Meta ouvre Muse Spark Open et ses 816 milliards de paramètres, NVIDIA lance Nemotron 3.5 Super VL, Cohere va racheter AISLE

Meta publie les poids de Muse Spark Open, un mélange d’experts multimodal de 816 milliards de paramètres qu’il présente comme le modèle ouvert américain le plus performant, pris en charge le jour même par NVIDIA, Hugging Face et sept fournisseurs d’API. NVIDIA ouvre aussi Nemotron 3.5 Super VL, un modèle de 120 milliards de paramètres pour les agents, tandis que Cohere signe une lettre d’intention pour racheter AISLE, spécialiste de la découverte autonome de failles, et crée Cohere Cyber. Perplexity publie en open source SPACE, le bac à sable de Computer, Black Forest Labs ouvre les poids de FLUX 3 Image Klein, et Cognition lance Devin Oncall, un agent d’astreinte qui enquête sur les incidents de production.

Muse Spark Open : Meta ouvre un MoE multimodal de 816 milliards de paramètres, NVIDIA et Hugging Face suivent le jour même

15 octobre — Meta publie les poids de Muse Spark Open, un mélange d’experts (mixture-of-experts, MoE) multimodal de 816 milliards de paramètres, dont 42 milliards actifs par token, avec une fenêtre de contexte d’un million de tokens. Le modèle lit du texte, des images, de la vidéo et de l’audio, et répond en texte ; Meta l’a entraîné pour le code et le travail agentique. Dans la famille Muse, il devient le grand modèle ouvert, au-dessus de Muse Glimmer, le petit modèle dense de 30 milliards de paramètres publié en août, et arrive trois jours après Muse Wonder, resté fermé.

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇫🇷 Nous publions aujourd’hui Muse Spark Open, le modèle à poids ouverts américain le plus performant à ce jour. Conçu pour le code et le travail agentique, il excelle dans les tâches de longue haleine, le génie logiciel complexe et le raisonnement en plusieurs étapes. — @AIatMeta sur X

Le superlatif se lit au sens strict. Dans le tableau de la fiche Hugging Face, où le modèle est mesuré en réglage xhigh, Muse Spark Open mène sur huit lignes du tableau complet, dont l’usage d’outils MCP et JobBench, mais les grands modèles ouverts chinois restent devant sur l’indice d’Artificial Analysis (45 pour GLM 5.3, 44 pour Kimi K3, contre 39) et en code. Face aux trois autres modèles américains du tableau, Inkling de Thinking Machines, Nemotron 3 Ultra de NVIDIA et Beam de Reflection AI, seul Beam le devance en capacités, sur GPQA Diamond (90,5 contre 89,0) et Terminal-Bench 2.1 (80,1 contre 76,4).

Banc d’évaluation (fiche Hugging Face)	Score de Muse Spark Open (xhigh)	Meilleur concurrent du tableau
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond (sans outils)	26,1	22,2 (Kimi K3)
Indice Artificial Analysis	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2 (plus bas = mieux)	0,5	62,9 (GLM 5.3)

Comme tous les experts restent en mémoire, il faut la mémoire d’un modèle de 816 milliards de paramètres pour la vitesse d’un modèle de 42 milliards. Les poids BF16 pèsent environ 1,5 To (dépôt Muse-Spark-Open-816B-A42B sur Hugging Face, accessible après un formulaire), et une version NVFP4 tient sur un seul nœud B200. Meta insiste pourtant sur l’exécution locale : le modèle est optimisé pour deux Mac Studio M5 Ultra reliés, avec MLX, chacun offrant jusqu’à 512 Go de mémoire unifiée. Hugging Face a testé plus modeste, sur un seul Mac M3 Ultra de 512 Go : une version 2 bits sous llama.cpp occupe 304 Go et produit 18 tokens par seconde.

Les poids sont publiés sous la Muse Model License, aux conditions commerciales limitées, qui permet selon Meta à de nombreux développeurs d’utiliser le modèle gratuitement. Sept fournisseurs le servent dès le premier jour : Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Meta dit avoir ajouté un post-entraînement de sécurité propre aux poids ouverts et atteint les seuils de publication de son Meta Superintelligence Scaling Framework, mis à jour le 2 octobre. Sur StrongREJECT v2, où un score bas est meilleur, le modèle obtient 0,5, contre 62,9 à 86,4 pour les autres modèles mesurés. Sur FORTRESS, il obtient le meilleur score de risque moyen (5,8, contre 21,6 à 28,2) mais le plus fort score de refus excessif du tableau (17,4, contre 2,7 à 13,3).

NVIDIA accompagne la sortie d’un billet technique : Muse Spark Open a été entraîné sur des baies GB300 NVL72, et les points de contrôle NVFP4 produits par Meta sont optimisés pour Blackwell Ultra. En charges agentiques, NVIDIA revendique jusqu’à 50 000 tokens par seconde par GPU et jusqu’à 600 tokens par seconde par utilisateur, et publie des recettes de déploiement pour SGLang, vLLM, TensorRT LLM et Dynamo, un NIM et le post-entraînement avec NeMo AutoModel.

Le reste de l’écosystème a suivi dans la journée : Transformers et TRL l’intègrent (voir plus bas), mlx-lm 0.32.0 ajoute la version NVFP4, Unsloth annonce une version 2 bits qui tient dans environ 256 Go, et Meta livre pour SGLang des noyaux Helion jusqu’à 3,95 fois plus rapides au niveau des noyaux. Dans son billet, Hugging Face affine même le modèle complet sur 64 GPU H100, avec une exactitude moyenne par token qui passe de 72 à 84 %.

🔗 Le billet de Meta · La fiche du modèle (Hugging Face) · Le billet de Hugging Face · Le billet technique de NVIDIA

Nemotron 3.5 Super VL : NVIDIA ouvre un modèle multimodal de 120 milliards de paramètres pour les agents, Perplexity l’intègre le jour même

15 octobre — NVIDIA publie Nemotron 3.5 Super VL, un modèle ouvert de type mélange d’experts de 120 milliards de paramètres, dont 12 milliards actifs par token. Il réunit raisonnement, suivi d’instructions et appels d’outils avec la compréhension du texte, des images, des documents et de la vidéo, pour des agents qui enchaînent des tâches longues : un même modèle lit une page web, un graphique ou un PDF puis agit, sans faire passer le contexte d’un modèle de texte à un modèle de vision. Selon NVIDIA, il atteint sur les tâches agentiques multimodales une précision comparable à celle de son plus grand modèle de raisonnement, pour environ un cinquième des paramètres.

Évaluation annoncée par NVIDIA	Score de Nemotron 3.5 Super VL	Point de comparaison
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
Évaluations comportementales LangChain	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv (lecture de graphiques)	80,8 % (84 % avec du code Python)	63 % (Nemotron 3 Nano Omni)

NVIDIA met surtout en avant l’efficacité : sur un seul GPU, un débit jusqu’à 5 fois supérieur à celui des autres modèles ouverts de sa taille sur des tâches d’agent, plus de 600 tokens par seconde sur les tâches agentiques de l’indice d’Artificial Analysis via Baseten, et 10 000 tâches de code accomplies jusqu’à 4 fois plus vite tout en conservant une bonne précision sur SWE-Bench Pro. Distillé depuis Nemotron 3 Ultra, il dépasse ce dernier sur les deux évaluations de harnais du tableau. Côté service, le décodage spéculatif LiLiCorr accélère la génération jusqu’à 2,3 fois sur DGX Spark, et Dynamo sert jusqu’à 8 fois plus d’utilisateurs sur 16 GPU B200 à 50 tokens par seconde chacun, avec 85 % de latence du premier token en moins.

La publication est complète : poids de base, post-entraînés et quantifiés en NVFP4, recettes, environnements d’apprentissage par renforcement dans NeMo Gym et jeux de données ouverts, dont 40 jeux vision-langage et un corpus d’environ 2 800 milliards de tokens en 22 langues indiennes, constitué avec l’IIT Madras et son laboratoire AI4Bharat. Le modèle a vu environ 26 000 milliards de tokens à l’entraînement. Il est disponible sur Hugging Face, OpenRouter, ModelScope et en microservice NIM, sans tarif annoncé ; NVIDIA cite des adaptations chez Scale AI pour Skydance, avec un coût d’inférence annoncé divisé par 40, chez Ramp, AI21 et Alice.

Perplexity l’a ajouté le jour même pour ses abonnés Pro et Max et dans son Agent API. Le changelog de l’API facture perplexity/nemotron-3.5-super-120b-a12b 0,20 dollar par million de tokens en entrée (0,04 dollar en cache) et 0,50 dollar en sortie, avec 1 048 576 tokens de contexte et jusqu’à 131 072 tokens générés, en remplacement de Nemotron 3 Ultra. Petite incohérence : cette entrée décrit un modèle à entrée texte seule, alors que le tweet de Perplexity annonce la version VL, qui lit aussi les images.

Le même jour, Nemotron 3.5 Bolt 74B-A9B 24GB, annoncé le 13 octobre, arrive sur Hugging Face : quantifié nativement en 2 bits pour tenir dans 24 Go, il vise les portables RTX Spark disponibles le 16 octobre et tourne avec llama.cpp, Ollama, LM Studio, Unsloth et vLLM. NVIDIA le classe premier des modèles ouverts de sa catégorie sur PinchBench ; Bolt E4B 4GB suivra le 23 octobre.

🔗 Annonce NVIDIA · Billet technique NVIDIA · Annonce de Perplexity · Changelog de l’API Perplexity

Cybersécurité : Cohere va racheter AISLE et crée Cohere Cyber, GitHub généralise l’AI Scan et l’autofix agentique

Le même jour, deux acteurs mettent l’IA au service de la recherche et de la correction de failles : Cohere en achète le savoir-faire, GitHub le généralise dans son code scanning.

15 octobre — Cohere va racheter AISLE, une jeune société qui construit des systèmes autonomes capables de découvrir, de valider et d’aider à corriger des vulnérabilités jusque-là inconnues dans des logiciels critiques. Les deux entreprises ont signé une lettre d’intention (Letter of Intent) : l’opération n’est pas encore conclue, et ni son montant ni son calendrier ne sont publiés. À la clôture, le siège d’AISLE à Prague deviendra le bureau pragois de Cohere.

Indicateur publié sur AISLE	Valeur annoncée
Année de création	2024
Vulnérabilités inédites ayant reçu un CVE	Plus de 500, dans plus de 100 bases de code
OpenSSL, publication de sécurité de janvier	Les 12 vulnérabilités publiées
curl, dernière version	18 des 24 CVE
CVE de gravité haute ou critique	Plus de 200 (selon Aidan Gomez)

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇫🇷 Aisle est à la pointe de la cyberdéfense, avec plus de 200 CVE de gravité haute ou critique trouvées dans des logiciels critiques comme curl, FFmpeg, FreeBSD et Wireshark. — @aidangomez sur X

Dans le même fil, Aidan Gomez, à la tête de Cohere, affirme qu’AISLE a fait mieux que Glasswing (Mythos), chez Anthropic, et Daybreak, chez OpenAI, avec 29 nouvelles CVE dans curl quand Mythos n’en aurait trouvé aucune ; ce chiffre ne recoupe pas les « 18 des 24 CVE » avancés par les billets des deux entreprises.

L’équipe fondatrice d’AISLE prend des postes de direction. Ondrej Vlcek, PDG d’AISLE, devient Senior Vice President de Cohere Cyber, une nouvelle unité chargée d’apporter des solutions de cybersécurité aux clients de Cohere ; Jaya Baloo devient Chief Information Security Officer de Cohere à l’échelle mondiale ; Stanislav Fort, CTO et Chief Scientist d’AISLE, devient Vice President AI Security et travaillera avec Ivan Zhang, CTO de Cohere, pour relier la recherche en sécurité au développement et à l’entraînement des modèles.

Cohere y voit une étape de plus dans sa stratégie européenne, après Reliant AI et Aleph Alpha : l’entreprise prévoit un investissement « substantiel » et de long terme à Prague, appelée à devenir son centre mondial de cybersécurité IA, à un court trajet de son nouveau siège de Berlin selon Aidan Gomez. L’objectif est double : poursuivre le travail d’AISLE sur la sécurité des logiciels open source, et permettre aux opérateurs d’infrastructures critiques d’analyser leurs logiciels de façon entièrement privée, y compris dans des environnements déconnectés (air-gapped). Les deux billets ajoutent un argument côté modèles : des problèmes de sécurité difficiles mais vérifiables peuvent servir à évaluer et à améliorer les futurs modèles de Cohere.

🔗 Le billet de Cohere · Le billet d’AISLE

GitHub : l’AI Scan des pull requests et l’autofix agentique des alertes passent en disponibilité générale

15 octobre — GitHub fait passer en disponibilité générale deux briques de son code scanning appuyées sur l’IA, l’une qui trouve les failles dans les pull requests, l’autre qui corrige les alertes.

L’AI Scan des pull requests complète CodeQL là où l’analyseur ne va pas encore : PHP, Shell/Bash, configuration Terraform (HCL), Dockerfiles, JSP côté Java ou Blazor côté C#. Il se lance de lui-même sur chaque pull request dès que le code scanning et le réglage AI Scan du dépôt sont actifs, et ses résultats s’affichent à côté de ceux de CodeQL, marqués « AI », parfois avec une explication du risque et un correctif suggéré. Ils restent consultatifs : ils ne font pas échouer le check et ne peuvent pas bloquer une fusion, et l’analyse ne tourne ni sur les pull requests issues de forks ni sur celles de Dependabot.

L’autofix agentique (agentic autofix) prend en charge, lui, une alerte assignée à Copilot : il explore les fichiers concernés, propose un correctif, relance CodeQL pour vérifier que l’alerte est bien fermée, itère si besoin, puis ouvre une pull request en brouillon. On peut lui confier une alerte de la branche par défaut, jusqu’à 25 alertes à corriger dans une seule pull request, ou passer par l’API REST en assignant l’alerte à copilot-swe-agent[bot] ; une fois activé, il remplace l’option gratuite Generate Fix.

Brique GitHub en disponibilité générale	Formules et conditions	Mode de facturation
AI Scan des pull requests	Dépôts publics ; Code Security ou Advanced Security pour les dépôts privés et internes d’organisation, sans licence Copilot	Code Security AI Credits
Autofix agentique des alertes	Code Security ou Advanced Security sur GitHub Enterprise Cloud, résidence des données comprise ; politique Agentic autofix et moyen de facturation Copilot requis	AI Credits du budget Code Security et minutes GitHub Actions

Les deux lancements concluent une série couverte ici depuis septembre : API d’activation de l’AI Scan le 10 septembre, autofix agentique appuyé sur Copilot Memory en préversion le 25 septembre, métriques de l’AI Scan dans la security overview le 13 octobre.

🔗 AI Scan for pull requests (changelog GitHub) · Agentic autofix for code scanning alerts (changelog GitHub)

SPACE : Perplexity publie en open source le bac à sable de Computer, sous licence Apache 2.0

15 octobre — Perplexity publie en open source SPACE (Sandboxed Platform for Agentic Code Execution), la plateforme de bacs à sable (sandboxes) qui exécute chaque tâche de Perplexity Computer. La veille, Perplexity détaillait comment SPACE achemine chaque requête vers la bonne exécution de bac à sable ; c’est désormais le code lui-même qui est disponible sur GitHub, sous licence Apache 2.0. Chaque tâche d’agent y tourne dans sa propre microVM Firecracker, et les identifiants comme le trafic sortant sont contrôlés depuis l’extérieur de la machine virtuelle.

Le principe de sécurité tient en une idée : le bac à sable est considéré comme non fiable. Les agents de Computer y lancent des commandes, installent des paquets et appellent des services externes avec un accès root, mais l’hôte reste hors de leur portée, et une passerelle propre à chaque bac à sable applique la politique de sortie à chaque connexion ; les agents accèdent aux services autorisés sans que les identifiants soient stockés dans leur environnement de travail. Un bac à sable survit aussi à la requête qui l’a créé : il peut être mis en pause, dupliqué (fork) ou suspendu dans un instantané mémoire et disque, puis reprendre.

Élément de SPACE	Valeur indiquée par Perplexity
Langage et licence du dépôt	Rust, Apache 2.0
Isolation	Une microVM Firecracker par tâche d’agent
Volume en production	Des millions de bacs à sable créés par jour, pour toutes les sessions de Computer depuis juillet
Création face à l’ancien fournisseur	Trois à cinq fois plus rapide, sur le même trafic de production
Escaping SPACE, Part I	Aucune évasion vers l’hôte en 108 tentatives
Calendrier des versions	0.8.0 comme base publique, puis 0.9.0 et 1.0.0

L’évaluation Escaping SPACE de septembre n’avait trouvé aucune évasion de la machine virtuelle vers l’hôte, mais des contournements des restrictions réseau : ils ont été corrigés, et les méthodes identifiées n’ont plus réussi lors des tests suivants, selon le billet. Le dépôt, écrit en Rust, s’installe en local sur un cluster Kubernetes de test (Kind), propose des réserves de bacs à sable préchauffés (warm pools) et une couche de compatibilité avec l’API d’E2B, testée avec son SDK Python ; la 0.9.0 sera la dernière version à introduire des changements incompatibles avant une 1.0 aux contrats stables.

CoreWeave et Akamai ont testé et lancé SPACE sur leurs plateformes et travaillent à le proposer à leurs clients, et Crusoe l’ajoutera à son offre Managed AI Services. Perplexity présente SPACE comme le premier composant de sa plateforme d’exécution d’agents (Agentic Runtime Platform), ouvert pour relever le niveau de sécurité des produits agentiques.

🔗 Le billet de Perplexity · Le fil de @perplexity_ai · Le dépôt SPACE (GitHub)

Médias génératifs : FLUX 3 Image Klein à poids ouverts sur un GPU grand public, Kling 4.0 pour tous, Instant Soundtracks d’ElevenLabs

15 octobre — Black Forest Labs publie FLUX 3 Image Klein, un modèle d’image à poids ouverts de 5,6 milliards de paramètres, générateur seul, qui tourne sur un seul GPU grand public. Le même modèle génère des images à partir de texte et retouche à partir d’une ou de plusieurs références, jusqu’à 10 images ; il reprend les fonctions phares de FLUX 3 Image, lancé le 1er octobre : génération 4K native, édition au pixel près et boîtes englobantes (bounding boxes), qui fixent dans le prompt l’emplacement d’un élément ou limitent une retouche à une zone.

Selon les évaluations internes de BFL, Klein arrive premier en texte vers image, en multi-références et en édition face à des modèles ouverts plus gros, Qwen-Image 2.1 (7B) et Krea 2 (12,9B), et se place au-dessus des deux modèles fermés de la comparaison, Ideogram V4.5 et FLUX.2 [pro]. Face à son prédécesseur FLUX.2 [klein] 9B, il gagne 91 points Elo en texte vers image et 70 en édition, avec 38 % de paramètres en moins.

Configuration testée	Résultat annoncé
Poids en BF16 / en FP8	11,2 Go / 5,6 Go
Version INT8 sur GeForce RTX (ComfyUI ou Diffusers)	Tourne avec 8 Go de VRAM
RTX 5090, version distillée en INT8 (mesure NVIDIA)	Environ 4 s par image de 1 mégapixel
RTX 4070, version distillée en INT8 (mesure NVIDIA)	Moins de 9 s par image de 1 mégapixel
H100, version distillée dans Diffusers	Environ 2 s par image de 1024 × 1024 pixels
GB300, version distillée en NVFP4	Moins de 0,6 s par image de 1 mégapixel

Hugging Face l’a intégré à Diffusers le jour même, avec deux points de contrôle : la version distillée, en 16 pas et sans CFG, et la version de base, en 50 pas, destinée à l’affinage. S’y ajoutent des poids NVFP4 et FP8, l’encodeur de texte Qwen3-VL et des scripts d’affinage LoRA ; en NVFP4, le pic de mémoire après inférence atteint 15,3 Gio sur une RTX 6000. ComfyUI, TensorRT-LLM, SGLang Diffusion et vLLM-Omni le prennent aussi en charge dès sa sortie, et les versions FP8, INT8 et NVFP4 ont été développées avec NVIDIA.

Les poids sont publiés sous licence FLUX Kommunity, gratuite pour un usage commercial par les particuliers et les entreprises de moins de 5 millions de dollars de chiffre d’affaires annuel, ainsi que pour la recherche ; au-delà, il faut une licence auto-hébergée ou passer par l’API. Celle de BFL propose flux-3-image-klein à partir de 0,009 dollar par image 1K. C’est le deuxième modèle ouvert de la famille FLUX 3, après FLUX 3 Action, et BFL annonce que d’autres suivront.

🔗 Le billet de Black Forest Labs · L’annonce de @bfl_ai · FLUX 3 Image Klein dans Diffusers (Hugging Face)

Kling 4.0 passe en disponibilité complète, avec un accès par MCP et en ligne de commande

15 octobre — Kling AI rend Kling 4.0 disponible pour tous, après l’accès anticipé ouvert le 30 septembre. Le modèle vidéo s’utilise dans une interface de création remaniée sur kling.ai et, nouveauté, par MCP et en ligne de commande (CLI), ce qui permet de l’intégrer à des chaînes de production outillées. Deux fonctions sont annoncées pour bientôt, sans date : une sortie vidéo HDR 10 bits en 4K et en 1080p, et un accès API pour les entreprises et les développeurs. Les caractéristiques présentées le 28 septembre restent la référence : clips de 3 à 30 secondes, jusqu’en 4K, audio stéréo, 10 images clés, 15 références et prompts de 8 000 tokens. L’annonce ne donne ni tarif ni benchmark.

🔗 Annonce de Kling AI · Notes de version de Kling

Instant Soundtracks : ElevenLabs compose musique et effets sonores synchronisés à partir d’une vidéo

15 octobre — ElevenLabs lance Instant Soundtracks dans ElevenCreative : on téléverse une vidéo, et le modèle compose une musique originale, repère les moments qui appellent un effet sonore et place chaque effet au bon horodatage, par exemple un « whoosh » calé sur le logo de fin d’une publicité. L’outil vise les formats courts, avec un calage plus serré sur les coupes et les transitions, change d’ambiance musicale d’une scène à l’autre et peut prendre l’audio d’origine comme référence (genre, tempo, instrumentation). Les effets arrivent sur des pistes séparées, modifiables avant l’export.

Paramètre de l’API ElevenCreative Studio	Rôle du paramètre
`add_sfx`	Ajoute les effets sonores synchronisés
`separate_tracks`	Renvoie musique et effets en fichiers séparés (.ZIP)
`use_audio_as_reference`	Prend l’audio d’origine comme référence musicale

Instant Soundtracks est disponible dans ElevenCreative, ElevenMusic et l’API, qui accepte jusqu’à 10 vidéos, 200 Mo et 10 minutes de vidéo au total par requête. ElevenLabs ne donne pas de tarif.

🔗 Annonce d’ElevenLabs

Agents de code : Cognition lance Devin Oncall, Claude Code 2.1.301 et Code Review, Delta 0.20, Antigravity CLI 1.3.6, Codex chez OpenAI, le MX Keypad

15 octobre — Cognition lance Devin Oncall, désormais en disponibilité générale : Devin enquête automatiquement sur les alertes et les rapports de bugs, puis aide l’équipe à diagnostiquer et à résoudre les incidents de production. Il se branche d’emblée sur Datadog, Dynatrace et Sentry, entre autres, et traite déjà, selon Cognition, des milliers d’alertes de production chaque jour chez certaines des plus grandes entreprises du monde. Son architecture ne dépend d’aucun modèle : Cognition choisit le plus efficace pour chaque tâche d’astreinte.

Agent et modèle évalués	Réussite de bout en bout (SREGym-Lite)	Origine du score
Devin Oncall + Claude Opus 5.5	100 % (en 2 min 21 s)	Évaluation interne de Cognition
Devin Oncall + GPT-6 Astra	100 %	Évaluation interne de Cognition
Devin Oncall + GPT-6.1 Sol	94,1 %	Évaluation interne de Cognition
Devin Oncall + Claude Fable 5.1	85,3 %	Évaluation interne de Cognition
CloudThinker + Claude Opus 5	76,5 %	Classement public SREGym
Codex + GPT-5.6 Sol	76,5 %	Classement public SREGym
Claude Code + Claude Sonnet 5	45,1 %	Classement public SREGym

SREGym-Lite réunit 17 pannes tirées d’incidents réels : l’agent doit trouver la cause racine puis corriger le système en marche, dans la même exécution. Les scores de Devin Oncall viennent de l’évaluation interne de Cognition, ceux des autres agents du classement public SREGym au 15 octobre, où CloudThinker atteint lui aussi 100 % avec GPT-6 Astra. Le banc est donc saturé : selon Cognition, des modèles de milieu de gamme y obtiennent déjà le score maximal, là où la génération précédente plafonnait entre 50 et 60 %.

Le billet décrit surtout l’outillage autour du modèle. Un agent de revue travaille en parallèle de l’enquête pour éviter les conclusions hâtives : une corrélation prise pour une cause, une télémétrie contradictoire écartée, un déclencheur confondu avec la cause. Trois niveaux de mémoire accumulent la connaissance de l’entreprise : une mémoire propre à chaque répondeur, des skills générés en indexant régulièrement l’environnement, et une mémoire d’organisation nourrie par chaque enquête. Les Responders, présentés comme la nouvelle génération d’Auto-Triage, surveillent un flux d’alertes et évitent environ 60 % des enquêtes en reconnaissant les problèmes déjà vus, ce qui économise plus de la moitié du coût d’automatisations classiques ; le mode Incidents place Devin dans le canal de crise, avec un document d’incident tenu à jour et des Devins enfants chargés des questions directes des ingénieurs.

Trois clients illustrent le lancement. Chez Reducto, Devin a ouvert un incident de lui-même, bien avant que les alertes de production ne se déclenchent ; chez RV Tech, la coentreprise de Rivian et Volkswagen, il extrait des rapports clients les identifiants de véhicules et les horodatages, récupère les journaux et fait le premier tri ; chez AngelList, il identifie la bonne cause racine 3,5 fois plus souvent que l’outil maison Sky et a traité seul la moitié des incidents, si bien que Sky a été abandonné. Aucun tarif n’est annoncé : la page de Devin Oncall propose de démarrer ou de réserver une démonstration. Le lancement prolonge l’arrivée chez Cognition, en juillet, des fondateurs de TierZero, spécialiste du SRE assisté par IA.

🔗 Le billet de Cognition · Le fil de @cognition · La page Devin Oncall

Claude Code 2.1.301 : l’attente des limites d’usage plafonnée en mode sans surveillance, 37 correctifs

15 octobre — Publiée à 19 h 22 UTC, Claude Code 2.1.301 compte 51 entrées, dont 8 ajouts, 37 correctifs, 4 améliorations et 2 changements, et soigne d’abord les usages sans surveillance. La nouvelle variable CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS permet au mode de relance automatique (CLAUDE_CODE_RETRY_WATCHDOG) d’abandonner une requête quand la limite d’usage atteinte ne se réinitialise que trop tard, au lieu d’attendre. Côté observabilité, les événements OpenTelemetry tool_decision portent désormais classifier_verdict et permission_mode, pour distinguer une décision du classifieur du mode auto d’une règle de permission, ainsi que classifier_category, la règle intégrée à l’origine d’un blocage (avec OTEL_LOG_TOOL_DETAILS=1).

Plusieurs correctifs touchent à la fiabilité : l’alias fable (et best) ne renvoie plus d’erreur quand le Fable le plus récent n’est pas ouvert à l’organisation, Claude Code réessayant une fois avec le Fable précédent ; quitter une session ne supprime plus sans demander un worktree créé par un hook WorktreeCreate, qui peut contenir des commits non poussés ; Grep et Glob signalent une erreur au lieu d’annoncer « aucune correspondance » quand la recherche échoue. Lors d’un passage à un modèle doté d’une fenêtre de contexte plus petite, une conversation trop longue est d’abord résumée par le modèle précédent. Dans VS Code, les réponses affichent les formules LaTeX, et le bandeau de limite d’usage propose un lien « Get more usage » aux abonnés Pro et Max.

🔗 Notes de version de Claude Code 2.1.301

Code Review de Claude Code sort de l’aperçu de recherche pour Team et Enterprise

15 octobre — Sept mois après son lancement en aperçu de recherche, le 9 mars, Code Review, le service de Claude Code qui relit automatiquement les pull requests GitHub, devient disponible pour les organisations Claude Team et Enterprise. Selon Anthropic, la plupart des revues se terminent environ trois fois plus vite qu’en aperçu, avec des constats courts qui donnent le problème, ce qui le déclenche et le correctif. Un administrateur choisit un niveau par dépôt : Quick, Standard (par défaut) ou Deep.

Point clé de Code Review	Détail publié par Anthropic
Durée d’une revue	Environ 6 à 10 minutes, contre une vingtaine en aperçu
Facturation des revues	Tokens consommés, prélevés sur les crédits d’usage hors usage inclus du forfait, avec un plafond mensuel
Crédits de lancement	Au moins 10 000 dollars pour les organisations Enterprise éligibles, à réclamer avant le 15 janvier 2027, valables 30 jours
Exclusions actuelles	Zero Data Retention, configuration HIPAA et, pour l’instant, clés gérées par le client (CMEK)

Le principe ne change pas : les constats arrivent en commentaires en ligne classés par sévérité, avec un check run qui n’échoue jamais, et une revue n’approuve ni ne bloque une pull request, la décision de fusionner restant à l’équipe.

🔗 Code Review is now generally available (Claude) · Documentation de Code Review

Delta 0.20 : les sous-agents deviennent des sous-fils pilotables, les agents accèdent aux serveurs MCP

14 octobre — Delta, l’environnement de code multijoueur des créateurs de Zed, passe en version 0.20 (18 nouveautés, 14 améliorations et 29 correctifs, puis un correctif dans la 0.20.1 le même jour). Les sous-agents deviennent des sous-fils ordinaires, que l’on peut consulter, réorienter et poursuivre soi-même, et les sous-fils peuvent désormais s’imbriquer ; le réglage Enable Sub-agents devient Delegation, avec trois positions (Off, Only When Asked, Max). Les agents gagnent l’accès aux serveurs MCP, à connecter dans Settings → MCP, et une revue ou un Land lancé depuis un sous-fil couvre aussi les changements hérités des fils parents. La version ajoute Gemini 4 Argon avec sa propre clé Google, une commande /create-skill et des commandes delta org pour gérer une organisation depuis le terminal.

Le 15 octobre, un billet tiré d’une conférence de Conrad Irwin détaille DeltaDB, la couche de collaboration qui envoie chaque frappe au serveur et aux collaborateurs : des CRDT inspirés de diamond-types, chaque modification étant ancrée sur une version Git ou sur des modifications antérieures. Comme chaque caractère sait quelle modification l’a créé, Delta peut y rattacher son auteur, l’agent, voire le prompt.

🔗 Notes de version de Delta · DeltaDB: The Future of Version Control

Antigravity CLI 1.3.6 : Claude 5.5 par identifiants Google Cloud, après le mode Auto et /compact de la 1.3.5

14 octobre — L’Antigravity CLI, l’outil d’agents en ligne de commande que Google présente comme le successeur de Gemini CLI, enchaîne les versions : depuis la 1.3.1, couverte ici le 8 octobre, cinq se sont succédé. La 1.3.6 ajoute Claude Opus 5.5 et Claude Sonnet 5.5 pour les utilisateurs connectés avec les identifiants par défaut de Google Cloud (Application Default Credentials, AGY_ADC_AUTH) : les modèles Claude n’apparaissent dans /model que si le projet Google Cloud y a accès. Elle met aussi fin à un blocage sans fin : après 5 minutes sans données du modèle, la requête est annulée et relancée automatiquement.

La nouveauté la plus visible vient de la 1.3.5 : un mode Auto qui approuve seul les modifications de fichiers et les commandes jugées sûres, mais demande toujours avant une action irréversible. Les commandes qui sortiraient du bac à sable du terminal sont d’abord examinées par un agent distinct ; la 1.3.6 rend cette revue plus rapide, laisse passer les commandes de formatage et de lint du projet et bloque celles qui enverraient des données sensibles. Le mode s’active avec --mode auto, depuis /config ou par Maj+Tab, sur Linux et macOS (Windows plus tard). La 1.3.5 ajoute aussi /compact, qui résume la conversation à la demande pour libérer la fenêtre de contexte.

Version de l’Antigravity CLI	Date du changelog	Améliorations et correctifs	Point principal de la version
1.3.6	14 octobre	3 + 10	Claude Opus 5.5 et Sonnet 5.5 par ADC, relance après 5 minutes bloquée
1.3.5	13 octobre	5 + 1	Mode Auto, `/compact`, coloration et repliage dans `/diff`
1.3.4	12 octobre	4 + 10	`agy plugin list --json`, modèle choisi sans `--effort`
1.3.3	9 octobre	6 + 15	Outils MCP toujours chargés, bac à sable renforcé
1.3.2	7 octobre	6 + 4	`/plugin` et marketplace officielle de plugins

🔗 Changelog d’Antigravity

Codex chez OpenAI : l’équipe Core Experimentation fusionne plus de 1 400 PR de maintenance avec GPT-6 Astra et GPT-6.1 Sol

14 octobre — Sur le blog OpenAI Developers, un ingénieur de l’équipe Core Experimentation, qui maintient le logiciel d’expérimentation utilisé dans toute l’entreprise, raconte comment les modèles GPT-6 ont pris en charge la maintenance de ses dépôts dans Codex. Point de départ : un prompt court et volontairement vague, qui demande de repérer et de nettoyer le code mort. GPT-5.6 Sol ne le menait pas jusqu’au bout ; GPT-6 Astra a consulté d’anciennes PR, des fils Slack, des outils de suivi internes et des tables de profilage de production, puis justifié chaque suppression. Cinq ingénieurs ont ensuite décliné ce prompt, à temps partiel pendant deux semaines : plus de 1 400 pull requests fusionnées, plus de 800 000 lignes supprimées, et l’image de conteneur d’un service passée de 3,31 à 1,72 Go (-48 %).

Modèle et effort de raisonnement	Coût API de la tâche	Constats retenus	Coût par constat
GPT-6 Astra Ultra	109,06 dollars	142	0,77 dollar
GPT-6.1 Sol Ultra	15,12 dollars	131	0,12 dollar
GPT-6.1 Sol Medium	5,27 dollars	86	0,06 dollar

Sur une même tâche de nettoyage, dans plus de 6 000 fichiers et 1 million de lignes de Python, TypeScript, Go et Rust, GPT-6.1 Sol en effort Ultra retrouve donc 92 % des constats de GPT-6 Astra Ultra pour 14 % du coût API ; l’écart tient surtout aux drapeaux de fonctionnalité (feature flags) constants utilisés comme dépendances d’autres drapeaux, qu’Astra repère et que Sol manque. Une trentaine de PR d’optimisation ont aussi ramené le temps médian de la CI d’environ 10 à 4,5 minutes. L’auteur reconnaît que certaines propositions ajoutaient plus de complexité qu’elles n’apportaient de gain, et conseille de commencer petit.

🔗 Maintaining software with the GPT-6 family (OpenAI Developers)

MX Keypad : GitHub et Logitech pilotent l’app GitHub Copilot depuis un pavé de touches programmables

15 octobre — Dans un billet consacré à « l’intelligence ambiante », Martin Woodward, VP of Developer Relations de GitHub, présente le fruit de 18 mois de travail avec Logitech : le MX Keypad, un pavé de touches programmables, s’intègre à l’app GitHub Copilot. Une touche peut y soumettre un prompt paramétré, ouvrir ou reprendre une session Copilot, appeler une commande de l’IDE ou lancer une séquence en plusieurs étapes. Le billet replace l’objet dans une vision en trois couches : la modalité (texte, voix, commandes physiques) capte l’intention, le harnais planifie et agit, le plan de contrôle laisse le développeur inspecter, réorienter et approuver. L’auteur reste prudent : l’expérience est « encore à ses débuts » (still early), et tous les développeurs n’ont pas besoin d’un appareil de plus. Un lien permet d’essayer le MX Keypad avec trois mois de GitHub Copilot Pro+ offerts, sans prix ni date de disponibilité dans le billet.

🔗 The next developer interface is ambient intelligence (GitHub Blog)

Sécurité des modèles : METR obtient chez Anthropic un accès de salarié, IPI Black met 300 000 dollars en jeu contre l’injection de prompt

Deux initiatives du même jour pour faire éprouver la sûreté des modèles par des tiers : une équipe d’évaluateurs indépendants installée chez Anthropic, et un concours public d’attaques contre des agents.

METR obtient chez Anthropic un accès comparable à celui d’un salarié

15 octobre — Anthropic a commencé à intégrer une équipe de METR, l’organisation à but non lucratif qui évalue les modèles d’IA de pointe, avec un accès « comparable à celui d’un salarié » (employee-like access). Six personnes de METR disposent du matériel de l’entreprise, de bureaux et d’un accès aux outils et systèmes internes à peu près équivalent à celui des équipes d’évaluation des risques d’Anthropic ; seules restent fermées les données clients, les informations couvertes par le secret professionnel avocat-client et les architectures des modèles. METR publiera ses analyses des risques, et Anthropic ne peut pas s’y opposer : elle peut seulement exiger le caviardage d’informations relevant de catégories étroites définies à l’avance, et METR reste libre de dire publiquement si ces caviardages lui semblent justifiés.

Niveau d’accès des évaluateurs	Accès aux informations	Droit de publication	Évaluateur cité par Anthropic
Niveau 1	Enquêtes ciblées, accès décidé par Anthropic	Avec l’approbation d’Anthropic	SecureBio
Niveau 2	Plus d’informations	Sans approbation, caviardage possible de catégories précises	Aucun cité
Niveau 3	Comparable à celui d’un salarié	Comme au niveau 2	METR

Anthropic prépare aussi un partenariat avec Accenture et Faculty (évaluation et red-teaming des modèles, évaluations d’alignement, tests des garde-fous) et mène des discussions préliminaires avec d’autres organisations, dont Hugging Face. L’entreprise rapproche ce dispositif de la supervision bancaire, où des examinateurs résidents travaillent au sein des plus grandes banques, et l’inscrit dans la suite de sa signature du White House Accord on Super Intelligence, par lequel des entreprises s’engagent à travailler avec des évaluateurs externes indépendants.

🔗 An update on independent evaluators (Anthropic)

IPI Black : Gray Swan lance un concours d’injection de prompt indirecte doté de 300 000 dollars

15 octobre — Gray Swan lance IPI Black (Indirect Prompt Injection: Black), un concours public d’injection de prompt indirecte doté de 300 000 dollars, avec le soutien d’Anthropic, de Meta, de Google DeepMind, de Reflection AI, d’OpenAI, d’Amazon, de Thinking Machines et de l’AI Security Institute. Les participants, sans expérience requise, attaquent des agents placés dans des environnements simulés dotés d’outils réalistes (Gmail, Slack, GitHub, X) : par exemple, pousser l’agent de rédaction d’un responsable des réseaux sociaux à publier un contenu nuisible sur les comptes officiels de son entreprise. En boîte blanche, on voit les réponses de l’agent et on affine son attaque ; en boîte noire, on envoie sa charge sans rien voir.

Le concours se déroule en trois vagues d’une semaine, ouvertes les 15, 22 et 29 octobre, chacune avec ses propres classements qui se partagent 100 000 dollars entre boîte blanche et boîte noire. La première vague propose dix scénarios, six en boîte blanche et quatre en boîte noire, de la fuite d’un identifiant dans un commentaire d’issue GitHub au faux signalement de lanceur d’alerte. Les attaques recueillies alimenteront le benchmark que les laboratoires partenaires utilisent pour mesurer la robustesse de leurs modèles. Boris Cherny, créateur de Claude Code, a relayé le concours : selon lui, les modèles Claude ont beaucoup progressé face à l’injection de prompt ces dernières années, mais il devient urgent de résoudre le problème dans toute l’industrie à mesure que les agents en font davantage.

🔗 Le fil de Gray Swan · La page du concours · Le message de Boris Cherny

Nouveaux modèles : Timestral pour les séries temporelles, Step 5 Preview de StepFun, Apertus 1.5 et Jev 1.14

Quatre publications de nature différente : une famille de modèles de prévision chez Mistral, un grand MoE ouvert chez StepFun, des modèles entièrement ouverts en Suisse et un modèle de décision chez TypeSafe.

Timestral : Mistral publie sa première famille de modèles de fondation pour les séries temporelles

15 octobre — Mistral publie Timestral, sa première famille de modèles de fondation pour les séries temporelles (time-series foundation models), en quatre tailles qui partagent la même architecture et la même recette d’entraînement : 5M, 28M, 123M et 209M paramètres. Les modèles produisent des prévisions probabilistes (21 quantiles) et multivariées, tiennent compte de covariables connues seulement dans le passé ou connues à l’avance (calendrier de production, arrêts planifiés, prévisions météo), y compris catégorielles comme l’état d’une machine, et lisent jusqu’à 32 768 pas de temps d’historique.

Benchmark et métrique (plus bas = mieux)	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

Selon Mistral, le 209M se classe premier sur GIFT-Eval, TIME et fev-bench parmi les modèles pré-entraînés utilisés sans adaptation (zero-shot), avec un seul point de contrôle et sans ensemble, et dépasse l’état de l’art précédent avec deux tiers de ses paramètres ; les écarts restent serrés en tête, et le petit 28M bat déjà Chronos-2, environ quatre fois plus gros, sur GIFT-Eval et TIME. Timestral n’a pas besoin de GPU : sur un processeur de serveur à 8 threads, prévoir une journée à partir de trois semaines d’historique au pas de 15 minutes prend 10 ms avec le 5M et 140 ms avec le 209M. Les poids sont sur Hugging Face sous une licence « MIT modifiée » qui exclut les entreprises de plus de 20 millions de dollars de chiffre d’affaires mensuel consolidé, le code sur GitHub sous Apache-2.0, et la documentation présente Timestral 1.0 comme une préversion publique ; Mistral Forge permet l’affinage sur des données propriétaires, avec un déploiement possible sans connexion.

🔗 Introducing Timestral (Mistral) · Timestral-209M sur Hugging Face

Step 5 Preview : StepFun publie un MoE ouvert de 600 milliards de paramètres pour des tâches d’agent de 24 heures, selon NVIDIA

15 octobre — NVIDIA salue la sortie de Step 5 Preview, que son compte @NVIDIAAI présente comme la plus grande publication à poids ouverts de StepFun : un mélange d’experts de 600 milliards de paramètres conçu pour des tâches d’agent pouvant durer jusqu’à 24 heures. NVIDIA annonce près de 8 000 tokens par seconde par GPU sur GB300 en NVFP4, avec un point de contrôle NVFP4 publié sur Hugging Face, des recettes de déploiement pour SGLang et vLLM, le post-entraînement avec NeMo AutoModel et un NIM lancé en une seule commande. Le message de NVIDIA ne donne ni benchmark ni licence.

🔗 Le message de @NVIDIAAI

Apertus 1.5 : Swiss AI détaille des modèles 8B et 70B entièrement ouverts, avec image, audio et 262 144 tokens de contexte

15 octobre — L’initiative suisse Swiss AI publie les notes de version et le rapport technique d’Apertus 1.5, sa famille de modèles entièrement ouverts. Les poids 8B et 70B étaient en ligne depuis le 24 juillet sous Apache 2.0 ; le rapport publie aussi les points de contrôle intermédiaires (base, SFT, RLVR, DPO), les mélanges de données et les fiches d’évaluation, pour que d’autres chercheurs puissent étudier l’effet de chaque phase de l’entraînement.

Modèle Apertus 1.5	Tokens de préentraînement ajoutés	Total de tokens
8B	4 000 milliards	19 000 milliards
70B	2 000 milliards	17 000 milliards

L’image et l’audio passent par le tokenizer, sans encodeur séparé : une image de 512 × 512 pixels devient 1 024 tokens, une seconde d’audio 40 tokens, si bien que l’entraînement tourne à la vitesse du texte seul ; les modèles comprennent l’image et l’audio mais ne génèrent que du texte, et l’audio reste expérimental. Ils gagnent aussi un mode réflexion optionnel et un contexte de 262 144 tokens, quatre fois plus long. Les auteurs reconnaissent rester derrière les meilleurs modèles ouverts, tout en citant le 8B devant les modèles de sa taille en suivi d’instructions et en multilingue, sans score chiffré dans le billet. Les résultats sont publiés au format Every Eval Ever, pensé pour la conformité à l’AI Act européen.

🔗 Notes de version d’Apertus 1.5 (Hugging Face)

Jev 1.14 : TypeSafe ouvre en préversion les images, les questions Box et un contexte quatre fois plus long

14 octobre — TypeSafe annonce Jev 1.14, nouvelle version de son modèle de décision, présentée comme « nouvelle et améliorée » sans chiffre à l’appui. Elle s’accompagne de trois fonctions expérimentales : les images, que l’on peut placer partout où allait le texte et qui s’ouvrent aussi au Jev actuel ; un nouveau type de question System One, Box, qui renvoie le cadre d’un objet dans une image sous forme de quatre bords exprimés en fractions de sa largeur et de sa hauteur ; et un contexte quatre fois plus long, même si TypeSafe conseille toujours de le limiter. Ces fonctions restent en préversion, pas encore au niveau de la production selon TypeSafe, et s’activent avec l’en-tête TypeSafe-Danger-Zone-Images: true ; les questions Box exigent Jev 1.14, appelé avec jev-preview ou jev-1.14.0. Zed a salué la sortie en citant Wes Bos, qui chiffre une question sur une image de 850 × 850 pixels à 0,000096936 dollar, soit environ 10 000 images pour un dollar : un calcul de Wes Bos, pas un tarif publié par TypeSafe.

🔗 L’annonce de TypeSafe · La documentation de Box

IA pour la science : le CERN et Mistral visent un Large Physics Model, Sakana AI présente The Agentic Scientist, OpenAI finance les mathématiciens

Trois façons de mettre l’IA au service de la recherche : un modèle de fondation pour la physique des collisionneurs, des agents de code encadrés pour mener une recherche de bout en bout, et des fonds pour que les mathématiciens vérifient les résultats produits par l’IA.

Le CERN et Mistral s’associent pour développer un Large Physics Model

15 octobre — Le CERN et Mistral ont signé une déclaration d’intention (statement of intent) en vue d’un partenariat stratégique de long terme consacré aux modèles de fondation pour la découverte scientifique. Au cœur du projet : un unique Large Physics Model pré-entraîné, que le CERN présente comme le premier modèle de fondation pour la physique des collisionneurs, entraîné sur des milliards de collisions proton-proton simulées au Grand collisionneur de hadrons (LHC). Il doit servir à plusieurs tâches à la fois : reconstruire les collisions, identifier les particules, repérer des signaux inattendus et évaluer de futurs designs de détecteurs, là où l’analyse passe aujourd’hui par une chaîne d’algorithmes spécialisés. Le CERN a déjà stocké environ un exaoctet (un million de téraoctets) de données expérimentales du LHC, et le nombre de collisions doit être multiplié par dix avec le LHC à haute luminosité (HL-LHC), attendu vers 2030. Le communiqué cite Enrica Porcari, Chief Information Officer du CERN, et Johannes Brandstetter, Vice-President of AI for Engineering chez Mistral, mais ne donne ni montant, ni calendrier, ni moyens de calcul.

🔗 Le communiqué du CERN · Le fil de @MistralAI

The Agentic Scientist : Sakana AI encadre des agents de code pour mener une recherche de bout en bout

15 octobre — Sakana AI présente The Agentic Scientist, nouvelle génération de son AI Scientist, le projet qui teste depuis 2024 jusqu’où une IA peut mener seule une recherche. Le point de départ est un constat :

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇫🇷 Les agents de code comme Codex et Claude Code mènent désormais seuls de longues tâches logicielles. Leur confier un problème de recherche produit pourtant plutôt un excellent optimiseur d’hyperparamètres qu’un scientifique : les scores montent, mais les idées restent étroites et les raisons du gain sont rarement examinées. — @SakanaAILabs sur X

La réponse est un échafaudage autour d’agents de code existants (Codex, Claude Code, OpenCode, Pi) : des agents parallèles testent des hypothèses contre des grilles d’évaluation fixées avant toute expérience, partagent leurs succès et leurs échecs dans une mémoire commune, puis le système enchaîne références, ablations, évaluation finale scellée et analyses, jusqu’à la rédaction de l’article. Sakana AI l’a évalué sur 5 sujets avec 9 modèles (4 GPT, 4 Claude, 1 DeepSeek) et 4 harnais, soit 14 combinaisons modèle-harnais et 70 campagnes de recherche : les modèles les plus récents produisent de meilleurs articles, et le choix du harnais compte moins que celui du modèle. Une version de développement a co-écrit avec des chercheurs un article sur Error Diffusion, une règle d’apprentissage inspirée de la biologie, accepté en présentation orale à ALIFE 2026 ; sur la récupération de faits dans de longs documents (Doc-to-LoRA), le système porte l’exactitude de 52 % à 98 % sans réentraîner le modèle. Le code est ouvert sous Apache 2.0 ; Sakana AI rappelle que les humains doivent toujours choisir les questions et vérifier les affirmations, et que les agents tournent avec toutes les permissions, Docker étant recommandé.

🔗 Le billet de Sakana AI · L’article sur arXiv · Le dépôt AI-Scientist-v3

OpenAI verse 5 millions de dollars à une initiative de la Simons Foundation pour les mathématiciens

15 octobre — OpenAI annonce une contribution de 5 millions de dollars à une nouvelle initiative de la Simons Foundation, destinée à aider les mathématiciens à examiner, comprendre et prolonger les résultats produits par l’IA, y compris ceux qu’OpenAI a récemment publiés. Le 6 octobre, l’entreprise avait diffusé 722 manuscrits de résultats mathématiques issus d’un modèle interne non publié, en prévenant que certains résultats non formalisés pouvaient comporter des erreurs. Les fonds seront gérés et attribués par la fondation, et serviront à des ateliers, des conférences et des programmes spéciaux ; OpenAI fournira en outre l’accès à ses modèles et à des ressources de calcul aux chercheurs soutenus par la Simons Foundation. Le message cite celui de la Simons Foundation, qui engage au total 15 millions de dollars dans des ateliers et des initiatives, avec des ressources de calcul gratuites pour les chercheurs qu’elle soutient, au travers de nouveaux partenariats avec Anthropic et OpenAI. L’annonce, faite dans un simple message sur X, ne précise ni le nom de l’initiative ni son calendrier.

🔗 L’annonce d’OpenAI · Les 722 manuscrits du 6 octobre (OpenAI)

Claude Opus 5.5 : le mode rapide sort de l’aperçu de recherche, à 8 et 40 dollars par million de tokens

15 octobre — Le mode rapide (fast mode) de Claude Opus 5.5 quitte l’aperçu de recherche sur Claude Platform, sans liste d’attente. C’est le même modèle, avec les mêmes poids, servi avec jusqu’à 2,5 fois plus de tokens de sortie par seconde et facturé le double du tarif standard d’Opus 5.5. Les requêtes n’ont plus besoin de l’en-tête bêta fast-mode-2026-02-01 (celles qui l’envoient encore restent acceptées), et chaque palier d’usage dispose désormais d’une limite de débit par défaut pour ce mode, distincte de celle d’Opus en vitesse standard.

Modèle Claude en mode rapide	Statut au 15 octobre	Tarif par million de tokens (entrée / sortie)
Opus 5.5	Disponible, sans liste d’attente ni en-tête bêta	8 / 40 dollars (4 / 20 en vitesse standard)
Opus 5	Aperçu de recherche, en-tête bêta requis	10 / 50 dollars
Opus 4.8	Aperçu de recherche, en-tête bêta requis	10 / 50 dollars

Le gain porte sur le débit de sortie, pas sur le délai avant le premier token, et changer de vitesse invalide le cache de prompt ; le mode reste indisponible avec l’API Batch. Il est aussi proposé dans Microsoft Foundry pour les déploiements hébergés sur Azure, ce que confirme désormais la documentation ; Google Cloud doit suivre selon @ClaudeDevs, et le mode reste indisponible sur Amazon Bedrock et Claude Platform on AWS. Dans Claude Code, rien ne change : le mode rapide continue de consommer des crédits d’usage supplémentaires.

🔗 Annonce de @ClaudeDevs · Documentation du mode rapide

Bibliothèques Hugging Face : Transformers 5.20.0 et TRL 1.16.0 intègrent Muse Spark Open

Les deux bibliothèques phares de Hugging Face sortent le jour du lancement de Muse Spark Open et le prennent en charge, chacune avec ses propres nouveautés.

Transformers 5.20.0 : sept modèles ajoutés et la quantification à l’export

15 octobre — Hugging Face publie Transformers 5.20.0, une version portée par l’arrivée de Muse Spark Open, pris en charge le jour même de sa sortie. Six autres modèles entrent dans la bibliothèque.

Modèle ajouté à Transformers	Éditeur du modèle	Particularité technique
Muse Spark Open	Meta	MoE multimodal, 816 milliards de paramètres dont 42 milliards actifs
Ling 3.0 Flash	InclusionAI	MoE hybride, cinq couches Kimi Delta Attention pour une couche MLA
Kolibri 1	Aleph Alpha	MoE de raisonnement allemand-anglais, 6 experts sur 384 par token
MiniCPM-V 4.7	OpenBMB	Positions canvas M-RoPE pour les images et la vidéo
UnlimitedOcr	Baidu	OCR de 3 milliards de paramètres, cache KV constant
UltraBERT	DMIS Lab	Encodeurs de 150M et 380M paramètres, contexte de 32K tokens
MOSS-Transcribe-Diarize	OpenMOSS	0,9 milliard de paramètres, transcription et diarisation dans plus de 50 langues

Côté outillage, les exportateurs savent désormais quantifier pendant l’export vers ONNX, OpenVINO ou ExecuTorch, et les points de contrôle d’entraînements FSDP combinés au parallélisme tensoriel se rechargent dans une autre configuration. Hugging Face prévient toutefois d’une régression de vitesse en inférence avec parallélisme d’experts, en cours de correction, et de plusieurs changements cassants, dont le retrait de méthodes de cache dépréciées.

🔗 Notes de version de Transformers 5.20.0

TRL 1.16.0 : l’entraînement sur AWS Trainium et AsyncGRPO jusqu’à 3,1 fois plus rapide

15 octobre — TRL 1.16.0 ouvre la bibliothèque d’entraînement de Hugging Face aux puces Trainium d’AWS : un nouveau réglage par défaut évite que Trainium recompile à chaque nouvelle longueur de séquence, ce qui divise par deux le temps d’un petit entraînement de test, 20 pas de SFT de Qwen3-0.6B sur Trainium2 bouclés en 130 secondes au lieu de 260. L’autre nouveauté vise l’apprentissage par renforcement des agents : dans les trajectoires générées (rollouts) à plusieurs tours ou à plusieurs générations, un même début de conversation se répète d’une ligne à l’autre, et AsyncGRPO l’organise désormais en arbre de préfixes pour ne le calculer qu’une fois. Sur Qwen3-1.7B, avec 32K tokens par trajectoire, le gain atteint 3,10 fois en vitesse et le pic de mémoire passe de 35,2 à 13,5 Gio ; sans préfixe partagé, le surcoût est d’environ 1 %. La version prend aussi en charge Muse Spark Open, affinable en LoRA sur 64 GPU H100 (14,2 secondes par pas, 40,2 Go par GPU), et les GPU AMD dans les entraîneurs asynchrones.

🔗 Notes de version de TRL 1.16.0

GPT-Live-1.1 : de nouvelles voix et des accents plus naturels dans ChatGPT, Codex et les dots

15 octobre — OpenAI met à jour son modèle vocal. GPT-Live-1.1 et sa déclinaison réduite GPT-Live-1.1 Quip, présentée comme une version mini du modèle, se déploient dans le mode vocal de ChatGPT, de Codex et des dots, les agents permanents lancés le 29 septembre, avec des accents plus naturels d’une langue à l’autre. Le modèle varie aussi davantage les courtes phrases qu’il prononce quand il lance une recherche : OpenAI résume l’amélioration par « moins de checking… ».

Six langues gagnent de nouvelles voix Live : le français, l’allemand, l’hindi, le japonais, le coréen et l’espagnol du Mexique, auxquelles s’ajoute une voix anglaise baptisée Bubbie ; les voix proposées peuvent varier selon la région et le compte, et se choisissent dans Settings > Voice. La mise à jour se déploie dès le 15 octobre pour tous les utilisateurs et arrivera « bientôt » dans l’API, où GPT-Live-1 est proposé depuis le 10 septembre à 0,05 dollar la minute. OpenAI ne publie ni benchmark ni répartition de GPT-Live-1.1 et de Quip entre les forfaits.

🔗 Annonce d’OpenAI · Notes de version de ChatGPT

Universal Cart : Google lance aux États-Unis un panier commun à Google Search et à l’application Gemini

15 octobre — Google lance Universal Cart aux États-Unis. Ce panier d’achat « intelligent », présenté en avant-première à Google I/O en mai, se déploie à la fois dans Google Search, AI Mode compris, et dans l’application Gemini : un produit ajouté depuis l’une de ces surfaces reste dans le même panier, quelle que soit l’enseigne. Le billet prend l’exemple d’un sac ajouté dans AI Mode, puis d’un pull et d’un gloss ajoutés dans l’application Gemini, que l’on retrouve ensemble plus tard.

Fonction d’Universal Cart	Ce qu’elle apporte selon Google
Panier multi-enseignes	Un seul panier conservé d’une surface Google à l’autre
Alertes de prix et stock	Baisse de prix et retour en stock, sur plus de 60 milliards de fiches du Shopping Graph
Appui sur Google Wallet	Avantages des cartes enregistrées pour choisir le moyen de paiement, codes promo pertinents
Paiement des achats	Google Pay depuis le panier (Universal Commerce Protocol) ou transfert vers le site marchand

Le paiement direct fonctionne chez Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair et de nombreux marchands Shopify ; dans tous les cas, le marchand reste le vendeur et gère confirmations et service client. Google range l’outil parmi les fonctions qui laissent la main à l’acheteur, à côté de ses travaux sur des capacités agentiques qui agissent pour lui. Aucune date n’est donnée pour d’autres pays.

🔗 Universal Cart (blog Google)

Manus Automations : des tâches récurrentes lancées sur planning ou sur déclencheur

15 octobre — Manus lance Automations, qui met le travail répétitif « en pilote automatique » : l’utilisateur décrit quand la tâche doit démarrer et à quoi doit ressembler le résultat. Trois modes de lancement coexistent : un planning, par exemple chaque jour de semaine à 8 h ; un déclencheur lié à une application connectée, comme une facture qui arrive dans Gmail ; et, en bêta, une automatisation avancée qui combine plusieurs sources et conditions décrites par l’utilisateur. La fonction prolonge les Scheduled Tasks 2.0 de mai et les automatisations déclenchées par événement annoncées avec Manus 2.0 le 28 septembre. Le fil ne précise ni la formule requise ni le coût en crédits.

🔗 Annonce de Manus

Brèves

Agents et outils de code

Notes de version de Devin du 14 octobre — La veille du lancement de Devin Oncall, Devin ajoute Splunk, Elastic, Dynatrace, Chronosphere et Google Cloud Monitoring comme plugins d’observabilité, un rôle Review manager qui gère les règles de revue sans droits d’administration, et l’export des constats de code scan au format SARIF 2.1.0, en plus du CSV. 🔗 source
Warp et ses usines logicielles — Dans deux billets de méthode, sans nouvelle fonction, Zach Lloyd, fondateur de Warp, dit avoir ramené le coût par PR de son équipe de 80 à 20 dollars en six semaines, avec moins de retours arrière et un débit de PR supérieur de 40 % au mois précédent. 🔗 source
Qwen Code v0.25.2 — La version passe en stable deux jours après sa préversion du 13 octobre, avec 68 pull requests absentes de celle-ci, dont 11 fonctionnalités (glisser-déposer de fichiers dans le Web Shell, relecture des messages des MCP Apps avant envoi, annulation des tâches de workflow et persistance en 32 tables pour le Managed Agent) et 38 correctifs. 🔗 source
Copilot CLI 1.0.99 en préversion — Deux préversions dans la journée, sans version stable : le bac à sable autorise par défaut l’accès au réseau local, /share ouvre un menu plein écran, les plugins des dépôts de confiance s’installent d’office, et les Skills et plugins vérifiés s’installent depuis un lien GitHub. 🔗 source
SDK Antigravity 0.1.22 — Ajoute l’orchestration de workflows dynamiques et les skills définies en mémoire : en rattrapage du 11 octobre, le SDK Python propose en bêta des briques typées (phase, agent, parallel, pipeline) pour écrire des workflows d’agents, des skills déclarées sans fichier (InlineSkill) et un plafond de tokens de sortie par étape au-delà de 64k tokens. 🔗 source
google/adk-recipes — Successeur restructuré d’adk-samples, le dépôt d’exemples de l’Agent Development Kit de Google est désormais pensé pour les assistants de code : chaque recette fournit un manifest.yaml et un AGENTS.md, le premier plugin métier vise le commerce de détail, et Horizon sert de harnais de référence aux agents qui travaillent sur plusieurs jours. 🔗 source
DeepSeek Harness 0.2.1-alpha.4 — 28e préversion, toujours sans version stable : l’effort de raisonnement se règle modèle par modèle pour les API personnalisées, directement dans l’interface, et les plugins s’installent depuis des index personnalisés ; le même jour, FlashMLA passe à l’interface binaire stable de CPython et de LibTorch. 🔗 source
Trois modèles quittent Copilot le 16 novembre — Claude Opus 4.8 et Claude Opus 5, à remplacer par Claude Opus 5.5, et GPT-5.6 Terra, à remplacer par GPT-6.1 Sol ou GPT-6 Luna ; les abonnés individuels en formule annuelle gardent Claude Opus 4.8, et les remplaçants s’activent d’office en Business et Enterprise. 🔗 source

Assistants, entreprises et guides

Genspark dans les messageries — On écrit à @genspark_ai dans iMessage, WhatsApp, Slack ou LINE pour résumer un PDF ou créer une présentation, et le résultat revient dans la même conversation ; ni formule ni tarif précisés. 🔗 source
Kimi Work 3.2.17 et un troisième tutoriel — Trois jours après la 3.2.16, les conversations affichent les images et le contrôle à distance permet de choisir le mode Agent Swarm ; Moonshot AI publie aussi une troisième vidéo de prise en main, sur l’automatisation des flux de travail, sans fonction présentée comme nouvelle. 🔗 notes de version · 🔗 tutoriel
Bourses d’Anthropic — Candidatures ouvertes jusqu’au 28 octobre pour les STEM Fellows et une nouvelle bourse, Conceptual Reasoning Fellows (philosophie, sciences cognitives, économie, politiques publiques, droit) : quatre mois à temps plein, du 12 janvier au 8 mai 2027, rémunérés de 100 000 à 167 000 dollars, autorisation de travail américaine requise. 🔗 source
Compliance API de Claude Enterprise — En bêta, l’API renvoie aux administrateurs les instructions personnelles enregistrées par chaque membre dans claude.ai et dans Cowork ; la veille, les déploiements planifiés de Managed Agents arrivaient sur Claude Platform on AWS. 🔗 source
Block et OpenAI Daybreak — Dans une étude de cas d’OpenAI du 14 octobre, l’équipe sécurité de Block (Square, Cash App, Afterpay) dit avoir ramené à 18 minutes le passage d’une vulnérabilité soumise à un correctif proposé lors d’exercices d’attaque simulée, et rendu environ 600 heures d’analyste par trimestre. 🔗 source
AI for Educators en portugais du Brésil — Pour la Journée des enseignants, OpenAI met en ligne cette version de son cours gratuit sur OpenAI Academy, destiné aux enseignants du primaire au supérieur, et rappelle le Study Mode de ChatGPT. 🔗 source
Superwhisper Meetings — Superwhisper lance un enregistreur et preneur de notes de réunion qu’il présente comme le premier entièrement local, propulsé par Tiny Aya et Cohere Transcribe ; ni prix ni plateformes indiqués. 🔗 source
Trois guides de Cohere — Sans produit ni chiffre nouveau, Cohere publie des billets sur l’IA chez les opérateurs d’énergie et de services publics, autour de North, sur la prolifération des agents en entreprise, avec l’idée de faire concourir un agent challenger et l’agent en place, et sur la mesure du retour sur investissement. 🔗 services publics · 🔗 agents · 🔗 ROI
Guide de Perplexity sur la recherche — Un guide retrace 12 articles fondateurs de l’IA et six travaux récents, compare les outils de recherche assistée et propose un cadre en sept étapes ; aucune fonctionnalité nouvelle. 🔗 source

Médias génératifs

Suno — Deux fonctions de collaboration : des espaces de travail partagés en lecture ou en édition avec les seuls invités (Pro et Premier), et des modèles personnalisés partageables avec des collaborateurs, réglables avec deux fois plus d’entrées (Premier). 🔗 source
Eleven v4 à l’aveugle — ElevenLabs affirme que des auditeurs ont jugé Eleven v4 plus expressif que d’autres modèles vocaux dans chaque test à l’aveugle mené en huit langues, sans nommer les concurrents ni donner de score dans le texte. 🔗 source
Shot Coverage de Luma — La fonction tire d’un seul plan vidéo plusieurs angles de caméra en mouvement, utilisables au montage ; l’annonce ne précise ni modèle, ni tarif, ni date de mise en service. 🔗 source
HeyGen et Jan Hotovec — HeyGen met en avant Jan Hotovec, atteint de paralysie cérébrale, qui a créé avec Fameplay et Nolimi un avatar à son image et avec sa voix pour raconter sa vie avec ses propres mots. 🔗 source

Recherche, calcul et infrastructures

NVIDIA et l’AI in Science Enablers Initiative — Au AI in Science Summit de Dublin, NVIDIA rejoint l’initiative de la Commission européenne avec ses modèles ouverts, un hub de supports de cours libres du Deep Learning Institute et des accès au calcul via des AI factories nationales, sans montant annoncé. 🔗 source
NVIDIA dans les pays nordiques — Avant GTC Berlin, NVIDIA dresse le bilan de son écosystème nordique : le supercalculateur Sferical One (1 152 GPU GB300), 1 gigawatt de cloud IA prévu d’ici fin 2027 et un Stockholm AI Lab avec la fondation Norrsken en 2027 ; la keynote de GTC Berlin est fixée au 21 octobre. 🔗 source
La tokenisation de BERT 50 fois plus rapide — Simon Brandeis, de Hugging Face, explique comment la future version 1.0 de tokenizers rend le tokenizer de BERT environ 50 fois plus rapide qu’avec la 0.23 en traitant à part les caractères ASCII ; les changements sont encore en revue. 🔗 source

GitHub, hors IA

Fin des e-mails de push — GitHub n’envoie plus les e-mails de notification des événements de push des dépôts, qui pouvaient servir à du spam, et renvoie vers un workflow GitHub Actions doté de son propre serveur SMTP. 🔗 source
Licences de GitHub Code Quality — Un rapport CSV liste chaque committer actif qui consomme une licence et les dépôts touchés sur 90 jours, pour repérer les licences à libérer, sur GitHub Team et Enterprise Cloud. 🔗 source

Ce que ça signifie

Les modèles ouverts changent d’échelle, et leur écosystème suit désormais dès le premier jour. Muse Spark Open arrive avec sept fournisseurs d’API, des poids NVFP4 produits par Meta et une prise en charge immédiate dans Transformers, TRL, mlx-lm et Unsloth ; Nemotron 3.5 Super VL publie poids, données et recettes d’entraînement ; FLUX 3 Image Klein entre dans Diffusers et ComfyUI le jour de sa sortie. Mais « ouvert » recouvre des conditions très différentes : la Muse Model License limite l’usage commercial, la licence FLUX Kommunity n’est gratuite que sous 5 millions de dollars de chiffre d’affaires annuel, celle des poids de Timestral exclut les entreprises au-delà de 20 millions de dollars par mois, quand Apertus 1.5 publie ses poids sous Apache 2.0 avec ses données d’entraînement. Le superlatif de Meta rappelle enfin que la course se joue aussi entre pays : Muse Spark Open se présente comme le meilleur modèle ouvert américain, mais GLM 5.3 et Kimi K3 restent devant lui sur l’indice d’Artificial Analysis et en code.

La cybersécurité devient un terrain où l’IA trouve et corrige les failles à grande échelle. Cohere achète avec AISLE un savoir-faire revendiqué sur plus de 500 vulnérabilités inédites, GitHub généralise un AI Scan pour les langages que CodeQL ne couvre pas et un autofix qui relance CodeQL pour vérifier son propre correctif, et Block dit ramener à 18 minutes le passage d’une faille à un correctif proposé lors d’exercices d’attaque simulée. Ces outils restent sous contrôle humain : les résultats de l’AI Scan sont consultatifs, l’autofix ouvre une pull request en brouillon, et Code Review de Claude Code n’approuve ni ne bloque une fusion. L’autre versant est l’isolement des agents eux-mêmes : SPACE, désormais ouvert, garde les identifiants et le trafic sortant hors de la machine virtuelle, et IPI Black paie des attaquants pour mesurer la résistance des agents à l’injection de prompt indirecte.

La confiance passe aussi par des regards extérieurs. En donnant à six personnes de METR un accès comparable à celui d’un salarié, sans droit de veto sur leurs publications, Anthropic va plus loin que l’audit ponctuel et compare le dispositif aux examinateurs résidents des grandes banques. La même exigence de vérification traverse la recherche : Sakana AI fixe les grilles d’évaluation avant toute expérience pour que les agents de code ne se contentent pas d’optimiser un score, et OpenAI finance, par la Simons Foundation, des mathématiciens chargés d’examiner les résultats produits par l’IA, après ses 722 manuscrits du 6 octobre. Le CERN et Mistral affichent l’ambition la plus large, un Large Physics Model entraîné sur des milliards de collisions simulées, mais sans montant ni calendrier.

Côté outillage, l’arbitrage entre coût, vitesse et qualité devient explicite. Chez OpenAI, GPT-6.1 Sol en effort Ultra retrouve 92 % des constats de GPT-6 Astra Ultra pour 14 % du coût ; le mode rapide d’Opus 5.5 vend 2,5 fois plus de débit pour le double du prix ; Code Review facture les tokens consommés, sous un plafond mensuel. Les agents s’installent aussi dans les tâches sans surveillance : Devin Oncall prend les astreintes, Claude Code 2.1.301 cesse d’attendre une limite d’usage lointaine et trace chaque verdict de son classifieur, et le mode Auto de l’Antigravity CLI confie à un agent distinct la revue des commandes qui sortiraient du bac à sable. Les bancs d’essai peinent à suivre : sur SREGym-Lite, Devin Oncall et CloudThinker atteignent tous deux 100 % avec GPT-6 Astra.