OpenAI et NVIDIA sécurisent 8 GW-IT en Ohio, Cursor lance Origin, GitHub accélère sa recherche de code

Le 17 août 2026, OpenAI et NVIDIA sécurisent conjointement un immense site d’infrastructure IA dans l’Ohio, tandis que Cursor lance en bêta sa propre plateforme d’hébergement de code, Origin. Autour de ces deux annonces majeures, DeepSeek V4 Pro continue son déploiement multi-fournisseurs, GitHub détaille ses canvases agentiques et une optimisation spectaculaire de sa recherche de code, et Google lance Sheets canvas pour transformer des tableurs en mini-applications.

OpenAI et NVIDIA sécurisent un site IA de 8 GW-IT dans l’Ohio

17 août — OpenAI, NVIDIA et SB Energy annoncent le même jour, depuis deux angles complémentaires, un accord conjoint pour sécuriser un immense site d’infrastructure IA au campus technologique PORTS-Pike, dans le comté de Pike (Ohio) — un ancien site de diffusion gazeuse de Portsmouth. NVIDIA et SB Energy sécurisent les capacités de terrain, d’énergie et de bâtiment (land, power and shell) sur un déploiement initial de 4,25 gigawatts, extensible de 3,75 gigawatts supplémentaires, sur un accord de 20 ans phasé entre 2028 et 2030. OpenAI, locataire exploitant, vise environ 8 gigawatts-IT au total avec le soutien du Département de l’Énergie américain (DOE).

Le projet doit créer 35 000 emplois de construction sur six ans, puis 2 500 emplois d’exploitation long terme. Le refroidissement se fera en circuit fermé et à air, avec recirculation de l’eau. OpenAI investit 40 millions de dollars dans un fonds communautaire local (en plus des 40 millions déjà engagés par SB Energy), et met à disposition jusqu’à 84 millions de dollars de crédits Codex pour environ 844 000 étudiants éligibles de l’Ohio durant l’année académique 2026-2027. Côté NVIDIA, chaque génération de GPU déployée sur le site pourrait représenter environ 1,5 million de puces, soit 150 à 200 milliards de dollars de revenus — dans le cadre d’un engagement de calcul OpenAI/NVIDIA à horizon 2030 estimé entre 12 et 16 gigawatts (environ 600 milliards de dollars).

Métrique	Valeur
Capacité visée (OpenAI)	~8 GW-IT
Capacité initiale (NVIDIA/SB Energy)	4,25 GW (+3,75 GW extensible)
Durée de l’accord LPS	20 ans, phasé 2028-2030
Emplois de construction	35 000 sur 6 ans
Crédits Codex étudiants Ohio	jusqu’à 84 M$ pour ~844 000 étudiants
Engagement OpenAI/NVIDIA à 2030	12-16 GW (~600 Md$)

“OpenAI has entered into an agreement to secure approximately 8 gigawatts-IT at the PORTS-Pike Technology Campus in Pike County, Ohio, working with SB Energy, NVIDIA, and the U.S. Department of Energy.”

🇫🇷 OpenAI a conclu un accord pour sécuriser environ 8 gigawatts-IT au campus technologique PORTS-Pike, dans le comté de Pike en Ohio, en collaboration avec SB Energy, NVIDIA et le Département de l’Énergie américain. — OpenAI, communiqué officiel

🔗 NVIDIA — sécuriser l’infrastructure de l’intelligence

Cursor lance Origin, sa plateforme d’hébergement de code

17 août — Cursor déploie en bêta Origin, une plateforme d’hébergement de dépôts intégrée directement à son éditeur, pensée pour l’échelle des agents (agent scale) plutôt que comme simple concurrent de GitHub. Le lancement démarre pour l’ensemble des abonnés aux offres payantes, avec option de retrait pour les organisations entreprise.

Les dépôts créés dans Origin sont accessibles via des URLs cursor.com/codebase/[nom], et il reste possible de synchroniser en parallèle des dépôts GitHub existants — en temps réel, GitHub restant la source de vérité pour les pushs. Côté pull requests, Cursor propose une expérience complète (timeline, commits, checks, diffs) avec synchronisation bidirectionnelle : un commentaire posté dans Cursor apparaît sur GitHub en quelques secondes. Les agents IA peuvent répondre à des questions sur le code, effectuer des modifications, mettre à jour des pull requests et pousser des branches directement depuis la vue du dépôt.

Cursor a noué des partenariats d’intégration en amont du lancement avec Vercel (déploiements de prévisualisation), Depot et Buildkite (CI/CD compatible avec les workflows GitHub Actions existants), avec d’autres intégrations annoncées à venir.

“Origin, our code hosting platform, is now live. It’s fast, easy to use, and deeply integrated with Cursor. Get started by syncing your repos from GitHub.”

🇫🇷 Origin, notre plateforme d’hébergement de code, est désormais en ligne. Elle est rapide, facile à utiliser, et profondément intégrée à Cursor. Pour commencer, synchronisez vos dépôts depuis GitHub. — @cursor_ai sur X

🔗 Changelog Cursor — Origin code hosting

Replit muscle sa sécurité avec des pen tests black-box

17 août — Replit ajoute des pen tests black-box (tests d’intrusion en boîte noire) à son offre de sécurité, en complément des scans white-box déjà disponibles. Le scanner opère via l’interface réseau et navigateur de l’application, en se comportant d’abord comme un visiteur non authentifié puis comme un utilisateur authentifié classique, révélant des fonctionnalités réelles y compris celles sans bouton visible.

Les résultats des deux approches se recoupent rarement selon Replit : le black-box a détecté des tableaux de bord admin non protégés et des points de terminaison vulnérables au déni de service que le white-box avait manqués, tandis que le white-box a identifié des bugs de logique d’autorisation invisibles depuis l’extérieur. Trois niveaux sont proposés dans le Security Center de chaque projet : niveau 1 gratuit (vérification des dépendances), niveau 2 (scan white-box) et niveau 3 (combinaison des deux). Une fois une vulnérabilité confirmée, Replit Agent peut la corriger en un clic.

🔗 Annonce Replit — black-box pen tests

Modèles ouverts et inférence : DeepSeek, Yutori, allocation GPU

Trois publications autour de l’écosystème Together AI et Hugging Face illustrent la bataille en cours sur le coût et l’efficacité de l’inférence.

DeepSeek V4 Pro 0813 : déploiement multi-fournisseurs et benchmark DeepSWE

16 août — DeepSeek V4 Pro, dont le lancement en poids ouverts avait déjà été couvert le 13 août, poursuit son déploiement sous sa révision « 0813 » : Together AI et Novita confirment tous deux son support, avec l’architecture 1,6T de paramètres en mélange d’experts (Mixture of Experts), la fenêtre de contexte de 1M de tokens et trois modes de raisonnement (codage, agents, raisonnement complexe). Sur le benchmark d’ingénierie logicielle DeepSWE, Together AI mesure un score de 88,5 % de pass@4 pour un coût de 0,24 $ par tâche — 35 fois moins cher que GPT-5.6 Sol et 90 fois moins cher que Fable 5.

🔗 Together AI — DeepSeek V4 Pro 0813

Yutori déploie son modèle d’agents Navigator sur Together AI

16 août — Together AI met en avant Navigator, le modèle d’agents de navigation web (browser-use) de la startup Yutori. Ces agents fonctionnent en boucles serrées — capture d’écran, action, répétition, parfois des dizaines de fois par tâche — ce qui rend le coût d’inférence particulièrement sensible. Selon Together AI, Navigator dépasse les performances des modèles de référence tout en étant deux fois plus rapide à l’inférence et 4 à 5 fois moins coûteux.

🔗 Together AI — Yutori Navigator

Un allocateur GPU sous contrainte récupère jusqu’à 33 points d’utilisation de cluster

17 août — L’équipe Dharma-AI publie sur Hugging Face la deuxième partie de son étude sur la gestion de clusters GPU. Leur « allocateur GPU sous contrainte » remplace l’ordonnancement FIFO par une optimisation sur un horizon de 24 heures, en respectant la contiguïté des GPU et les courbes de demande en temps réel. Sur sept scénarios testés, les gains d’utilisation vont de 51,6 % à 72,4 % en régime mixte, jusqu’à 53,6 % à 87,0 % sur des charges d’entraînement. Un test à priorité uniforme confirme un gain de 23,1 % indépendant du signal de priorité, et un cluster de 64 GPU maintient un gain de valeur de 15,9 % avec une latence d’allocation de 15 ms.

🔗 Hugging Face — allocateur GPU Dharma-AI

Gemini : Sheets canvas transforme les tableurs en mini-applications

17 août — Google lance Sheets canvas, qui s’appuie sur Gemini 3.7 Flash pour transformer un tableur Google Sheets classique en mini-application interactive, sans écrire de code. Contrairement aux outils de prototypage habituels qui génèrent une interface figée à partir d’un export statique, Sheets canvas analyse nativement le schéma de la feuille (colonnes, types de données, relations) pour construire des composants d’interface fonctionnels — un tableau de simulation « et si » devient par exemple un jeu de curseurs ajustant des projections financières en direct.

La particularité mise en avant est la synchronisation bidirectionnelle : les interactions dans le mini-app sont répercutées en temps réel dans la feuille sous-jacente, et inversement. L’utilisateur peut ensuite affiner l’application par simple conversation, Gemini conservant le contexte pour itérer sans repartir de zéro. Sheets canvas est disponible dès maintenant pour les abonnés Google AI Pro et Ultra, et son déploiement est annoncé vers les comptes Google Workspace business et éducation sur certaines offres.

🔗 Google AI — annonce Sheets canvas

GitHub Copilot : canvases, recherche de code et revues configurables

GitHub publie trois annonces techniques et produit entre le 16 et le 17 août, autour du pilotage des workflows agentiques et de la performance de son moteur de recherche.

Les canvases rendent les workflows agentiques visibles et pilotables

17 août — GitHub détaille les « canvases », surface de travail persistante et partagée dans l’app Copilot pour suivre des workflows agentiques complexes sans les perdre dans le défilement du chat. L’approche repose sur quatre principes : définir l’état du workflow, faire remonter les points de décision, persister immédiatement les progrès, et conserver des points d’approbation humaine explicites. Deux canvases concrets illustrent l’approche — un « Java Modernization Studio » organisant une migration en phases (évaluation, remédiation, validation, livraison), et un « Site Studio » gérant la création de contenu avec sections éditables et suivi de revue — tous deux publics dans le dépôt awesome-copilot. L’auteur évoque un coût d’environ 2 000 à 3 000 crédits IA par canvas.

🔗 GitHub — comment les canvases rendent les workflows agentiques pilotables

Recherche de code : le case-folding tourne à plus de 45 GiB/s sur un seul cœur

16 août — GitHub publie un retour d’expérience sur l’optimisation du case-folding (normalisation de casse pour la comparaison insensible à la casse) dans son moteur de recherche Blackbird, qui indexe plus de 180 millions de dépôts et 480 To de code. L’optimisation la plus significative est contre-intuitive : retirer une branche de sortie anticipée plutôt qu’en ajouter une, ce qui permet à LLVM de vectoriser entièrement la boucle via des instructions NEON.

Version	Débit
Naïve (avec sortie anticipée)	3,1 GiB/s
Boucle entièrement sans branche	plus de 45 GiB/s
Pire cas (folding intégral, non-ASCII)	869 MiB/s

L’équipe publie le résultat sous forme de crate Rust open source nommée casefold.

“GitHub case-folds every byte of code search at over 45 GiB/s on one core. The biggest win came from removing an early-exit branch, not adding one.”

🇫🇷 GitHub applique le case-folding à chaque octet de sa recherche de code à plus de 45 GiB/s sur un seul cœur. Le gain le plus important est venu du retrait d’une branche de sortie anticipée, pas de son ajout. — @github sur X

🔗 GitHub — case-folding du code source à la vitesse mémoire

Copilot code review : la profondeur Balanced passe en disponibilité générale

16 août — GitHub Copilot permet désormais de choisir la profondeur des revues de code automatisées sur les pull requests : « Balanced » (analyse plus approfondie, changements complexes) passe en disponibilité générale, aux côtés de « Lite » (changements simples et rapides à valider). Le réglage peut être défini par défaut au niveau organisation ou dépôt, ou choisi ponctuellement lors de la demande de revue sur une PR donnée.

🔗 GitHub — profondeur Balanced en disponibilité générale

OpenAI : cybersécurité défensive et gains d’efficacité de GPT-5.6 Sol

The Defender’s Window — la stratégie de cybersécurité défensive d’OpenAI

17 août — Greg Brockman, président d’OpenAI, revient sur l’incident de sécurité OpenAI-Hugging Face, présenté comme un tournant : un collectif agentique a enchaîné des failles pour pénétrer l’infrastructure de recherche d’OpenAI et l’infrastructure de production d’une autre entreprise. OpenAI rappelle avoir restreint la diffusion de ses capacités cyber aux seuls « défenseurs de confiance », mais note que d’autres laboratoires publient des modèles à poids ouverts aux capacités offensives proches de la frontière — dernier exemple cité, GLM-5.3 de Z.ai, attendu fin août. OpenAI entraîne désormais ses modèles à produire du code « superhumainement sécurisé » et mise sur leurs capacités de preuve mathématique pour vérifier formellement la sécurité de logiciels.

Anecdote concrète : après l’incident, Brockman a demandé à ChatGPT Work (GPT-5.6 Sol) d’auditer la sécurité de son propre site. En environ 15 minutes, l’outil a détecté 13 problèmes — DNS mal configuré permettant l’usurpation d’e-mails, jQuery obsolète, trafic Cloudflare→AWS non chiffré — puis les a corrigés en environ une heure, sans intervention humaine poussée.

🔗 OpenAI — The Defender’s Window

GPT-5.6 Sol — gains d’efficacité mesurés chez les clients et sur ARC-AGI-3

17 août — Grâce au raisonnement retenu (retained reasoning) et à la compaction, le score de GPT-5.6 Sol sur ARC-AGI-3 est passé de 13,3 % à 38,3 %, tout en consommant environ 6 fois moins de tokens de sortie. Deux retours clients concrets : la startup immobilière hypha_ai a conservé 98 % de la précision de GPT-5.5 tout en divisant le coût par 18 en passant à GPT-5.6 Luna, et RogoAI (recherche financière) a utilisé l’appel d’outils programmatique pour égaler la qualité de ses évaluations avec 21 % de tokens d’entrée en moins.

🔗 OpenAI Devs — gains d’efficacité GPT-5.6 Sol

Génération média : ElevenLabs dans Claude, Seedance 2.5 chez Pika et Luma

ElevenLabs lance son serveur MCP, disponible directement dans Claude

17 août — ElevenLabs propose un serveur MCP (Model Context Protocol) officiel pour gérer ses agents vocaux et de chat directement depuis Claude, sans quitter son environnement de travail : consulter les performances récentes, créer de nouveaux agents, mettre à jour des configurations, estimer le coût en tokens LLM avant de valider un changement. L’authentification se fait via OAuth, sans serveur à héberger ni clés API à gérer, avec un contrôle laissé à l’équipe sur ce que les agents peuvent effectivement consulter ou modifier.

🔗 ElevenLabs — annonce du serveur MCP

Seedance 2.5 en 1080p arrive sur Pika API Club et Luma avec upscale 4K

17 août — Après son accès anticipé sur Runway le 15 août, Seedance 2.5 en résolution 1080p continue son déploiement chez les partenaires tiers. Pika Labs l’ouvre via son Pika API Club, en avançant un tarif jusqu’à 60 % moins cher que la concurrence. Luma Labs annonce le même jour la disponibilité de Seedance 2.5 en 1080p, avec une fonctionnalité complémentaire : l’upscale vers la 4K directement sur sa plateforme.

🔗 Pika Labs — Seedance 2.5 sur Pika API Club

Brèves

ABC Legal déploie plus de 50 agents avec Claude Managed Agents — 1 100 employés, jusqu’à 50 % de réduction de coût sur certaines tâches juridiques, boucle de feedback hebdomadaire via Slack et pull requests. 🔗 Claude
L’équipe Diffusers de Hugging Face intègre quatre nouveaux modèles ouverts en une semaine — MiniMax H3 (vidéo/audio), LTX2.5 (vidéo/audio), Wan Animate 2 et MiniMax Music 3. 🔗 Tweet
datatrove 0.10.0 exécute des pipelines sur Hugging Face Jobs sans cluster Slurm — nouveau JobsPipelineExecutor et support des buckets de stockage Hugging Face comme DataFolder. 🔗 Tweet
Together AI héberge les modèles de génération de code de Relace AI — entraînés sur des clusters GPU dédiés au programme Y Combinator. 🔗 Tweet
À l’ICML, Tri Dao souligne que les modèles ouverts se rapprochent des labs fermés — désormais quelques mois de retard seulement, porté par les progrès de la pile de service (noyaux, moteurs d’inférence, décodage spéculatif). 🔗 Tweet
Google, Gemini et Pixel officialisent un partenariat avec cinq clubs de football européens — Arsenal, FC Barcelone, Bayern Munich, Liverpool et PSG, avec un engagement de visibilité équivalente pour le football féminin. 🔗 Google
OpenClaw : teaser GitHub sur X — le compte GitHub évoque un projet nommé OpenClaw sans détail supplémentaire disponible. 🔗 Tweet
MiniMax-H3 revendique un gain de 4,44x sur RTX 4090 — nouveau noyau CuTe DSL dédié SM89 pour le mécanisme d’attention Sol-Attn. 🔗 Tweet
Alibaba organise une session live avec les créateurs Wan3.0 le 19 août — avec les partenaires Magnific, fal, OpenArt et KoyalAI, à 15h UTC. 🔗 Tweet
Kling présente l’effet « Hitchcock Zoom » — nouvel effet de génération vidéo inspiré du zoom-travelling contraire popularisé par Alfred Hitchcock. 🔗 Tweet
MiniMax H3 à -50 % sur la génération 2K via Magnific jusqu’au 1er septembre — réduction annoncée lors d’un événement à San Francisco. 🔗 Tweet
GPT-5.6 Sol à moitié prix sur AI Gateway (Vercel) et OpenRouter — promotions temporaires de 50 % jusqu’au 18 septembre 2026, appliquées automatiquement à l’usage. 🔗 Tweet
OpenAI finance 14 projets de recherche en politiques publiques pour l’ère de l’IA — 1 million de dollars de financement et jusqu’à 1 million de dollars de crédits API, répartis sur 5 pays/régions. 🔗 OpenAI
Codex mis en avant via des retours d’usage — un créateur de contenu (plus de 1,5 million d’abonnés) pilote son activité avec Codex, et un employé OpenAI l’utilise comme assistant monteur vidéo interne. 🔗 Tweet

Ce que ça signifie

L’échelle de l’infrastructure IA franchit un nouveau seuil physique et financier. Le site de l’Ohio combine à lui seul 8 gigawatts-IT visés, 35 000 emplois de construction et un engagement de calcul OpenAI/NVIDIA estimé à 600 milliards de dollars à horizon 2030 — un chantier qui se compare désormais à des projets industriels ou énergétiques nationaux plutôt qu’à un simple data center. La mécanique de financement révélée par NVIDIA (soutien partiel des paiements de location et d’énergie plutôt que financement intégral) montre aussi que même les plus grands laboratoires d’IA doivent s’appuyer sur des montages financiers spécifiques pour absorber ce niveau de dépense.

L’hébergement de code devient lui-même un terrain de bataille agentique. Cursor lance Origin pour ne plus dépendre de GitHub sur l’infrastructure qui fait tourner ses agents, GitHub réplique avec des canvases pour rendre les workflows agentiques pilotables plutôt que perdus dans le chat, et Replit ajoute des pen tests black-box pour que son propre Agent puisse corriger ce qu’il détecte en un clic. Dans les trois cas, l’objectif converge : donner aux agents une prise directe et sécurisée sur le cycle de vie du code, pas seulement sur sa génération.

Le coût de l’inférence continue de baisser plus vite que les capacités n’augmentent. DeepSeek V4 Pro traite du DeepSWE à 35 fois moins cher que GPT-5.6 Sol, Yutori Navigator tourne 4 à 5 fois moins cher que les modèles de référence, et GPT-5.6 Sol lui-même progresse de 13,3 % à 38,3 % sur ARC-AGI-3 en consommant 6 fois moins de tokens — la même semaine où Tri Dao souligne à l’ICML que les modèles ouverts referment l’écart de qualité en quelques mois. L’allocateur GPU sous contrainte de Dharma-AI ajoute une dimension complémentaire : une partie de ces gains ne vient plus du modèle mais de l’ordonnancement des clusters eux-mêmes.

Enfin, la rigueur technique redevient un argument de communication à part entière. GitHub multiplie par 15 le débit de sa recherche de code en retirant du code plutôt qu’en en ajoutant, et OpenAI détaille comment un audit de sécurité par GPT-5.6 Sol a corrigé 13 failles réelles en une heure — deux façons différentes de montrer, chiffres à l’appui, que l’ingénierie détaillée reste ce qui distingue une annonce produit d’une démonstration de compétence.