for Real Estate », une série de formats vidéo pour agents immobiliers, chacun réutilisant l’avatar personnel de l’utilisateur. Le format du jour, « Hosted Home Tour », génère une visite guidée d’un bien : l’utilisateur colle le lien d’une annonce (Zillow), ajoute optionnellement un script, et l’outil produit automatiquement une vidéo où l’avatar présente la visite en s’appuyant sur les informations de l’annonce. D’autres formats de la série incluent « Market Update » et « Listing Spotlight ».

🔗 @HeyGen sur X

L’Open Secure AI Alliance propose ses guidelines SAFE à Black Hat

4 août — À l’occasion de la conférence Black Hat 2026 à Las Vegas, l’Open Secure AI Alliance — coalition menée par NVIDIA regroupant désormais plus de 120 organisations (Cisco, CrowdStrike, Hugging Face, Red Hat, Microsoft, Amazon, entre autres) — annonce plusieurs contributions. La Linux Foundation publie une demande de commentaires sur SAFE (Shared AI Findings Exchange), un cadre proposé pour collecter et analyser de façon confidentielle les incidents de sécurité IA, identifier les défaillances de contrôle récurrentes et publier des recommandations fondées sur des preuves — une approche de défense collective inspirée du partage de renseignement sur les menaces.

Amazon rejoint l’alliance et contribue sa boîte à outils Strands Agents ainsi que le langage d’autorisation Cedar. Uber open-source ADR (Agentic AI Detection and Response), un framework qui gère plus de 200 000 sessions d’agents quotidiennes en production. Mistral y contribue avec Shieldstral, présenté plus haut dans cet article et devenu le premier membre modèle de l’alliance.

🔗 Blog NVIDIA — Open Secure AI Alliance contributions

OpenAI : réponse à Apple et nouveaux plugins éducation

Apple is getting this wrong : OpenAI répond au procès d’Apple

3 août — OpenAI publie une réponse détaillée à la plainte déposée par Apple, revenant point par point sur trois volets des accusations. Sur la chronologie des contacts, OpenAI affirme qu’Apple reconnaît désormais que ses avocats externes ont écrit à la mauvaise personne, et qu’une prétendue discussion avec le General Counsel d’OpenAI n’a jamais eu lieu. Sur l’affaire d’un ex-employé accusé d’avoir accédé à des informations confidentielles après son départ (dernier jour chez Apple : 22 janvier 2026), OpenAI publie des échanges iMessage montrant que ce sont des employés d’Apple qui lui ont demandé de l’aide pour localiser des fichiers. Sur l’affaire d’un ancien cadre ayant passé 24 ans chez Apple et soupçonné d’avoir cherché à utiliser des secrets commerciaux, OpenAI affirme qu’aucune information confidentielle d’Apple n’a été demandée ni utilisée. OpenAI qualifie la demande d’injonction préliminaire d’Apple de « basée sur de fausses informations et totalement inutile ».

🔗 OpenAI — Apple is getting this wrong

Trois nouveaux plugins éducation pour ChatGPT Work et Codex

4 août — Pour la rentrée, OpenAI lance trois plugins pour ChatGPT Edu et les déploiements ChatGPT for Teachers : K-12 Educator (ressources différenciées pour le primaire/secondaire), College Educator (conception de cours et export vers LMS pour le supérieur), et College Student (tutorat guidé, fiches de révision, quiz à partir des sources choisies par l’étudiant). L’article rappelle le partenariat d’OpenAI avec l’American Federation of Teachers, une initiative sur cinq ans visant à former 400 000 enseignants K-12 américains à l’usage de l’IA.

🔗 OpenAI — Learn and teach with ChatGPT Work and Codex

Brèves

Devin Fusion progresse de 4% en intelligence et coûte 27% de moins — Cognition améliore le harnais et les modèles de Devin Fusion sur le benchmark interne FrontierCode 1.1, disponible immédiatement dans Devin Cloud. 🔗 source
Sakana AI rejoint l’AIRoA — L’entreprise devient membre de l’Association japonaise de robotique IA, pour une collaboration de son RSI Lab sur les modèles du monde et l’IA physique. 🔗 source
llama-macos, utilitaire mis en avant par l’équipe Hugging Face — Widget macOS (brew install --cask llama-app) qui recommande des modèles selon la machine et lance un serveur llama.cpp avec interface web. 🔗 source
Contrôle plus fin de ce à quoi Copilot peut accéder — GitHub annonce un contrôle accru sur les accès de Copilot, sans changelog détaillé associé pour l’instant. 🔗 source
Documentation enrichie sur le sandboxing local de Copilot CLI — GitHub met en avant sa documentation sur l’activation et la configuration du sandboxing local dans le terminal. 🔗 source
L’éditeur Air ajoute GitHub Copilot comme agent personnalisé via ACP — L’outil tiers Air supporte désormais les agents personnalisés via Agent Client Protocol, avec un guide pour configurer Copilot. 🔗 source
Spécialisation par équipe d’entreprise pour les paramètres managés — Les administrateurs d’entreprise peuvent cibler des équipes spécifiques avec des fichiers de configuration dédiés. 🔗 source
Configuration personnalisée du code scanning par défaut, à grande échelle — Une nouvelle propriété de dépôt permet d’appliquer une configuration CodeQL personnalisée au setup par défaut. 🔗 source
Retrait de l’app Copilot Billing Preview — La gestion des dépenses Copilot se fait désormais directement dans les paramètres de facturation GitHub. 🔗 source
Personnalisation des noms de branches Dependabot — Nouvelles options dans dependabot.yml pour définir préfixe, longueur et séparateurs des noms de branches créées par Dependabot. 🔗 source
CodeQL 2.26.2 ajoute le support Swift 6.3.3 et Kotlin 2.4.10 — Mise à jour du moteur d’analyse statique de GitHub. 🔗 source
Le rôle Triage peut désormais contourner les restrictions de création d’issues — Les utilisateurs avec ce rôle peuvent créer des issues même quand un dépôt restreint cette action aux collaborateurs. 🔗 source
Wan (Alibaba) — Camera-to-Image — Nouvelle capacité de la suite temps réel de Wan : la caméra transforme instantanément l’environnement réel en scène animée façon anime. 🔗 source
NVIDIA rejoint le programme NSF State and Regional AI Hubs — Participation au programme de hubs régionaux d’infrastructure IA de la National Science Foundation américaine, pour la recherche et l’éducation. 🔗 source
NVIDIA détaille SCADA, un accès accéléré au stockage pour l’IA — Technologie permettant aux GPU d’accéder directement au stockage à des vitesses proches de la mémoire. 🔗 source
Stability AI et MusicHackspace organisent un hackathon Stable Audio 3.0 à Montréal — Hackathon de 48 heures les 22 et 23 août, en partenariat avec le festival MUTEK. 🔗 source
Qwen-Image-3.0-Pro grimpe au 5ᵉ rang mondial — Alibaba annonce un bond de son modèle de génération d’images sur un classement non précisé. 🔗 source
Z.ai (GLM) et Tencent Cloud organisent leur premier meetup communautaire à Singapour — Présentation des capacités agentiques de GLM-5.2 et de son intégration à CodeBuddy et WorkBuddy. 🔗 source
Circles personnalise l’expérience télécom avec l’API OpenAI et Codex — Étude de cas entreprise : +22% d’ARPU, -9% de churn, 65% de résolution autonome du support client. 🔗 source

Ce que ça signifie

Les outils de code continuent de sortir du seul périmètre de l’IDE. Warp détache son agent en CLI capable de piloter n’importe quel terminal, GitHub Copilot cloud agent gagne un niveau de raisonnement personnalisable et des déclencheurs par commentaire, Amp accepte n’importe quel type de fichier en pièce jointe, et Warp donne à ses agents cloud la capacité de vérifier eux-mêmes leur travail par contrôle d’ordinateur (computer use). Le témoignage de l’équipe juridique de GitHub, qui a construit ses propres outils avec Copilot CLI sans expérience de développement, illustre une bascule plus large : ces agents s’adressent désormais autant aux non-développeurs qu’aux ingénieurs.

Cette montée en puissance des agents s’accompagne d’une consolidation des plateformes plutôt que d’une prolifération. GitHub referme Spark, sa plateforme de prototypage d’applications par langage naturel, un an et demi après son lancement, au profit d’un pari unique sur Copilot dans ses différentes surfaces (VS Code, CLI, app, cloud agent). C’est un signal que le marché du « vibe coding » standalone se resserre autour de quelques offres intégrées plutôt que de multiplier les produits séparés.

La sécurité de l’IA agentique s’organise en écosystème structuré. Mistral publie Shieldstral, un classificateur de modération en poids ouverts qui tourne sur un seul GPU, et devient le premier membre modèle de l’Open Secure AI Alliance — une coalition de plus de 120 organisations qui propose désormais, via la Linux Foundation, un cadre de partage confidentiel des incidents de sécurité IA (SAFE) directement inspiré du renseignement sur les menaces en cybersécurité classique. Amazon et Uber y contribuent également leurs propres outils open source. C’est le signe que la sécurisation des agents devient un effort collectif et documenté, plutôt qu’une addition de mesures propriétaires isolées.

Enfin, l’économie de la génération média et du calcul temps réel continue de baisser en coût d’accès. FLUX 3 Video introduit un mode Draft à $0,06 par seconde pour explorer des idées avant un rendu final plus coûteux, Pika transforme son produit grand public en agrégateur d’API à 10 $ par mois pour contourner les marges élevées d’autres plateformes, et NVIDIA publie Alpamayo 2 Super en poids ouverts pour que l’industrie de la conduite autonome dispose d’une base de raisonnement partagée plutôt que de repartir de zéro. Le même mouvement se retrouve côté voix : la refonte de GPT-Live par OpenAI, qui divise par six le temps de démarrage d’une session vocale, montre que l’infrastructure temps réel devient elle aussi un terrain d’optimisation actif, au même titre que les modèles eux-mêmes.