Le fil rouge du 15 juillet est la robustesse des agents face aux attaques : OpenAI dévoile GPT-Red, un red teamer automatisé qui muscle GPT-5.6 contre les injections de prompt, pendant que Claude Code durcit son CLI et que l’agent de revue de code de Warp fait le choix délibéré d’un accès en lecture seule. Le reste de la journée couvre une vague d’annonces sur les agents de codage (Codex dans Chrome, Grok Build en open source, Devin dans Slack, GitHub Copilot), les modèles ouverts (Meta AI, Hugging Face, Ai2, Together AI) et plusieurs nouveautés côté Google, génération de médias, Perplexity et Cohere.
GPT-Red : OpenAI muscle la robustesse de GPT-5.6 face aux injections de prompt
15 juillet — OpenAI présente GPT-Red, un modèle de red teaming automatisé entraîné en interne pour muscler la résistance de ses modèles aux injections de prompt (prompt injection) — ces attaques qui cachent une instruction malveillante dans un document, une page web ou la sortie d’un outil pour détourner un agent de sa tâche d’origine. Plutôt que de s’appuyer uniquement sur des équipes humaines pour imaginer des attaques, OpenAI délègue cette exploration à un modèle spécialisé, capable de la mener en continu et à grande échelle.
Le modèle est entraîné par auto-jeu (self-play) avec apprentissage par renforcement : un attaquant est récompensé lorsqu’il parvient à provoquer un comportement indésirable, tandis qu’une population de modèles défenseurs apprend à résister sans nuire à sa tâche d’origine. Ce jeu à somme nulle a produit un attaquant capable de mettre en échec la quasi-totalité des modèles testés, internes comme publics, jusqu’à GPT-5.6.
Intégré à l’entraînement de GPT-5.6, GPT-Red a permis de réduire par 6 le taux d’échec du modèle face aux injections directes les plus difficiles, par rapport au meilleur modèle de production d’il y a quatre mois. Sur un scénario de référence académique (Dziemian et al., 2025), il atteint 84 % de réussite contre 13 % pour des red teamers humains sur les mêmes cas.
OpenAI illustre l’intérêt pratique par deux études de cas réels. Sur un agent gérant un distributeur automatique dans ses locaux (développé par Andon Labs, dans la lignée du projet « Project Vend »), GPT-Red est parvenu à faire baisser le prix d’un article coûteux à 0,50 dollar, à faire commander un article à plus de 100 dollars pour le revendre au même prix cassé, et à annuler la commande d’un autre client. Sur un agent Codex CLI confronté à dix scénarios d’exfiltration de données, il s’est montré plus efficace et plus économe en tokens qu’une base de référence utilisant un simple prompt. Le modèle reste strictement interne — jamais déployé publiquement — pour éviter que ses capacités offensives ne tombent entre de mauvaises mains. Un pré-print détaillant la méthode doit paraître dans la semaine.
| Indicateur mesuré | Valeur mesurée |
|---|---|
| Taux de réussite GPT-Red vs red teamers humains (scénario académique) | 84 % contre 13 % |
| Réduction des échecs face aux injections directes (GPT-5.6 vs modèle précédent) | 6x moins d’échecs |
| Taux d’échec résiduel de GPT-5.6 face aux injections directes de GPT-Red | 0,05 % |
“Introducing GPT-Red. An internal automated red teamer on a mission to find our models’ prompt injection vulnerabilities at scale, helping us build stronger defenses before wider deployment.”
🇫🇷 Présentation de GPT-Red. Un red teamer automatisé interne dont la mission est de trouver, à grande échelle, les vulnérabilités de nos modèles aux injections de prompt, afin de nous aider à construire des défenses plus solides avant un déploiement plus large. — @OpenAI sur X
Claude Code : artefacts connectés au MCP et CLI v2.1.207 à v2.1.210
Les artefacts appellent désormais les connecteurs MCP
15 juillet — Les artefacts (Artifacts) de Claude Code peuvent désormais appeler des connecteurs MCP (Model Context Protocol), pour construire des tableaux de bord et des applications qui récupèrent des informations et exécutent des actions à la demande, pour chaque visiteur. Un artefact se construit une seule fois puis va chercher des données en direct à chaque consultation, en utilisant les connecteurs MCP propres au visiteur du moment — pas ceux de son créateur. Ce modèle de permission par visiteur plutôt que par créateur règle une préoccupation évidente de sécurité pour un usage en entreprise : chaque personne ne voit que les données auxquelles elle a elle-même accès.
La fonctionnalité est disponible sur les formules Pro, Max, Team et Enterprise, mais pas sur les artefacts partagés publiquement — logique, puisque l’accès aux données dépend des connecteurs de chaque visiteur.
CLI v2.1.207 à v2.1.210 : lecteur d’écran, transcripts allégés, sécurité durcie
15 juillet — Anthropic a publié quatre versions du CLI Claude Code depuis la dernière couverture. La plus dense, la v2.1.208, ajoute un mode lecteur d’écran (--ax-screen-reader), corrige des fuites mémoire pouvant atteindre 64 Mo en session longue, et réduit la taille des transcripts de session jusqu’à 79 fois dans les sessions à forte activité d’édition. Elle durcit aussi la sécurité : les commandes de suppression catastrophiques contenant des guillemets obliques inversés (backticks) déclenchent désormais une confirmation, même en mode automatique et avec --dangerously-skip-permissions.
La v2.1.207 étend le mode automatique à Bedrock, Vertex AI et Foundry sans opt-in, et bascule ces plateformes vers Claude Opus 4.8 par défaut. La v2.1.210 ajoute un compteur de temps en direct sur les appels d’outils longs et durcit l’outil Agent contre l’injection de prompt indirecte via du contenu lu par un sous-agent.
Agents de codage : Codex, Grok Build, Warp, Devin et GitHub Copilot
Codex dans Chrome démontre un plan de mise en production automatisé
15 juillet — OpenAI Developers a partagé une démonstration de Codex utilisé dans Chrome pour transformer une simple demande en plan de mise en production : à partir d’un formulaire, l’agent construit une checklist, va chercher le contexte dans Google Drive, Slack et des fichiers locaux, signale les points nécessitant un suivi humain, met à jour le portail concerné puis rédige une réponse — la décision finale restant entre les mains de l’utilisateur à chaque étape. Cette démonstration met en avant la navigation web pilotée par Codex, une fonctionnalité déjà documentée dans le changelog produit sous le nom « Browser use ».
xAI ouvre le code source de Grok Build
15 juillet — xAI a ouvert le code source de Grok Build, son agent de codage en ligne de commande lancé en bêta précoce fin mai. La publication couvre quatre composants : la boucle de l’agent, les outils (lecture, modification, recherche de code, exécution de commandes), l’interface terminal et le système d’extension (skills, plugins, hooks, serveurs MCP, subagents). Point notable pour les développeurs : Grok Build peut désormais fonctionner entièrement en local (local-first), connecté à sa propre inférence et piloté via un fichier config.toml.
xAI a par ailleurs désactivé la rétention par défaut des données pour tous les utilisateurs depuis le 12 juillet, et supprime les données de code précédemment conservées :
“In response to user questions about privacy: Since launch, Grok Build has fully respected zero data retention (ZDR). All users have always had the ability to disable data upload in the CLI. […] We disabled default retention for all Grok Build users starting on July 12th. Additionally, we are deleting all coding data that was previously retained, ensuring every user’s preferences are respected.”
🇫🇷 En réponse aux questions des utilisateurs sur la confidentialité : depuis son lancement, Grok Build a toujours respecté la rétention zéro des données (ZDR). Tous les utilisateurs ont toujours eu la possibilité de désactiver l’envoi des données dans la CLI. […] Nous avons désactivé la rétention par défaut pour tous les utilisateurs de Grok Build à partir du 12 juillet. De plus, nous supprimons toutes les données de code précédemment conservées, afin de garantir le respect des préférences de chaque utilisateur. — @SpaceXAI sur X
Warp construit un agent de revue de code auto-améliorant
15 juillet — Zach Lloyd, PDG de Warp, publie le troisième volet de sa série sur la « cloud software factory » : un agent de revue de code capable de s’améliorer automatiquement, après les billets sur l’agent de triage des tickets et l’agent de rédaction de spécifications. L’architecture repose sur une compétence de revue qui analyse la pull request, le diff et les spécifications, une action GitHub qui transforme sa sortie en commentaires, et un second agent « de boucle externe » qui observe une fois par jour les retours humains pour proposer lui-même une mise à jour de la compétence de revue. Choix de conception notable : l’agent ne dispose que d’un accès en lecture seule aux pull requests, la publication des commentaires étant gérée par le code de l’action GitHub — afin de limiter le risque d’injection de prompt.
Devin s’installe dans Slack
15 juillet — Cognition intègre Devin directement dans Slack, en partenariat avec Slack, pour permettre aux équipes d’investiguer des problèmes, de poser des questions sur une base de code et de lancer des tâches de développement sans quitter le canal de discussion. Cette intégration s’ajoute aux surfaces déjà proposées pour Devin (CLI, IDE via Windsurf, GitHub) et répond au constat que beaucoup de demandes d’ingénierie démarrent en messages Slack bien avant de devenir des tickets formels.
GitHub Copilot : mise à jour Visual Studio et extension BYOK pour JetBrains
14 juillet — GitHub publie son récapitulatif de juin pour Copilot dans Visual Studio : fenêtre d’utilisation avec alertes proactives avant dépassement, validation de confiance pour les serveurs MCP (comparaison au démarrage avec une référence connue, activée par défaut) et passage en disponibilité générale de l’agent de modernisation C++. Autres apports : suggestions d’édition à longue distance, ajout d’une pull request comme contexte au Copilot Chat, et revue de pull requests intégrée à l’IDE — le tout disponible de Free à Enterprise.
Côté JetBrains, Copilot étend son support BYOK (Bring Your Own Key) aux points de terminaison personnalisés compatibles OpenAI, ajoute un fournisseur d’agent Claude pour configurer agents et compétences (préversion publique, Pro et plus), et introduit un bac à sable local ainsi qu’une compétence de débogage intégrée pour Copilot CLI.
🔗 Mise à jour Visual Studio · 🔗 Extension BYOK JetBrains
Modèles ouverts : Meta AI, Hugging Face, Ai2 et Together AI
Meta AI décroche un score parfait à l’Olympiade Asiatique de Physique
14 juillet — Meta AI a soumis un modèle à l’épreuve théorique de l’Olympiade Asiatique de Physique (APhO 2026), avec l’autorisation du comité de la compétition. Résultat : un score parfait de 30 sur 30, égalant les trois meilleurs candidats humains. Meta AI ne précise pas s’il s’agit de Muse Spark 1.1 (sa dernière sortie majeure, le 9 juillet) ou d’un autre modèle interne non public.
Hugging Face tease un nouveau modèle en poids ouverts
15 juillet — Hugging Face a diffusé en fin de journée un livestream sobrement titré (en anglais) « nouveau modèle en poids ouverts », sans en révéler le nom par écrit — ni dans le tweet, ni dans le titre du broadcast, ni sur le blog officiel. Plusieurs réponses au tweet demandent explicitement de quel modèle il s’agit et comment il se compare aux benchmarks standards, sans qu’aucune réponse écrite n’ait été apportée au moment de la rédaction. À rattraper dès que l’information sera publiée par écrit.
Ai2 clôture SciArena après 1 700 utilisateurs
15 juillet — Ai2 a fermé SciArena, sa plateforme d’évaluation ouverte testant la capacité des modèles à répondre à des questions de littérature scientifique, jugées par des chercheurs plutôt que par des modèles automatiques. Bilan de clôture : environ 1 700 utilisateurs et près de 3 900 votes collectés. La méthodologie complète et les résultats sont détaillés dans un article déposé sur arXiv.
Together AI sert Inkling dès le jour 0 et lance TogetherLink
15 juillet — Together AI a rendu disponible dès sa sortie Inkling, le nouveau modèle de Thinking Machines Lab : un mélange d’experts (MoE) multimodal de 975 milliards de paramètres au total (40 milliards actifs par token), doté d’une fenêtre de contexte d’un million de tokens et capable de traiter texte, image et audio. Together AI a optimisé son noyau FlashAttention-4 pour cette architecture, qui combine attention relative conditionnée par la requête et convolutions causales courtes.
Le même jour, Together AI a aussi lancé TogetherLink, un CLI open source pour exécuter n’importe quel modèle ouvert dans les environnements de développement les plus utilisés — la démonstration met en avant GLM 5.2 tournant directement dans Codex et Claude Code.
| Indicateur mesuré | Valeur mesurée |
|---|---|
| Paramètres totaux (Inkling) | 975 Md |
| Paramètres actifs par token | 40 Md |
| Fenêtre de contexte | 1M tokens |
🔗 Support day-0 Inkling · 🔗 TogetherLink sur X
Google DeepMind et Gemini Spark
DeepMind interroge le goulot de validation scientifique des agents IA
15 juillet — Google DeepMind publie « Conjecture Machines », un essai de politique publique sur la manière dont les agents IA transforment la recherche scientifique. L’exemple d’ouverture est marquant : le microbiologiste José Penadés (Imperial College London) a soumis à Co-Scientist un problème sur lequel son équipe travaillait depuis près d’une décennie ; l’agent a renvoyé en deux jours cinq hypothèses classées par priorité, la première étant celle que son équipe avait mis des années à démontrer.
L’essai distingue deux régimes : l’idéation, où les agents progressent vite (via Co-Scientist ou AlphaEvolve), et la validation, qui reste lente et coûteuse — sauf en mathématiques et en informatique, où elle peut être formelle (l’outil Aletheia a résolu 6 des 10 problèmes du « First Proof challenge » de février). Quatre priorités sont proposées aux décideurs : accès large aux agents, exploitation des données nationales, investissement dans l’infrastructure de validation, et évolution de la relecture par les pairs.
🔗 Fil sur X · 🔗 Essai complet sur DeepMind
Gemini Spark étend sa couverture géographique et gagne quatre améliorations
15 juillet — Google élargit le déploiement de Gemini Spark, son agent personnel qui travaille en arrière-plan pour l’utilisateur, à davantage de pays et de langues pour les abonnés Google AI Ultra. Quatre améliorations commencent à être déployées le même jour :
| Amélioration apportée | Description |
|---|---|
| Édition Google Docs | Spark peut ouvrir et modifier directement un document |
| Intégration Workspace approfondie | Lecture des commentaires dans Google Sheets et Slides |
| Vitesse | Les tâches longues s’exécutent plus rapidement |
| Sourcing multi-source amélioré | Récupération et examen de plusieurs sources en parallèle sur les tâches complexes |
Génération de médias : Suno et Synthesia
Suno rejoint le clavier iMessage
15 juillet — Suno lance une extension clavier pour iMessage, permettant de générer et d’envoyer des morceaux musicaux directement depuis l’application Messages sur iOS, sans changer d’application. La mise à jour de l’app Suno vers sa dernière version est nécessaire pour y accéder.
Synthesia lance Dubbing 2.0
15 juillet — Synthesia annonce Dubbing 2.0, une refonte de son système de doublage vidéo par IA reposant sur une infrastructure entièrement nouvelle : synchronisation labiale nettement améliorée même dans des scènes complexes, voix plus expressives, traductions qui respectent mieux le rythme de la vidéo source, et édition instantanée des transcriptions sans nouveau rendu complet. Chaque utilisateur reçoit jusqu’à 450 minutes gratuites pour tester la fonctionnalité.
Perplexity et Cohere : infrastructure et recherche communautaire
Perplexity dévoile SPACE, la plateforme sandbox de Perplexity Computer
15 juillet — Perplexity présente SPACE, la couche d’exécution sécurisée qui alimente Perplexity Computer : des environnements isolés pour le code, les fichiers et les sessions d’agents de longue durée, chacun implémenté comme une machine virtuelle dotée de son propre noyau invité. Les identifiants ne pénètrent jamais dans le bac à sable ; une passerelle réseau centrale impose les politiques de sortie. Grâce au système de fichiers btrfs (copie sur écriture), SPACE gère 100 % du trafic de production de Perplexity Computer depuis juin, et Perplexity prévoit de l’étendre à des microVM Linux, des invités Windows et les machines locales des utilisateurs.
| Indicateur mesuré | Avant SPACE | Avec SPACE |
|---|---|---|
| Latence médiane de création d’un bac à sable | 185 ms | 60 ms (3,1x) |
| Latence P90 de création | 447 ms | 89 ms (5,0x) |
Cohere publie les résultats de l’Expedition Tiny Aya
15 juillet — Cohere Labs dévoile les résultats de l’Expedition Tiny Aya, un programme de recherche avec mentorat construit autour de Tiny Aya, son modèle ouvert et léger performant sur plus de 70 langues et capable de tourner localement, y compris sur téléphone. Les projets communautaires couvrent l’éducation (compagnon vocal hors ligne pour enfants, avec un nouveau benchmark de sécurité), la sécurité multilingue (le désalignement appris dans une langue peut se transférer vers une autre) et le déploiement local (compression consciente de la langue, assistants quantifiés en 4 bits). Les recherches ont été acceptées à la conférence COLM 2026.
“Tiny Aya is Cohere Labs’ answer to a familiar problem: most AI is built for a handful of languages and needs serious hardware to run. Tiny Aya is open-weight, strong across 70+ languages, and light enough to run locally, even on a phone.”
🇫🇷 Tiny Aya est la réponse de Cohere Labs à un problème familier : la plupart des IA sont conçues pour une poignée de langues et nécessitent un matériel puissant. Tiny Aya est ouvert, performant sur plus de 70 langues, et assez léger pour tourner localement, même sur un téléphone. — Cohere Blog
Brèves
- Together AI améliore la fiabilité de ses GPU Clusters — vérifications de santé passives, réparation guidée des nœuds, pile Slurm reconstruite et support OIDC externe pour les clusters GPU en production. 🔗 source
- HeyGen détaille la méthode des « six décisions » pour prompter HyperFrames — dixième épisode de la série quotidienne consacrée à son agent CLI de génération vidéo. 🔗 source
- Kling AI publie un nouvel épisode de sa série interactive « Choose a door » — la communauté vote en commentaire pour orienter la suite du court métrage d’horreur « You Can Never Leave ». 🔗 source
- Le Pika MCP quitte le statut expérimental — connexion de Pika à des agents tiers (Claude, Codex, OpenClaw, HermesAgent) désormais disponible publiquement. 🔗 source
- OpenAI Developers lance kbd-1.0-codex-micro — un macropad avec joystick conçu avec @work_louder pour piloter ses raccourcis Codex, en édition limitée. 🔗 source
- Cohere publie une analyse sur le coût total de possession de l’IA en entreprise — 92 à 96 % des organisations déployant de l’IA générative ou agentique font face à des dépenses plus élevées que prévu, selon Gartner, IDC et McKinsey. 🔗 source
Ce que ça signifie
La sécurité des agents devient un chantier d’ingénierie à part entière plutôt qu’une réflexion après coup. GPT-Red automatise le red teaming par auto-jeu et le décline en cas réels sur un distributeur automatique et un agent Codex CLI ; la CLI Claude Code v2.1.208 durcit ses propres commandes destructrices et son outil Agent contre l’injection indirecte ; et l’agent de revue de code de Warp fait le choix explicite d’un accès en lecture seule pour limiter cette même famille d’attaques. Trois initiatives indépendantes qui convergent vers une même idée : plus les agents agissent seuls sur des systèmes réels, plus la défense contre l’injection de prompt doit devenir une discipline continue et automatisée, pas une checklist ponctuelle.
L’écosystème des agents de codage continue de se densifier sur tous les fronts à la fois. xAI ouvre le code source de Grok Build et permet un usage entièrement local, Devin s’installe dans Slack pour capter les demandes avant même qu’elles ne deviennent des tickets, Codex se déploie dans Chrome pour piloter des tâches de bout en bout, et GitHub Copilot étend en parallèle son offre BYOK et son agent de modernisation. Cette diversité de stratégies — ouverture du code, intégration dans les outils de communication, navigation web autonome, flexibilité des fournisseurs de modèles — traduit une compétition où chaque acteur cherche un angle d’accès différent au flux de travail quotidien des développeurs, plutôt qu’une convergence vers un modèle dominant unique.
Les modèles ouverts et l’infrastructure qui les sert progressent en tandem. Together AI illustre les deux faces du mouvement en servant Inkling dès son premier jour et en publiant simultanément TogetherLink pour faire tourner n’importe quel modèle ouvert dans les IDE, pendant qu’Ai2 referme SciArena après avoir recueilli près de 3 900 votes de chercheurs sur la fiabilité des réponses scientifiques générées par IA. En toile de fond, l’essai de Google DeepMind sur le goulot de validation scientifique et la plateforme sandbox SPACE de Perplexity posent la même question sous deux angles différents : comment vérifier, à grande échelle et en toute sécurité, ce que produisent des agents de plus en plus autonomes.
Du côté des usages plus grand public, l’IA générative continue de s’infiltrer dans des points d’entrée toujours plus quotidiens — le clavier iMessage pour Suno, l’édition de documents Workspace pour Gemini Spark, le doublage vidéo pour Synthesia. Cette diversification s’accompagne d’un rappel plus austère côté entreprise : l’analyse de Cohere sur le coût total de possession de l’IA souligne que 92 à 96 % des organisations dépensent plus que prévu, un rappel que la généralisation des agents ne dispense pas d’une gestion économique rigoureuse de l’infrastructure sous-jacente.
Sources
- OpenAI — GPT-Red
- @OpenAI sur X — GPT-Red
- @ClaudeDevs sur X — artefacts MCP
- CHANGELOG Claude Code
- @OpenAIDevs sur X — Codex dans Chrome
- xAI — Grok Build en open source
- @SpaceXAI sur X — confidentialité Grok Build
- Warp — agent de revue de code auto-améliorant
- @cognition sur X — Devin dans Slack
- GitHub Copilot in Visual Studio — mise à jour de juin
- GitHub Copilot pour JetBrains — extension BYOK
- @AIatMeta sur X — Olympiade de Physique
- @huggingface sur X — livestream nouveau modèle
- @allen_ai sur X — bilan SciArena
- Together AI — support day-0 Inkling
- @nutlope sur X — TogetherLink
- @GoogleDeepMind sur X — Conjecture Machines
- Google DeepMind — Conjecture Machines (essai complet)
- @GeminiApp sur X — Gemini Spark
- @suno sur X — clavier iMessage
- Synthesia — Dubbing 2.0
- @perplexity_ai sur X — SPACE
- @cohere sur X — Expedition Tiny Aya
- Cohere Blog — Tiny Aya in the wild
- Together AI — fiabilité des GPU Clusters
- @HeyGen sur X — HyperFrames Day 10
- @Kling_ai sur X — Choose a door
- @pika_labs sur X — Pika MCP
- @OpenAIDevs sur X — kbd-1.0-codex-micro
- Cohere Blog — coût total de possession de l’IA