DeepSeek ouvre DeepInfer, le moteur qui sert V4.1-Flash en production, Mistral lance Voxtral 3 et ElevenLabs Eleven Realtime pour les agents vocaux, Perplexity Computer tourne en local sur Mac

DeepSeek ouvre le code de DeepInfer, le moteur d’inférence qui sert DeepSeek-V4.1-Flash en production, et chiffre son service : 155 000 milliards de tokens par jour sur un seul cluster. Le même jour, Mistral et ElevenLabs lancent leurs modèles pour agents vocaux par deux voies opposées, une chaîne de transcription et de synthèse avec Voxtral 3, un modèle unique de parole à parole avec Eleven Realtime, tandis que Perplexity fait tourner Computer entièrement en local sur Mac. Google publie aussi TorchTPU en open source, et OSS Scanner, le service d’Anthropic, dresse un premier bilan, dont une faille de curl désormais corrigée.

DeepInfer : DeepSeek ouvre le moteur d’inférence qui sert DeepSeek-V4.1-Flash en production

20 octobre — DeepSeek publie en open source DeepInfer, le cadre d’inférence (inference framework) maison qui sert DeepSeek-V4.1-Flash dans ses services, sous licence Apache-2.0. La version publiée, dédiée à l’inférence hors ligne, ne prend en charge que ce modèle, sur les GPU NVIDIA SM100 et les NPU Huawei Ascend 950. Elle reprend les briques de production : les bibliothèques de noyaux déjà publiées par DeepSeek (FlashMLA, DeepGEMM, DeepEP, TileKernels, DeepSelect) et des noyaux TileLang, le parallélisme d’experts avec équilibrage de charge pour la partie MoE, un décodage spéculatif maison (DSpark), un rejeu borné de la fenêtre glissante d’attention qui allège le préremplissage, et des sorties structurées par expression régulière, schéma JSON ou grammaire EBNF.

DeepSeek ouvre en même temps deepseek-recipe (licence MIT), le composant de production qui traduit les requêtes des API Messages, Chat Completions et Responses en tokens pour DeepSeek V4 et V4.1, puis les sorties du modèle en réponses. Sa logique est alignée sur celle de l’API officielle : un hébergeur tiers retrouve le même comportement pour le mode réflexion, les appels d’outils ou les sorties structurées. La FAQ de déploiement du dépôt donne l’échelle du service :

Donnée de production publiée par DeepSeek	Valeur publiée
Tokens servis par un seul cluster	155 000 milliards par jour
Revenu global au tarif des heures creuses	38 dollars par heure-GPU
Préremplissage	machines ordinaires de 8 GPU
Décodage	supernœuds de 64 à 128 GPU
Conservation du cache KV	plus de 72 heures

Tout n’est pas ouvert. La gestion du cache KV et l’équilibrage de charge entre réplicas, trop liés à l’infrastructure interne selon DeepSeek, restent fermés et ne sont décrits que dans un billet Zhihu, et la séparation entre encodeur visuel, préremplissage et décodage n’est pas fournie. Les mesures de débit ne sont publiées qu’en graphiques. Construit au départ principalement sur vLLM, avec l’inspiration de SGLang et de TensorRT-LLM, DeepInfer accueillera aussi le code d’inférence des futurs modèles de DeepSeek ; le dépôt comptait 11 562 étoiles le soir même.

🔗 Le fil de @deepseek_ai · DeepInfer sur GitHub · deepseek-recipe sur GitHub

Voxtral 3 : Mistral lance des modèles de transcription et de synthèse vocale, et un SDK d’agents vocaux

20 octobre — Mistral lance Voxtral 3, une famille de modèles de transcription (speech-to-text) et de synthèse vocale (text-to-speech), accompagnée d’un SDK pour construire des agents vocaux. Tout est disponible dès le 20 octobre dans l’API Mistral, sur des points de terminaison européen, américain et mondial, ainsi que dans les bacs d’essai (playgrounds) de Studio ; un déploiement sur site ou en cloud privé est proposé sur demande.

Modèle Voxtral 3	Usage prévu	Prix annoncé
Voxtral Small Transcribe 3	Transcription la plus précise, diarisation	0,004 dollar la minute
Voxtral Mini Transcribe 3 (4B)	Transcription en lot, diarisation	0,0035 dollar la minute
Voxtral Mini Transcribe Realtime 3	Transcription en temps réel, moins de 500 ms	0,008 dollar la minute
Voxtral Speech 3	Synthèse vocale, en lot et en temps réel	13 dollars par million de caractères

La transcription couvre 50 langues, dont les 24 langues officielles de l’Union européenne. Elle sépare les locuteurs (diarisation), accepte des mots-clés pour mieux reconnaître le vocabulaire métier sans affinage (fine-tuning) (biais de contexte, context biasing) et détecte la fin d’une prise de parole. Sur 45 langues du banc FLEURS, Mistral publie ces taux d’erreur sur les mots, la langue étant indiquée au modèle ou détectée automatiquement :

Modèle évalué (FLEURS, 45 langues)	Langue indiquée au modèle	Langue détectée automatiquement
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

Mistral dit son modèle Small meilleur que Whisper, Scribe v2 et Gemini 3.5 Transcribe, mais son propre graphique place Microsoft AI Transcribe 2 à égalité. En temps réel, avec 480 ms de délai, le modèle Mini obtient 6,4 % sur 35 langues, derrière Gemini 3.5 Realtime Transcribe (4,2 %) et Microsoft AI Transcribe 2 Streaming (5,8 %), mais devant GPT Live Transcribe (8,4 %) et Scribe v2 Realtime (8,7 %).

Voxtral Speech 3 parle plus de 35 langues et plus de 50 dialectes, déduit l’émotion et le rythme du contexte de la conversation ou suit des consignes explicites ligne par ligne, et Pro Voice reproduit une voix professionnelle à partir de 30 minutes d’audio ; selon Mistral, il coûte moins cher à faire tourner que les modèles comparables d’OpenAI, Deepgram, ElevenLabs et Google.

Le SDK d’agents vocaux, bâti sur LiveKit, enchaîne trois modèles en flux : le modèle temps réel écoute et repère la fin de la phrase, un modèle généraliste comme Mistral Small raisonne et appelle les outils, puis Voxtral Speech 3 répond. Aucune étape n’attend la précédente : chaque tour se boucle en moins d’une seconde selon Mistral, l’agent se tait quand on l’interrompt, passe des appels par SIP ou WebRTC, et chaque étape reste un modèle remplaçable. Contrairement à Voxtral Transcribe 2 (février) et à Voxtral TTS (mars), Voxtral 3 n’est pas annoncé en poids ouverts : le billet propose l’API de Mistral ou un déploiement sur sa propre infrastructure, à organiser avec l’équipe de Mistral, et aucun dépôt n’apparaissait sur Hugging Face le soir du lancement.

🔗 Le billet de Mistral · Le fil de @MistralAI

Eleven Realtime : ElevenLabs fait de l’agent vocal un seul modèle de parole à parole

20 octobre — Le même jour que Voxtral 3, ElevenLabs prend l’approche opposée. Là où le SDK de Mistral enchaîne trois modèles séparés et remplaçables, chaque modèle Eleven Realtime réunit tout l’agent vocal en un seul modèle de parole à parole (Speech to Speech) : reconnaissance vocale, détection d’activité vocale, tours de parole, LLM et synthèse y sont optimisés d’un seul bloc. Les modèles parlent plus de 90 langues et peuvent utiliser les plus de 17 000 voix de la bibliothèque d’ElevenLabs.

Deux versions sortent. Eleven Realtime v1 Mini, le modèle par défaut, vise les conversations à faible coût (assistants, enseignants, personnages interactifs). Eleven Realtime v1 Max raisonne avant de répondre et s’adresse aux tâches complexes, comme le support client ou les flux en plusieurs étapes avec appels d’outils ; il coûte plus cher par token. Les résultats publiés viennent d’évaluations d’Artificial Analysis citées par ElevenLabs :

Mesure (Artificial Analysis, selon ElevenLabs)	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio (1 000 questions posées à voix haute)	98,8 %	75,9 %
Délai moyen avant la première parole	0,57 s	0,62 s
Full-Duplex-Bench (pauses, interruptions)	94,1 %	95,8 %
Tâches avec outils menées à bien	87,1 %	60,3 %

Selon ElevenLabs, aucun modèle du classement d’Artificial Analysis n’est à la fois plus rapide et plus précis que v1 Max. Mini gère légèrement mieux la dynamique de la conversation, mais Max creuse l’écart sur les tâches avec outils.

Dans ElevenAgents, il suffit de passer le mode vocal d’un agent de « Custom » à « Realtime » pour garder le reste de la plateforme : téléphone, web, WhatsApp et centres de contact. Les modèles sont aussi proposés par une API Realtime compatible avec celle d’OpenAI : un développeur déjà intégré change le point de terminaison et le nom du modèle, et garde son code, en WebSocket seulement. Le déploiement est progressif selon les espaces de travail. Mini n’est disponible ni en mode Zero Retention ni sous HIPAA, à la différence de Max, et aucun tarif n’est chiffré : ElevenLabs facture la minute d’ElevenAgents habituelle plus les tokens au tarif du modèle choisi.

ElevenLabs rejoint ainsi les modèles vocaux de bout en bout déjà proposés par OpenAI (GPT-Live-1, à 0,05 dollar la minute dans l’API depuis le 10 septembre), Google (Gemini 3.8 Live) et SpaceXSI (Grok Voice 3.0).

🔗 Le billet d’ElevenLabs · La documentation des modèles Realtime

Perplexity Computer s’exécute entièrement en local sur Mac, modèle compris

20 octobre — Perplexity fait tourner Computer, son agent, entièrement sur Mac : le modèle, le harnais (harness) et l’exécution des tâches restent sur la machine.

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇫🇷 Perplexity Computer peut désormais tourner entièrement en local sur votre Mac. Travaillez avec vos applications Mac natives et vos fichiers locaux, et exécutez des tâches sans envoyer de données sensibles dans le cloud. Le modèle et l’agent tournent tous les deux sur votre Mac. Disponible dès maintenant dans l’application Mac de Perplexity. — @perplexity_ai sur X

Élément du lancement	Détail selon Perplexity
Modèles locaux	Qwen 3.6 et PPLX Pro
Mémoire recommandée	36 Go de mémoire unifiée ou plus
Machines concernées	Mac Apple silicon pris en charge, comme le nouveau Mac mini avec M6 et M5 Pro
Forfaits concernés	Pro, Max et Enterprise
Crédits Computer	non consommés par les tâches locales
Passage par le cloud	sur autorisation, vers plus de 15 modèles frontière

Avec la permission de l’utilisateur, l’agent travaille sur les fichiers locaux et dans des applications comme Notes, Messages, Mail ou Numbers. PPLX Pro est, selon le tweet de Perplexity, sa version post-entraînée de Qwen 3.8 ; interrogé sur sa taille, Aravind Srinivas, le patron de Perplexity, répond qu’il s’agit d’un modèle dense de 27 milliards de paramètres, et estime que 36 Go de mémoire vont devenir courants.

L’application Mac propose désormais deux façons de lancer Computer. Hybrid Compute, lancé le 1er septembre, part du cloud pour la recherche et le raisonnement et traite les fichiers privés en local ; le nouveau mode part du Mac, qui garde la planification, le raisonnement et le traitement des fichiers. Si l’utilisateur l’autorise, l’agent passe par le cloud pour des informations à jour, la navigation web ou les applications connectées, et le code comme les outils s’exécutent dans des bacs à sable isolés, avec les mêmes protocoles de sécurité que la version cloud. Perplexity cite trois usages : la revue d’un portefeuille à partir de positions privées, une proposition commerciale bâtie sur des notes confidentielles et une liste de priorités du matin tirée de Messages et de Mail.

C’est l’équivalent sur Mac de Portable Computer, la version entièrement locale lancée le 25 août sur DGX Spark, puis étendue en septembre à Linux, à Windows et aux PC à processeur AMD Ryzen AI Max.

🔗 Le billet de Perplexity

PyTorch hors des GPU NVIDIA : TorchTPU en open source, les TPU natifs chez Hugging Face et MPS dans PyTorch 2.15

Trois annonces du jour font tourner PyTorch sur d’autres puces que celles de NVIDIA : Google publie TorchTPU à la PyTorch Conference, Hugging Face l’intègre le même jour à ses bibliothèques, et l’équipe PyTorch de Hugging Face détaille ce que PyTorch 2.15 apporte aux Mac.

TorchTPU : Google ouvre sa pile PyTorch native pour TPU, avec vLLM, SGLang, TorchTitan et llm-d 1.0

20 octobre — Google publie en open source TorchTPU, sa pile PyTorch native pour les TPU, co-développée avec l’équipe PyTorch de Meta. Le TPU devient un périphérique PyTorch comme un autre (torch.device("tpu")) : on débogue en exécution immédiate (eager), puis on passe en production avec torch.compile, qui compile via XLA. Jusqu’ici, il fallait réécrire son code en JAX ou passer par l’ancien torch_xla.

Deux moteurs d’inférence reposent sur TorchTPU : vLLM-TorchTPU, développé avec Inferact, et SGLang-TorchTPU, avec RadixArk, déjà en production chez Meta. Google annonce 2,01 cents de dollar par million de tokens sur le classement InferenceX de SemiAnalysis, avec Qwen 3.5 sur Ironwood, et plus de 700 tokens par seconde pour un seul utilisateur sur Kimi K3, un modèle de 2 800 milliards de paramètres. Pour l’entraînement, TorchTitan sur TPU atteint jusqu’à 52 % de taux d’utilisation du calcul (Model FLOPs Utilization) sur Qwen 3 8B, avec des essais jusqu’à 8 192 puces Ironwood. Google sort aussi llm-d 1.0, une pile Kubernetes de service distribué cofondée avec Red Hat et IBM : sur une charge de code agentique, le délai médian avant le premier token baisse de plus de 85 % et le débit est multiplié par 2,4 par rapport à un simple Service Kubernetes.

🔗 Le billet de Google Cloud · Les moteurs vLLM et SGLang sur TPU · llm-d 1.0

Hugging Face rend les TPU natifs dans Transformers, Diffusers et Kernels

20 octobre — Hugging Face intègre TorchTPU à son écosystème : le TPU devient un périphérique comme un autre, sans passer par PyTorch/XLA ni par JAX, et Optimum TPU, la couche que Hugging Face maintenait jusqu’ici, n’est plus nécessaire pour Transformers et Diffusers. Dans Transformers, il suffit de charger un modèle avec device_map="tpu" ; dans Diffusers, d’un pipe.to("tpu"), avec une compilation optionnelle et un parallélisme tensoriel pour répartir les gros modèles sur plusieurs puces.

Cas mesuré par Hugging Face	Résultat publié
Qwen-Image-2.1, image 1024 × 1024 en 40 pas (TPU v6e-4)	3,5 s compilé, 8,0 s sans compilation
MiniMax-H3, vidéo avec audio de 5,2 s (TPU v6e-4)	188 s compilé, 262 s sans compilation
Décodage de Qwen3-30B-A3B, lot de 64, noyau Tokamax (v6e-8)	21,5 fois plus rapide
Tests de Transformers passés sur TPU	96,5 %

L’équipe a signalé 34 problèmes au projet TorchTPU, dont 19 déjà corrigés, et prépare une CI nocturne sur TPU. C’est le deuxième backend PyTorch natif d’un accélérateur non NVIDIA intégré en deux jours par Hugging Face, après TorchNeuron pour AWS Trainium la veille.

🔗 Le billet de Hugging Face sur TorchTPU

PyTorch 2.15 apporte le FP8 aux Mac et accélère jusqu’à 6,5 fois le décodage des MoE

20 octobre — L’équipe PyTorch de Hugging Face, qui travaille sur MPS, le backend du GPU des Mac Apple silicon, détaille ce qu’apporte PyTorch 2.15, encore en version candidate. Le FP8 arrive sur Mac, avec un octet par valeur, moitié moins que le BF16, et une multiplication directe sur le GPU. Grâce à une multiplication de matrices groupée native, le décodage des modèles MoE devient 5 à 6,5 fois plus rapide qu’en 2.14.

Mesure sur Mac	Avec PyTorch 2.14	Avec PyTorch 2.15
Décodage de Qwen3.6-35B-A3B sur M3 Ultra	9,4 tokens/s	61,3 tokens/s
Décodage de LFM2.5-8B-A1B sur M3 Ultra	23,6 tokens/s	123,6 tokens/s
Softmax FP32 sur 128 256 logits	57 µs	7 µs
Pic de mémoire du pilote, VAE de Wan2.2	270,1 Gio	8,1 Gio

L’encodeur VAE de Qwen-Image-2.1, qui corrompait silencieusement les images sur MPS, est réparé. PyTorch 2.15 exige macOS 15 et Python 3.11, et un aperçu de la 2.16, encore susceptible d’évoluer, annonce une attention entièrement écrite en Metal.

🔗 Le billet de Hugging Face sur MPS

Sécurité du logiciel open source : le premier bilan d’OSS Scanner et le pare-feu de paquets de GitHub

Deux annonces visent la chaîne logicielle open source par ses deux bouts : trouver les failles dans le code des projets, et filtrer les paquets au moment où ils s’installent.

OSS Scanner : 114 projets acceptés, 77 failles critiques et 803 élevées signalées, une faille de curl corrigée

19 octobre — Onze jours après son lancement, OSS Scanner, le service gratuit d’Anthropic qui fait scanner les projets open source critiques par ses modèles les plus puissants, livre ses premiers chiffres. Dans un fil relayé le soir même par @ClaudeDevs, Punit Shah, chef de produit du service, compte environ 650 projets candidats et 114 acceptés. Les scans ont déjà signalé aux mainteneurs 77 vulnérabilités critiques et 803 élevées, selon la gravité attribuée par le modèle, alors que tous les projets n’ont pas encore été scannés.

Le cas mis en avant est curl : la faille CVE-2026-92392, une utilisation de mémoire après libération (use-after-free) lors d’un envoi en HTTP/2, trouvée avec une première version d’OSS Scanner, a été corrigée dans curl 8.23.0 le 14 octobre. L’avis de curl la classe en gravité élevée pour les versions 8.12.0 à 8.22.0 et crédite « Luna with Claude, Anthropic » pour le signalement. Autre leçon : la plupart des premiers rapports, envoyés par e-mail avec leur preuve de concept, ont été rejetés, les filtres de messagerie les ayant sans doute pris pour des logiciels malveillants. Anthropic teste donc une livraison par GitHub Security Advisories ; plus de 150 projets attendaient encore une décision, selon une estimation de Punit Shah.

🔗 Le fil de Punit Shah · L’avis de sécurité de curl

GitHub filtre en préversion les paquets npm qu’installent les runners Actions et les agents de code

20 octobre — GitHub ouvre en préversion publique un pare-feu de paquets (package firewall). Le constat de départ : de plus en plus d’attaques exploitent le moment de l’installation d’un paquet pour récolter des identifiants sur les hôtes CI/CD ou les postes des développeurs, sans même exécuter le code du paquet. Le pare-feu s’intercale entre les exécuteurs (runners) GitHub Actions ou les agents de code et les registres amont, et inspecte à la fois les requêtes de métadonnées et les téléchargements.

Point clé du pare-feu	Ce que prévoit la préversion
Contrôles disponibles	Délai de carence, alertes de la GitHub Advisory Database, rétrogradations d’attestation
Clients concernés	GitHub Enterprise Cloud, résidence des données comprise
Écosystème pris en charge	npm uniquement pour l’instant
Tarif	Gratuit en préversion, puis facturé à l’usage, comme GitHub Actions

Les agents de code et les hôtes CI/CD doivent être configurés pour passer par le pare-feu au lieu d’interroger directement les registres, et un paquet bloqué à tort peut faire l’objet d’une demande d’exception.

🔗 L’annonce de GitHub

Assistants : les chats verrouillés de ChatGPT, Gemini pour les petites entreprises et pour les administrations américaines

OpenAI et Google ajoutent à leurs assistants des fonctions pour des besoins précis : la discrétion d’une conversation chez ChatGPT, les petites entreprises et les services publics américains chez Gemini.

ChatGPT masque des conversations derrière un code PIN à 4 chiffres

20 octobre — ChatGPT introduit les chats verrouillés (locked chats) : une conversation choisie reste dans le compte, mais disparaît de l’historique, des chats épinglés et de la recherche. Elle rejoint l’espace Locked chats de Projects, qui s’ouvre avec un code PIN de compte à 4 chiffres ou, sur mobile, avec Face ID, Touch ID ou le déverrouillage de l’appareil Android. La fonction se déploie progressivement sur le web, iOS, Android et la nouvelle application de bureau pour macOS et Windows, de Free à Pro ainsi que sur Business, Enterprise et Edu, mais pas sur ChatGPT for Healthcare.

OpenAI en précise les limites : le verrouillage n’apporte ni chiffrement de bout en bout ni coffre séparé, et ne change pas la durée de conservation. Réinitialiser un PIN oublié supprime définitivement tous les chats verrouillés et les fichiers qu’ils protègent. En entreprise, les chats verrouillés restent dans les journaux de l’OpenAI Compliance Platform, et les administrateurs ne peuvent ni désactiver la fonction ni déverrouiller un chat. Les conversations Codex, les chats temporaires ou de groupe ne peuvent pas être verrouillés.

🔗 Les notes de version de ChatGPT · Le guide des chats verrouillés

L’application Gemini ouvre un espace aux petites entreprises

20 octobre — Google ajoute à l’application Gemini une page d’accueil dédiée aux petites entreprises, présentée comme un point d’entrée unique pour construire sa marque, analyser ses finances et mieux comprendre sa clientèle ; selon Google, des dizaines de millions de patrons de petites entreprises utilisent déjà Gemini. Pour les visuels, l’entrepreneur dépose son site, sa charte graphique, ses polices ou ses couleurs : Gemini s’appuie sur Nano Banana 2.1 pour produire ceux d’un lancement ou d’une campagne, et conserve ce style sans nouveau téléversement. Pour les finances, des tableurs en désordre, des reçus ou des historiques d’achat deviennent en quelques secondes des graphiques et des modèles interactifs.

Gemini se connecte à Google Business Profile, Google Ads et Google Workspace, ainsi qu’à Adobe, Canva, Dropbox, Shopify, Wix, Zoho et Xero. Parmi les témoignages, une céramiste bordelaise (Bleu Clémentine) dit gagner deux à trois heures par jour. Le déploiement commence « dans les prochains jours », dans le monde entier et pour tous les utilisateurs de l’application.

🔗 Le billet de Google

Gemini for government services : l’agent Gemini en préversion pour les administrations américaines

20 octobre — Google Cloud décline pour le secteur public l’agent Gemini présenté début octobre à Gemini at Work : Gemini for government services est disponible en préversion pour les agences fédérales, des États et des collectivités américaines, a annoncé Thomas Kurian, le patron de Google Cloud. L’offre réunit des skills qui appliquent lois, règlements et consignes des agences, des connecteurs vers leurs systèmes interrogés sur place sans migration de données, des agents partenaires, dont ceux de SZNS Solutions, un plan de contrôle unique pour la sécurité et la conformité, et un réseau de 13 intégrateurs.

Google cite sept usages, de la recherche réglementaire avec citations au paragraphe près au caviardage de documents avant publication, en passant par les demandes d’accès aux documents administratifs (FOIA) et l’audit des dépenses de subventions. Les connecteurs couvrent Federal Register, regulations.gov et eCFR, Oracle, Salesforce, ServiceNow, Google Workspace et Microsoft 365. Google travaille avec l’État du Missouri et le département américain de la Santé (HHS), et l’offre peut être déployée dans la frontière de données FedRAMP High d’Assured Workloads ; ni tarif ni date de disponibilité générale ne sont annoncés.

🔗 Le billet de Google Cloud

L’IA appliquée : des liants protéiques conçus par Claude, les recommandations de QD-Rec et Flora pour les robots

Trois travaux du jour appliquent les modèles à un problème précis : la conception de protéines contre des venins, l’aide à la décision et l’annotation de vidéos pour entraîner des robots.

Claude conçoit des liants protéiques contre des neurotoxines de scorpion : 17 validés sur 211 testés

20 octobre — Anthropic publie sur son blog Science une campagne de conception de protéines menée par Claude contre cinq neurotoxines de scorpion de quatre régions, du Mexique au Moyen-Orient. Un modèle de recherche interne, utilisé dans Claude Science, a repris le prompt d’une étude d’août, adapté avec Citrini Research, puis a travaillé en grande partie seul, guidé par quatre relances de l’équipe : 318 484 designs générés avec 12 outils et une liste finale de 180 designs en 64 heures, pour un calcul de l’ordre de 10 000 heures GPU. Adaptyv Bio et Twist Bioscience ont testé 211 designs, dont 31 ajoutés par l’équipe. Avec des critères stricts, 17 se fixent à leur cible, chacun à une seule toxine, et aucun ne vise la toxine brésilienne Ts1. Les deux meilleurs, Cn2-B1 et Cn2-B2, se fixent à la toxine mexicaine Cn2 avec une affinité de quelques nanomolaires et semblent viser le même site que l’anticorps LR, qui la neutralise chez la souris.

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇫🇷 Il s’agit d’un travail exploratoire, et nous ne prétendons pas avoir produit un antivenin : pour cela, il faudrait tester les liants dans des cellules vivantes, puis chez la souris, entre bien d’autres étapes. Mais c’est un exemple de la manière dont Claude peut concrètement aider la recherche en conception de protéines. — @AnthropicAI sur X

Les 211 designs et leurs données sont publiés. Une note reconnaît que ce calcul dépasse les moyens de la plupart des chercheurs, mais indique qu’un prompt simplifié, avec un seul agent et un seul GPU pendant 24 heures, atteint des scores in silico comparables.

🔗 Le billet d’Anthropic

QD-Rec : Sakana AI fait évoluer des recommandations variées et argumentées

20 octobre — Sakana AI présente QD-Rec, qui applique la recherche ouverte (open-ended search) et l’approche qualité-diversité (Quality-Diversity) à la recommandation pour l’aide à la décision. Plutôt que de classer des candidats, la méthode cherche des couples candidat-hypothèse : une entreprise à racheter, un client à démarcher ou un article à lire, et le texte qui explique pourquoi le choisir. Un bandit contextuel choisit le candidat suivant en favorisant les zones peu couvertes, un LLM rédige l’hypothèse en adaptant ou en croisant celles déjà archivées, et une archive par niches retient les raisons nouvelles.

Testé sur des fusions-acquisitions, du ciblage marketing et la recommandation d’articles, avec Claude Sonnet 5 ou Claude Haiku 4.5 comme proposeur et gpt-5.6-terra comme juge, QD-Rec obtient dans la plupart des cas la meilleure qualité moyenne et la plus grande archive pour 1 000 évaluations : pour Walt Disney, 2,91 sur 10 et 214 recommandations, contre 2,40 et 85 sans évolution. Sakana précise que ces scénarios ne sont pas des conseils d’investissement et qu’un modèle y a avancé un chiffre absent des données ; le code est publié sous licence Apache-2.0.

🔗 L’article technique de Sakana AI

Flora : NVIDIA ouvre les poids d’une suite de modèles qui annote des vidéos pour les robots

20 octobre — Le laboratoire GEAR de NVIDIA ouvre les poids de Flora, une suite de modèles qui transforme des vidéos brutes de robots ou d’humains en signaux d’entraînement : légendes horodatées des actions, récompenses de résultat pour surveiller des déploiements et récompenses de processus pour l’apprentissage par renforcement. Flora sert déjà de moteur de données pour entraîner les modèles GR00T et annote 200 000 heures de vidéo par jour sur 512 GPU GB300. Selon NVIDIA, il est compétitif avec GPT-6 Astra pour un coût environ 125 fois inférieur, mais le tableau publié est plus nuancé :

Banc et mesure	Flora	GPT-6 Astra
DenseRewardBench, macro F1 (plus haut = mieux)	46,2	40,7
RoboReward, erreur absolue moyenne (plus bas = mieux)	40,0	55,4
DenseCaptionBench Robot200, F1 de segmentation	66,9	71,9
WGO-Bench, exactitude (gold-window)	64,7	77,4

Flora devance GPT-6 Astra sur la plupart des mesures de récompense et sur les vidéos humaines, mais reste derrière sur les vidéos de robots, sur deux des trois mesures de WGO-Bench, sur la corrélation de Robometer hors distribution et sur RubricBench.

🔗 La page du projet Flora · Le fil de Jim Fan

Rachat et partenariat : OpenAI acquiert Orchestra Bio, Runway rejoint le Claude Marketplace

Deux opérations d’affaires du jour : un rachat dans le développement de médicaments chez OpenAI, et un accord de distribution entre Runway et Anthropic.

OpenAI acquiert Orchestra Bio pour relier Rosalind au développement de médicaments

20 octobre — OpenAI annonce l’acquisition d’Orchestra Bio, une plateforme où humains et agents IA font avancer ensemble des programmes de médicaments : scientifiques et responsables de programme y délèguent aux agents le suivi des études et des campagnes. OpenAI donne un exemple : un lot de fabrication raté peut retarder le début d’un essai clinique ; les agents repèrent alors les activités et les calendriers touchés, rassemblent les informations et comparent les réponses possibles, la décision restant aux équipes.

L’équipe et la technologie d’Orchestra rejoignent Rosalind, l’offre d’OpenAI pour les sciences de la vie : GPT-Rosalind pour raisonner en biologie et en chimie, Rosalind Workbench pour relier ces capacités aux outils et aux données des chercheurs. L’objectif affiché : des agents qui relient les découvertes aux études, aux décisions et aux étapes suivantes d’un médicament potentiel. OpenAI rappelle qu’il faut en moyenne 10 à 15 ans aux États-Unis entre la découverte d’une cible et l’approbation réglementaire. Aucun montant n’est communiqué.

🔗 L’annonce d’OpenAI

Runway Creative entre dans le Claude Marketplace, payable sur l’engagement Anthropic

20 octobre — Runway rejoint le Claude Marketplace d’Anthropic avec Runway Creative, sa plateforme de génération et de montage de vidéos, d’images et d’audio. Les clients entreprise éligibles peuvent imputer une partie de leur engagement de dépense Anthropic à l’achat de Runway, en passant par leur représentant Runway ou Anthropic ; aucun tarif n’est publié. Runway Creative réunit Gen-4.5, Aleph 2.0, Seedance 2.5, Kling 3.0 et ElevenLabs V4, et Claude fournit le raisonnement de Runway Agent, qui transforme une demande en découpage, choisit le modèle de chaque plan et assemble la vidéo. Les animations de Claude Motion, en bêta sur Claude Team et Enterprise, s’exportent vers Runway pour y ajouter images, voix off et musique.

Runway revendique plus de 65 millions de créateurs, cinéastes et équipes marketing. C’est le pendant, côté Anthropic, de l’arrivée de Runway Creative dans l’OpenAI Marketplace le 29 septembre.

🔗 L’annonce de Runway

Mesurer les modèles : MultiLangBench d’OpenAI, FairStress d’Ai2 et CALIBER de Cohere Labs

Trois publications de recherche évaluent les modèles sous trois angles : le code dans des langages peu répandus, l’équité de leurs décisions et la confiance qu’ils accordent à leurs propres réponses.

MultiLangBench : GPT-6 Astra construit un moteur compatible SQLite dans 20 langages, COBOL compris

19 octobre — OpenAI publie un billet de recherche sur les langages de programmation peu dotés (low-resource), comme COBOL, Fortran ou Visual Basic, pour lesquels il existe beaucoup moins de code et de documentation que pour Python, alors qu’ils font tourner des systèmes bancaires ou des prévisions météo. Sa première évaluation, MultiLangBench, publiée sous licence Apache-2.0, demande de construire depuis zéro un moteur de base de données compatible SQLite dans l’un de 20 langages, vérifié par des tests adaptés de la suite de SQLite.

Modèle évalué (effort maximal)	Moyenne sur 20 langages	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

GPT-6 Luna coûte environ 0,77 dollar par échantillon, contre 3,48 dollars pour GPT-5.6 Sol. Sur une seconde évaluation, la migration de programmes COBOL vers C++, Java, Kotlin, Python ou Rust avec une parité octet par octet des sorties, GPT-6.1 Sol réussit 86,6 % en effort faible, contre 5,4 % pour GPT-5.6 Sol au même réglage, et coûte 39 % de moins ; en effort plus élevé, il atteint 97,9 %. OpenAI rappelle qu’une migration en production exige toujours une revue par des experts.

🔗 Le billet d’OpenAI · MultiLangBench sur GitHub

FairStress : Ai2 mesure l’équité démographique au-delà de la réponse finale

20 octobre — Ai2 publie FairStress, un banc d’essai qui teste l’équité démographique des modèles au-delà de leur choix final : il mesure aussi la facilité avec laquelle un modèle abandonne une décision bien fondée face à un argument de persuasion, et la façon dont il la justifie. Le banc compte 300 scénarios de décision entre deux candidats dans 29 domaines, de l’embauche au logement, déclinés en plus de 13 millions de cas de test.

Sans information démographique, les modèles se comportent de façon symétrique. Sur 15 modèles, l’écart moyen dans l’abandon d’une bonne réponse atteint 6,9 points avec une identité implicite et 9,3 points avec une étiquette explicite : les modèles lâchent plus volontiers le meilleur candidat quand il est codé majoritaire, ce qu’Ai2 appelle une sur-correction anti-stéréotypique. Des modèles de pointe comme Claude Opus 5 et GPT-5.5 retiennent le candidat codé minoritaire dans environ 60 à 65 % des cas ambigus, et la plupart des neuf méthodes de correction testées ne réduisent pas l’asymétrie de façon fiable. Ai2 précise que sa définition de l’équité repose sur l’égalité de traitement ; le code est publié sous licence MIT.

🔗 Le billet d’Ai2

CALIBER : Cohere Labs apprend aux modèles de raisonnement à estimer leur confiance avant et après réflexion

20 octobre — Cohere Labs, le laboratoire de recherche de Cohere, présente CALIBER (Calibration Before and After Reasoning), une méthode qui apprend à un modèle de raisonnement à estimer deux fois ses chances : avant de réfléchir, puis sur la réponse produite. La confiance initiale est entraînée sur le taux de réussite du modèle sur plusieurs essais de la même question (sept réussites sur dix donnent une cible de 70 %), la confiance finale sur la justesse de sa réponse.

Sur le banc BigMathDigits, l’erreur de calibration attendue (Expected Calibration Error, ECE) du modèle de 7 milliards de paramètres tombe de 0,059 pour la meilleure méthode à confiance unique à 0,028, soit 52,5 % de moins ; sans entraînement supplémentaire, la baisse atteint 26,8 % sur GPQA, 32,2 % sur TriviaQA et 36,2 % sur SimpleQA. Le modèle de 30 milliards nuance le tableau : son ECE (0,022) n’est que très légèrement meilleure que celle de CoCA-lite (0,023). L’usage de ces estimations pour décider quand vérifier ou s’abstenir n’a pas été testé, et aucun produit Cohere n’est annoncé.

🔗 Le billet de Cohere · L’article sur arXiv

L’API OpenAI garde les prompts en cache 12 heures, pour 2,5 fois le prix d’entrée à l’écriture

20 octobre — L’API OpenAI permet désormais de garder un prompt en cache pendant 12 heures, contre 30 minutes par défaut. La nouveauté vise les agents persistants, comme les dots d’OpenAI, qui réutilisent les mêmes instructions, outils et contexte toute la journée : des requêtes espacées de plusieurs heures profitent encore du tarif réduit des tokens mis en cache. Le réglage passe par le paramètre prompt_cache_options.ttl de la Responses API, pour GPT-5.6 et les modèles suivants, et les deux durées se combinent dans une même requête : 12 heures pour les instructions partagées, 30 minutes pour la partie récente de la conversation.

Type de tarif (GPT-5.6 et suivants)	Multiplicateur du prix d’entrée non mis en cache
Écriture en cache, 30 minutes (défaut)	1,25
Écriture en cache, 12 heures (Responses API)	2,5
Lecture en cache	0,1 (0,05 pour GPT-6.1 Sol)

Pour un contexte réutilisé toute la journée, OpenAI estime que les économies l’emportent largement sur le surcoût d’écriture.

🔗 Le guide de la mise en cache des prompts · Le fil de @OpenAIDevs

Agents de code : Claude Code 2.1.304, Copilot CLI 1.0.101, Vibe CLI 3.0.1 et Devin Fusion

Trois CLI d’agents de code publient des versions centrées sur les permissions et la fiabilité, et Cognition se mesure à Claude Code sur un index indépendant.

Claude Code 2.1.304 : /claude-api managed-agents-secure, alerte avant une reprise coûteuse et 43 correctifs

19 octobre — Claude Code 2.1.304, publiée sur GitHub à 21 h 34 UTC, compte 76 entrées, dont 43 correctifs. La nouvelle commande /claude-api managed-agents-secure compare les réglages d’un agent Claude Managed Agents au guide de sécurité publié par Anthropic, sans rien modifier. Les abonnés Pro et Max sont prévenus quand la reprise d’une conversation inactive consommerait une part notable de leur limite d’usage de cinq heures, et peuvent ouvrir à la place une nouvelle conversation où Claude retrouvera l’ancienne. /auto-mode-setup arrive sur Bedrock, Vertex, Foundry et la passerelle Claude apps.

Plusieurs correctifs protègent le travail de l’utilisateur : claude --worktree ne supprime plus, sans demander, un worktree et sa branche quand HEAD était détaché ou sur une autre branche, ce qui pouvait faire perdre des commits, et un rm -r sur un disque monté déclenche désormais l’invite de sécurité. La recherche d’outils devient active par défaut derrière un ANTHROPIC_BASE_URL personnalisé, et Code Review peut relire tous les dépôts d’une organisation GitHub, y compris ceux ajoutés plus tard.

🔗 Les notes de Claude Code 2.1.304

Copilot CLI 1.0.101 : sorties structurées natives pour les sous-agents et consignes pour le juge des permissions

20 octobre — GitHub publie Copilot CLI 1.0.101 en version stable, au lendemain de la 1.0.100 ; ses 30 entrées viennent de deux préversions parues entre-temps. Deux ajouts ouvrent la liste : des sorties structurées natives pour les sous-agents des flux de travail dynamiques (dynamic workflows), sur les modèles qui le permettent, et un réglage assistedApprovalInstructions qui oriente les décisions de confirmation du juge des Assisted Permissions.

Les permissions deviennent plus lisibles : les invites d’approbation expliquent la cause d’une escalade et proposent une commande de diagnostic propre à la requête, et une commande shell qui crée puis ouvre un dossier demande une approbation de chemin au lieu d’être refusée d’emblée. Côté entreprise, les plugins assignés à une Team s’installent depuis les places de marché GitHub de cette Team, et le sélecteur marque comme défaut le modèle imposé par l’administrateur. Sous macOS, le bac à sable joint directement les services TCP locaux quand l’accès local est ouvert, et les modèles locaux de providers.json ne bloquent plus le mode Auto.

🔗 Les notes de Copilot CLI 1.0.101

Vibe CLI 3.0.1 : retour de Python 3.12 et mode YOLO interdit par l’administrateur

20 octobre — Au lendemain de Vibe CLI 3.0.0, Mistral publie sans annonce la 3.0.1 : 58 entrées, dont 9 ajouts, 15 changements et 34 correctifs. Elle revient sur une décision de la 3.0.0 : Vibe fonctionne de nouveau avec Python 3.12 et plus, au lieu d’exiger Python 3.14. Un nouveau réglage d’administrateur, enable_auto_approve, interdit le mode d’auto-approbation dit « YOLO » : l’agent auto-approve disparaît et les options --auto-approve, --yolo et bypass_tool_permissions sont ignorées, les permissions par outil restant appliquées.

Les sous-agents sont mieux suivis : vibe -p attend ceux qu’un tour a laissés tourner, et l’export détaille leur statut, leur modèle, leur usage et leur coût, chacun au tarif de son propre modèle. La commande expérimentale vibe run-server fait tourner de nombreuses sessions non interactives dans un seul processus, et une réponse coupée à la limite de tokens de sortie est redemandée jusqu’à six fois.

🔗 Les notes de Vibe CLI 3.0.1

Devin Fusion : 68,2 sur le Coding Agent Index, pour un coût par tâche inférieur de 31 % à Claude Code avec Opus 5.5

19 octobre — Cognition met en avant le score de Devin Fusion, son harnais qui associe un modèle principal et un modèle acolyte (sidekick), sur le Coding Agent Index d’Artificial Analysis, un index indépendant qui note les agents de code sur trois évaluations à poids égal :

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇫🇷 Devin Fusion décroche l’un des meilleurs scores, 68, sur le Coding Agent Index d’@ArtificialAnlys, avec Opus 5.5 en modèle principal et GPT-6 Luna en acolyte. Devin Fusion surpasse Claude Code avec Opus 5.5 en performance comme en prix, avec un score de 68 pour un coût par tâche inférieur de 31 %. — @cognition sur X

Les données de l’index confirment l’écart de coût ; Devin Fusion y est deuxième sur 42 configurations :

Configuration évaluée	Score de l’index	Coût moyen par tâche
Claude Code, Sonnet 5.5 (max)	68,4	14,19 dollars
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02 dollars
Claude Code, Opus 5.5 (max)	66,0	13,04 dollars

Muse Code avec Muse Wonder Full suit à 68,0. Devin Fusion mène nettement sur DeepSWE v1.1 (72,6 contre 68,4) et sur SWE-Atlas-QnA (69,4 contre 66,4), mais Claude Code avec Opus 5.5 garde l’avantage sur Terminal-Bench v4 (63,1 contre 62,6). Cognition ne publie pas de nouveau billet.

🔗 Le Coding Agent Index d’Artificial Analysis

Brèves

Agents et outils de code

Les notes de version de Devin du 19 octobre — Devin consulte désormais l’état de la CI d’un commit, d’une branche ou d’un tag, et plus seulement d’une pull request, sur GitHub, GitLab, Azure DevOps et Bitbucket ; Devin Review gagne un éditeur de règles et un bouton Review now, et le rêve nocturne de la mémoire (nightly memory dreaming) devient désactivable. 🔗 source
Agent Manager — Hugging Face publie sous licence Apache-2.0 un espace de travail privé, déployé dans un Space, pour piloter depuis le navigateur des dizaines d’agents Claude Code, Codex, Gemini CLI, opencode ou Hermes, qui communiquent entre eux et continuent de tourner pendant qu’on reprend depuis un autre appareil. 🔗 source
La recherche d’outils MCP chez Zed — L’équipe de Zed a comparé 25 façons de retrouver le bon outil MCP, dont des modèles de décision, des LLM et des plongements (embeddings), sur 150 requêtes et 536 outils, et retient un BM25 pondéré avec quelques règles de normalisation, local et sans appel d’API ; ni scores détaillés ni produit concerné. 🔗 source
Zed 1.24.4 et 1.25.1 en préversion — La stable corrige le chargement des modèles OpenCode ; la préversion ajoute la coloration HTML des gabarits étiquetés svg, mathml et raw et la coloration CSS des gabarits passés à css() en JavaScript et TypeScript ; rien de neuf côté agents. 🔗 préversion 1.25.1 · 🔗 1.24.4
v0 sur iOS — L’application iOS de v0 reçoit les annotations Browser Use, annoncées par un tweet avec vidéo, sans description de la fonction ni entrée au changelog de v0. 🔗 source
Gemini CLI, version nocturne du 20 octobre — Après trois versions nocturnes vides, deux correctifs : le rafraîchissement de l’écran ne purge plus l’historique de défilement du terminal, /clear et Ctrl+L n’effaçant plus que la zone visible, et les DevTools n’affichent plus de caractères UTF-8 coupés entre deux paquets HTTP ; la stable v0.64.0 reste inchangée. 🔗 source
ZCode v3.16.2 — Le dépôt open source de ZCode, l’environnement de code de Z.ai, se synchronise sur la v3.16.2 sans notes de version : vue complète du panneau latéral dans l’application de bureau et, dans sa place de marché, un plugin anet qui confie des tâches à d’autres agents par le protocole A2A. 🔗 source
La CLI mistral 0.9.0 — L’outil qui déploie des applications sur la plateforme de Mistral ajoute mistral upgrade, un déploiement expérimental depuis le disque sans commit poussé et, derrière un indicateur de fonctionnalité, mistral apps list et logs ; changement cassant, le jeton d’un registre privé ne se lit plus que dans MISTRAL_REGISTRY_TOKEN ou NODE_AUTH_TOKEN. 🔗 source
L’API des politiques de modèles Copilot — Des points de terminaison REST GET et PATCH passent en disponibilité générale pour lire et modifier les modèles autorisés au niveau de l’entreprise, des équipes d’entreprise, des applications d’agent et des organisations, avec délégation possible aux organisations ou aux équipes. 🔗 source

Entreprises et cas d’usage

Les Inference hooks pour Claude Enterprise — Sortis de bêta, ils envoient la transcription de chaque requête au serveur de sécurité de l’organisation, qui l’autorise ou la refuse avant qu’elle n’atteigne le modèle, en 5 secondes par défaut, de claude.ai à Claude Code, Cowork, Claude Tag ou Claude in Chrome ; ni Bedrock, ni Google Cloud, ni l’API. 🔗 notes de version · 🔗 documentation
Perplexity et Valarian — Avec cette société britannique d’infrastructure souveraine, Perplexity fait tourner Computer sur les serveurs des institutions régulées, réseaux isolés (air-gapped) compris, avec des modèles ouverts comme Nemotron, GLM, Kimi, DeepSeek-R1 ou Qwen ; déploiements sur demande, sans tarif ni client cité. 🔗 source
IncidentWatch et IncidentSweep — SpaceXSI raconte comment deux Grok Bots gèrent les incidents de son support : l’un repère toutes les 5 minutes les pics de tickets et alerte l’astreinte, l’autre clôt les tickets par lots approuvés par un ingénieur, 204 en une dizaine de minutes lors d’un incident du 18 septembre. 🔗 source
ChatGPT Work chez un franchisé — Ted Taylor, qui exploite trois restaurants Schlotzsky’s et Cinnabon au Nouveau-Mexique, ramène la révision des prix de ses menus de 5 jours à 1 à 2 heures et son rapprochement de caisse mensuel de 3 heures à 5 à 10 minutes, soit 94 % de moins, selon l’étude de cas d’OpenAI. 🔗 source
Trois Java Champions et Copilot — Sur le GitHub Blog, Vlad Mihalcea, Patrick Baumgartner et Frank Delporte racontent leur usage de Copilot, de la migration d’environ 900 diapositives vers Marp en huit à dix heures à une pull request de l’agent de code sur un bogue de Pi4J, obtenue en une demi-heure. 🔗 source
Hippolyte.ai et ElevenLabs — La plateforme française de recrutement a mené 4 830 entretiens vocaux de présélection en trois semaines avec la synthèse vocale d’ElevenLabs, avec un traitement vocal dans l’Union européenne, des enregistrements bruts supprimés sous 24 heures et un modèle à poids ouverts auto-hébergé en France. 🔗 source
Replit au Japon — Replit ouvre un bureau au Japon pour rapprocher sa création d’applications et d’agents d’entreprise des sociétés japonaises, avec quatre événements à Tokyo les 5 et 6 novembre, dont un atelier avec Microsoft ; ni adresse, ni effectif, ni offre propre au Japon. 🔗 source

Classements et guides

ClaimBench — Le nouveau banc de Vals AI demande si un extrait de rapport annuel 10-K soutient une affirmation, la contredit ou n’en dit rien : pplx-decider-v1.2 de Perplexity mène les modèles de décision avec 99,69 % pour 0,000104 dollar par affirmation, devant Mercury Decide (99,08 %), avec l’une des latences les plus élevées (1,23 s). 🔗 source
MiniMax M3.1 Flash chez Parallel — Parallel Web Systems classe le modèle de MiniMax, lancé la veille, premier de son classement de recherche web pour l’efficacité, avec des performances proches de DeepSeek V4.1 Flash pour un coût environ trois fois inférieur ; il s’agit d’un classement d’éditeur tiers. 🔗 source
Les passerelles d’IA selon Perplexity — Un guide de la rubrique Idées décrit ces proxys placés entre les applications ou les agents et les modèles (routage, budgets de tokens, cache sémantique, garde-fous) et cite un test de Broadcom où une passerelle Envoy réglée ajoute environ 2 ms par requête ; aucun produit Perplexity n’y est présenté. 🔗 source

Création : image, vidéo et présentations

Fibo 2.0 de Bria — Diffusers prend en charge dès sa sortie ce modèle d’édition d’image à poids ouverts, présenté comme le premier de sa catégorie, qui se pilote en JSON, rend correctement le texte et existe en variantes Turbo et Dev, selon Sayak Paul. 🔗 source
Art Style Match de Luma — L’outil applique à une image produit le style d’une à quatre références en gardant le produit et la composition en place ; il n’est présenté que par un tweet, sans billet, modèle ni tarif. 🔗 source
HeyGen Video 1.0 sur Design Arena — Selon HeyGen, Design Arena classe troisième, en vidéo et en image vers vidéo, son modèle en 1080p post-entraîné sur MiniMax H3, que HeyGen présente pour les gros plans produit et les plans de coupe. 🔗 source
Wan3.0 Prime sur OpenRouter — Alibaba place cette variante rapide de Wan 3.0, à partir de 0,068 dollar la seconde, en tête de la vue Trending du classement vidéo d’OpenRouter, avec environ 3 000 requêtes (+85 %) ; Wan 3.0 y est troisième. 🔗 source
TJ à GTC Berlin — Synthesia fait du double en dessin animé de Jensen Huang un avatar interactif, bâti sur ses modèles vidéo et voix et sur son Interactive Avatar API, qui recommande aux visiteurs des sessions parmi plus de 100 les 21 et 22 octobre. 🔗 source
La co-création dans Gemini Notebook — Les abonnés Pro et Ultra choisissent le thème, le format, la durée, la langue et le style visuel, puis relisent le plan d’une présentation (Slide Deck) ou les notes de production d’une vidéo de synthèse (Video Overview) avant de lancer la génération ; le déploiement se poursuit. 🔗 source

Modèles ouverts, recherche et matériel

AnyLanguageModel 1.0 — Le paquet Swift de Hugging Face remplace le framework Foundation Models d’Apple en changeant un import, pour faire tourner la même session avec le modèle système, des modèles ouverts via llama.cpp, MLX ou Core ML, ou des fournisseurs hébergés comme OpenAI, Anthropic ou Gemini. 🔗 source
Post-entraîner des agents avec TRL — Hugging Face publie un parcours en cinq étapes, de l’affinage supervisé sur des traces d’agents à l’entraînement à travers un vrai harnais avec AsyncGRPO, en passant par la distillation, GRPO et les environnements OpenEnv ; un contenu pédagogique, sans nouveau produit. 🔗 source
Nemotron 3.5 Super VL chez Thoughtworks — Dans son deuxième rapport, Thoughtworks voit trois adaptateurs LoRA gagner de 5,42 à 9,41 points sur des données réservées du droit et de la santé, sans gain significatif sur le banc public CaseHOLD, et retire un juge dont le verdict bougeait de 35,1 points selon ses consignes. 🔗 source
Une météo plus fine sur la France — Sur le blog de Hugging Face, un U-Net d’environ 2 millions de paramètres, entraîné en une heure, affine de 28 à 5,5 km les prévisions de température d’AIFS-ENS : face aux stations de Météo-France, l’erreur baisse de 14 % (RMSE) sur deux jours, dans ce que ses auteurs présentent comme une démonstration. 🔗 source
Coral NPU — Google Research achève l’architecture 32 bits de son processeur neuronal ouvert pour l’IA embarquée, bâti sur RISC-V, avec une unité matricielle jusqu’à 1 TOPS pour une puissance moyenne visée de 10 mW, et publie Coral Compiler v1.0 ; Synaptics lance sa série de puces Astra SR200. 🔗 source

GitHub, hors IA

Secret scanning — Le 12 novembre, le champ business de deux familles d’événements d’audit passera du nom d’affichage de l’entreprise à son identifiant court (slug) ; la révocation, en préversion, accepte aussi les jetons GitHub encodés en Base64 dans les dépôts privés et internes. 🔗 source
Alertes Dependabot — L’API REST et les webhooks dependabot_alert renvoient un champ version_requirement, la version ou la contrainte de version de la dépendance vulnérable, sur github.com et GitHub Enterprise Cloud, en attendant GitHub Enterprise Server 3.24. 🔗 source
Dependabot et les nouveaux gestionnaires de paquets — Dependabot prend en charge npm 12, pnpm 11 et 12 et Bun 1.4 pour tous les utilisateurs de github.com, et les inclura dans GitHub Enterprise Server 3.24. 🔗 source
Jeux de règles — Toutes les protections de branches d’un dépôt se convertissent désormais en jeux de règles (rulesets) en une seule action, avec un aperçu, un statut d’application au choix (Active, Evaluate ou Disabled) et la conservation ou la suppression des règles d’origine. 🔗 source

Ce que ça signifie

L’inférence sort du tout-NVIDIA, et les éditeurs ouvrent les moteurs qui la servent. DeepInfer tourne aussi bien sur les GPU SM100 de NVIDIA que sur les NPU Ascend 950 de Huawei, TorchTPU fait du TPU un périphérique PyTorch ordinaire jusque dans Transformers et Diffusers, et PyTorch 2.15 multiplie par plus de six le décodage d’un MoE sur Mac. DeepSeek publie aussi l’économie de son service, 155 000 milliards de tokens par jour sur un seul cluster et 38 dollars de revenu par heure-GPU aux heures creuses, et deepseek-recipe permet à un hébergeur tiers de reproduire le comportement de son API officielle. La réutilisation du contexte pèse de plus en plus dans ce calcul : DeepSeek conserve son cache KV plus de 72 heures, et OpenAI vend désormais 12 heures de cache de prompt aux agents qui reprennent le même contexte toute la journée.

Pour les agents vocaux, Mistral et ElevenLabs défendent deux architectures le même jour. Voxtral 3 garde une chaîne de modèles séparés, transcription, LLM au choix et synthèse, que le SDK fait travailler en flux pour boucler un tour en moins d’une seconde ; chaque brique se change sans réécrire l’agent, et les prix sont affichés à la minute ou au caractère. Eleven Realtime fond toute la chaîne dans un seul modèle de parole à parole et mise sur la compatibilité avec l’API Realtime d’OpenAI pour attirer les développeurs déjà intégrés, sans tarif chiffré. Mistral ajoute l’argument de l’hébergement en Europe, au moment où le cas Hippolyte.ai montre ce qu’exigent les grands comptes : un traitement vocal dans l’Union européenne et des enregistrements supprimés sous 24 heures.

L’endroit où travaille l’assistant devient un argument. Perplexity Computer s’exécute désormais entièrement sur un Mac doté de 36 Go de mémoire, modèle compris, et Valarian le porte sur des réseaux isolés ; chez Anthropic, les Inference hooks laissent le serveur de sécurité d’une entreprise refuser une requête avant qu’elle n’atteigne le modèle. Les éditeurs détaillent aussi les limites de ces protections : les chats verrouillés de ChatGPT masquent une conversation sans la chiffrer de bout en bout, et elle reste dans les journaux de conformité des entreprises.

La sécurité de la chaîne logicielle se joue là où les agents agissent. OSS Scanner a signalé 77 failles critiques et 803 élevées en onze jours, une gravité encore attribuée par le modèle lui-même, tandis que la faille de curl a reçu un identifiant CVE, un avis et un correctif. Le pare-feu de paquets de GitHub vise le moment de l’installation, quand un paquet malveillant peut récolter les identifiants d’un exécuteur d’intégration continue ou d’un agent de code. Les CLI d’agents donnent dans le même temps plus de prise aux administrateurs : Vibe CLI 3.0.1 permet d’interdire le mode YOLO, Copilot CLI 1.0.101 laisse orienter le juge qui valide les permissions, et Claude Code 2.1.304 ne supprime plus un worktree sans demander.