Wan 3.0 génère 30 secondes en une passe, NVIDIA mesure des pics à 30x de travail par watt, Mistral signe avec HUMAIN

Le 24 août est une journée de matériel autant que de modèles. NVIDIA sort trois annonces d’infrastructure dans la même salve Hot Chips — premières mesures sur silicium pour Vera Rubin NVL72, entrée en production de Groq 3 LPX, ouverture de la plateforme aux puces tierces via NVLink Fusion. Alibaba lance Wan 3.0, qui génère 30 secondes de vidéo natives en une seule passe. Et deux laboratoires non américains s’affichent le même jour aux côtés d’institutions nationales : Mistral avec HUMAIN en Arabie saoudite, Sakana AI avec le ministère japonais de la Défense. S’y ajoutent la disponibilité générale de l’autorisation d’entreprise pour les connecteurs MCP chez Anthropic, l’arrivée de GPT-5.6 dans Kiro et une série d’annonces sur les agents vocaux.

Wan 3.0 génère 30 secondes natives en une seule passe

24 août — Alibaba lance Wan 3.0, la nouvelle génération de son modèle vidéo. La bascule la plus visible tient à la durée : le modèle produit 30 secondes natives en une seule passe, sans assemblage de plans successifs (stitching). Jusqu’ici, dépasser une dizaine de secondes supposait de générer plusieurs segments puis de les raccorder, avec les dérives de cohérence que cela entraîne sur la lumière, les textures et les visages.

Le second axe est l’entrée multimodale. Wan 3.0 accepte jusqu’à 20 assets de référence et analyse documents et pages web en plus des images, de l’audio et de la vidéo — ce que la page officielle nomme création omnimodale (Omni-Creation). En pratique, on lui fournit un dossier de marque plutôt qu’une description textuelle.

Le modèle génère par ailleurs un audio synchronisé natif : voix, effets et ambiance sont produits en même temps que les images, et non rapportés après coup. Côté image fixe, Wan 3.0 fusionne jusqu’à 9 images en une composition unique et génère 12 images séquentielles à style et sujet constants, ce qui vise explicitement le storyboard et la déclinaison publicitaire.

Deux capacités moins spectaculaires comptent en usage professionnel : le rendu de texte long sur 12 langues, qui couvre graphiques, formules et infographies là où les modèles vidéo échouent habituellement, et le contrôle colorimétrique précis, condition de la conformité à une charte graphique.

L’écosystème a suivi dans la journée : Wan 3.0 était disponible au jour zéro chez fal, Leonardo.Ai, Scenario, RunningHub, Venice, TapNow, DeeVid, Pixmax et via le Pika API Club.

Capacité annoncée	Valeur pour Wan 3.0
Durée native	30 s en une passe, sans assemblage
Assets de référence	Jusqu’à 20, avec analyse de documents et de pages web
Audio	Synchronisé, généré nativement avec les images
Rendu de texte	Texte long sur 12 langues (graphiques, formules, infographies)
Fusion d’images	Jusqu’à 9 images en une composition
Suites d’images	Jusqu’à 12 images séquentielles cohérentes

🔗 Wan 3.0 — page officielle

NVIDIA mesure jusqu’à 30x plus de travail par watt sur Vera Rubin NVL72

24 août — À l’occasion de la conférence Hot Chips, NVIDIA publie ses premières mesures de performance sur silicium pour Vera Rubin NVL72. Le chiffre mis en avant vise directement l’économie des centres de données : jusqu’à 30x plus de débit par mégawatt que la génération GB300 NVL72 sur le modèle DeepSeek V4 Pro, et un coût par million de tokens jusqu’à 35x inférieur.

Le point méthodologique compte autant que le résultat. NVIDIA écarte les mesures d’inférence classiques, calibrées sur des séquences de 1 000 à 8 000 tokens : dans une session agentique, le contexte s’accumule et atteint plusieurs centaines de milliers de tokens en entrée. Les mesures ont donc été faites avec SemiAnalysis AgentX, une charge de sessions de codage agentique réelles enregistrées, appels d’outils et sous-agents conservés. Deux réserves : les chiffres attendent la revue de SemiAnalysis et n’intègrent pas encore l’apport du CPU Vera.

La justification tient dans une statistique OpenRouter : une charge agentique consomme 15x plus de tokens qu’une requête de chat simple. Pour une usine à IA contrainte en énergie, l’enjeu est formulé sans détour — le débit par mégawatt détermine le chiffre d’affaires, le coût par million de tokens détermine la marge. La technologie DSX MaxLPS permet en outre de provisionner jusqu’à 40% de GPU supplémentaires à budget mégawatt égal.

Les gains viennent d’un empilement d’optimisations d’inférence : service désagrégé séparant traitement de contexte et génération de réponse, cache KV distribué avec déchargement par paliers, noyaux CUDA fusionnés comme MegaMoE et quantification NVFP4 qui comprime les poids en 4 bits. La plateforme complète compte sept puces, GPU Rubin compris.

Comparaison mesurée	Gain annoncé
Vera Rubin NVL72 contre GB300 NVL72 (débit par mégawatt)	jusqu’à 30x
Vera Rubin NVL72 contre GB300 NVL72 (coût par million de tokens)	jusqu’à 35x moins cher
GB300 NVL72 contre Hopper (débit par mégawatt)	jusqu’à 15x
DSX MaxLPS	+40% de GPU à budget mégawatt égal

🔗 Vera Rubin NVL72 et les charges agentiques

Groq 3 LPX entre en pleine production, Nebius et SpaceXAI adoptent Vera Rubin

24 août — Deuxième volet de la même salve Hot Chips : le système rack-scale NVIDIA Groq 3 LPX passe en pleine production, en extension de Vera Rubin NVL72.

Le chiffre de référence vient d’un benchmark Artificial Analysis sur Gemma 4 31B : 3 400 tokens de sortie par seconde à contexte long de 100 000 tokens, soit 4x la plateforme alternative la plus proche. Le problème visé porte un nom précis — la latence de décodage : un agent génère sa réponse token par token, et le moindre délai unitaire se multiplie le long des chaînes de travail.

La répartition des rôles est explicite : les GPU Rubin traitent le contexte à grande échelle, LPX accélère le décodage sensible à la latence. Un rack peut réunir 256 accélérateurs LP30 reliés par des liens directs puce à puce.

Trois adoptants sont cités. Nebius est le premier cloud IA à intégrer Groq 3 LPX, dans sa Token Factory ; CoreWeave déploie Spectrum-X Multiplane en production pour interconnecter ses racks Vera Rubin ; et SpaceXAI adopte les CPU NVIDIA Vera pour l’orchestration, l’appel d’outils et l’exécution de code derrière l’IA agentique, avec l’intention de bâtir son architecture autour de Vera Rubin, des centres de données terrestres jusqu’aux satellites en orbite.

Côté réseau, dépasser les plus grands clusters actuels imposait jusqu’ici un troisième niveau, coûteux en câblage, en optique, en énergie et en latence. Spectrum-X Multiplane divise plutôt la connexion de chaque serveur en plusieurs chemins indépendants, ou plans, chacun opérant son propre réseau à deux niveaux.

Élément mesuré	Valeur annoncée
Groq 3 LPX sur Gemma 4 31B, contexte 100k	3 400 tokens/s en sortie, 4x la plateforme la plus proche
Rack Groq 3 LPX	jusqu’à 256 accélérateurs LP30, liens puce à puce
Spectrum-X Multiplane	jusqu’à 512 000 GPU sur deux niveaux
Perte d’un plan sur huit	environ 90% de bande passante conservée
Récupération matérielle	11x plus rapide que l’équilibrage logiciel, 1,6x de production

🔗 Groq 3 LPX, Spectrum-X et NVLink Fusion

NVLink Fusion raccorde les puces personnalisées à la plateforme NVIDIA

24 août — Troisième article NVIDIA de la journée : NVLink Fusion fait entrer les puces personnalisées (XPU) dans un domaine de montée en charge NVLink de 72 accélérateurs. La sixième génération de NVLink affiche une latence de bout en bout 3x plus faible que les solutions fondées sur de l’Ethernet standard, avec un débit de paquets 10x supérieur ; la feuille de route annonce des domaines allant jusqu’à 1 152 accélérateurs et de l’optique co-packagée. NVLink-C2C relie les XPU aux CPU Vera ou à d’autres CPU avec jusqu’à 6x l’efficacité énergétique d’une interface PCIe.

L’argument est celui du découplage : la planification d’une usine à IA — énergie, bâtiment, refroidissement, racks, réseau — démarre bien avant que le mix d’accélérateurs soit arrêté, et un centre de données verrouillé sur une seule puce devient un risque de planning. Les adoptants réutilisent l’architecture rack MGX et sa chaîne d’approvisionnement. Partenaires cités : Intel, MediaTek, GUC, QCT et Annapurna Labs.

🔗 NVLink Fusion et les XPU

Mistral et HUMAIN signent pour une IA souveraine en Arabie saoudite

24 août — Mistral annonce une collaboration stratégique avec HUMAIN, l’entreprise saoudienne d’intelligence artificielle : infrastructure de calcul, développement de modèles avancés et déploiement de solutions dans le royaume et la région. L’engagement se chiffre, selon Mistral, en plusieurs centaines de millions d’euros.

Les axes initiaux sont la cybersécurité et la voix, avec des modèles frontière performants en langue arabe. Mistral explorera l’utilisation des datacenters de HUMAIN pour ses besoins de calcul locaux, et les deux partenaires viseront ensemble les industries régulées du royaume. L’annonce prolonge une séquence entamée cet été — partenariat élargi avec Microsoft, puis European Compute Units début août — et le communiqué précise qu’il s’agit de déclarations prospectives, soumises à des accords commerciaux ultérieurs.

Control is becoming the defining topic in enterprise AI adoption. Across the world, and especially in regulated industries, organizations want the benefits of AI without giving up control over their sensitive data and systems.

🇫🇷 Le contrôle devient le sujet déterminant de l’adoption de l’IA en entreprise. Partout dans le monde, et particulièrement dans les industries régulées, les organisations veulent les bénéfices de l’IA sans renoncer au contrôle de leurs données et de leurs systèmes sensibles. — @MistralAI sur X

🔗 Annonce @MistralAI · Billet Mistral

Sakana AI décroche un contrat du ministère japonais de la Défense

24 août — Sakana AI rend public un contrat signé le 29 juillet avec le ministère japonais de la Défense (防衛省), portant sur l’étude et la démonstration des fonctions d’IA nécessaires aux opérations d’analyse intégrée. Le projet cible les officiers d’analyse de la Direction du renseignement, sur trois axes : collecte, capacités d’analyse et gestion documentaire. La brique mobilisée est la technologie d’agents IA du laboratoire.

Ce n’est pas son premier contrat de défense : en mars 2026, le laboratoire tokyoïte avait déjà été retenu sur les technologies de base des systèmes de commandement et contrôle. Pour une entreprise dont l’identité publique repose sur ses modèles ouverts, la trajectoire mérite d’être notée — le blog dispose désormais d’une rubrique dédiée à la défense et au renseignement, et Sakana AI recrute pour cette équipe.

「Sakana AI株式会社は、令和8年7月29日、防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結いたしました。」

🇫🇷 Sakana AI a conclu le 29 juillet 2026 un contrat avec le ministère de la Défense portant sur l’étude et la démonstration des fonctions d’IA nécessaires aux opérations d’analyse intégrée. — Sakana AI, billet officiel

🔗 Sakana AI — analyse intégrée pour la Défense

Anthropic ouvre en disponibilité générale l’autorisation d’entreprise pour les connecteurs MCP

24 août — L’autorisation gérée par l’entreprise (enterprise-managed auth) pour les connecteurs MCP passe en disponibilité générale sur Claude Team et Claude Enterprise, après une bêta ouverte en juin. Le problème résolu est concret : jusqu’ici, brancher un connecteur MCP supposait deux étapes — l’administrateur l’activait pour l’organisation, puis chaque utilisateur passait par un flux OAuth pour chaque outil. L’administrateur autorise désormais une seule fois, via le fournisseur d’identité de l’entreprise, et les utilisateurs trouvent leurs outils déjà connectés.

Un point intéresse les équipes sécurité : un administrateur peut exiger qu’un connecteur passe toujours par le fournisseur d’identité, ce qui empêche de relier un compte personnel à un outil professionnel. Dix fournisseurs MCP sont pris en charge au lancement — Asana, Atlassian, Canva, Datadog, Figma, Granola, Linear, Notion, Slack et Supabase — avec Okta comme seul IdP pour l’instant. Le mécanisme n’est pas propriétaire : c’est la première implémentation de l’extension Enterprise-Managed Authorization du Model Context Protocol.

🔗 Annonce @ClaudeDevs · Billet Anthropic

Boris Cherny reconnaît les refus en cybersécurité comme un défaut

24 août — Au lendemain de ses propos sur les trois paliers de capacité, le responsable de Claude Code répond à deux interrogations récurrentes chez les développeurs en sécurité. La première est la suspicion d’un modèle interne privilégié : l’équipe utilise exactement le même Fable que les utilisateurs finaux.

La seconde est plus directe : les refus déclenchés par les sujets de cybersécurité sont reconnus comme un défaut, dans des termes qui ne cherchent pas à l’atténuer, et l’équipe travaille à les réduire. C’est une information utile pour les praticiens de la sécurité défensive ou des CTF, qui se heurtent régulièrement à des refus sur des demandes légitimes. Aucun calendrier n’est donné, mais le message prolonge la mise à jour d’août sur les garde-fous biologie de Fable 5, qui visait déjà à réduire les faux positifs.

We use the same exact Fable. Cyber security refusals suck, and we are working on reducing them. More to come.

🇫🇷 Nous utilisons exactement le même Fable. Les refus en cybersécurité sont pénibles, et nous travaillons à les réduire. D’autres choses à venir. — @bcherny sur X

Anthropic commence à maintenir automatiquement ses propres applications

23 août — Poussé à préciser ce qu’il entend par coder, Boris Cherny pose une distinction simple : le coding est l’acte d’écrire du code, l’engineering est tout le reste par-dessus. Il reconnaît que la découpe entre travail tactique et travail stratégique est une autre grille de lecture recevable.

C’est la fin de son message qui apporte l’information neuve. Il affirme voir des pans du travail stratégique commencer à être automatisés, et donne un exemple concret : Anthropic commence à maintenir automatiquement ses applications, et un nombre de clients en croissance rapide ferait de même. La nuance compte — il ne s’agit plus de générer du code sur demande, mais de laisser des agents assurer la maintenance courante d’applications en production : mises à jour de dépendances, corrections, adaptations aux changements d’API. Le verbe employé décrit un déploiement en cours et non un état de fait, et aucun chiffre, aucune application nommée ni périmètre exact ne sont donnés.

🔗 Fil @bcherny sur le coding et l’engineering

Un digest commercial hebdomadaire automatisé avec Claude Code

24 août — Anthropic publie un billet sur un usage interne de Claude Code hors du développement logiciel : une marketeuse terrain y raconte comment elle a remplacé le stand-up de quinze minutes du lundi matin par un digest hebdomadaire personnalisé, livré en message Slack à chaque commercial.

L’architecture tient en peu de choses : Claude est connecté à BigQuery via MCP, l’entrepôt servant de source de vérité aux données marketing. La méthode est plus instructive que la technique : le pilote a démarré avec une seule équipe volontaire, et chaque correction remontée par les destinataires a été convertie en règle explicite du prompt : à la fin de la première semaine, celui-ci comptait neuf règles de contenu, chacune traçable à un retour précis. Chaque message étant composé à partir de la liste de comptes de son destinataire, deux messages ne sont jamais identiques ; les BDR (business development representatives) ont ensuite demandé leur propre variante.

🔗 Un digest hebdomadaire personnalisé avec Claude Code

GPT-5.6 arrive dans Kiro, l’agent de développement d’AWS

24 août — La famille GPT-5.6 complète — Sol, Terra et Luna — est disponible dans Kiro, l’agent de développement logiciel d’AWS. L’argument mis en avant n’est pas la puissance brute mais le rapport prix/performance : sur Terminal-Bench 2.1, un test mené conjointement par OpenAI et AWS, GPT-5.6 Terra mène à bien les tâches réussies avec environ 82% de coût en moins.

L’explication avancée tient à la méthode de Kiro, le développement piloté par spécifications (spec-driven development) : l’outil convertit une intention de haut niveau en exigences, en conception technique et en tâches exécutables, ce qui ancre le modèle dans un contexte précis dès le départ et limite les fausses pistes. OpenAI détaille les usages visés : plans d’implémentation structurés, tâches de code multi-étapes, contexte du dépôt, points de contrôle avant application des changements. Pour qui suit l’écosystème des agents de code, l’annonce confirme surtout que la gamme GPT-5.6 se diffuse hors des surfaces OpenAI.

🔗 GPT-5.6 dans Kiro

Codex gagne un mode développeur avec accès au Chrome DevTools Protocol

24 août — Le changelog ChatGPT et Codex reçoit une salve de nouveautés centrées sur le navigateur piloté par l’agent. La principale est un mode développeur pour Browser use, dans Chrome comme dans le navigateur intégré de Codex : il accorde un accès contrôlé au Chrome DevTools Protocol, l’interface qu’utilisent les outils de développement de Chrome. L’agent peut ainsi profiler les performances et déboguer le trafic réseau, la sortie console et l’état de la page, au lieu de se limiter à ce qu’il lit à l’écran.

Le même protocole sert la vitesse : Browser use devient jusqu’à deux fois plus rapide, grâce à des instantanés du DOM qui réduisent les allers-retours avec le navigateur. Les automatisations planifiées respectent désormais le mode d’approbation sélectionné, ce qui corrige un écart gênant pour les exécutions non supervisées.

Nouveauté du changelog	Portée annoncée
Mode développeur pour Browser use	Chrome et navigateur intégré de Codex, accès CDP contrôlé
Browser use accéléré	Jusqu’à 2x plus rapide (optimisations CDP et instantanés DOM)
Commande `/init`	Composer de l’application, fonctionnement identique à la CLI Codex
Computer Use	Entreprises hors EEE, Royaume-Uni et Suisse
Contrôles Computer Use sous Windows	Configurables application par application

🔗 Changelog ChatGPT et Codex

Les lauréats du Gemma 4 Good Challenge

24 août — Google publie les résultats de son Gemma 4 Good Challenge, compétition Kaggle qui invitait les développeurs à traiter des problèmes réels avec ses modèles ouverts : plus de 1 600 projets déposés en six semaines. La difficulté tenait moins à la qualité des modèles qu’à leur déploiement en environnement contraint, les participants mobilisant LiteRT, Cactus, Ollama, llama.cpp et Unsloth pour tourner sur du matériel ordinaire.

Le fil conducteur des projets primés est le fonctionnement hors ligne et la confidentialité par conception. GEM-4 remporte la première place avec un assistant robotique pour personnes âgées et handicapées : un Gemma 4 31B annote les séquences vidéo d’entraînement, un contrôleur E2B affiné traduit observations et instructions en mouvements. Parmi les prix spécialisés, Gem-Care affine Gemma 4 E2B pour reconstruire la parole non normative et fait tomber le taux d’erreur par mot de 32,7% à 19,0% ; PreVillage sert du routage conversationnel en népali romanisé sur un Raspberry Pi 5 à 7,5 tokens par seconde.

🔗 Les projets primés du Gemma 4 Good Challenge

ADK évalue nativement les agents vocaux

24 août — L’Agent Development Kit de Google prend désormais en charge l’évaluation des agents live et vocaux, dans la même boucle que celle des agents texte. Le principe : un simulateur d’utilisateur prononce ses tours de parole, synthétisés par Gemini TTS puis streamés vers l’agent, dont les réponses parlées sont notées automatiquement. Le mode live s’active par la seule présence d’un bloc live_model_config ; sans lui, les mêmes cas de test tournent en mode texte.

Les cas de test se déclinent en deux styles : le scénario, où un persona improvise ses tours selon un plan, et la conversation fixe, scriptée mot pour mot. La notation passe par des juges LLM pilotés par des rubriques en langage naturel, écrites une fois puis appliquées à toute la suite. L’exécution se fait par adk eval ou par AgentEvaluator, ce qui permet d’insérer des évaluations vocales dans un pipeline CI/CD. ADK Web ajoute une bascule entre mode standard et mode live, reconstruit la transcription depuis le flux audio et attache à chaque tour un clip audio jouable.

🔗 Évaluer les agents vocaux dans ADK

Grok Voice Think Fast 2.0 prend la tête de l’index Speech-to-Speech

24 août — xAI annonce que Grok Voice Think Fast 2.0 prend la première place de l’index Speech-to-Speech d’Artificial Analysis, qui mesure moins la qualité de la voix restituée que la capacité d’un agent vocal à raisonner sur ce qu’il entend, à résoudre un vrai problème client et à mener une tâche à son terme en appelant des outils.

Le modèle n’est pas une nouveauté du jour : son billet de présentation date du 29 juillet. Ce que xAI communique ici, c’est le classement et des chiffres de production. Chez Starlink, filiale du même groupe, Grok Voice traite plus de 15 000 appels entrants de support et de vente par jour et finalise plus de 3 000 commandes par semaine, voix et chat cumulés. La famille Think Fast exécute son raisonnement en parallèle de la synthèse vocale, ce qui évite de payer l’intelligence en latence.

Benchmark	Think Fast 2.0	GPT-Realtime-2.1 (High)	Gemini 3.1 Flash (High)
AA Speech-to-Speech Quality Index	82,9 %	79,1 %	69,5 %
τ-voice Bench (performance agent)	56,5 %	45,7 %	37,7 %
Temps jusqu’au premier son	0,70 s	—	2,98 s

🔗 Annonce @SpaceXAI · Billet x.ai

ElevenLabs porte toute son API dans le terminal

24 août — ElevenLabs publie la version 1 de son CLI, qui expose l’intégralité de l’API dans le terminal. L’annonce désigne deux publics à parts égales : les développeurs et les agents de code.

Cette double cible se lit dans les choix techniques. Les commandes sont documentées pour être découvrables, des agent skills sont intégrés directement dans l’outil, et la sortie est disponible en JSON structuré — trois conditions pour qu’un agent pilote l’outil de façon fiable plutôt que d’interpréter du texte libre. Le mode dry run complète l’ensemble : il permet de prévisualiser le résultat d’une opération avant de l’exécuter, garde-fou utile quand c’est un agent autonome qui déclenche l’appel. La sortie s’inscrit dans la continuité du serveur MCP officiel lancé par l’éditeur le 17 août.

🔗 ElevenLabs CLI v1

MiniMax ouvre 14 jours d’accès illimité sur GMI Cloud

24 août — Du 24 août au 6 septembre, MiniMax ouvre un accès illimité à ses modèles sur GMI Cloud : M3 et M2.7 côté langage, Speech 2.8 et Music 3.0 côté audio.

L’élément notable dépasse l’opération commerciale. Le 21 août, MiniMax se contentait d’une annonce énigmatique laissant entendre l’arrivée d’un modèle M3, sans spécifications ni date. Trois jours plus tard, M3 est nommément accessible dans une offre datée, aux côtés de deux modèles audio dont les numéros de version n’étaient pas apparus dans les communications précédentes du fournisseur. Aucun benchmark ni spécification technique n’accompagne l’annonce : c’est une mise à disposition, pas une fiche produit.

🔗 14 jours d’accès illimité sur GMI Cloud

Brèves

Nemotron 3.5 Lightning entre dans le top 4 de PinchBench — Le modèle NVIDIA se classe dans le top 4 des modèles à poids ouverts avec 86,4% de réussite moyenne sur les tests d’agents standardisés OpenClaw ; Nemotron 3 Ultra conserve la première place. 🔗 Tweet @NVIDIAAI
Wan 3.0 est déjà disponible via le Pika API Club — L’agrégateur, lancé le 5 août, donne accès à plus d’une centaine de modèles par une seule API. L’ajout au jour zéro prolonge la logique déjà observée avec Seedance 2.5 le 17 août. 🔗 Tweet @pika_labs
Runway étend Ruby à tous les modèles de sa plateforme — Les sorties de Seedance 2.5, Gen-4.5 ou MiniMax H3 se convertissent désormais en EXR 16 bits ou en ProRes et HEVC 10 et 12 bits, sans chaîne d’étalonnage distincte par générateur. 🔗 Tweet @runwayml
Runway ouvre un hackathon en présentiel à San Francisco — Le 30 septembre, orienté construction d’agents et d’applications ; les candidatures passent par hackathon.runway.com. 🔗 Tweet @runwayml
Selon Boris Cherny, l’injection de prompt s’est révélée résoluble — Il poursuit sur la génération de code sans bugs et cite le précédent : la combinaison de l’entraînement à l’alignement et de l’interprétabilité mécaniste a fini par venir à bout du problème, après de nombreuses années. 🔗 Fil @bcherny
Webinar GitHub le 25 août autour de l’app Copilot — Démonstration en direct de 18h à 19h CEST avec Pierce Boggan et James Clancey ; la page d’inscription détaille Agent Merge, qui prend en charge rebasage, revues et checks jusqu’au merge. 🔗 Tweet @github
GitHub met en avant la saison 2 de son podcast — Vidéo de présentation des animateurs et de leurs épisodes préférés de la saison précédente, sans annonce produit. 🔗 Tweet @github
Grok 4.6 à moitié prix dans le portail Nous Research — Remise de 50% pendant une semaine, utilisable avec l’agent open source Hermes ou via un abonnement SuperGrok ou X Premium+ existant. 🔗 Tweet @SpaceXAI
Codex Live Build met en avant le pilotage à la voix — Session en direct sur X avec le créateur Alex Finn, consacrée au travail sans clavier dans Codex sur ordinateur et mobile. Démonstration, sans annonce de fonctionnalité. 🔗 Tweet @OpenAIDevs
HeyGen publie un guide de prompt pour les vidéos immobilières — Écriture de prompts destinés aux vidéos d’avatar de qualité cinématique, dans la continuité de sa série immobilier. 🔗 Tweet @HeyGen
Les 110 ans des parcs nationaux américains avec Maps, Search et Gemini — Google croise ses tendances de recherche (les requêtes sur la randonnée pour débutants progressent de 165% sur un mois) et les usages d’AI Mode, Ask Maps et Gemini Live en préparation de voyage. Aucune fonctionnalité nouvelle. 🔗 Billet blog.google

Ce que ça signifie

Après plusieurs journées centrées sur les usages logiciels, le matériel revient au premier plan — et ce qu’il mesure a changé. NVIDIA écarte explicitement les mesures d’inférence calibrées sur des séquences de 1 000 à 8 000 tokens pour leur préférer des sessions de codage agentique réelles enregistrées, contexte croissant, appels d’outils et sous-agents compris. L’unité de compte suit le même déplacement : ce n’est plus le débit brut mais le travail par mégawatt, et le coût par million de tokens. La contrainte n’est plus le silicium disponible, c’est l’énergie qu’on peut lui donner. La répartition GPU/LPU dit la même chose sous un autre angle : traitement de contexte d’un côté, décodage sensible à la latence de l’autre, parce que l’inférence agentique a cessé d’être une charge homogène.

Le second signal du jour est l’ouverture de la plateforme. NVLink Fusion raccorde des puces conçues par d’autres, SpaceXAI prend les CPU Vera, Intel, MediaTek et Annapurna Labs figurent dans la liste des partenaires. L’argument commercial est celui du calendrier : une usine à IA se planifie — énergie, bâtiment, refroidissement, réseau — bien avant que le mix d’accélérateurs soit arrêté, et vendre le rack, le réseau et l’outillage plutôt que le seul accélérateur revient à se rendre indispensable même à ceux qui font leur propre silicium.

Plus inattendu, la souveraineté occupe deux annonces le même jour. Mistral annonce une collaboration avec HUMAIN pour des modèles arabophones et l’usage de datacenters saoudiens ; Sakana AI signe avec le ministère japonais de la Défense pour l’analyse de renseignement. Deux laboratoires non américains, deux institutions nationales, une même logique : ce que Mistral appelle le contrôle et ce que le gouvernement japonais appelle la puissance informationnelle désignent la capacité d’exécuter entraînement et inférence dans une juridiction choisie. Pour Sakana, dont l’identité publique repose sur des travaux ouverts, la rubrique dédiée à la défense et les recrutements associés indiquent une ligne d’activité durable plutôt qu’un contrat isolé.

Reste un fil discret mais cohérent : l’outillage se structure pour être piloté par un agent, pas seulement par un humain. ElevenLabs sort un CLI dont les arguments de vente — commandes découvrables, JSON structuré, mode dry run — visent nommément les agents de code. Codex gagne l’accès au Chrome DevTools Protocol, c’est-à-dire la possibilité de lire l’état réel d’une page plutôt que son rendu. ADK apporte l’évaluation vocale native pour que les agents parlants cessent d’être livrés au feeling. Et Grok Voice publie des volumes de production — 15 000 appels par jour chez Starlink — au lieu de s’en tenir à un score de classement. À chaque fois, la même bascule : sortir du prototype demande des interfaces machinables et des mesures reproductibles.