Ce mardi, Google lance Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, deux modèles de dialogue vocal en temps réel capables d’appeler des outils en arrière-plan sans couper la conversation. Anthropic publie trois versions de Claude Code et fait entrer Salesforce dans Claude, tandis qu’OpenAI fixe au 14 octobre le retrait de GPT-5.5 de ChatGPT et de Codex. Les agents gagnent aussi les circuits de distribution existants, de HP qui pré-installe Perplexity à Devin vendu sur AWS Marketplace, et NVIDIA détaille deux briques de sa plateforme Vera Rubin.
Gemini 3.8 Live et 3.8 Live Extended Thinking, deux modèles vocaux qui agissent en parlant
15 septembre — Google lance deux modèles de dialogue vocal en temps réel, présentés par l’équipe Gemini Audio. Gemini 3.8 Live vise l’échelle, la vitesse et le coût : il accepte des entrées visuelles en quasi temps réel et bascule automatiquement entre 97 langues au fil de la conversation. Gemini 3.8 Live Extended Thinking s’adresse aux tâches qui demandent un raisonnement en plusieurs étapes : il raisonne et parle en même temps, accuse réception par de courtes amorces verbales et commente l’avancement de ses tâches de fond ; son niveau de réflexion se règle dans l’API. Les deux modèles exécutent des appels d’outils et d’API en arrière-plan (asynchronous function calling) pendant que la réponse audio continue.
The models talk, think, and handle tasks in the background without breaking your flow.
🇫🇷 Les modèles parlent, réfléchissent et gèrent des tâches en arrière-plan sans interrompre le fil de votre conversation. — @GoogleDeepMind sur X
Google met aussi en avant la précision sur les données alphanumériques dictées, comme les codes de confirmation ou les numéros de dossier, et présente ces modèles comme une alternative plus simple aux architectures en cascade, qui enchaînent transcription, traitement du texte et synthèse vocale. Selon la fiche du modèle Gemini 3.8 Audio, ils sont fondés sur Gemini 3 Pro, acceptent audio, images, vidéo et texte dans un contexte de 128K tokens, produisent jusqu’à 64K tokens en sortie et s’appuient sur des connaissances arrêtées en janvier 2025.
| Classement ou benchmark | Modèle évalué | Score publié par Google |
|---|---|---|
| Indice Speech to Speech Quality (Artificial Analysis) | 3.8 Live Extended Thinking | 82,6 (1re place) |
| τ-Voice | 3.8 Live Extended Thinking | 68,6 % |
| τ-Voice-banking (Sierra) | 3.8 Live Extended Thinking | 35,1 % |
| Big Bench Audio | 3.8 Live Extended Thinking | 97,7 % |
| Speech Agent Arena (Artificial Analysis) | 3.8 Live | 2e place |
Ces classements sont tenus par des tiers, mais les scores cités sont ceux que publie Google. Dans la Live API, Google estime le coût des deux modèles à 0,005 dollar la minute d’audio en entrée et 0,018 dollar la minute d’audio en sortie, sur la base de 3 dollars le million de tokens en entrée et 12 dollars en sortie ; Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel et Vision Agents sont cités comme intégrateurs.
| Canal de diffusion | Gemini 3.8 Live | Gemini 3.8 Live Extended Thinking |
|---|---|---|
| API Gemini et Google AI Studio | Dès le 15 septembre | Dès le 15 septembre |
| Gemini Enterprise | Préversion privée | Préversion privée |
| Grand public | Search Live | Gemini Live, Docs Live (abonnés Google AI Pro et Ultra), Gmail Live et Keep Live (tous les abonnés Google AI) |
Dans Search Live, le modèle guide pas à pas un dépannage en temps réel. Tout l’audio généré porte le filigrane invisible SynthID.
🔗 Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking 🔗 Billet développeurs sur la Live API 🔗 Fiche du modèle Gemini 3.8 Audio
Claude Code 2.1.271 à 2.1.273 : mode rapide en Remote, réseau par commande et permissions resserrées
15 septembre — Anthropic publie trois versions de Claude Code en un peu plus de 22 heures, la première juste après minuit heure de Paris.
| Version publiée | Date et heure (UTC) | Contenu des notes |
|---|---|---|
| 2.1.271 | 14 septembre, 22 h 12 | 96 lignes : mode rapide en Remote, allowed_domains par commande, omitClaudeMd, --accept-command |
| 2.1.272 | 15 septembre, 0 h 42 | Une ligne : corrections de bugs et améliorations de fiabilité |
| 2.1.273 | 15 septembre, 20 h 23 | 64 lignes : en-têtes pour passerelles LLM, duplication des sessions Remote Control, classifieur local sur Bedrock, Vertex et Foundry |
La 2.1.271 ouvre le mode rapide (fast mode) aux sessions Claude Code Remote, dans le cloud comme sur les exécuteurs auto-hébergés (self-hosted runners), là où l’organisation l’autorise. En mode auto avec bac à sable, Bash, PowerShell et Monitor acceptent une liste allowed_domains par commande : les hôtes nécessaires sont examinés avec la commande et ouverts pour elle seule, les autres sont refusés. Le champ omitClaudeMd du frontmatter des agents lance un sous-agent sans les fichiers CLAUDE.md utilisateur, projet et local, les fichiers de politique gérée restant chargés, et claude plugin install --accept-command <sha256> n’accepte que la commande exacte affichée lors d’un passage précédent en --json, au lieu d’un -y. La 2.1.273 permet de dupliquer (fork) depuis l’app Claude une session lancée avec claude --remote-control, la session dupliquée tournant alors en arrière-plan sur l’ordinateur. Elle prévient aussi quand un serveur MCP se déconnecte et que la reconnexion automatique abandonne, et ajoute des en-têtes de requête pour les passerelles LLM, activés par CLAUDE_CODE_GATEWAY_HINT_HEADERS=1.
| Élément modifié | Nouveau comportement |
|---|---|
| Retour d’un sous-agent en mode auto | Appel de retour dédié (hand-back call) examiné par le classifieur de sécurité, au lieu d’un contrôle après coup de son dernier message |
Commandes ! des skills et commandes slash en mode auto | Règles de permission du mode par défaut au lieu du classifieur |
| Surveillances Monitor | Échéance obligatoire de 30 minutes au plus (10 en exécution -p), Claude prévenu pour les réarmer |
| Workflows dynamiques | Pause à la limite d’usage et reprise automatique à la réinitialisation, au lieu d’abandonner les agents |
| Mode auto sur Bedrock, Vertex et Foundry (2.1.273) | Classifieur local par défaut pour l’instant, CLAUDE_CODE_AUTO_MODE_SERVER=1 pour celui de la plateforme |
Les deux versions corrigent aussi plusieurs contrôles de permission. Des commandes avec un sous-shell, deux changements de dossier ou une chaîne cd + git sautaient l’invite sous permissions.blockReadsOutsideWorkingDirectories, et un sous-shell pouvait masquer un rm dangereux en mode de contournement des permissions (bypass). Les réglages MCP imposés par MDM ou managed-settings.json étaient ignorés dès que des réglages gérés côté serveur existaient. /resume et /teleport conservaient le suivi des fichiers lus de la conversation précédente, si bien que Claude pouvait modifier des fichiers que la conversation reprise n’avait jamais lus. Enfin, la jauge de contexte comptait les tours de l’outil advisor à environ deux fois leur taille, ce qui déclenchait la compaction automatique vers la moitié de la fenêtre.
Aucune des trois notes ne mentionne les Claude Mods annoncés le 14 septembre ; sur l’issue #91870, des testeurs de la communauté estiment toutefois que la 2.1.272 a déjà touché leur surface.
🔗 Notes de version de Claude Code 2.1.271 🔗 Notes de version de Claude Code 2.1.273
Salesforce in Claude, un plugin de vente en bêta pour les organisations approuvées
15 septembre — Anthropic lance en bêta Salesforce in Claude, qui fait entrer dans Claude les comptes, les opportunités et le pipeline d’un commercial. Le billet présente un plugin conçu avec Salesforce, quand le centre d’aide attribue à Salesforce la construction de ses 37 skills de vente : recherche de comptes, préparation d’appels, revue de pipeline ou mise à jour du CRM. Deux connecteurs l’accompagnent, Salesforce en lecture et en écriture, et Slack pour les canaux d’affaires et les fils d’équipe.
Salesforce reste le système de référence : chaque commercial se connecte avec ses propres identifiants, Claude ne lit que ce que ses permissions Salesforce autorisent, et chaque écriture doit être approuvée par défaut. Le plugin fonctionne dans le chat et dans Claude Cowork (web et desktop). La bêta concerne les forfaits payants, mais seulement les organisations acceptées par Salesforce via son inscription à la bêta et disposant de la dernière édition entreprise de Sales Cloud ; leurs administrateurs Salesforce demandent l’accès sur AgentExchange. GitLab, Siemens et Legora l’ont déployé, et 7 000 commerciaux de Salesforce l’utilisent.
🔗 Bringing Salesforce into Claude 🔗 Configurer Salesforce in Claude pour son organisation
GPT-5.5 quittera ChatGPT, ChatGPT Work et Codex le 14 octobre, mais reste dans l’API
15 septembre — OpenAI annonce sur X la fin de GPT-5.5 dans ses applications, déjà inscrite dans le changelog de ChatGPT et Codex à la date du 14 septembre. Le 14 octobre, le modèle quittera ChatGPT, ChatGPT Work et Codex sur tous les forfaits : grand public, Business, Enterprise et Edu.
| Surface concernée | Situation au 14 octobre |
|---|---|
| ChatGPT et ChatGPT Work | GPT-5.5 retiré sur tous les forfaits |
| Codex avec connexion ChatGPT | GPT-5.5 retiré, passage demandé à gpt-5.6-sol |
| Codex avec clé API | GPT-5.5 toujours disponible |
| API OpenAI | GPT-5.5 toujours disponible |
Pour Codex avec connexion ChatGPT, la documentation demande de remplacer gpt-5.5 partout où il est choisi explicitement : paramètres par défaut de l’espace de travail, réglages enregistrés, configurations gérées, agents personnalisés, tâches planifiées et scripts. Le message du compte @ChatGPT cite aussi GPT-6 Astra comme remplaçant dans Codex. Le guide des administrateurs prévient que changer le modèle par défaut n’ouvre pas l’accès au modèle : il faut vérifier, client par client, que le remplaçant est disponible pour les utilisateurs concernés. OpenAI reprend le préavis d’un mois appliqué à GPT-5.4 et GPT-5.4 mini, retirés de Codex le 31 août pour les utilisateurs connectés avec ChatGPT, après une annonce le 31 juillet.
🔗 Changelog ChatGPT et Codex 🔗 Message de @ChatGPT sur X
HP pré-installe Perplexity sur ses PC Windows, avec une connexion à Autodesk Revit
15 septembre — Perplexity et HP annoncent la pré-installation de l’application Perplexity pour Windows dans la barre des tâches des PC du constructeur, en commençant par la station de travail mobile ZBook Ultra G3a, équipée de processeurs AMD Ryzen AI Max PRO série 400 ; d’autres modèles suivront dans les prochains mois, sans liste, prix ni date. Selon le billet, les capacités d’IA locale de la ZBook Ultra G3a permettent d’exécuter les tâches courantes avec Portable Computer, la version locale de l’agent qui travaille sans crédits cloud et hors connexion, mais sa disponibilité dépend de la configuration de l’appareil : le billet ne liste pas les configurations compatibles, alors que la version Windows publiée la veille exigeait un GPU NVIDIA RTX d’au moins 24 Go de mémoire vidéo.
Portable Computer se connecte aussi à Autodesk Revit, le logiciel de maquette numérique du bâtiment (Building Information Modeling), par le serveur MCP de Revit 2027, proposé en préversion technique (Tech Preview) comme module distinct. L’accès est en lecture seule : l’agent répond à des questions sur la maquette, comme le nombre de portes d’un étage ou leur degré coupe-feu, et exporte vues, PDF et nomenclatures sans la modifier. Personal Computer for Windows est accessible aux abonnés Pro, Max et Enterprise, sous Windows 10 et 11.
🔗 Perplexity comes to more Windows PCs with HP
Cognition signe avec AWS et lance macOS dans Devin Cloud
15 septembre — Cognition publie deux annonces le même jour, liées par l’infrastructure : les Mac sur lesquels Devin construit désormais des applications Apple sont des hôtes AWS EC2 Mac.
Un accord de collaboration stratégique avec AWS
Cognition et Amazon Web Services concluent un accord de collaboration stratégique (Strategic Collaboration Agreement) pluriannuel, dont le billet ne précise ni le montant ni la durée exacte. Deux éléments sont déjà en place : Devin s’achète via AWS Marketplace, et l’Agent Toolkit for AWS s’utilise directement dans Devin. Des intégrations plus poussées dans les environnements AWS des clients sont à l’étude, sans calendrier. Devin se déploie dans un environnement mono-locataire (single-tenant), dans la région AWS choisie par le client, avec des données conservées dans un VPC dédié et une machine virtuelle par session, supprimée à la fin du travail.
| Client cité par Cognition | Résultat annoncé |
|---|---|
| Mercedes-Benz | Plus de 200 000 lignes de COBOL analysées, projet estimé à huit mois ramené à huit jours |
| Constructeur automobile non nommé | Flux COBOL de 25 000 lignes migré d’un ordinateur central (mainframe) vers AWS Lambda, coût estimé 73 % plus bas |
🔗 Billet de Cognition sur l’accord avec AWS
macOS arrive dans Devin Cloud
Le 31 juillet, Cognition montrait déjà des agents cloud Devin sous macOS, avec Xcode et le simulateur iOS. Le lancement du 15 septembre dans Devin Cloud, pour construire et vérifier des applications iPhone, iPad et Mac, apporte plusieurs nouveautés : Devin envoie dans Slack l’enregistrement d’écran de ses tests, transmet un lien TestFlight pour installer l’application, et un nouveau panneau iOS Simulator montre l’application en cours d’exécution. L’agent pilote aussi les applications par leur arbre d’accessibilité, exposé à son outil d’usage de l’ordinateur (computer use) : il interroge un contrôle par son rôle et son nom, agit dessus puis relit l’arbre, les captures d’écran servant toujours à juger le rendu. Cette couche s’appuie sur l’accessibility-cli open source de Dioxus, dont l’équipe a rejoint Cognition le 10 septembre.
Les VM macOS tournent sous Virtualization.framework d’Apple sur des Mac physiques AWS EC2 Mac, avec une interface NBD (Network Block Device) ajoutée au système d’instantanés (snapshots) pour reprendre une session sans garder la machine allumée. Une passerelle Ethernet en espace utilisateur remplace le NAT géré d’Apple pour appliquer la politique réseau de chaque session. Ni tarif ni offre concernée ne sont précisés.
NVIDIA détaille deux briques de Vera Rubin, Groq 3 LPX et NVLink 6
15 septembre — Deux billets du blog technique de NVIDIA expliquent comment la plateforme Vera Rubin économise l’énergie en inférence et encaisse les pannes de son réseau. Les chiffres ci-dessous sont ceux de NVIDIA.
Groq 3 LPX, l’exécution déterministe pour réduire la marge de tension
L’entrée en production de Groq 3 LPX a été couverte ici le 24 août ; ce billet en explique le mécanisme. Avant l’exécution, le compilateur des puces LPU fixe au cycle d’horloge près le moment de chaque calcul et de chaque transfert de données sur les 256 puces du rack, ce qui lui permet de prédire l’appel de courant. Deux technologies en tirent parti : Preemptive Power (PEP) demande au réseau d’alimentation de relever la tension juste avant un pic de demande, et Clock Period Synthesis (CPS) allonge les cycles d’horloge où le courant grimpe le plus vite. Le but est de réduire la marge de tension (voltage guardband) que garde tout circuit, coûteuse puisque la puissance croît avec le carré de la tension : 10 % de tension en plus représentent 21 % de puissance en plus.
En tests internes, la chute de tension baisse de plus de 60 %. NVIDIA estime que, pour une même charge, la puissance requise pourrait baisser d’un pourcentage « à deux chiffres bas » (low-double-digit) par rapport à un système non déterministe comparable. Ces contrôles arrivent sur Vera Rubin au second semestre 2026.
🔗 Billet de NVIDIA sur l’exécution déterministe de Groq 3 LPX
NVLink 6, une pile de résilience du silicium au logiciel
NVLink 6 relie les 72 GPU Rubin d’un rack Vera Rubin NVL72 en un seul domaine ; son débit de paquets 10 fois supérieur aux alternatives Ethernet génériques, revendiqué par NVIDIA, était déjà cité ici le 21 juillet. Le billet détaille cette fois la tolérance aux pannes, couche par couche.
| Niveau de la pile | Mécanisme décrit par NVIDIA |
|---|---|
| Couche physique | Correction d’erreurs allégée, doublée d’une retransmission au niveau physique (Physical Layer Retry) |
| Couche liaison | Contrôle de flux par crédits (credit-based flow control), sans perte de paquets par construction |
| Gestion des liens | Récupération logicielle en environ 1,5 seconde via le NMX Controller |
| Service d’inférence | Shadow Engine Recovery (NVIDIA Dynamo) : interruption ramenée de 283 à 7,3 secondes sur GPU B200 |
| Checkpoints multi-nœuds | cuda-checkpoint pris en charge par NCCL en prototype, disponibilité générale attendue d’ici la fin de l’année |
Le contrôle de flux par crédits n’envoie un paquet que si le saut suivant a la place de le recevoir, là où Ethernet s’appuie sur PFC et ECN. Shadow Engine Recovery, lui, garde une réplique du moteur d’inférence déjà initialisée avec ses propres communicateurs NCCL.
🔗 Billet de NVIDIA sur la résilience de NVLink 6
Gemini Notebook annonce la conversation vocale avec ses notebooks et un enregistreur audio
15 septembre — Pour la rentrée universitaire, Gemini Notebook change d’apparence et annonce une série d’outils d’étude, dont la plupart restent à venir.
| Outil d’étude annoncé | Disponibilité indiquée |
|---|---|
| Conversation vocale en temps réel avec ses notebooks, sur mobile, en près de 100 langues | Cette semaine pour les abonnés Google AI Ultra majeurs, bientôt pour Google AI Pro et les autres |
| Enregistreur audio dans l’application mobile | À partir de la semaine prochaine |
| Aperçus d’apprentissage interactifs dans Reports | Dans les prochaines semaines, pour tous les utilisateurs |
| Quiz à réponse courte, à choix multiples ou à trous | Dans les prochaines semaines, pour tous les utilisateurs |
| Short Video Overviews en plus de 80 langues, partageables | Désormais, contre plus de 70 langues le 1er septembre |
La conversation vocale répondra à partir des sources du notebook et pourra être interrompue à la voix, et l’enregistreur captera un cours ou une réflexion directement dans le notebook, à côté des sources. Les aperçus d’apprentissage assembleront résumés, infographies, quiz et cartes de révision (flashcards). Côté offres étudiantes, déjà présentées en août, Google précise que l’année de Google AI Pro offerte aux étudiants américains quadruple les limites dans Gemini Notebook, et que l’année de Google AI Plus proposée dans plus de 140 autres marchés les double.
🔗 Sharpen your study routine with new Gemini Notebook tools
Antigravity 2.14.0 ouvre le terminal intégré et Git aux comptes Enterprise et Business
15 septembre — Antigravity 2.14.0, qui compte 10 améliorations et 18 correctifs, ouvre aux comptes Enterprise et Business le terminal intégré et le contrôle de version Git dans la barre latérale, arrivés avec la 2.10.0 du 24 août pour les autres comptes. Les conversations à l’historique très long se chargent plus vite et consomment moins de mémoire, et une analyse redondante des skills, des règles et des fichiers de personnalisation, relancée à chaque message, disparaît.
Parmi les correctifs, une erreur de service transitoire ne met plus fin à la session : elle est retentée avec un délai croissant pendant environ douze minutes. Les sous-agents terminés ne restent plus affichés comme actifs en bloquant les messages suivants jusqu’au redémarrage, et une fuite mémoire liée aux sorties des commandes terminal est corrigée. Le titre de la version évoque un nouveau système de permissions, mais les notes se limitent sur ce point à renommer la section des réglages généraux en « Global Permissions » et l’option d’héritage des réglages de projet en « Inherit Global ».
🔗 Changelog de Google Antigravity
IBM Research divise par deux l’écart de constance d’un agent avec ALTK-Evolve
15 septembre — Sur le blog Hugging Face, IBM Research publie le troisième volet de sa série ALTK-Evolve, consacré cette fois à la constance d’exécution des agents. Sur 168 tâches d’AppWorld, un agent ReAct sous GPT-4.1 réglé à température 0 réussit en moyenne 77,4 % de ses exécutions sur cinq essais (Mean@5), mais ne réussit les cinq que pour 53,0 % des tâches (Pass^5). IBM appelle cette différence de 24,4 points l’écart de constance (consistency gap).
Le Consistency Analyzer repère les décisions instables à partir d’une seule trajectoire enregistrée : il rejoue hors ligne chaque étape en demandant cinq complétions, sans vérité terrain, sans relancer la tâche et sans accès aux logits. Les étapes fragiles deviennent des consignes de constance (consistency guidelines), injectées au moment de l’inférence.
| Configuration de l’agent | Score Mean@5 | Score Pass^5 | Écart de constance |
|---|---|---|---|
| ReAct GPT-4.1 sans consignes | 77,4 % | 53,0 % | 24,4 points |
| ReAct GPT-4.1 avec consignes de constance | 81,0 % | 69,0 % | 12,0 points |
Sur gpt-oss-120b, Pass^5 passe de 10,1 % à 16,1 %. L’Analyzer et la génération de consignes sont intégrés au dépôt open source d’ALTK-Evolve.
🔗 Billet d’IBM Research sur le blog Hugging Face
Aillis adopte Sakana Namazu pour Evidence Finder, 96,4 % à l’examen national de médecine japonais
14 septembre — Aillis, société japonaise qui conçoit des dispositifs médicaux fondés sur l’apprentissage automatique, adopte Sakana Namazu, le LLM spécialisé en japonais lancé début août par Sakana AI, dans Evidence Finder, son outil de recherche de preuves pour médecins. Le communiqué, publié à 11 h heure de Tokyo, a été relayé par Sakana AI sur X le même jour à 15 h 30 heure du Pacifique, après notre relevé du 14 septembre. Evidence Finder rédige à partir de la littérature médicale des réponses qui citent leurs références, dont sa fonction Verify contrôle l’existence ; les deux sociétés engagent aussi un travail commun sur les usages médicaux.
La version d’Evidence Finder qui s’appuie sur Sakana Namazu obtient 96,4 % (482 points sur 500) à la 120e édition de l’examen national de médecine japonais, en février 2026. Selon le relevé d’Aillis au 1er septembre, c’est le meilleur score parmi les modèles de fondation nationaux désignés par le programme GENIAC du ministère japonais de l’Économie. Le communiqué émet deux réserves : les restrictions du produit, dont le refus des questions à image, ont été levées pour ce test, alors que le service commercial ne traite que des questions textuelles, et Evidence Finder n’est pas un dispositif médical.
🔗 Communiqué d’Aillis sur PR Times 🔗 Relais de Sakana AI sur X
Google chiffre l’usage de l’IA et son impact social
15 septembre — Google publie le même jour deux séries de billets consacrées à l’usage réel de l’IA et à ses retombées sociales.
AI & Economy ATLAS s’ouvre au public, avec une étude sur les scientifiques
L’AI & Economy ATLAS, le programme de recherche du bureau de l’économiste en chef de Google, dont provenaient les chiffres sur les démarches administratives cités ici le 9 septembre, devient une expérience interactive en accès libre : on y compare l’usage de l’IA par profession, à la maison et pays par pays.
| Indicateur ATLAS mis en avant | Valeur publiée par Google |
|---|---|
| Inde : part des métiers des arts, du design et des médias dans l’usage professionnel de l’IA | 19 %, soit 1,6 fois la moyenne mondiale |
| États-Unis : part de l’informatique et des mathématiques | 30 %, le double du reste du monde |
| Brésil et Allemagne : part des tâches manuelles, comme le diagnostic d’équipement | 7 %, contre 4 % au Japon |
Une étude de Google, Google DeepMind et du MIT FutureTech, fondée sur l’analyse de 2 600 modèles d’IA spécialisés et une enquête auprès de plus de 600 scientifiques américains et britanniques, indique que près de la moitié d’entre eux utilisent l’IA chaque jour et déclarent gagner un peu moins de 7 heures par semaine. Les auteurs relèvent aussi les revers : le temps passé à valider les sorties de l’IA et une file d’hypothèses non testées qui s’allonge, en attendant les expériences physiques et les validations cliniques.
🔗 New insights from Google’s AI & Economy ATLAS
AI for Societal Impact : langues, lauréats Google.org et FireSat
Les technologies du groupe fonctionnent dans plus de 300 langues selon Google, parlées par plus de 7 milliards de personnes, et plusieurs jeux de données ont été construits avec des partenaires locaux. Google présente aussi Language Explorer, un outil interactif qui visualise la base ouverte LinguaMeta.
| Initiative citée par Google | Chiffre annoncé |
|---|---|
| WAXAL, corpus vocal ouvert | 27 langues d’Afrique subsaharienne |
| Project Vaani | Plus de 30 000 heures de parole dans 109 langues |
| Google.org Impact Challenge: AI for Government Innovation | 15 lauréats, 30 millions de dollars, plus de 2 600 candidatures |
| FireSat | Premier lot de satellites opérationnels en orbite, une cinquantaine visés vers 2030 pour une image toutes les 20 minutes |
| Planetary Prediction Engine, présenté fin août | 83 % des foyers émergents d’Ebola en République démocratique du Congo repérés à l’avance, selon Google |
Les lauréats de Google.org, dont Code for America pour la déclaration d’impôts et l’université Johns Hopkins pour la sécurité routière, bénéficient de l’accompagnement bénévole d’ingénieurs Google et conçoivent leurs projets comme des modèles open source réutilisables.
🔗 AI for everyone in every language 🔗 15 organizations transforming public service with AI 🔗 Building AI to accelerate science and improve lives 🔗 Détecter les feux de forêt avec l’IA
Brèves
- Anthropic publie un guide pour déployer Claude dans les équipes commerciales — sorti le même jour que Salesforce in Claude, Building an AI-native revenue organization est présenté par un billet qui cite deux clients : Cox Communications dit avoir obtenu un retour de 7 fois son investissement la première année et réduit de 86 % le coût de validation et d’enrichissement de ses prospects, avec une précision passée de 18 % à 97 %, et 88 % des quelque 1 500 salariés de Cyera utilisent Claude chaque semaine. 🔗 source
- Perplexity publie un guide sur l’IA fantôme (shadow AI) — le billet ne livre aucune donnée propre et compile des enquêtes tierces : environ la moitié des salariés disent avoir enfreint les règles de leur organisation en utilisant l’IA (KPMG), et 82 % des répondants d’une enquête de la Cloud Security Alliance signalent des agents inconnus sur les systèmes de leur organisation. Il se conclut par un argumentaire pour Perplexity Enterprise et Comet for Enterprise, sans nouvelle fonctionnalité. 🔗 source
- v0 devient agnostique vis-à-vis des modèles (model-agnostic) — selon un simple tweet, l’outil de création d’applications de Vercel propose des modèles de frontière, bon marché, ouverts et rapides servis par Vercel AI Gateway, parmi lesquels Claude, GPT, Kimi, GLM, Grok et DeepSeek ; ni la liste complète, ni les tarifs, ni les offres concernées ne sont précisés. 🔗 source
- Warp chiffre son usine logicielle interne — dans un billet de méthode en trois étapes (crawl, walk, run) pour adopter l’usine logicielle (software factory), Zach Lloyd, CEO de Warp, indique que l’usine de l’entreprise automatise environ 75 % des changements de warp.dev, son site marketing ; Warp Factories reste en accès anticipé, avec 10 000 dollars d’utilisation offerts aux entreprises qualifiées. 🔗 source
- Kimi Code 0.43.1 corrige ses essaims de sous-agents — moins de 19 heures après la 0.43.0, Moonshot AI publie sept correctifs, dont la mémoire libérée à la fin d’un sous-agent, un rendu et une boucle d’événements allégés dans les grands essaims, et un Ctrl+C qui n’interrompt plus que les sous-agents au lieu de fermer toute la CLI. 🔗 source
- Gemini CLI v0.60.0 passe en stable — la version reprend sans changement la preview du 8 septembre et ses onze changements de durcissement, et la v0.61.0-preview.0 ouvre la série suivante avec trois correctifs déjà publiés en nightly et un correctif de la boucle d’agent. 🔗 source
- Copilot suggère les valeurs autorisées des propriétés personnalisées de dépôts — à la création d’une propriété personnalisée (custom property) d’entreprise ou d’organisation, Copilot propose des valeurs à accepter en un clic ; la fonction est en préversion publique pour Copilot Business et Enterprise, sous le contrôle de la politique « Repository custom property suggestions ». 🔗 source
- Grok Imagine modifie le texte des images, en bêta — l’outil de génération d’images et de vidéos de SpaceXAI permet de retoucher le texte présent sur n’importe quelle image, comme une invitation, une affiche ou une publicité ; l’annonce ne précise ni les forfaits, ni les plateformes, ni le modèle utilisé. 🔗 source
- MiniMax H3 dépasse deux fois le temps réel au débruitage — dans un tweet publié le 14 septembre à 16 h 34 heure du Pacifique, après notre relevé du même jour, MiniMax indique qu’avec SGLang-Diffusion et VDN-H3, H3 génère 14,4 secondes de vidéo 768p en 9,0 secondes sur 8 GPU B200, sans régression de qualité mesurée, dans le prolongement de l’écosystème H3 recensé le 14 septembre. 🔗 source
- Retrieve-for-Train distille l’apprentissage par renforcement dans un petit modèle de diffusion — tiré d’un article ICML 2026, ce travail de Google Research entraîne une seule fois, hors ligne, un modèle de 4B paramètres par apprentissage par renforcement (Reinforcement Learning) à produire des sous-requêtes diverses, puis distille ce comportement dans un modèle de diffusion de 53,9 millions de paramètres qui génère l’ensemble en une passe, avec une accélération d’un facteur 12 à 20. 🔗 source
- NVIDIA chiffre le choix entre modèle dense et mélange d’experts (Mixture-of-Experts, MoE) — ce billet pédagogique compare Gemma 4 31B, Qwen3.8-27B, Nemotron 3.5 Lightning et Mistral Small 4 à partir de données d’Artificial Analysis relevées le 31 août : Lightning, 30B paramètres dont 3B actifs, va 4 à 5 fois plus vite que Qwen3.8-27B pour un quatorzième du prix, avec moins de la moitié de son score de capacité. 🔗 source
- NVIDIA FLARE 2.9 ajoute Slurm — le framework d’apprentissage fédéré (federated learning), qui gère Docker et Kubernetes depuis la version 2.8, fait désormais cohabiter les trois environnements dans une même fédération et introduit une description des ressources portable par job. 🔗 source
- Sakana Marlin ajoute la lecture interactive et l’export PowerPoint — avec la lecture interactive (Interactive Reading), l’assistant de recherche autonome de Sakana AI permet d’interroger l’agent sur son rapport et d’ouvrir une source citée au passage qui justifie l’affirmation ; il exporte aussi des présentations PowerPoint modifiables qui portent les URL de leurs sources. 🔗 source
- ShadowPEFT entre dans la bibliothèque PEFT — billet communautaire : la méthode, qui attache au modèle gelé un petit réseau « fantôme » détachable, est fusionnée dans la branche principale de PEFT et sera livrée dans sa prochaine version ; sur Llama-3.2-3B, ses auteurs mesurent 48,1 % sur GSM8K contre 46,9 % pour LoRA, mais une mémoire de pointe de 28,2 Go contre 22,3 Go. 🔗 source
- RiverRider mesure la localisation de fichiers contre le hasard — contribution individuelle : sur SWE-bench Verified, un encodeur local de 33 millions de paramètres place le bon fichier en tête dans 45,8 % des cas, mais un plancher de requêtes permutées le retrouve déjà dans les 50 premiers résultats 24,4 % du temps, ce qui ramène le rapport entre signal et hasard de 45,8 à 3,9. 🔗 source
- EcoHash double la concurrence d’une RTX PRO 6000 sur Qwen3.8-27B — billet d’un fournisseur d’inférence, déjà cité le 14 septembre pour un autre sujet, mesuré sur son propre service : activer dans vLLM 0.27.1 la tête de prédiction multi-tokens (multi-token prediction, MTP) du modèle fait passer le temps par token de 22 à 13 ms et la concurrence tenue de 32 à 64 requêtes, un plafond atteint dans deux répétitions sur quatre, au prix de 23 % de capacité de cache KV. 🔗 source
- DINO-X publie un modèle de recherche sur les vaisseaux hépatiques, avec ses échecs — modèle communautaire réservé à la recherche : ce ViT-Base de 86 millions de paramètres atteint une AUROC externe de 0,9413 sur 17 639 coupes de scanner, et son auteur publie aussi ses résultats négatifs, dont un spécialiste du côlon à 0,6529 resté non diffusé. 🔗 source
Ce que ça signifie
La voix devient une interface d’agent à part entière. Gemini 3.8 Live et sa variante Extended Thinking appellent des outils en arrière-plan pendant que la réponse continue et soignent la précision sur les codes et numéros dictés, avec un coût estimé à la minute d’audio. Google place aussitôt la variante Extended Thinking, qui commente l’avancement de ses tâches de fond, dans ses outils de travail avec Docs Live, Gmail Live et Keep Live, et Gemini Notebook annonce de son côté une conversation vocale ancrée dans les sources de chaque notebook. L’enjeu se déplace de la qualité de la voix vers ce que le modèle accomplit pendant qu’il parle.
Le deuxième fil est celui de la distribution : les agents entrent dans les outils métier par des circuits qui existent déjà. Salesforce in Claude arrive avec des skills de vente, des connecteurs vers le CRM et Slack, et une approbation de chaque écriture ; HP pré-installe Perplexity dans la barre des tâches de ses PC et le relie en lecture seule aux maquettes Revit ; Devin s’achète sur AWS Marketplace et se déploie dans un VPC dédié. Dans chaque cas, l’agent vient à l’outil que l’entreprise utilise déjà, avec ses garde-fous : permissions Salesforce du commercial, accès en lecture seule à Revit, VPC dédié chez AWS.
Le troisième fil tient à la fiabilité et au contrôle. Les versions 2.1.271 et 2.1.273 de Claude Code font examiner le retour des sous-agents par le classifieur, ouvrent le réseau commande par commande et corrigent des contournements de permissions, par sous-shell ou par réglages MDM ignorés. IBM Research montre qu’un agent réglé à température 0 peut réussir 77,4 % de ses exécutions en moyenne mais ne réussir les cinq que sur 53,0 % des tâches, et conseille de publier Pass^k à côté de la moyenne. NVIDIA applique la même exigence au matériel : NVLink 6 récupère un lien en environ 1,5 seconde et Shadow Engine Recovery ramène une interruption d’inférence de 283 à 7,3 secondes. La question n’est plus seulement de savoir si un agent réussit, mais s’il réussit à chaque fois, dans des limites vérifiables.
Le dernier fil concerne le rythme. OpenAI retirera GPT-5.5 de ses applications un mois après l’annonce, comme GPT-5.4 avant lui, et demande de remplacer l’identifiant partout où il est choisi explicitement, jusque dans les tâches planifiées et les scripts. Côté outils, Claude Code publie trois versions en 22 heures, Kimi Code un correctif moins de 19 heures après sa version précédente, et Gemini CLI fait passer en stable, une semaine plus tard, la preview du 8 septembre. Dans le même temps, v0, qui ajoutait jusqu’ici les modèles un par un à son sélecteur, se déclare agnostique et s’appuie sur Vercel AI Gateway : le modèle y devient un composant interchangeable.
Sources
- Google, Gemini 3.8 Live et 3.8 Live Extended Thinking
- Google, billet développeurs sur la Live API
- Google DeepMind, fiche du modèle Gemini 3.8 Audio
- Google DeepMind sur X, annonce de Gemini 3.8 Live
- Claude Code, notes de version 2.1.271
- Claude Code, notes de version 2.1.273
- Claude, Bringing Salesforce into Claude
- Centre d’aide Claude, configurer Salesforce in Claude
- OpenAI, changelog ChatGPT et Codex sur le retrait de GPT-5.5
- ChatGPT sur X, fin de GPT-5.5 dans ChatGPT, ChatGPT Work et Codex
- Perplexity, Perplexity comes to more Windows PCs with HP
- Cognition, accord avec AWS
- Devin, Bringing macOS to Devin
- NVIDIA, exécution déterministe de Groq 3 LPX
- NVIDIA, résilience de NVLink 6
- Google, nouveaux outils d’étude de Gemini Notebook
- Google Antigravity, changelog
- Hugging Face, IBM Research et la constance des agents avec ALTK-Evolve
- PR Times, communiqué d’Aillis
- Sakana AI sur X, relais du communiqué d’Aillis
- Google, AI & Economy ATLAS
- Google, AI for everyone in every language
- Google.org, lauréats AI for Government Innovation
- Google, Building AI to accelerate science and improve lives
- Google, détecter les feux de forêt avec l’IA
- Claude, Building an AI-native revenue organization
- Perplexity, Shadow AI
- v0 sur X, modèles au choix via Vercel AI Gateway
- Warp, Adopting The Software Factory Model
- Kimi Code, notes de version 0.43.1
- Gemini CLI, notes de version v0.60.0
- GitHub Changelog, suggestions de propriétés personnalisées par Copilot
- Grok Imagine sur X, modification du texte des images
- MiniMax sur X, H3 avec SGLang-Diffusion et VDN-H3
- Google Research, Retrieve-for-Train
- NVIDIA, modèles denses ou MoE
- NVIDIA, FLARE avec Docker, Kubernetes et Slurm
- Sakana AI, mise à jour de Marlin
- Hugging Face, ShadowPEFT dans PEFT
- Hugging Face, RiverRider et la localisation de fichiers
- Hugging Face, EcoHash et le décodage spéculatif
- Hugging Face, DINO-X