Claude Code v2.1.198 avec Chrome GA et PR draft automatique, GitHub Models retiré le 30 juillet, programme Devin Security Remediation

La version 2.1.198 de Claude Code franchit un cap avec le passage en disponibilité générale de Claude in Chrome et la création automatique de PR draft par les agents en arrière-plan dans les worktrees. GitHub confirme simultanément la fermeture définitive de GitHub Models le 30 juillet 2026, repositionnant Copilot comme point d’entrée IA unique sur la plateforme. La journée est complétée par le programme enterprise de remédiation de vulnérabilités de Cognition, le benchmark ParallelKernelBench de Together AI sur les kernels multi-GPU, un bilan SynthID de Google DeepMind avec des collaborations inédites avec OpenAI, NVIDIA et Apple, et plusieurs mises à jour GitHub Copilot.

Claude Code v2.1.198 — Chrome GA et PR draft automatique

1er juillet — La version 2.1.198 de Claude Code passe en disponibilité générale (generally available) l’extension Claude in Chrome, qui permet à l’agent d’interagir directement avec les pages web ouvertes dans Chrome depuis l’interface Claude Code. L’extension, disponible depuis plusieurs semaines en bêta, sort de la phase expérimentale.

La seconde nouveauté de fond concerne les agents en arrière-plan : ceux lancés depuis claude agents dans un worktree créent désormais automatiquement un commit, poussent le code et ouvrent une PR draft à la fin de leur travail, sans interrompre pour demander confirmation. Ce changement réduit les allers-retours manuels dans les workflows agentiques de développement.

Fonctionnalité	Détail
Claude in Chrome GA	L’extension Chrome passe de bêta à disponibilité générale
PR draft automatique	Les agents en arrière-plan commitent, poussent et ouvrent une PR draft sans intervention manuelle
Skill `/dataviz`	Nouveau skill pour la conception de graphiques et tableaux de bord, avec validateur de palette de couleurs exécutable
Gateway AWS	`anthropicAws` (Claude Platform sur AWS) ajouté comme fournisseur amont ; les erreurs « modèle introuvable » avancent automatiquement la chaîne de basculement (failover)
Explore hérite du modèle	L’agent Explore intégré hérite du modèle de session (plafonné Opus) au lieu de fonctionner sur Haiku
Extended thinking hérité	Les sous-agents et la compaction de contexte héritent de la configuration de raisonnement étendu (extended thinking) de la session

Parmi les correctifs notables : les erreurs réseau transitoires (ECONNRESET) déclenchent désormais un réessai avec attente exponentielle (backoff) au lieu d’abandonner le tour ; le token STS AWS/Mantle se renouvelle automatiquement via awsAuthRefresh ; les règles conditionnelles .claude/rules/ se chargent correctement même via des chemins symboliques (symlink). La version 2.1.199, publiée le 2 juillet sur npm, est mentionnée dans le registre npm mais son changelog n’a pas encore été mis à jour au moment du scan.

🔗 Changelog Claude Code

GitHub Models retiré définitivement le 30 juillet 2026

1er juillet — GitHub confirme la fermeture définitive de GitHub Models le 30 juillet 2026. Le playground, le catalogue de modèles, l’API d’inférence et le mode BYOK (bring your own key) seront supprimés pour l’ensemble des clients — y compris les utilisateurs existants actifs qui continuaient à accéder au service.

La fermeture aux nouveaux clients avait été annoncée en juin 2026. GitHub planifie deux brownouts préliminaires les 16 juillet et 23 juillet pour préparer la transition. Après le 30 juillet, toute requête vers l’API d’inférence GitHub Models retournera une erreur.

Alternative	Cas d’usage
Azure AI Foundry	Catalogue de modèles tiers pour les équipes souhaitant conserver un accès direct aux modèles indépendamment de Copilot
GitHub Copilot	Accès aux modèles intégré à GitHub, sélection automatique par tâche, facturation par crédits IA

GitHub Models avait été lancé comme espace de test de modèles d’IA directement depuis l’interface GitHub. Son retrait marque un repositionnement stratégique : GitHub unifie l’accès aux modèles sous GitHub Copilot, qui intègre désormais des modèles open-weight (Kimi K2.7 depuis le 1er juillet), une sélection automatique par type de tâche et un contrôle granulaire des crédits.

Les équipes qui utilisent l’API d’inférence GitHub Models doivent migrer avant le 30 juillet, sous peine d’interruption de service. Les brownouts des 16 et 23 juillet permettent de tester la résistance des pipelines avant la fermeture définitive.

🔗 Changelog — GitHub Models retiré

Devin Security Vulnerability Remediation Program

2 juillet — Cognition lance le Devin Security Vulnerability Remediation Program, un programme d’accompagnement enterprise de six semaines pour résorber les arriérés de vulnérabilités applicatives. Il s’appuie sur Devin Security Swarm (annoncé la veille) comme moteur de découverte continue des failles.

Le programme repose sur deux piliers. Le premier vise la résorption du backlog : Devin ingère les rapports de scanners existants (Snyk, SonarQube, Checkmarx, Semgrep, Wiz, Veracode), valide les vulnérabilités et soumet des PR de correction. Le second pilier, la remédiation continue, confie à Devin Security Swarm la détection des failles que les outils de scan statique manquent — logique métier, contournements d’authentification enchaînés, chemins d’exploitation inter-services.

Semaine	Activité
1-2	Inventaire, périmètre, configuration de Devin, mapping des workflows
3-4	Remédiation à l’échelle sur les dépôts prioritaires
5-6	Évaluation des résultats, planification du déploiement élargi

Le programme est réservé aux clients enterprise déployant Devin Cloud à grande échelle. Les équipes éligibles peuvent s’inscrire via leur responsable de compte Cognition.

🔗 Cognition — Devin Security Vulnerability Remediation Program

ParallelKernelBench — les LLM frontier peinent sur les kernels multi-GPU

2 juillet — Together AI publie ParallelKernelBench, un benchmark open-source de 87 problèmes extraits de codebases réelles (Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL) pour évaluer la capacité des LLM à générer des kernels CUDA multi-GPU performants — tensor parallel, expert parallel, FSDP/ZeRO, communication NVLink. Les modèles frontier actuels résolvent moins d’un tiers des problèmes.

Modèle	pass@3	fast1@3 (correct ET plus rapide que la référence)
GPT-5.5	36/87	27/87
Claude Opus 4.7	31/87	20/87
Gemini 3 Pro	30/87	19/87
DeepSeek V4 Pro	3/87	1/87

Le goulot principal est la communication NVLink et les mécanismes avancés (TMA, NVLS), pratiquement absents des générations actuelles de modèles. En mode agentique (Gemini 3 Pro avec accès terminal), le score monte à 35/87 corrects et 26 plus rapides que la référence PyTorch+NCCL. Quelques kernels générés dépassent les implémentations publiques existantes, dont un kernel NeMo (Gemini 3 Pro) sans équivalent optimisé connu.

🔗 Together AI — ParallelKernelBench

SynthID : 100 milliards d’actifs filigranés, code texte en open source

1er juillet — Google DeepMind a partagé via @GoogleAI un bilan de maturité de SynthID, sa technologie de filigrane numérique pour les contenus générés par IA. Plus de 100 milliards d’images et de vidéos portent désormais le filigrane SynthID, auxquels s’ajoutent 60 000 ans de contenu audio marqué. Plus de 50 millions de vérifications ont été effectuées par les utilisateurs via Google Search, l’extension Gemini pour Chrome et l’application Gemini.

Google adopte le standard ouvert C2PA (Content Authenticity Initiative) sur l’ensemble de ses outils génératifs : les images et vidéos créées dans l’application Gemini embarquent désormais à la fois le filigrane SynthID et les métadonnées C2PA. Le code de filigrane pour le texte est publié en open source.

Point saillant : Google annonce des collaborations avec OpenAI, NVIDIA et Apple pour étendre SynthID aux médias génératifs de ces acteurs. C’est la première fois que Google communique publiquement des partenariats concrets avec ces trois entreprises sur la provenance des contenus IA.

🔗 Tweet @GoogleAI — SynthID

GitHub — Nouvelles fonctionnalités Copilot

Pools de crédits IA inclus pour les cost centers

2 juillet — Les cost centers GitHub peuvent désormais limiter la part de crédits IA inclus (pool mensuel) consommée par département. Cette fonctionnalité est distincte des budgets par utilisateur introduits le 30 juin, qui gèrent uniquement la phase de facturation additionnelle.

GitHub calcule automatiquement le plafond selon les licences assignées au cost center. Deux comportements sont configurables lorsque le plafond est atteint : bloquer les usages ou basculer en facturation additionnelle. Disponible via l’API REST (interface graphique à venir) pour Copilot Business et Copilot Enterprise sur GitHub Enterprise Cloud.

🔗 Changelog — Cost centers

Issue fields en disponibilité générale

2 juillet — Les champs d’issue structurés (Priorité, Effort, Date de début, Date cible) passent en disponibilité générale pour toutes les organisations GitHub (Free, Team, Enterprise). Plus de 40 000 organisations les utilisaient déjà depuis la préversion publique de mai. Les valeurs de champs s’affichent désormais directement dans les listes d’issues des dépôts, et les projets publics bénéficient de contrôles de visibilité.

L’intégration la plus notable : le serveur MCP GitHub expose ces champs à Copilot en lecture et en écriture, ouvrant la voie à des workflows agentiques qui créent et mettent à jour des issues avec métadonnées structurées depuis le chat ou l’agent Copilot.

🔗 Changelog — Issue fields GA

Synthesia — Parler, écouter, voir : les trois niveaux des avatars vidéo interactifs

2 juillet — Synthesia publie un article de recherche définissant une nouvelle catégorie de modèles : les Interactive Avatar Models (modèles d’avatars vidéo interactifs). Ces modèles se distinguent des systèmes de génération vidéo classiques par leur capacité à soutenir un dialogue en temps réel, avec une latence suffisamment faible pour rendre l’interaction naturelle.

L’article structure les capacités en trois niveaux progressifs :

Niveau	Capacité
Parler (Talk)	Génération de discours vidéo à partir du texte
Écouter (Listen)	Compréhension et réactivité à l’humain
Voir (See)	Compréhension visuelle du contexte conversationnel

C’est le premier cadre conceptuel publié par un acteur majeur des avatars pour formaliser cette catégorie — ce qui positionne Synthesia comme laboratoire de recherche en plus de son rôle de plateforme commerciale, dans un marché en forte compétition avec HeyGen et Microsoft Azure AI Avatar.

🔗 Blog Synthesia

Fable 5 de retour comme orchestrateur dans Perplexity Computer

2 juillet — Perplexity a annoncé via @perplexityai que Claude Fable 5 est de nouveau disponible comme modèle orchestrateur (_orchestrator model) dans Perplexity Computer, son produit d’automatisation desktop. L’annonce fait suite à la restauration mondiale de Fable 5 par Anthropic le 1er juillet. Le tweet a généré 55 529 vues et 943 mentions « j’aime ».

Perplexity Computer permet aux utilisateurs de déléguer des tâches d’automatisation à un agent IA qui agit sur le bureau. La réintégration de Fable 5 comme orchestrateur renforce les capacités de raisonnement et de planification du système, après son retrait imposé par les contrôles à l’exportation américains en juin 2026.

🔗 Tweet @perplexity_ai

Brèves

Amp — lecture de threads illimitée et agents dans des Orbs — Amp peut désormais lire des threads de toute taille (jusqu’à 271 rounds documentés), et publie un billet technique sur l’architecture Orbs pour faire tourner des agents sur machines remote headless. 🔗 Chronicle Amp
Skill C++ pour Copilot CLI — Le serveur de langage C++ Microsoft est disponible comme plugin Copilot CLI, avec un skill qui génère et maintient automatiquement le fichier compile_commands.json pour CMake et MSBuild. Installation : /plugin install cpp-language-server@copilot-plugins. 🔗 Changelog

Ce que ça signifie

L’outillage agentique franchit un seuil d’autonomie. Claude Code v2.1.198 illustre une trajectoire claire : les agents ne s’arrêtent plus pour demander confirmation sur les étapes techniques — ils créent des commits, poussent le code, ouvrent des PR draft et notifient à la fin. Le programme Devin Security Remediation pousse la même logique côté sécurité : Devin ingère les rapports de scanners existants, valide les vulnérabilités et soumet des PR sans configuration par dépôt. Amp complète ce tableau avec ses Orbs, qui font tourner des agents sur des machines remote headless. Ces trois annonces du même jour convergent vers un modèle où l’agent gère le workflow de bout en bout, l’humain validant le résultat final plutôt que chaque étape intermédiaire.

Infrastructure et benchmarks révèlent des lacunes structurelles. Le retrait de GitHub Models signale que le marché ne supporte pas les couches d’accès aux modèles génériques : GitHub repositionne vers Copilot (intégration native, contrôle des crédits, sélection automatique par tâche). ParallelKernelBench dresse un constat complémentaire sur les limites actuelles des LLM : même les meilleurs modèles frontier (GPT-5.5 : 27/87, Claude Opus 4.7 : 20/87) peinent à générer des kernels CUDA multi-GPU performants, un domaine où la communication NVLink reste un goulot non résolu. Les deux mécanismes cost centers GitHub (budgets utilisateur du 30 juin + pools de crédits inclus du 2 juillet) montrent en parallèle que la gouvernance des dépenses IA en entreprise devient aussi critique que la performance des modèles.

SynthID et la provenance inter-industrie : un momentum inédit. Le bilan SynthID — 100 milliards d’actifs filigranés, adoption C2PA, code texte en open source — dépasse les chiffres pour signaler un tournant : Google annonce pour la première fois des collaborations concrètes avec OpenAI, NVIDIA et Apple sur le filigrane des contenus IA. Que des concurrents directs coordonnent sur la provenance des médias générés, dans un contexte de pression réglementaire croissante, indique que ce sujet est sorti du périmètre de chaque entreprise pour devenir une infrastructure partagée de confiance.