ChatGPT Wallet laisse les agents payer, Claude Code ajoute Code Mode, llama.cpp passe en 1.0

OpenAI lance ChatGPT Wallet : ses agents personnels, les dots, peuvent désormais aller jusqu’au paiement, chaque achat étant validé par une vérification biométrique et réglé avec un jeton qui cache la vraie carte. Le même jour, Google branche l’application Gemini sur Google Wallet, en lecture seule. Claude Code 2.1.323 ajoute Code Mode, où Claude écrit du JavaScript pour enchaîner ses outils, DeepSeek ouvre dans son API la recherche, les fichiers et la voix de son application, et llama.cpp passe en version 1.0.0 avec une API stable. GitHub Copilot accueille Gemini 4 Hydrogen et annonce six retraits de modèles pour le 14 décembre.

ChatGPT Wallet : les dots d’OpenAI vont jusqu’au paiement, avec un jeton qui cache la vraie carte

13 novembre — OpenAI lance ChatGPT Wallet, un portefeuille qui permet aux dots, ses agents personnels, de finaliser un achat pour l’utilisateur. La carte s’enregistre une fois. Avant chaque paiement, le dot présente le commerçant, les articles, le total et la carte choisie ; l’utilisateur approuve par une vérification biométrique (Face ID, Touch ID ou empreinte digitale), et chaque approbation laisse un enregistrement de l’achat autorisé.

We’re introducing ChatGPT Wallet, setting a new bar for secure payments by agents. It’s the first wallet that lets agents pay without access to users’ actual card details and that requires a security check for every purchase, while also preserving existing card rewards and protections for eligible disputes.

🇫🇷 Nous lançons ChatGPT Wallet, qui fixe un nouveau niveau d’exigence pour la sécurité des paiements effectués par des agents. C’est le premier portefeuille qui permet aux agents de payer sans accéder aux vraies données de carte des utilisateurs et qui exige une vérification de sécurité pour chaque achat, tout en préservant les récompenses de carte existantes et les protections en cas de litige éligible. — OpenAI, billet de lancement de ChatGPT Wallet

Le mécanisme repose sur la tokenisation des réseaux de paiement. Une fois l’achat approuvé, le réseau fournit un jeton de paiement, avec un numéro de carte, un code de sécurité et une date d’expiration de substitution : la carte est débitée sans que l’agent ni le commerçant ne voient ses vraies données. Les récompenses de la carte et les protections en cas de litige restent acquises. Le portefeuille a été construit avec American Express, Mastercard et Visa ; pour American Express, c’est la première intégration de son offre Agentic Commerce Experiences. Que ce soit le premier portefeuille de ce genre reste une affirmation d’OpenAI.

Élément du lancement	Conditions au 13 novembre
Où l’utiliser	Conversations avec un dot ; ni Chat, ni Work, ni les fils autonomes de Codex
Abonnés concernés	ChatGPT Pro, 18 ans et plus, aux États-Unis, en déploiement progressif
Cartes acceptées	Cartes de crédit American Express, Chase, Mastercard et Visa émises aux États-Unis
Cartes exclues au lancement	Cartes de débit et cartes virtuelles
Validation de chaque achat	Vérification biométrique : Face ID, Touch ID ou empreinte
Données reçues par le commerçant	Un jeton de paiement de substitution

L’article d’aide prévient que l’approbation ne vaut pas confirmation de commande, à vérifier auprès du commerçant ; le billet de lancement ajoute que certains sites peuvent encore bloquer, sans le vouloir, les achats d’agents. Plus tard, sans date, l’utilisateur pourra déléguer des achats entiers dans des limites fixées d’avance : plafond de dépense, catégories, période.

Côté commerçants, OpenAI publie un Commerce Partner Playbook : revendiquer sa fiche avec Businesses in ChatGPT (lancé le 10 novembre) et publier un flux produit, reconnaître dans son CDN ou son pare-feu les requêtes signées Web Bot Auth des agents de ChatGPT, et faire accepter ces achats par les outils antifraude (Forter, Riskified, Sardine, Signifyd) et les prestataires de paiement (Adyen, Checkout.com, Stripe). Après le shopping visuel et l’Agentic Commerce Protocol présentés en mars, OpenAI passe ainsi à la finalisation des achats.

🔗 Acheter avec ChatGPT Wallet (aide OpenAI) · Notes de version de ChatGPT · Commerce Partner Playbook (OpenAI)

Google Wallet dans l’application Gemini : lire ses dépenses, sans pouvoir toucher à l’argent

13 novembre — Le même jour, Google fait le choix inverse : l’assistant lit le portefeuille, sans jamais payer. Google Wallet rejoint les applications connectées de Personal Intelligence, aux côtés de Gmail, Photos, YouTube et Search, pour tous les utilisateurs de l’application Gemini aux États-Unis, sur le web, Android et iOS. En mentionnant @Google Wallet, on obtient des graphiques de flux de trésorerie, d’allocation d’actifs ou de budget, on repère ses abonnements récurrents et leurs hausses de prix, ou on prépare le budget des fêtes à partir des transactions de l’an passé. Les comptes bancaires et de cartes de crédit peuvent être reliés à Wallet via Plaid.

Gemini can only read information from your accounts; it can’t move, manage, or invest your money.

🇫🇷 Gemini peut seulement lire les informations de vos comptes ; il ne peut ni déplacer, ni gérer, ni investir votre argent. — Billet de Google sur blog.google

La connexion est facultative et se coupe à tout moment dans les réglages de Personal Intelligence. Le même billet lance Memory Summary, une page qui montre ce que Gemini a retenu (préférences, centres d’intérêt, objectifs en cours) et permet de le corriger, sur le web et le mobile, partout où Personal Intelligence est disponible.

Agents de code : Claude Code 2.1.323 lance Code Mode, avec Codex CLI 0.169, Antigravity 2.32, Devin Apps et Devin Teams

12 novembre — La version 2.1.323 de Claude Code, publiée sur GitHub le 12 novembre au soir avec 294 entrées dont 195 correctifs, introduit Code Mode, une option expérimentale qui change la façon dont Claude utilise ses outils. Sans elle, Claude demande chaque appel (Bash, Read, Edit) et lit son résultat avant de décider de la suite. Avec Code Mode, il écrit un morceau de JavaScript qui enchaîne plusieurs appels en une seule étape : lancer des commandes en parallèle, réutiliser le résultat d’un appel dans le suivant, et ne renvoyer que la partie utile de la sortie. La documentation le recommande pour les modifications répétées sur de nombreux fichiers, les recherches à filtrer avant lecture et les commandes indépendantes. La conversation continue d’afficher les appels d’outils ; le code lui-même se lit dans la vue de transcription (Ctrl+O).

Exigence de Code Mode	Valeur selon la documentation
Activation	Variable `CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1`, puis confirmation au premier lancement
Version minimale	Claude Code 2.1.323, build natif
Compte requis	Abonnement Claude ou compte Console
Modèles acceptés	Opus 5.5, Sonnet 5.5, Haiku 5.5, Fable 5.2
Surface prise en charge	Session interactive dans un terminal (ni `-p`, ni SDK Agent, ni VS Code, ni Desktop, ni sessions cloud)
Configurations exclues	Passerelles, Amazon Bedrock, Agent Platform de Google Cloud, Microsoft Foundry, HIPAA, rétention zéro des données
Durée maximale d’un code	10 minutes en attente, jusqu’à 2 heures en arrière-plan

Côté sécurité, chaque appel d’outil lancé par le code passe toujours par les règles deny et ask et par les hooks PreToolUse. En mode auto, le classifieur examine le code avant son exécution, mais pas chaque appel : il ne voit pas les valeurs calculées en cours de route, comme un chemin tiré d’une recherche, et la documentation conseille de garder des règles ou des hooks pour les appels sensibles. Les administrateurs peuvent bloquer le mode pour toute l’organisation en fixant la variable à 0 dans les réglages gérés, sans pouvoir l’activer de cette façon. La documentation prévoit aussi un refus quand le mode n’est pas encore ouvert au compte, avec le conseil de réessayer un autre jour. Le canal stable de npm reste pour l’instant en 2.1.311.

Le reste de la version ferme des failles de permissions. Une session lancée en mode auto alors que ce mode est indisponible démarre désormais en mode Manual, qui demande avant d’agir, au lieu d’un mode plus permissif ; Write et Edit ne peuvent plus écrire sur un chemin protégé par une règle Read deny, et les règles deny et ask ne se contournent plus via sudo ou env. La fenêtre de contexte supposée pour un modèle inconnu passe de 200 000 à 1 million de tokens, le client MCP v1 est retiré et les plugins peuvent déclarer les versions de Claude Code qu’ils acceptent (engines["claude-code"]). Hors du terminal, Claude Tag ajoute ses sessions Slack à la Compliance API d’Enterprise, en bêta, et Code Review exporte ses coûts par dépôt en CSV.

🔗 Claude Code 2.1.323 (GitHub) · Documentation de Code Mode

Claude Code 2.1.325 : les commandes Bash du bac à sable repassent par les autorisations, et une faille zstd est corrigée

13 novembre — Le lendemain, Claude Code 2.1.325 change un comportement par défaut : les commandes Bash exécutées dans le bac à sable suivent désormais le flux normal d’autorisation au lieu de passer sans demande. Pour garder l’ancien fonctionnement, il faut régler sandbox.autoAllowBashIfSandboxed: true, dans la source de réglages gérés la plus prioritaire quand c’est l’organisation qui active le bac à sable. La version corrige aussi une faille dans le décodage des réponses compressées en zstd, sans plus de détail.

D’autres changements resserrent les autorisations : les commandes git en lecture seule demandent confirmation dans un dépôt qui n’est ni celui du projet ni un dépôt approuvé, et les tâches planifiées comme /loop demandent avant de lancer une skill qui déclare des outils autorisés ou des hooks (Skill(name) dans permissions.allow pour un usage sans surveillance). Une session en arrière-plan ouverte avec un compte claude.ai pouvait utiliser, et facturer, une clé API héritée du shell : c’est corrigé. Sur 139 entrées, 88 sont des correctifs, dont plusieurs pour Code Mode ; la 2.1.324, publiée sur npm moins de deux heures plus tôt, n’a pas de notes.

🔗 Claude Code 2.1.325 (GitHub)

Codex CLI 0.168 et 0.169 : conversations latérales en onglets, et codex exec exige la confiance du projet

13 novembre — OpenAI publie deux versions stables de Codex CLI en moins de cinq heures. La 0.168.0 (03 h 54 UTC, 226 PR listées) introduit en option (features.tui_workspace) une conversation latérale affichée à côté de la conversation principale ; la 0.169.0 (08 h 37 UTC, 243 PR) la décline en onglets, rouverts après un redémarrage. Un panneau Sessions → Model providers choisit le fournisseur de modèle des nouvelles conversations sans toucher à celles déjà ouvertes, et les fournisseurs personnalisés se créent désormais depuis le terminal, avec un code d’appareil pour les connexions en SSH.

Le changement qui compte pour les scripts et la CI arrive avec la 0.169.0 : dans un dossier non approuvé, codex exec ne charge plus la configuration du projet ni ses serveurs MCP, même avec --sandbox workspace-write. Il faut passer --trust à codex exec ou à codex review pour enregistrer la confiance dans le projet. Les deux versions ajoutent aussi des GIF animés en option, les enregistrements audio avec un modèle compatible, la recherche des anciennes tâches du centre de commande des agents et un ZIP de diagnostic local (Ctrl+S). L’option features.multi_agent est en voie d’abandon au profit de agents.enabled, et un titre de PR évoque une migration locale des skills de Claude Code, sans entrée dans les notes.

🔗 Codex CLI 0.168.0 (GitHub) · Codex CLI 0.169.0 (GitHub)

Antigravity 2.32 et Antigravity CLI 1.5.8 : Dynamic Workflows en Python, Hydrogen et Carbon avec une clé d’API Gemini

13 novembre — L’application Antigravity passe en 2.32.0 avec les Dynamic Workflows : l’agent orchestre des sous-agents en parallèle et des tâches en plusieurs étapes en écrivant du Python, exécuté par le runtime fourni avec l’application. L’idée rejoint les workflows dynamiques déjà proposés par Claude Code, Copilot CLI et Devin ; le changelog ne dit pas comment la fonction s’articule avec /swarm, en préversion depuis le 10 novembre. La version protège aussi les onglets de navigateur pilotés par l’agent : les cadres intégrés (frames) d’autres sites s’y chargent déconnectés et restent masqués de ses captures sans autorisation explicite. Au total, 11 améliorations et 13 correctifs, dont les thèmes Everforest et le clonage local de dépôts GitHub cloud pour les agents distants.

Le même jour, Antigravity CLI 1.5.8 ouvre Gemini 4 Hydrogen (niveaux Low à XHigh) et Gemini 4 Carbon (Low à High) aux connexions par clé GEMINI_API_KEY, et Hydrogen aussi avec les identifiants Google Cloud (ADC) et derrière une passerelle d’entreprise. Ses 22 correctifs ferment plusieurs contournements de sécurité : le proxy réseau du bac à sable trompé par des slashs encodés (%2F) ou des segments « .. » dans une URL, des règles « toujours autoriser » détournées sous Windows via cmd ou PowerShell, des règles de permission MCP ignorées pour certains outils, et un hook de blocage écrit avec des guillemets doubles sauté en silence sous Windows.

🔗 Changelog d’Antigravity

Devin Apps : des applications web privées hébergées sur la machine cloud de Devin

13 novembre — Cognition lance Devin Apps : on décrit l’outil dont l’équipe a besoin (tableau de bord, file de revue, page d’état de projet), Devin le construit et le met en ligne, et l’équipe l’ouvre depuis une URL stable. Une App peut aussi naître d’une session en cours, à partir d’un aperçu navigateur déjà montré. Les Apps restent privées : connexion à Devin obligatoire, partage par personne, par organisation ou pour toute l’entreprise. Chaque modification produit une nouvelle version à la même adresse, et si elle ne démarre pas, la précédente continue de servir.

Les Apps reposent sur les instantanés mémoire qui permettent à Devin d’hiberner : la machine s’endort 5 minutes après la dernière requête et se réveille en quelques secondes à la visite suivante. La facturation suit le temps d’éveil, sans tarif chiffré. Toute pile qui sert du HTTP convient, avec SQLite ou Postgres sur la même machine ; une App tourne sur une seule machine et vise les outils internes et les préproductions, pas les services à fort trafic. L’annonce suit les Apps de Cursor (5 novembre) et les Boxes d’Amp (10 novembre).

🔗 Introducing Devin Apps · Documentation de Devin Apps

Devin Teams : Devin Desktop sans siège payant, mode Free sur SWE-2 et plafond ramené à 100 sièges

12 novembre — La veille au soir, Cognition remaniait son offre Devin Teams. Devin Desktop n’exige plus de sièges payants, et un mode Free, propulsé par SWE-2, le modèle maison, donne à chaque utilisateur deux sessions simultanées gratuites. L’usage gratuit de SWE-2 dans Devin Desktop et la CLI devient permanent pour les offres Teams, Pro et Max, après plusieurs gratuités temporaires depuis septembre.

Élément de l’offre Teams	Changement annoncé par Cognition
Sièges Devin Desktop	Inclus pour toute l’équipe, plus de siège payant
Mode Free	2 sessions simultanées par utilisateur, sur SWE-2
Authentification unique	Okta, Microsoft Entra ID, tout fournisseur SAML ou OIDC
Limites d’usage	Jusqu’à 3 niveaux, rallonges approuvées à la main ou automatiquement
Plafond de sièges	100, contre 200 auparavant
Sièges à quota	Retirés dans 30 jours

L’offre accueille aussi Devin Coach, qui suggère par exemple un mode plus léger pour une petite tâche, et un accord standard de traitement des données de santé (BAA) à demander depuis les réglages. Aucun prix n’est donné.

🔗 Devin’s new Teams plan

DeepSeek ouvre dans son API les fonctions de son application : recherche, fichiers, lecture de liens, sécurité et voix

13 novembre — DeepSeek met à disposition des développeurs ce qui fait l’expérience de son application. Depuis le 17 octobre, l’API proposait déjà la recherche et la lecture de pages (Search et Fetch). DeepSeek y ajoute l’ensemble des fonctions de l’application, activables par quelques paramètres sur deepseek-flash (DeepSeek-V4.1-Flash-1017), dans les trois API Messages, Responses et Chat Completions ; le service se charge lui-même des appels d’outils et de l’assemblage du contexte.

The capabilities behind the DeepSeek App are now available through the DeepSeek API. Enable built-in features with a few parameters, or call standalone APIs such as OCR, ASR, and TTS.

🇫🇷 Les fonctions sur lesquelles repose l’application DeepSeek sont désormais disponibles dans l’API DeepSeek. Activez les fonctions intégrées avec quelques paramètres, ou appelez des API autonomes comme l’OCR, l’ASR et le TTS. — @deepseek_ai sur X

L’outil deepseek_web_search cherche sur le web ou des images et répond avec des citations quand la réflexion est désactivée ; avec la réflexion activée, le modèle enchaîne plusieurs recherches et lit lui-même des liens. L’outil deepseek_read_url récupère les pages citées dans le message. Les fichiers (PDF, documents Office, images) sont analysés puis ajoutés au contexte. Un paramètre de contrôle de sécurité examine l’entrée et la sortie et renvoie un marqueur de refus en cas de risque ; DeepSeek demande aux services ouverts au public de l’activer et de remplir leurs obligations (revue de sécurité des contenus, enregistrement des grands modèles, étiquetage de l’IA).

Ces briques sont aussi vendues seules, avec trois nouvelles API d’OCR, de reconnaissance vocale (ASR) et de synthèse vocale (TTS). Les frais d’outils s’ajoutent aux tokens, dont le prix ne change pas : pour deepseek-flash, 0,30 dollar par million de tokens en entrée sans cache et 1,20 dollar en sortie aux heures pleines, moitié prix aux heures creuses.

Fonction facturée	Prix catalogue	Prix temporaire (-50 %)
Recherche web (texte, image)	0,75 dollar les 1 000	Sans remise
Lecture web (fetch)	0,75 dollar les 1 000	Sans remise
Analyse de fichiers et OCR	0,225 dollar les 1 000 pages	Sans remise
Synthèse vocale (TTS)	0,45 dollar les 10 000 caractères	0,225 dollar
Reconnaissance vocale (ASR)	0,116 dollar l’heure d’audio	0,058 dollar

Pour montrer l’ensemble, DeepSeek publie sous licence MIT chat-demo, un client de discussion statique, sans serveur, qui appelle directement l’API depuis le navigateur, avec recherche, lecture de liens, pièces jointes, voix et import de l’historique de l’application. Le même jour, une préversion de DeepSeek Harness ajoute un greffon expérimental qui importe ces conversations dans un espace de travail. Pour un développeur, c’est la possibilité de reproduire l’application DeepSeek dans son propre produit, ou de n’en prendre qu’une brique.

🔗 Journal des modifications de l’API DeepSeek · Tarifs de l’API DeepSeek · Guide pour construire un chatbot (DeepSeek) · chat-demo (GitHub)

llama.cpp et ggml passent en 1.0.0 avec une API stable ; SGLang, Transformers et Diffusers complètent l’outillage ouvert

13 novembre — Après trois ans et demi de versions numérotées par compilation, llama.cpp et sa bibliothèque de calcul ggml publient leur première version majeure, la 1.0.0. Le moteur, qui fait tourner des modèles en local du téléphone au poste de travail, sert de fondation à une longue liste d’applications. L’équipe, désormais chez Hugging Face, s’engage sur un versionnage sémantique (semantic versioning) de l’API C publique : toute incompatibilité d’API ou d’ABI passera par une nouvelle version majeure.

Type de version	Ce qui la déclenche
Majeure	Changement incompatible de l’API C publique ou de l’ABI
Mineure	Fonction compatible, nouveau backend, nouveau modèle ou ajout d’API
Correctif	Bogue corrigé sans changement d’API

Le passage en 1.0 fait le ménage : 35 fonctions dépréciées disparaissent, et l’API de décodage spéculatif NextN entre dans l’en-tête principal llama.h. La version ajoute des caches KV en FP8, un cache d’experts MoE en mémoire hôte dont on règle la part confiée au processeur, et prend en charge Kimi-K3.1-Pro, Ripple-65B-Preview, la synthèse vocale drama-3 et la vision de MageVL-Cowork et de Kimi-K3.1. Le serveur llama-server reçoit des protections contre les attaques SSRF, CORS et de rebinding DNS, un point d’accès /v1/audio/speech compatible OpenAI et une interface web refondue.

Selon le billet, le moteur prend en charge plus de 150 variantes d’architecture et toutes les méthodes courantes de décodage spéculatif. La bibliothèque est distribuée par Homebrew, Winget, conda-forge, Debian, Docker ou MacPorts, et l’équipe teste chaque modification avec HF Jobs et des machines prêtées par NVIDIA, AMD, Qualcomm, Arm, IBM et Intel. Clément Delangue présente cette v1 comme la première version majeure entièrement stable de la bibliothèque la plus utilisée pour faire tourner des modèles en local. Cohere a salué la sortie en indiquant que son petit modèle North Micro Vision est désormais pris en charge. Pour un développeur qui intègre llama.cpp dans un produit, c’est la promesse d’une API stable entre deux versions majeures.

🔗 Billet de ggml-org sur Hugging Face · llama.cpp v1.0.0 (GitHub) · Annonce de Georgi Gerganov

SGLang Consortium : huit membres fondateurs autour du moteur d’inférence de LMSYS

12 novembre — LMSYS Org, l’organisation à but non lucratif qui développe le moteur d’inférence open source SGLang, lance le SGLang Consortium à l’ouverture du premier SGLang Summit, les 12 et 13 novembre à San Francisco. Ses huit membres fondateurs : NVIDIA, AMD, Intel, Google, Meta, Cloudflare, Modal et RadixArk. Chacun nomme un représentant technique et participe à deux réunions de feuille de route par an ; les mainteneurs gardent la main sur les décisions techniques et sur le code accepté, et le projet reste ouvert à tous. Les priorités : nouveaux modèles, raisonnement et multimodal, inférence distribuée, optimisation matérielle.

NVIDIA, qui a relayé l’annonce le 13, revendique une collaboration sur cinq générations de calcul accéléré, d’Ampere à Vera Rubin, et plus de 100 modèles pris en charge dès leur sortie. Selon LMSYS, qui cite Deloitte, l’inférence représenterait environ deux tiers du calcul IA en 2026, contre la moitié en 2025.

🔗 LMSYS Org Launches SGLang Consortium · Relais de @NVIDIAAI

Transformers v5.23.0 : un seul ExportedModel pour ONNX Runtime, OpenVINO, ExecuTorch et Dynamo

13 novembre — Transformers v5.23.0 unifie l’export des modèles. Qu’on vise ONNX Runtime, OpenVINO, ExecuTorch ou le graphe Dynamo de PyTorch, l’export renvoie désormais un ExportedModel qui s’appelle comme le modèle d’origine (mêmes arguments, même classe de sortie), se publie sur le Hub et se recharge directement sur le moteur visé. C’est un changement incompatible : export() ne renvoie plus le même objet. Les exports ONNX peuvent être fusionnés pour le processeur, CUDA, WebGPU ou DirectML.

Moteur et matériel (EmbeddingGemma2, notes de version)	Gain face à PyTorch eager	Gain face à torch.compile
ONNX Runtime avec TensorRT, A100	7,6 fois	1,4 fois
OpenVINO, Xeon Platinum 8570	4,1 fois	2,2 fois
OpenVINO avec poids int8, même Xeon	4,9 fois	2,6 fois

La version ajoute sept modèles, dont Inkling 2 Small de Thinking Machines, LFM3 et LFM3-VL de Liquid AI, Dots 3 Note Preview (texte, image, vidéo et audio), IQuest-Coder-V1 et InternLM3 ; la tête de décision JEV reste expérimentale.

🔗 Transformers v5.23.0 (GitHub)

Diffusers 0.43.0 : cinq pipelines modulaires, de MiniMax-H3-Image au simulateur PAN 2

12 novembre — Diffusers 0.43.0 ajoute cinq modèles génératifs sous forme de pipelines modulaires. MiniMax-H3-Image et P-H3-Image de Pruna AI génèrent et retouchent des images à partir de texte et d’images de référence (jusqu’à huit pour P-H3-Image), en six ou huit étapes. Pika H3 Flex, bâti sur MiniMax-H3, produit de la vidéo avec un son stéréo synchronisé en six étapes. Kandinsky S2V 1.0 anime une personne à partir d’une photo et d’un enregistrement de sa voix, mouvements du corps compris, par tranches de cinq secondes. PAN 2, un simulateur de 29 milliards de paramètres, génère des scènes à partir d’actions et de mouvements de caméra, avec des contrôles de sécurité activés par défaut. La version améliore aussi le parallélisme de tenseurs, les LoRA et les backends d’attention.

🔗 Diffusers 0.43.0 (GitHub)

Catalogue de GitHub Copilot : Gemini 4 Hydrogen arrive jusque dans la formule Pro, six modèles partiront le 14 décembre

Gemini 4 Hydrogen dans Copilot, formule Pro comprise

13 novembre — Au lendemain de son lancement par Google, Gemini 4 Hydrogen passe en disponibilité générale dans GitHub Copilot. GitHub le présente comme le dernier modèle Flash de Google, pensé pour le code agentique rapide, l’usage d’outils et les workflows en plusieurs étapes, avec un meilleur suivi des instructions que Gemini 3.8 Flash, sans chiffre à l’appui. Différence avec les deux arrivées précédentes, Gemini 4 Carbon et Claude Fable 5.2 : la formule Copilot Pro est incluse, aux côtés de Pro+, Max, Business et Enterprise.

Le modèle apparaît dans onze surfaces : les dix de Carbon, de Visual Studio Code à Eclipse en passant par Copilot CLI, l’agent de code, l’app GitHub Copilot et GitHub Mobile, plus le Copilot SDK. Il est facturé au tarif catalogue du fournisseur, à l’usage, et activé automatiquement chez Business et Enterprise tant que l’administrateur n’a pas coupé l’activation par défaut des nouveaux modèles. Le déploiement est progressif. Le même jour, Hydrogen arrive aussi dans l’Agent API de Perplexity et dans Antigravity CLI.

🔗 Gemini 4 Hydrogen in GitHub Copilot (GitHub Changelog)

Six modèles retirés de Copilot le 14 décembre

13 novembre — GitHub annonce le retrait de six modèles de toutes les expériences Copilot (Chat, modifications en ligne, modes ask et agent, complétions de code) le 14 décembre. Chacun a un remplaçant suggéré, souvent arrivé ces dernières semaines.

Modèle déprécié	Remplaçant suggéré par GitHub
Claude Fable 5	Claude Fable 5.2
Claude Haiku 4.5	Claude Haiku 5.5 (Haiku 4.5 reste ouvert aux abonnés individuels en formule annuelle)
Gemini 3.8 Flash	Gemini 4 Hydrogen
Gemini 4 Argon	Gemini 4 Carbon
Grok 4.6	Grok 4.7
Kimi K3	Remplaçant à annoncer

Chez Business et Enterprise, les remplaçants sont activés automatiquement sous l’activation par défaut des nouveaux modèles, et rien n’est à faire pour retirer les anciens. GitHub avait déjà retiré quatre modèles le 2 octobre et six le 19 octobre selon le même schéma ; Gemini 4 Argon, arrivé mi-octobre, n’aura passé que deux mois dans Copilot.

🔗 Upcoming deprecation of selected GitHub Copilot models in December (GitHub Changelog)

Évaluer les modèles : les recommandations d’Anthropic pour la sécurité et XYBench d’Ai2

Anthropic : dix recommandations pour des évaluations de sécurité fiables

13 novembre — Sur son blog Engineering, Anthropic publie un guide pour concevoir, exécuter et présenter des évaluations de sécurité, avec dix recommandations selon son tweet. Le point de départ : dire qu’un modèle est « plus sûr que le précédent » ne vaut que par l’évaluation qui le mesure, et les évaluations d’IA se contournent facilement et se reproduisent mal. Le billet s’inspire des réformes de la psychologie après sa crise de réplication, dont la préinscription (preregistration) des hypothèses avant de voir les données.

Anthropic préfère au taux de refus un taux de réponse appropriée, mesuré sur des conversations en plusieurs tours où un seul mauvais tour fait tout échouer : un modèle Claude joue l’utilisateur simulé décrit par un expert, et un évaluateur automatique, validé contre des étiquettes humaines, note chaque transcription. Après des incidents internes, de nombreuses évaluations avec accès à Internet ont été suspendues temporairement.

Mesure citée par Anthropic	Valeur publiée
Réponses inoffensives, tests à un tour sur l’API	94 % à 98 % pour tous les modèles récents (saturé)
Arnaques sentimentales sur claude.ai	Opus 5 : 98 %, Opus 5.5 : 94 % (écart non significatif)
Écart entre API et claude.ai pour Fable 5.1	Jusqu’à 34 points
Suicide et automutilation, nouveau prompt système	60 % sur l’API, 94 % sur claude.ai
Taille minimale d’échantillon	100 éléments en multi-tours, 1 000 en un tour

🔗 Building strong safety evaluations (Anthropic) · Annonce de @AnthropicAI

XYBench : les assistants voient rarement la vraie question derrière une demande mal posée

13 novembre — Ai2 publie XYBench avec Carnegie Mellon, NVIDIA et Johns Hopkins (prix du meilleur article de ressource à EMNLP 2026). Le banc porte sur le « problème XY » : quelqu’un veut atteindre un but X, suppose qu’une méthode Y fonctionnera et demande de l’aide sur Y. Ses 8 115 questions vont de la programmation (Stack Overflow) à la cuisine et au bricolage (WikiHow). Les cinq modèles testés, de générations antérieures, proposent souvent une solution au vrai problème, mais restent centrés sur la demande littérale.

Modèle évalué (questions Stack Overflow)	Solution au vrai but	Réponse centrée sur le but	Idée fausse signalée
Meilleure réponse humaine	67 %	55 %	79 %
GPT-5	71 %	41 %	60 %
Qwen3.5-9B	64 %	41 %	60 %
DeepSeek-V4 Pro	66 %	35 %	55 %
Gemini 3.1 Pro	62 %	40 %	54 %
Claude Sonnet 4.6	59 %	36 %	47 %

Quand on leur demande de choisir entre deux réponses, les modèles préfèrent dans 71 à 84 % des cas celle qui traite le vrai but, alors qu’ils n’en écrivent eux-mêmes que 35 à 41 % : savoir reconnaître une bonne réponse ne suffit pas à la produire.

🔗 XYBench (Ai2) · Annonce de @allen_ai

Injection de prompts : IBM publie LLMON et deux préversions de Granite 4.1 qui y résistent mieux

12 novembre — IBM présente LLMON, un langage de balisage pensé pour les modèles de langage. Au fil d’une longue tâche, le contexte d’un modèle mélange prompt système, conversation, documents récupérés, réponses d’outils, contraintes de sortie et raisonnements, sans structure explicite ou dans des formats comme JSON qui ne sont pas faits pour les modèles, selon IBM. LLMON balise chacun de ces éléments pour que le modèle sache ce qu’il lit, ce qui doit l’aider à ne pas suivre les instructions injectées dans son contexte.

IBM publie deux préversions expérimentales dérivées des modèles de base Granite 4.1, granite-4.1-3b-LLMON-preview et granite-4.1-8b-LLMON-preview, entraînées à lire et à produire du texte balisé LLMON. Sur son banc d’injection de prompts, IBM indique qu’elles évitent 47 % d’attaques de plus que le meilleur modèle de frontière testé et 95 % de plus que le meilleur modèle open source, tout en restant au niveau des Granite 4.1 Instruct sur les bancs généraux. Ce sont les mesures de l’éditeur, sur son propre banc.

🔗 LLMON, an LLM-native markup language, now in Granite (Hugging Face)

PARDIG et SatWeave : Google DeepMind ouvre les jeux de données derrière WeatherNext 3

13 novembre — Google DeepMind publie en accès libre les deux jeux de données sur lesquels s’appuie WeatherNext 3, son modèle météo mondial lancé en septembre. SatWeave assemble les images de satellites géostationnaires (GOES, Meteosat, Himawari) en une mosaïque mondiale de 17 canaux, mise à jour toutes les heures : c’est ce qui permet à WeatherNext 3 de produire une nouvelle prévision mondiale chaque heure, quand d’autres modèles partent d’analyses rafraîchies toutes les six heures.

PARDIG estime les précipitations sur toute la planète toutes les 15 minutes, à environ 10 km de résolution. Il apprend des mesures du radar spatial de la mission GPM de la NASA plutôt que des seuls instruments au sol, pour rester utile là où il n’existe ni radar ni pluviomètre. Comparé à trois réseaux radar (États-Unis, Europe, Japon) et à plus de 36 000 stations, il améliore de plus de 30 % la détection horaire des pluies faibles à modérées par rapport à IMERG-Final, la référence de la NASA.

Jeu de données ouvert	Contenu et fréquence	Archive disponible
SatWeave	Mosaïque géostationnaire de 17 canaux, toutes les heures	Plus de dix ans
PARDIG	Précipitations mondiales toutes les 15 minutes, environ 10 km	1999 à 2026

Flux en direct et archives sont sur Google Cloud Storage, et PARDIG aussi dans Google Earth Engine.

🔗 Opening the datasets behind our AI weather models (Google DeepMind) · Fil de @GoogleDeepMind

Audio génératif : Suno Bridge dans Ableton Live, Stable Audio refondu avec Generate et Sampler

Suno Bridge : générer des pistes Suno dans une session Ableton Live 12

13 novembre — Suno lance Suno Bridge, une application autonome en bêta qui fait entrer ses modèles musicaux dans le logiciel de production de l’utilisateur. Au lancement, elle ne fonctionne qu’avec Ableton Live 12 sur Mac ; d’autres systèmes et d’autres DAW sont prévus, sans calendrier. Bridge tourne à côté d’Ableton Live et se synchronise avec la session ouverte, dont les fichiers sont téléversés chez Suno pour qu’il en comprenne le contexte musical. Les prompts produisent de nouvelles parties d’instruments ou de voix calées sur le tempo, la tonalité, le style, l’harmonie et le groove de la session, dans la boucle choisie avec les marqueurs de l’Arrangement View (par exemple 8 mesures, de la 9e à la 16e). Le résultat tombe directement sur la timeline. Bridge est inclus dans tous les abonnements Premier, sans tarif séparé.

🔗 Suno Bridge: Your DAW, Suno-powered · Annonce de @suno

Stable Audio : un espace de travail unique, Generate pour les morceaux et Sampler pour les kits

12 novembre — Stability AI annonce une refonte de Stable Audio, détaillée dans ses notes de version de novembre (page datée du 4 novembre dans ses métadonnées, annoncée le 12). Le site regroupe désormais projets et sons dans un espace de travail unique, avec une page d’accueil et une bibliothèque commune à toutes les applications.

Application de Stable Audio	Ce qu’elle produit
Generate	Morceau ou effet sonore, depuis un texte ou des « paints » de genres, styles et instruments ; Lens pour couper, remplacer ou prolonger
Sampler	Jusqu’à 8 variations par prompt ou un kit de 8 sons, séquenceur de 8 instruments sur 16 pas, motifs jusqu’à 32 mesures, export en ZIP
Sessions (Labs, bêta)	Mix complet ou 8 pistes éditables, avec un producteur piloté par chat

Stability ne présente ni nouveau modèle ni tarif.

🔗 Notes de version de novembre de Stable Audio · Annonce de @stableaudio

Cohere finalise le rachat d’AISLE et accueille l’équipe de cubic pour une branche de code sécurisé

13 novembre — Cohere annonce avoir finalisé le rachat d’AISLE, société qui développe des systèmes autonomes de découverte et de correction de vulnérabilités, un mois après la lettre d’intention du 15 octobre. Dans le même billet, l’entreprise accueille l’équipe de cubic, plateforme de revue de code par IA fondée et dirigée par Paul Sanglé-Ferrière, qui créera sa branche « code sécurisé » (secure coding vertical). Selon Cohere, AISLE et cubic portent à quatre ses opérations stratégiques de fusion-acquisition de l’année, avec Aleph Alpha et Reliant AI. Aucun montant n’est communiqué.

Les cofondateurs d’AISLE prennent des postes de direction : Ondrej Vlcek devient vice-président senior de Cohere Cyber, nouvelle activité de cybersécurité destinée aux entreprises, aux gouvernements et aux opérateurs d’infrastructures critiques ; Jaya Baloo est la responsable de la sécurité des systèmes d’information, comme annoncé la veille ; Stanislav Fort devient vice-président AI Security. Cohere prévoit un investissement de long terme à Prague, présenté comme son futur centre mondial de cybersécurité par l’IA. Les agents de revue de code de cubic fonctionnent sur site et en environnement isolé (air-gapped) ; Cohere les dit parmi les meilleurs sur les benchmarks de revue de code, sans chiffre.

🔗 Cohere Expands Sovereign AI Platform with AISLE and cubic

Perplexity : les Teammates arrivent dans l’application Mac pour les abonnés Max

13 novembre — Perplexity ouvre les Teammates, ses agents personnels pour le travail de longue durée lancés le 5 novembre sur le web, dans son application Mac, toujours pour les abonnés Max. Selon l’annonce, ils travaillent seuls ou avec d’autres teammates, par exemple sur l’assurance qualité, le service client, la recherche ou le marketing de croissance.

La page produit n’était pas encore à jour au moment de notre relevé : elle les annonce disponibles sur le web et sur iOS, puis « bientôt » sur ordinateur et Android. La version iOS n’avait pas été annoncée lors du lancement, et sa date reste inconnue. Le modèle tarifaire ne change pas : les Teammates sont gratuits pendant une période promotionnelle, puis ils consomment les crédits inclus dans Max. La veille au soir, Perplexity montrait aussi que l’agent de navigation de Computer et des Teammates affiche désormais son travail en direct et laisse l’utilisateur reprendre la main.

🔗 Annonce de @perplexity_ai · Page produit des Teammates

Google AI Studio : les crédits Google Cloud des abonnés Pro et Ultra se réclament sans quitter l’outil

13 novembre — Les abonnés Google AI Pro et Ultra disposaient déjà de crédits Google Cloud mensuels via le Google Developer Program, mais les réclamer obligeait à passer par plusieurs sites. Ils se gèrent désormais depuis Google AI Studio : création du profil Developer Program, liaison d’un compte de facturation, réclamation des crédits et suivi du solde tiennent dans un seul parcours, et les dotations suivantes s’appliquent automatiquement.

Chaque crédit mensuel reste valable 12 mois et les dotations se cumulent ; les crédits les plus proches de l’expiration partent en premier. Ils paient l’API Gemini et les modèles du palier payant quand le quota de l’abonnement est épuisé. Deux conditions : un prépaiement minimum de 5 dollars sur la facturation Cloud, et seul le titulaire principal de l’abonnement peut s’en servir, pas les membres de la famille. Le montant dépend du palier de l’abonnement et n’est pas donné dans le billet.

🔗 Claim your Google Cloud Credits in Google AI Studio (blog.google)

Praxis-1 sur le bras SO-101 : Runway publie le checkpoint annoncé deux jours plus tôt

13 novembre — Deux jours après la sortie de Praxis-1 en poids ouverts, couverte le 11 novembre, Runway publie la version pour le SO-101, le bras robotique bas coût et open source très répandu chez les amateurs et les chercheurs. Le README du 11 novembre annonçait ce checkpoint « à venir » : praxis-1-so101 (licence Apache 2.0) et sa variante NVFP4 sont désormais sur Hugging Face, avec le code du banc (serveur, client LeRobot) dans le dépôt GitHub. Selon Runway, le modèle tourne sur une seule RTX 5090 en NVFP4.

Pour l’affiner, Runway a puisé dans les données de la communauté LeRobot : 3 956 jeux de données publics SO-100 et SO-101, venus de 1 783 contributeurs, soit environ 1 260 heures ; l’affinage a porté sur environ 1 070 heures issues de 3 814 jeux. Le modèle pilote les cinq articulations et la pince à 15 Hz, avec ou sans caméra au poignet. Runway ne donne aucun taux de réussite pour ce bras, seulement des vidéos (plier une serviette, essuyer une assiette). Le dépôt a aussi reçu des optimisations d’inférence et la prise en charge de Jetson Thor, attribuées à NVIDIA.

🔗 Annonce de @runwayml · praxis-1-so101 sur Hugging Face · Rapport technique de Praxis-1

Brèves

Agents de code et CLI

Copilot CLI 1.0.111 — Passée en stable le 13 novembre, elle accepte des expressions régulières dans les règles de permissions Shell, Bash et PowerShell imposées par l’entreprise, et empêche un workflow dynamique de se recopier sans limite. La préversion 1.0.112-0 adopte par défaut la fenêtre de contexte recommandée de chaque modèle ; côté SDK, les sessions sous Claude Haiku 5.5 passent à 936K tokens de prompt par défaut au lieu de 100K, ce qui peut coûter plus cher selon les notes. 🔗 source
Qwen Code v0.27.3 — 113 entrées sans changement cassant : un canal DingTalk en envoi seul pour les notifications, GitLab comme canal de dépôt dans le Web Shell, /pr pour lier une session à une pull request ; le mode auto-edit respecte désormais permissions.ask, et git commit --amend demande une approbation en mode AUTO. 🔗 source
Kimi Code 2.6.1 et 2.6.2 — Deux versions correctives : la réouverture des longues sessions ne prend plus plusieurs secondes, les sessions ne calent plus au lieu de se compacter, le panneau Swarm est réparé, et /feedback n’accepte plus les retours en texte seul. 🔗 source
Gemini CLI — Toujours aucune version depuis la v0.68.0 du 10 novembre, et la compilation nocturne échoue encore. Trois correctifs fusionnés sur la branche principale font enfin apparaître gemini-3.8-flash dans gemini models list ; aucune trace de Gemini 4 Hydrogen dans le dépôt. 🔗 source
DeepSeek Harness 0.2.2-rc.3 — Cette 39e préversion, toujours sans version stable, ajoute un greffon expérimental qui importe dans un espace de travail les conversations de l’application ou du site DeepSeek, pour les poursuivre, et corrige la mise à jour de l’application Windows. 🔗 source
Delta 0.26 et Zed — Delta crée désormais des fils depuis sa version web et le téléphone, personnalise ses raccourcis et prévisualise une fusion de worktree ; Zed annonce, sans date, que les agents pourront remonter d’une ligne de code au fil qui l’a écrite, et montre un surlignage d’attribution appuyé sur DeltaDB. 🔗 source
Performance Agent de Replit — L’agent cherche les lenteurs dans le code et les journaux depuis l’onglet Monitoring, avant même la publication, sur offre payante ; en Enterprise, un projet se partage désormais avec des Viewers désignés. 🔗 source
Codex sur Durable Objects — Cloudflare annonce que Codex peut tourner sur ses Durable Objects « comme sur un ordinateur portable » ; le tweet du 11 novembre, reposté par OpenAI Developers, ne montre qu’une capture de code, sans billet ni prix. 🔗 source
GitHub Agentic Workflows 1.2.3 — Cette préversion route par défaut sur Copilot, en mode orienté coût, les workflows qui ne fixent pas de modèle, remplace ses intégrations Jira, Linear et Azure DevOps par des connecteurs déclaratifs et bloque la fusion des PR qui touchent des fichiers protégés. 🔗 source

SDK, API et plateformes

Agents SDK JS 0.22.0 — La version stable resserre des types, au risque de casser du code TypeScript existant, et règle l’effort de raisonnement à none par défaut pour les outils et les handoffs sur Chat Completions avec gpt-6-sol et gpt-6-luna. 🔗 source
SDK Python 3.51.0 et Node 7.57.0 d’OpenAI — Ils préparent la durée de vie du cache de prompt des sessions d’agents, la sortie SVG en retouche d’image, des identifiants de sécurité pour les sessions Live et les clés externes OCI Vault, encore absents du changelog de l’API. 🔗 source
Gemini 4 Hydrogen dans l’Agent API de Perplexity — 1,50 dollar par million de tokens en entrée, 0,075 dollar en entrée mise en cache et 7,50 dollars en sortie, raisonnement compris ; Gemini 3.6, 3.7 et 3.8 Flash disparaissent de la documentation, sans retrait annoncé de l’API. 🔗 source
AI Scan de GitHub par l’API REST — En préversion publique, l’AI Scan des dépôts s’active ou se désactive par un réglage repository_scan au niveau de l’organisation et du dépôt ; l’activer ne lance aucun scan, chaque analyse consomme des crédits IA de Code Security. 🔗 source
App GitHub Copilot et GitHub Enterprise Server — Les comptes GHES s’ajoutent à l’app en disponibilité générale, pour les dépôts, issues et pull requests, à partir de la version 1.2.0 ; pas de sessions cloud pour GHES. 🔗 source

Assistants et agents

Grok Bot en réunion — SpaceXSI ouvre la participation de Grok Bot aux réunions aux formules Super, Ultra, Team et Enterprise, ainsi qu’aux formules historiques équivalentes ; le billet de Grok Bot 1.0 ne citait que Team, Enterprise et Ultra. 🔗 source
Agent de navigation de Perplexity — Celui de Computer et des Teammates montre désormais son travail en direct ; l’utilisateur peut reprendre la main, se connecter lui-même à un site puis lui rendre le contrôle. 🔗 source
Side chat de Manus — Une discussion annexe s’ouvre à côté de la tâche en cours, avec son contexte, pour poser des questions sans encombrer le fil principal ; ni formule ni crédits précisés. 🔗 source

Guides et usages

Agents toujours actifs — Un guide claude.com décrit cinq briques (boîte de réception d’événements, minuteurs, mémoire en fichiers durables, autorisations, boîte d’envoi) ; sur un benchmark de code non nommé, Opus 5.5 coûte 78 % de moins par tâche résolue qu’Opus 5, contre 40 % sur des charges typiques. 🔗 source
Claude Tag dans huit startups — Chez NavigateAI, Claude Tag tourne dans environ 90 canaux et a ouvert environ 223 PR depuis juin, dont 134 fusionnées ; le guide rappelle la bêta réservée à Team et Enterprise, hors ZDR, CMEK et HIPAA. 🔗 source
Guide des agent skills — Le GitHub Blog explique comment écrire une skill une fois, dans un répertoire versionné autour d’un fichier SKILL.md, et la faire tourner sur plusieurs agents, en rappelant qu’elle n’accorde ni outils ni permissions. 🔗 source
Gondola et Codex — Selon cette étude de cas publiée par OpenAI, la production mensuelle de l’équipe d’ingénierie a augmenté d’environ 25 %, et le chiffre d’affaires a plus que doublé en un an sans hausse de la masse salariale, d’après Gondola. 🔗 source
Guide de Perplexity sur les moteurs de recherche — Il distingue moteurs à robots, métamoteurs et moteurs de réponse IA, avec les parts de marché StatCounter d’octobre 2026 (Google à 91,05 %), sans nouveauté produit. 🔗 source

Images, vidéo et audio

Seedance 2.5 Flash sur Runway — Cette variante du modèle vidéo de ByteDance est présentée comme plus rapide et moins chère, sans chiffre de vitesse, de coût ni de résolution. 🔗 source
Pika H3 Flex dans l’API de Reactor — Images de référence, contrôle de la première et de la dernière image, et audio fourni par l’utilisateur pour un clip musical ou un dialogue ; aucun tarif. 🔗 source
MiniMax H3-Image sur Picsart et HyperFrames Studio — Picsart annonce la génération et la retouche en 4K en une dizaine de secondes ; HyperFrames Studio, l’outil de HeyGen, des images de 16 mégapixels avec jusqu’à 16 images de référence. 🔗 source
Redraw dans Genspark Media Studio — On peint sur la zone d’une image à corriger et on décrit ce qui doit la remplacer, le reste étant conservé ; ni date d’arrivée ni coût en crédits. 🔗 source
Organiseur de Luma — L’agent de Luma regroupe et étiquette un tableau créatif par produit, concept, campagne ou canal, jusqu’à 10 000 éléments, sans rien déplacer sans accord. 🔗 source
Forward Deployed Creatives d’ElevenLabs — Des producteurs et stratèges créatifs travaillent avec les équipes de marque dans ElevenCreative ou livrent des publicités finies, en trois formules, sans tarif public. 🔗 source
ElevenMusic pour les voix perdues — Les personnes atteintes d’une perte de voix permanente accèdent gratuitement à ElevenMusic ; NYU Langone Health rejoint 1 Million Voices, le programme de restauration de la voix qui dit avoir aidé plus de 11 000 personnes, et Wounded Warrior Project devient partenaire du programme Impact. 🔗 source
SOFIA for Business — Un agent vocal bâti sur ElevenAgents rend interrogeables les entretiens de l’initiative Inspiring Female Founders d’Oxford Saïd, et mène lui-même de nouveaux entretiens. 🔗 source

Modèles ouverts, recherche et robotique

TRL v1.18.0 — AsyncGRPOTrainer, qui sépare la génération confiée à vLLM de l’entraînement, devient un entraîneur stable importable depuis trl ; l’ancien chemin expérimental reste toléré jusqu’à la v2.0.0. 🔗 source
North Micro Vision dans llama.cpp — En saluant la v1.0.0, Cohere indique que son plus petit modèle vision-langage est désormais pris en charge par llama.cpp, sans date ni lien vers la modification. 🔗 source
Démo de Déjà View — NVIDIA met en ligne sur Hugging Face une démo interactive, sans code, de son modèle de reconstruction 3D de 117 millions de paramètres présenté le 11 novembre. 🔗 source
FLUX-mimic — La jeune pousse mimic et BMW Group présentent un modèle vidéo-action bâti sur FLUX 3 pour l’assemblage automobile : 77,5 % de réussite avec 2 heures de démonstrations sur une tâche de rangement de pièces, 95 % avec 8 heures. 🔗 source
OpenMed — Deux extracteurs de 73,9 millions de paramètres, pour les médicaments et l’anatomie, sous licence Apache-2.0 ; sur 200 résumés PubMed jamais vus, le F1 passe de 45,09 à 66,81 et de 26,20 à 61,74. 🔗 source
TiHon-TTS — Une synthèse vocale vietnamienne de 100 118 paramètres (402 Ko) tourne 40 fois plus vite que le temps réel sur un cœur x86 et peut s’exécuter sur un microcontrôleur Cortex-M, selon son auteur. 🔗 source
YOLO26 sur NXP i.MX 95 — Avec son logiciel EdgeFirst, Au-Zone passe d’environ 40 à 84 images par seconde sur le NPU de 2 TOPS, avec 7 points de mAP en plus, selon ses mesures. 🔗 source
s1d1-bench — Un banc ouvert compare un routeur de prompts multilingue à trois juges LLM locaux : accord de 0,807 (QWK), contre 0,774 entre juges et 0,278 pour le routeur BERT de RouteLLM, selon l’auteur. 🔗 source

Écosystème

Black Forest Labs dans l’AI 100 — Après Synthesia, le laboratoire de FLUX figure dans le premier classement des sociétés d’IA privées de Newcomer et Bessemer, sans rang cité. 🔗 source

Ce que ça signifie

Payer ou lire : OpenAI et Google branchent le même jour leurs assistants sur l’argent de l’utilisateur, avec deux niveaux de confiance opposés. ChatGPT Wallet laisse un agent finaliser un achat, mais chaque paiement passe par une vérification biométrique et un jeton de substitution, si bien que ni l’agent ni le commerçant ne voient la carte ; la délégation complète, avec plafonds, est annoncée sans date. Gemini lit les comptes reliés à Google Wallet et n’a aucun droit d’agir. La veille, Replit Agent s’était lui aussi mis à acheter, avec Link et Visa. Reste à faire suivre les commerçants : OpenAI publie un guide pour que les sites reconnaissent les agents signés et que les outils antifraude acceptent leurs achats.

Les agents de code confient à un programme ce qu’ils faisaient tour par tour. Code Mode fait écrire à Claude du JavaScript qui enchaîne ses outils, et les Dynamic Workflows d’Antigravity font de même en Python pour orchestrer des sous-agents. Le gain se paie en visibilité : dans Claude Code, le classifieur du mode auto juge le code avant exécution sans voir les valeurs calculées en route, et la documentation renvoie aux règles et aux hooks pour les appels sensibles. Les autres versions du jour resserrent les contrôles : les commandes Bash du bac à sable repassent par les autorisations dans Claude Code 2.1.325, codex exec ignore la configuration d’un projet non approuvé sans --trust, et Antigravity CLI 1.5.8 ferme des contournements de son proxy et de ses règles sous Windows.

L’outillage ouvert se donne des règles de stabilité et de gouvernance. llama.cpp promet qu’une rupture de son API C passera par une version majeure, SGLang réunit huit industriels dans un consortium où les mainteneurs gardent la main sur le code, et Transformers donne une même interface d’export à quatre moteurs d’exécution. DeepSeek va dans le même sens côté service : il ne vend plus seulement un modèle, mais les briques de son application, de la recherche à la voix, avec un client de démonstration sous licence MIT.

Les mesures elles-mêmes sont mises en question. Anthropic juge saturés ses tests de sécurité à un tour, où tous les modèles récents obtiennent 94 à 98 %, et montre qu’un même modèle peut afficher 34 points d’écart entre l’API et claude.ai. XYBench mesure un autre angle mort : les modèles reconnaissent la réponse qui traite le vrai but dans 71 à 84 % des cas, mais ne l’écrivent eux-mêmes que dans 35 à 41 %. Les gains annoncés par IBM sur l’injection de prompts ou par Transformers sur l’export viennent des éditeurs, sur leurs propres bancs, et Runway ne publie aucun taux de réussite pour le SO-101 : la recommandation d’Anthropic de publier l’incertitude vaut aussi pour eux.