Muse gagne une voix et un avatar à Meta Connect 2026, les sessions cloud de Claude Code sortent de préversion, Perplexity lance Fast Search

À Meta Connect 2026, Meta donne à Muse, son agent personnel, une voix temps réel et un avatar vidéo, promet de l’amener sur ses lunettes et passe sa Meta Model API en disponibilité générale. Les sessions cloud de Claude Code sortent de préversion avec un crédit unique pour les abonnés, et Perplexity lance Fast Search, adossé à Photon, un moteur de recherche maison écrit en Rust. Signe du moment, Meta et Google lancent à quelques heures d’écart des avatars vidéo qui parlent en temps réel.

Meta Connect 2026 : Muse prend la parole, Meta renouvelle ses lunettes

23 septembre — Meta a ouvert Meta Connect 2026 par une keynote à 16 h PT (1 h du matin le 24 à Paris), centrée sur Muse, l’agent personnel lancé le 8 septembre. Muse gagne un mode vocal temps réel : on converse longuement avec lui pendant qu’il travaille en arrière-plan, et sa voix se conçoit en la décrivant (plus rapide, plus lente, avec un accent précis). Il reçoit aussi un visage animé, Muse Realtime Avatar, détaillé plus bas. Sur Mac, l’utilisation de l’ordinateur (computer use) est disponible : avec la permission de l’utilisateur, Muse pilote n’importe quelle application et continue en son absence.

Nouveauté de Muse	Disponibilité annoncée
Mode vocal temps réel, voix personnalisable	Présenté à Connect, sans date
Computer use sur Muse pour Mac	Disponible
Muse sur les lunettes IA	« Dans les prochains mois »
Muse Charm, appareil de poche	Décembre, selon Mark Zuckerberg
Adresse e-mail propre à Muse	Annoncée, sans date

Sur les lunettes, on appellera Muse par son nom pour agir sur ce que l’on regarde, un produit en rayon ou une affiche. Muse Charm, doté d’un modèle vocal temps réel, tiendra sur un porte-clés selon Zuckerberg ; le récapitulatif officiel promet seulement d’en dire plus d’ici la fin de l’année.

Un jour après l’annonce par @Muse de Shopify, PayPal, Expedia et Instacart, Meta dresse la liste complète des connecteurs : Walmart, Best Buy, American Eagle Outfitters, DICK’S Sporting Goods, Fanatics, Gap, Michael Kors, Sephora, Ulta et Wayfair pour les achats, Shop Pay et PayPal pour payer, Instacart, Expedia toujours « bientôt », et Notion, Granola, GitHub et Box pour le travail. GitHub a détaillé le soir même son connecteur : relire des pull requests, suivre issues et notifications et commenter sans quitter l’agent, sans préciser de formule ni de pays. Meta ne donne ni tarif ni pays pour ces nouveautés.

🔗 Récapitulatif de Meta · Fil de Mark Zuckerberg · Connecteur GitHub de Muse

Lunettes : Ray-Ban Meta Audio, Gen 3, Meta VR Glasses et Ray-Ban Display en France

23 septembre — Meta renouvelle aussi sa gamme de lunettes et en promet plus de 100 modèles d’ici la fin de l’année. Nouvelle catégorie, les Ray-Ban Meta Audio n’ont pas de caméra : 43 g, jusqu’à 12 heures d’autonomie, plus 48 heures avec l’étui. Les Ray-Ban Meta de troisième génération gagnent une heure d’autonomie (9 heures), un bouton d’action et six micros. Les Meta Ray-Ban Display, lunettes à écran, arrivent en France : après le Royaume-Uni et le Canada, les précommandes y ouvrent progressivement, comme en Italie et en Allemagne, pour une disponibilité le 13 octobre.

Appareil annoncé	Prix de départ	Disponibilité annoncée
Ray-Ban Meta Audio	349 dollars	Précommande, expédition le 13 octobre
Ray-Ban Meta (Gen 3)	449 dollars	Disponible le 23 septembre
Meta Ray-Ban Display	Non précisé	France, Italie, Allemagne : 13 octobre
Meta VR Glasses (environ 100 g)	1 299,99 dollars	Printemps 2027

🔗 Annonce de Meta

Meta Model API en disponibilité générale, Muse Spark 1.3 chez Oracle et Google Cloud, Replit pour les appareils Meta

24 septembre — La seconde journée de Meta Connect s’adressait aux développeurs. Annonce principale : la Meta Model API, qui donne accès aux modèles Muse, passe en disponibilité générale dans le monde entier, avec support et garanties de conformité pour les entreprises. Muse Spark 1.3 est désormais disponible sur Oracle Cloud AI Platform et entre en préversion privée sur Google Cloud, deux nouveaux partenaires cloud privilégiés selon Meta.

La fiche de Google Cloud (Gemini Enterprise Agent Platform) précise les conditions : modèle meta/muse-spark-1.3 en préversion, accessible sur demande, contexte de 1 million de tokens, texte seul en entrée comme en sortie, appels d’outils compatibles MCP, appel de fonctions, sortie structurée et raisonnement pris en charge, mais ni prédictions par lots ni débit provisionné, et un point de terminaison global uniquement. Le tarif n’apparaissait pas encore sur la page de prix au moment de notre vérification.

Annonce pour les développeurs	Statut annoncé
Meta Model API	Disponibilité générale mondiale
Muse Spark 1.3 sur Oracle Cloud	Disponible
Muse Spark 1.3 sur Google Cloud	Préversion privée
Muse Code	Arrive sur Windows
Wearables Device Access Toolkit 1.0	Lancé après un an de préversion
WebMCP et Meta AI Connectors	Préversion pour les développeurs
Meta Global AI Developer Hackathon	1 million de dollars, dates non annoncées

Muse Code, l’agent de code en terminal de Meta, sorti de bêta le 31 août sur macOS et Linux, arrive sur Windows. Ash Jhaveri (« VP AI & Hardware Ecosystems » selon sa biographie X) répète que les poids de Muse Spark 1.2 arrivent « bientôt », une promesse répétée depuis le 10 août, toujours sans date. Côté lunettes, WebMCP laisse Meta AI appeler les seules fonctions qu’une application web choisit d’exposer.

🔗 Meta Connect 2026, le récapitulatif développeurs · Muse Spark 1.3 sur Google Cloud

Replit construit pour les casques et lunettes Meta

24 septembre — Annoncé à la Meta Connect, Replit ouvre une voie vers les appareils de Meta : on décrit une application en langage courant, Replit Agent écrit le code et affiche l’aperçu dans le navigateur, puis l’application ou l’expérience web s’ouvre sur un casque Meta Quest, des Meta Ray-Ban Display ou des Meta VR Glasses, sans outil à installer. Trois voies sont décrites : Expo (construction, empaquetage et déploiement) ou le navigateur pour Meta Quest et les VR Glasses, une simulation dans Replit puis un déploiement web pour les Ray-Ban Display. Pour Muse, les formulations divergent : la page de Replit présente un connecteur Replit dans l’agent de Meta comme « à venir », sans date, alors qu’un message de Replit publié le même jour affirme que Muse peut déjà créer des applications dans Replit. Aucun tarif n’est mentionné.

🔗 Replit × Meta Connect 2026 · Muse dans Replit, selon @Replit

Claude Code : les sessions cloud sortent de préversion, Projects passe en local

23 septembre — Les sessions cloud de Claude Code sortent de la préversion de recherche (research preview), annonce @ClaudeDevs dans un fil publié à 21 h 23 UTC. Une session cloud tourne sur l’infrastructure d’Anthropic : le travail continue même quand l’ordinateur portable est fermé.

Cloud sessions are officially available and out of research preview! They let you keep Claude Code working, even when your laptop is closed.

🇫🇷 Les sessions cloud sont officiellement disponibles et sortent de la préversion de recherche ! Elles permettent à Claude Code de continuer à travailler, même quand votre ordinateur portable est fermé. — @ClaudeDevs sur X

Pour les faire essayer, Anthropic offre aux abonnés existants un crédit unique, distinct des limites d’usage :

Condition du crédit	Détail publié
Montant sur Pro	100 dollars
Montant sur Max	250 dollars
Date limite	Réclamer avant le 7 octobre
Réclamation	Lien de l’annonce ou commande `/claim-credit` du CLI
Prérequis	Compte GitHub connecté, conditions applicables
Portée	Un crédit par compte, sessions cloud uniquement
Points d’entrée	claude.ai/code, onglet Code de l’app mobile, app de bureau, `claude --cloud`

Devant les questions, @ClaudeDevs a précisé le 24 à 01 h 57 UTC que les sessions cloud s’imputent sur le forfait Pro ou Max comme le reste de Claude Code : le crédit, optionnel, est simplement consommé en premier. La documentation confirme ce modèle : limites de débit partagées avec tout l’usage Claude du compte, tâches parallèles qui en consomment d’autant plus, machine virtuelle non facturée à part. Les sessions cloud sont ouvertes sur Pro, Max et Team, et aux utilisateurs Enterprise dotés de sièges premium ou Chat + Claude Code. Le clonage et les pull requests passent par GitHub ; un dépôt GitLab ou Bitbucket peut être envoyé en bundle local avec CCR_FORCE_BUNDLE=1.

🔗 Documentation des sessions cloud · La précision de @ClaudeDevs sur le forfait

Projects fait tourner ses threads en local

23 septembre — Une heure et demie plus tard (22 h 49 UTC), @ClaudeDevs annonce un support local pour Projects dans Claude Code, lancé le 17 septembre en bêta Pro et Max : les threads d’un projet peuvent désormais tourner sur la machine de l’utilisateur. Jusqu’ici, chacun était une session cloud sur sa propre branche, et la documentation recommandait une session locale, hors projet, pour le travail qui a besoin d’outils que seule la machine atteint (base de données locale, émulateur, API derrière un VPN). Anthropic dit aussi ouvrir Projects à davantage d’abonnés Pro et Max inscrits sur liste d’attente ; la migration des utilisateurs des anciens projets Claude est toujours en cours. L’annonce devance la documentation : le 24 au soir, la page Projects indiquait encore que les sessions locales ne peuvent pas faire partie d’un projet, et le tweet ne précise pas depuis quelle surface on lance ces threads.

🔗 Annonce de @ClaudeDevs · Documentation de Projects

Perplexity : Fast Search et Photon

24 septembre — Perplexity ajoute à sa Search API un mode rapide, Fast Search, activé par le paramètre search_type: "fast", et présente le moteur qui le rend possible : Photon, un service de récupération et de classement (retrieval and ranking) écrit en Rust, qui remplace le moteur open source que l’entreprise avait adapté et sert désormais toutes les recherches de Perplexity.

Fast Search runs on Photon, our new Rust-based retrieval and ranking service that we built with a small team of engineers and hundreds of agents.

🇫🇷 Fast Search repose sur Photon, notre nouveau service de récupération et de classement écrit en Rust, que nous avons construit avec une petite équipe d’ingénieurs et des centaines d’agents. — @perplexity_ai sur X

Critère comparé	Recherche standard	Fast Search
Search API, 1 000 requêtes	5 dollars	1 dollar
Outil `web_search` de l’Agent API, 1 000 appels (hors tokens)	2,50 dollars	1 dollar
Score sur 3 554 tâches de six benchmarks agentiques	64,0 %	64,3 %
Coût estimé, modèle et recherche, pour ces tâches	187,60 dollars	59,73 dollars
Latence d’un appel, médiane et 95e centile (auto-déclarée)	Non publiée	160 ms et 230 ms

Le compromis est assumé : sur des tests internes de requêtes rares, la pertinence recule de 0,24 point et la disponibilité d’une réponse d’environ 3 points. Perplexity recommande Fast Search pour le travail agentique courant et la recherche standard pour les questions difficiles ou ambiguës. Le billet précise que sa comparaison de latence avec d’autres API repose sur des chiffres déclarés par chaque fournisseur, sans test contrôlé ; pour la Search API, les SDK Python et TypeScript exigent pour l’instant de contourner leur validation. En production, Photon a fait passer la latence p99 interne du moteur d’environ 800 à 65 ms, avec environ 20 % de machines en moins.

🔗 Photon: Building a Retrieval and Ranking Engine From Scratch · Documentation de Fast Search

Avatars vidéo en temps réel : Meta et Google à quelques heures d’écart

Meta et Google ont lancé à quelques heures d’écart le même type de produit : un avatar vidéo qui écoute, parle et réagit en temps réel, adossé à un modèle vocal.

Muse Realtime Avatar

23 septembre — Meta Superintelligence Labs détaille Muse Realtime Avatar, le visage de Muse. À partir d’une image de référence (portrait, illustration en pied, animal ou objet du quotidien), le modèle anime en direct un personnage, avec expressions, gestes des mains et mouvements du corps. Un seul flux de jetons de parole, produit par le modèle vocal Muse Realtime Voice, pilote le son et l’image, ce qui garde voix et lèvres synchronisées. Une distillation ramène le calcul de 120 à 2 évaluations par segment.

Métrique annoncée par Meta	Valeur annoncée
Vidéo portrait	448x768, 25 images/s
Latence de la réponse voix et vidéo	Environ 870 ms
Sessions simultanées par GB200	12
Préférence face à Runway Characters	78 % contre 22 %
Préférence face à HeyGen LiveAvatar	88 % contre 12 %

Ces préférences viennent d’une évaluation humaine menée par Meta, qui note que l’écart sur les manières face à Runway n’est pas statistiquement significatif. Chaque vidéo porte le tatouage invisible Meta Video Seal.

🔗 Bringing Your Muse to Life

Gemini 3.8 Live with Live Avatar

24 septembre — Neuf jours après Gemini 3.8 Live, Google donne un visage à son modèle de dialogue vocal : l’avatar écoute, regarde ce que l’utilisateur lui montre (caméra ou partage d’écran) et répond avec une voix et une vidéo synchronisées. Il est en disponibilité générale dans Gemini Enterprise, accessible aux développeurs par la Live API de sa plateforme d’agents, avec des points de terminaison aux États-Unis et dans l’Union européenne ; Gemini 3.8 Live Extended Thinking reste en préversion privée. L’avatar parle 97 langues et appelle des outils sans couper la conversation. Un avatar personnalisé exige une inscription sur liste d’autorisation. Selon la fiche modèle, la sortie est plafonnée à 24K tokens et une interaction continue tient quelques minutes. La vidéo d’avatar coûte 1 dollar le million de tokens, à 6 192 tokens par seconde de parole, l’écoute n’étant pas comptée. Tout porte le filigrane SynthID.

🔗 Annonce de Google

Ce que coûte Claude : le cache d’Opus 5.5 et les refus de nouveau facturés

Deux publications du 24 septembre portent sur ce que paie l’utilisateur de Claude : où se logent les économies d’Opus 5.5, et le retour de la facturation de certains refus.

Des sessions plus longues, et pourquoi Opus 5.5 y coûte moins

24 septembre — Un billet de claude.com signé Michael Segner agrège l’usage de Claude Code de mars à septembre 2026. Le nombre de prompts par session n’a pas bougé, mais Claude travaille 3,3 fois plus longtemps sur chacun, avec plus de 40 % d’appels au modèle en plus et 68 % d’interruptions en moins. Le contexte par requête a été multiplié par 2,6, et le ratio entrée/sortie en tokens est passé de 189:1 à 324:1. La lecture de cache pèse donc le plus lourd, et la baisse de 60 % de son prix avec Opus 5.5 rapporte d’autant plus ; selon Anthropic, un token en cache sur Opus 5.5 coûte un cinquième de celui des modèles concurrents. Sur Opus 5.5 et Fable 5.1, changer d’effort en cours de session ne réinitialise plus le cache, alors que le guide publié le 22 septembre disait le contraire.

🔗 Billet de claude.com

Les requêtes bloquées sont de nouveau facturées dans trois catégories

24 septembre — Anthropic reprend la facturation des requêtes que ses garde-fous bloquent avant que Claude ne réponde, annonce @ClaudeDevs. Selon le tweet, seules des catégories à faible taux de faux positifs sont concernées : la biologie, les attaques par distillation et le développement de LLM de frontière. Motif avancé : des « attaques coordonnées » ces dernières semaines contre ses systèmes. Anthropic affirme que 99,7 % des comptes Claude Code, Claude.ai ou Cowork n’ont déclenché aucun de ces blocages facturables lors de tests récents, et vise moins de 0,1 % de faux positifs ; un blocage injustifié se signale avec /feedback. Selon la documentation, un refus facturé l’est au tarif du modèle, sur la Claude API comme sur Bedrock, Google Cloud et Microsoft Foundry ; toute requête refusée compte dans les limites de débit.

Catégorie de refus (documentation)	Facturée avant toute sortie
`bio`	Oui
`frontier_llm`	Oui
`reasoning_extraction`	Oui
`cyber`	Non
`general_harms`	Non

🔗 Annonce de @ClaudeDevs · How refusals are billed

IA et santé : Ebola en RDC, OpenEvidence, AlphaFold Database et NV-Reason-CT

Deux annonces du 22 septembre, que nous rattrapons ici, mettent Claude au service de la santé publique, et NVIDIA publie deux travaux ouverts, l’un en virologie avec Google DeepMind et l’EMBL-EBI, l’autre en radiologie.

Ebola en RDC

22 septembre — Dans « The Situation Report », billet daté du 22 et relayé le 23 au soir par @AnthropicAI, Anthropic raconte l’usage de Claude contre l’épidémie d’Ebola Bundibugyo dans l’est de la République démocratique du Congo. Selon le bulletin du 19 septembre, elle compte 7 672 cas confirmés et 3 699 décès (létalité de 48,2 %), et aucun vaccin n’est approuvé contre cette souche. Le partenariat réuni par le CEPI, avec le bureau Afrique de l’OMS et l’Institut national de recherche biomédicale (INRB), travaille avec deux équipes d’Anthropic. L’OMS Afrique a écrit un skill qui extrait les chiffres de chaque zone de santé, les compare à la veille et signale les changements de tendance : le rapport de situation quotidien passe d’une journée à moins d’une heure. Le CEPI compare avec Claude les candidats vaccins, les choix scientifiques restant aux experts, et l’INRB peut faire assembler par Claude Science les génomes du virus et son arbre phylogénétique.

🔗 The Situation Report (Anthropic)

OpenEvidence gratuit pour environ 100 pays

22 septembre — Pendant l’Assemblée générale des Nations unies, OpenEvidence a annoncé un partenariat avec Anthropic pour proposer gratuitement une version spécialisée de sa plateforme aux cliniciens d’environ 100 pays à revenu faible et intermédiaire, dont l’Ouganda, l’Angola, le Soudan, Haïti et la Mongolie (liste fournie par OpenEvidence, selon Reuters). OpenEvidence répond aux questions cliniques à partir de la recherche médicale évaluée par les pairs et des recommandations de prise en charge ; le service est déjà gratuit aux États-Unis et au Canada. Selon l’exclusivité de Reuters, la technologie d’Anthropic assure le fonctionnement en arrière-plan et OpenEvidence adapte le système à chaque région ; les conditions financières ne sont pas communiquées. L’annonce repose sur OpenEvidence et Reuters : Anthropic ne l’a pas relayée sur ses canaux officiels.

🔗 Annonce d’OpenEvidence · Exclusivité Reuters

Les complexes protéiques de plus de 2 800 virus dans l’AlphaFold Database

24 septembre — NVIDIA rejoint une coalition de huit organisations, dont Google DeepMind, l’EMBL-EBI et le CEPI, qui publie dans l’AlphaFold Database les structures 3D prédites des complexes protéiques de plus de 2 800 virus, des virus du rhume à des menaces émergentes comme le mpox. Ces prédictions, étiquetées par niveau de confiance, ont été inférées avec AlphaFold2, optimisé par NVIDIA BioNeMo Inference Runtime ; environ 30 % des interactions ajoutées ne figurent pas dans la Protein Data Bank, la principale base de structures déterminées expérimentalement. NVIDIA ouvre aussi le BioNeMo Structure Prediction Pipeline qui a produit les données, pour que les chercheurs l’appliquent à leurs propres cibles. La publication coïncide avec une réunion sur la prévention des pandémies tenue à New York pendant l’Assemblée générale de l’ONU ; la base compte désormais plus de 260 millions de prédictions.

🔗 How Open Science Can Help Researchers Prepare for the Next Pandemic

NV-Reason-CT

23 septembre — NVIDIA publie NV-Reason-CT, un modèle vision-langage ouvert pour les scanners (tomodensitométrie) du thorax et de l’abdomen. Au lieu de traiter le volume comme une pile de coupes 2D, un encodeur ViT 3D le découpe en 13 824 tokens visuels transmis au modèle de langage Qwen3.5-4B ; le modèle rédige des rapports structurés, déroule un raisonnement inspiré de celui d’un radiologue et répond aux questions de suivi. Sur CT-RATE, principal benchmark public de compréhension CT en 3D, NVIDIA annonce un macro-F1 de 0,614 et une macro-AUROC de 0,871, devant les modèles publiés auxquels il se compare (VoxelFM : 0,581 et 0,870). Les poids sont sur Hugging Face. NVIDIA insiste : c’est une base de recherche à affiner pour un usage précis, pas un outil de diagnostic autonome ni un produit clinique homologué.

🔗 Introducing NV-Reason-CT

OpenAI plaide pour des normes internationales sur l’IA de pointe

23 septembre — Sam Altman, directeur général d’OpenAI, s’est exprimé devant le Conseil de sécurité des Nations unies, et OpenAI publie le texte du discours tel que prononcé. Il y décrit deux dérives à éviter : perdre le contrôle de l’avenir au profit de l’IA, et une concentration du pouvoir qui permettrait à une personne, une entreprise ou un pays d’imposer sa vision du monde avec les modèles les plus puissants. À l’approche de systèmes capables d’améliorer leurs propres successeurs, ce moment « appelle une extrême prudence », dit-il ; selon lui, OpenAI a déjà ralenti unilatéralement et le refera.

It doesn’t matter whether people put the risk of catastrophe at 10%, or 1%, or 12%, or .1%. None of these levels are remotely acceptable.

🇫🇷 Peu importe que l’on estime le risque de catastrophe à 10 %, 1 %, 12 % ou 0,1 %. Aucun de ces niveaux n’est acceptable, même de loin. — Sam Altman, discours au Conseil de sécurité des Nations unies

Il adresse quatre demandes aux États : un mécanisme articulant normes nationales et internationales pour l’IA de pointe, des normes communes pour comparer les preuves et vérifier la conformité, des protocoles de signalement des incidents et des canaux sécurisés entre gouvernements, opérateurs d’infrastructures critiques et experts. Il reprend ainsi un billet publié par OpenAI le 21 septembre, que nous rattrapons ici. OpenAI y affirme qu’une auto-amélioration récursive entièrement autonome n’existe pas à ce jour et qu’il ne faut pas la poursuivre tant qu’elle ne peut pas être menée sûrement. L’entreprise demande aux États-Unis de piloter des normes techniques mondiales avec le réseau des instituts de sécurité de l’IA (dix pays, dont la France), coordonné par le CAISI américain (Center for AI Standards and Innovation). Pour OpenAI, ces normes ne seraient ni des licences ni un examen obligatoire avant publication, chaque État décidant de leur place dans son droit ; un dialogue entre les États-Unis et la Chine sur ces sujets constituerait « une avancée positive ».

🔗 Building standards for the next phase of AI

L’IA dans la cyberdéfense : Daybreak pour l’Ukraine et Fuzzing Taskflow

Deux annonces mettent les modèles au service des défenseurs : l’une ouvre un programme à un État, l’autre confie le fuzzing à un agent.

Daybreak ouvert à l’Ukraine

23 septembre — OpenAI ouvre son programme de cyberdéfense Daybreak au gouvernement ukrainien, avec le ministère de la Transformation numérique : des outils pour repérer des vulnérabilités logicielles, puis développer et tester des correctifs plus vite, afin de protéger les infrastructures civiles. L’annonce a été faite en marge de l’Assemblée générale de l’ONU par Dmytro Kushneruk, consul général d’Ukraine à San Francisco, et Sasha Baker, responsable de la politique de sécurité nationale d’OpenAI. OpenAI rappelle que CERT-UA, l’équipe nationale de réponse aux incidents, a traité près de 6 000 cyberincidents en 2025, visant notamment hôpitaux, énergie et télécommunications. Le billet cite deux résultats européens : l’ENISA a trouvé des vulnérabilités dans des logiciels des institutions de l’Union, toutes corrigées depuis, et CERT Polska a contribué à en découvrir six dans un logiciel de routeur tiers. Ni durée ni montant ne sont précisés.

🔗 OpenAI extends cyber access to Ukraine for civilian defense

Fuzzing Taskflow du GitHub Security Lab

24 septembre — Le GitHub Security Lab publie le Fuzzing Taskflow, un pipeline de fuzzing autonome pour projets C/C++, sous licence MIT, bâti sur son framework Taskflow Agent. On lui indique un dépôt GitHub : l’agent repère les points d’entrée, écrit les harnais, lance AFL++, lit la couverture, trie chaque plantage selon sept verdicts et rédige un rapport par bug unique, avec un correctif suggéré marqué « à relire ». L’agent décide, des outils MCP exécutent ; chaque itération double son budget de temps, de 30 à 960 secondes (environ 32 minutes par cible), et la boucle s’arrête quand deux itérations gagnent moins de 1 % de couverture. Le modèle par défaut est Claude Sonnet 5, qui a passé tous les tests internes de l’équipe. Mise en garde du Security Lab : le pipeline exécute sans conteneur des commandes choisies par le LLM, à réserver à un environnement jetable. Le billet ne donne aucun bilan chiffré des bugs trouvés.

🔗 Billet du GitHub Security Lab

Project Suncatcher : des TPU en orbite

24 septembre — Annoncé l’an dernier, Project Suncatcher, le projet de Google qui étudie l’installation de calcul pour l’IA dans l’espace, passe à son premier test en orbite. Un satellite prototype construit avec Planet doit partir sur la mission Transporter-18 de SpaceX, et le billet du 24 annonce les premières TPU de Google en orbite « la semaine prochaine ». Objectif : vérifier que les puces supportent le lancement, les radiations et les écarts de température. Au sol, des TPU Trillium exposées à un faisceau de protons à UC Davis, en pleine charge d’IA, ont supporté une dose de rayonnement supérieure à celle d’une mission de cinq ans ; le refroidissement par caloducs et radiateurs a été éprouvé en chambre à vide thermique. Étape suivante en 2027 : deux satellites pour tester des liaisons laser à très haut débit. En orbite basse, un satellite capte jusqu’à huit fois plus d’énergie solaire qu’au sol, selon Google.

🔗 Behind Project Suncatcher

Images et vidéos génératives : Midjourney, Runway, Google Research et Nunchux

Côté création, Midjourney retouche ses outils d’édition, Runway chiffre son routeur de modèles, Google Research enchaîne des vidéos de plusieurs minutes et Nunchux accélère MiniMax-H3 sur GPU AMD.

Midjourney : inpainting, —tile et modèles rapides en alpha

24 septembre — Midjourney publie une nouvelle version du paramètre --tile, qui produit des motifs répétables, pour V8.1 et V8.2 : selon Midjourney, les raccords visibles entre tuiles disparaissent. L’inpainting et l’outpainting du modèle d’édition ne modifient plus que les pixels sélectionnés, ce qui permet des retouches successives sans dégrader le reste de l’image. Sur alpha.midjourney.com, Midjourney expérimente des modèles rapides (fast models), présentés sur X comme un premier aperçu de modèles temps réel : avec l’option « Live previews », la barre Styles prévisualise le dernier prompt dans chaque style, et un clic lance la génération. Ni nom ni calendrier ne sont donnés. Le changelog alpha du 23 ajoute enfin les paramètres par défaut (Settings → Advanced → Your defaults) et ouvre le coréen à tous sur midjourney.com.

🔗 Annonce de @midjourney · Updates de Midjourney

Runway chiffre son Model Router

24 septembre — Runway publie une première évaluation chiffrée de Model Router, le routeur de Runway Dev qui choisit à chaque requête le modèle de génération selon une préférence de coût, de qualité ou de latence. Le protocole compare Seedance 2.5, pris comme référence, à trois configurations du routeur sur 250 prompts image-vers-vidéo jugés en double aveugle.

Configuration testée	Vidéos utilisables	Coût par clip	Écart de dépense
Référence (Seedance 2.5)	78 %	1,80 dollar	—
Routeur qualité	77 %	1,28 dollar	-29 %
Qualité plafonnée à 1 dollar	74 %	0,61 dollar	-66 %
Routeur coût	38 %	0,30 dollar	-83 %

Selon Runway, la configuration plafonnée garde 95 % de la qualité de référence ; elle fait mieux sur le dialogue et la synchronisation labiale (96 % contre 92 %), moins bien sur la physique (52 % contre 60 %). Runway la recommande pour la production et réserve le mode coût à l’exploration ; 64 % des développeurs qui utilisent déjà le routeur l’ont réglé sur le coût.

🔗 Evaluating Cost vs. Quality Using Runway Model Router

AI video co-director de Google Research

24 septembre — Google Research présente AI video co-director, une couche d’orchestration multi-agents posée sur Gemini et Veo pour produire des vidéos narratives cohérentes sur plusieurs minutes, là où les modèles de diffusion peinent à enchaîner des plans sans que costumes et décors dérivent. Quatre cadres de recherche la composent : un algorithme de bandit qui choisit stratégie créative, mode narratif et esthétique, avant qu’un juge multimodal note le résultat ; CANVAS, qui tient une mémoire visuelle des personnages, des lieux et des objets ; A²RD, qui génère segment par segment et a produit un film continu de dix minutes ; VQQA, qui réécrit le prompt à partir des critiques d’un modèle vision-langage. Sur GenAD-Bench, l’un des trois benchmarks créés par l’équipe (400 scénarios publicitaires), le système atteint un score de qualité maximal de 81,4. C’est de la recherche : ni produit ni date de disponibilité.

🔗 Automating coherent long-form video generation

MiniMax-H3 sur AMD MI355X par Nunchux

24 septembre — Relayés par MiniMax, les résultats publiés le 23 par Nunchux AI montrent MiniMax-H3, le modèle vidéo à poids ouverts de MiniMax, sur un serveur de huit GPU AMD MI355X : une vidéo de 5 secondes générée en 1,33 seconde et une de 15 secondes en 5,39 secondes, en 1344×768. Face à SGLang sur le même matériel, exécuté en BF16 avec 50 pas d’Euler, le gain va de 21,8 à 26,7 fois ; les temps incluent l’encodage du texte, le débruitage et le décodage vidéo et audio, mais pas l’encodage MP4 final. Nunchux attribue ce gain à son optimiseur de modèle et à son moteur d’inférence, avec un noyau MXFP6 maison. La vitesse permet de modifier le prompt pendant la lecture. Un accès gratuit est annoncé « très bientôt », sur liste d’attente ; les mesures sont celles de Nunchux.

🔗 Video generation on AMD MI355X · Relais de @MiniMax_AI

Agents de code : Claude Code, Delta, Devin, Qwen Code et Kimi Code

Cinq agents de code publient de nouvelles versions : Claude Code chez Anthropic, Delta chez Zed, Devin chez Cognition, Qwen Code chez Alibaba et Kimi Code chez Moonshot AI.

Claude Code 2.1.282

24 septembre — Claude Code 2.1.282, publiée à 18 h 38 UTC, compte 86 entrées, dont 59 correctifs. Le réglage maxProseWidth plafonne la largeur du texte de Claude dans les terminaux larges, tableaux et blocs de code gardant toute la largeur. Plusieurs changements limitent ce qu’un projet peut imposer : les réglages de projet et locaux ignorent les variables OpenTelemetry qui activent l’export ou capturent du contenu (CLAUDE_CODE_ENABLE_TELEMETRY, OTEL_LOG_*), ce que signalent un avis au démarrage, /status et claude doctor. Les espaces de noms anthropic-skills et claude-ai sont réservés aux skills synchronisés depuis claude.ai, et le réglage géré allowClaudeInChromeWithManagedMcp permet de lancer claude --chrome à côté d’un managed-mcp.json exclusif. Le mode auto utilise par défaut le classifieur côté serveur sur une connexion directe à l’API, même télémétrie coupée, et des correctifs évitent de perdre la réflexion étendue (extended thinking) lors des reprises de session.

🔗 Notes de version de Claude Code 2.1.282

Delta 0.17 de Zed

23 septembre — Zed publie la version 0.17.0 de Delta, son environnement multijoueur pour coder avec des agents, en bêta publique depuis le 16 septembre : 20 nouveautés, 26 améliorations et 59 correctifs. Depuis un fil, on peut désormais demander à l’agent de lancer plusieurs tâches, chacune dans son propre fil de premier niveau avec un espace de travail isolé, pour les mener en parallèle ; les agents peuvent aussi s’écrire d’un fil à l’autre. Les commandes /approve et /request-changes rendent un verdict de revue dans n’importe quel fil. La version livre aussi les deux fonctions annoncées le 22 septembre : des couleurs de fils, héritées par les sous-fils et les sous-agents, et une jauge de progression vers la compaction automatique dans le panneau de contexte, qui détaille la part des instructions, des messages, de la réflexion et des outils.

🔗 Notes de version de Delta · Annonce de @zeddotdev

Devin Review : déclencheurs composables et Perforce

23 septembre — Les notes de version de Devin du 23 septembre, en 26 rubriques, font la part belle à Devin Review, l’outil de relecture de pull requests. La revue automatique repose désormais sur des déclencheurs composables : on cible un compte, une organisation, un dépôt, un préfixe de dépôts ou un membre, puis on filtre sur l’auteur, le label, les branches, les fichiers modifiés, le type d’auteur (humain, bot ou Devin) ou la taille du diff, en combinant les conditions ; chaque déclencheur fixe le moment de la revue, et les exclusions l’emportent toujours. Devin Review s’ouvre à Perforce : une revue Helix Swarm peut le déclencher, par définition de test ou, à partir de Swarm 2026.3, par webhook sortant. Le sélecteur de capacités nomme désormais ses modèles (Ultra : Fable 5.1 et GPT-6 Astra), et l’application GitHub de Devin demande six nouvelles permissions, à approuver par les administrateurs.

🔗 Notes de version Devin du 23 septembre

Qwen Code v0.24.5

24 septembre — Qwen Code v0.24.5, version stable sans changement incompatible annoncé, compte 87 entrées, dont 28 fonctionnalités et 38 correctifs. Qwen Live, la conversation vocale en temps réel de l’agent, passe désormais par le Web Shell dans le navigateur sur toutes les plateformes ; sur macOS, l’hôte natif devient optionnel (QWEN_SERVE_LIVE_NATIVE_HOST=1). Pendant un appel, l’utilisateur peut partager son écran, transmis au plus à une image par seconde, sans que le partage seul déclenche de réponse. Le Web Shell gagne une frise de la trajectoire d’une exécution sur trois couloirs (session principale, appels d’outils, sous-agents), et les canaux de messagerie aiguillent les messages vers des sessions distinctes selon leur préfixe (messageRoutes). Côté confidentialité, le mode --bare respecte enfin le refus des statistiques d’usage. Qwen Code Desktop v0.24.5 et le SDK TypeScript v0.1.15 ont suivi le même jour.

🔗 Notes de version de Qwen Code v0.24.5

Kimi Code 2.1.1 annule le durcissement de la 2.1.0

24 septembre — Moins de 19 heures après la 2.1.0, présentée le 23 comme un durcissement de sécurité, Kimi Code 2.1.1 revient dessus. La note de version parle de retirer « certains changements trop défensifs » ; la pull request #4013 est plus explicite : elle annule le durcissement de la frontière de confiance de l’espace de travail, au motif qu’une fois un dépôt approuvé par l’utilisateur, son contenu relève de sa responsabilité. Les quatre protections concernées disparaissent : les outils de fichiers suivent de nouveau les liens symboliques hors du dossier de travail, la configuration locale (local.toml) s’applique sans attendre l’approbation, la configuration git du dépôt n’est plus bridée pendant les opérations d’arrière-plan, et le dossier personnel ou la racine ne sont plus refusés comme dossiers additionnels. Une lecture ratée des informations de confiance vaut toujours « non approuvé ». Les observateurs de fichiers, coupés dans la 2.1.0, sont réactivés par défaut.

🔗 Notes de version

Agents de bureau : Portable Computer de Perplexity et Kimi Work 3.2.14

Deux agents de bureau, qui travaillent sur l’ordinateur de l’utilisateur, évoluent le 24 septembre : Perplexity ouvre Portable Computer aux PC à processeur AMD, et Moonshot AI publie Kimi Work 3.2.14.

Portable Computer sur AMD Ryzen AI Max

24 septembre — Portable Computer, la version entièrement locale de l’agent Computer de Perplexity, fonctionne désormais sur les PC Windows à processeur AMD Ryzen AI Max Series, dont la plateforme de développement Ryzen AI Halo. Jusqu’ici, les prérequis publiés ne citaient que du matériel NVIDIA, du DGX Spark aux PC à GPU RTX. Il faut au moins 24 Go de mémoire accessible au GPU, Windows 10 ou 11 et environ 20 Go de disque. Deux modèles locaux sont proposés sur ces machines, PPLX 27B, post-entraîné par Perplexity, et Qwen 27B, alors que la page produit ne propose que PPLX 27B sur les PC RTX. Un classifieur local repère noms, numéros de compte et identifiants avant toute sortie du PC, et l’inférence locale ne consomme pas de crédits Computer. L’offre est ouverte aux abonnés Pro et Max, en individuel comme en entreprise.

🔗 Portable Computer comes to AMD-Powered Agentic PCs

Kimi Work 3.2.14 : discussions annexes et historique des versions

24 septembre — Deux jours après la 3.2.12, Moonshot AI publie Kimi Work 3.2.14, la version suivante de son agent de bureau, sans tweet d’accompagnement. Nouveauté principale, la discussion annexe (Side Chat) : depuis le panneau « + », on ouvre une conversation indépendante au sein d’une session, qui hérite du contexte de la conversation d’origine. On peut aussi citer un passage sélectionné de la conversation. Les fichiers Office gagnent un historique des versions, et le navigateur permet d’annoter des pages web puis de citer ces annotations dans la zone de saisie. Le contrôle à distance (Remote Control) permet désormais de prévisualiser des fichiers et d’envoyer des pièces jointes depuis le téléphone, et le maintien en éveil (Keep Awake) ne s’active plus qu’à la demande.

🔗 Notes de version de Kimi Work

Modèles et laboratoires ouverts : Tev1, LFM2.5-VL-DSpark, LeRobot et Sakana AI

Côté écosystème ouvert : un petit modèle de décision, un brouillon qui accélère un modèle vision-langage, un nouveau format de données pour la robotique et l’arrivée de Jürgen Schmidhuber chez Sakana AI.

Tev1-4B-experimental de Together AI

23 septembre — Together AI publie Tev1-4B-experimental, un petit modèle de décision : on lui donne une situation, une question et une liste de 2 à 24 options, il répond par la lettre de l’option choisie. C’est un réglage fin de Qwen3.5-4B inspiré de Jev, le modèle de décision souvent cité dans les billets de la communauté Hugging Face ; la fiche précise qu’il ne s’agit pas d’un moteur Jev, le modèle gardant la tête de langage standard de Qwen. Together met en avant le coût : 17 dollars d’entraînement, avec la recette de données et un tutoriel. Le modèle est servi à 0,042 dollar par million de tokens en entrée et 0 dollar en sortie. Sur son jeu de développement principal, il prend 880 bonnes décisions sur 1 000, un résultat que la fiche distingue d’un benchmark indépendant. La licence des poids affinés est « en cours de finalisation ».

🔗 Annonce de Together AI · Fiche du modèle

LFM2.5-VL-DSpark de Liquid AI

24 septembre — Liquid AI étend au modèle vision-langage LFM2.5-VL-3B sa technique de décodage spéculatif DSpark, dont les brouillons pour le texte avaient été présentés le 20 août. Un modèle brouillon de 279,5 millions de paramètres (+8,9 %) propose plusieurs tokens d’avance que le modèle cible vérifie, sans changer la réponse finale en décodage glouton. Sur Mac M5 Max avec MLX, le décodage va de 2,30 à 3,13 fois plus vite, et la latence de bout en bout s’améliore d’un facteur 1,56 à 2,62 ; sur H100, le décodage est jusqu’à 2,66 fois plus rapide. Le gain réel reste plafonné par l’encodage de l’image, que la technique n’accélère pas. Le brouillon est pris en charge dès le premier jour par llama.cpp, MLX-VLM et SGLang.

🔗 Accelerating vision-language models with LFM2.5-VL-DSpark

LeRobot et LanceDB

24 septembre — LeRobot, la bibliothèque de Hugging Face pour l’apprentissage robotique, lit désormais nativement les jeux de données au format Lance, avec les mêmes API d’entraînement. On entraîne ainsi directement depuis le Hub ou un stockage objet, sans télécharger des centaines de gigaoctets, avec un mélange des données sur tout le jeu. Sur DROID (27,6 millions de trames, 369 Go de vidéo), 10 000 pas de SmolVLA sur 8 H100 ont pris 1 h 27 depuis un stockage distant, contre 2 h 00 avec le lecteur standard sur une copie NVMe locale, elle-même précédée d’un téléchargement de 384 Go. La perte finale est identique : l’écart vient du temps passé à attendre les données, 1,7 % contre 37,4 %. Sur un petit jeu, les deux approches font jeu égal.

🔗 How to Train Your Robot: The LanceDB Edition

Jürgen Schmidhuber chez Sakana AI

24 septembre — Sakana AI annonce l’arrivée de Jürgen Schmidhuber comme conseiller scientifique en chef (Chief Scientific Advisor), un rôle qu’il cumulera avec ses fonctions actuelles. Connu pour ses travaux sur les modèles du monde, le méta-apprentissage et la machine de Gödel, il s’impliquera dans le RSI Lab de la start-up tokyoïte, consacré à l’auto-amélioration récursive, et se rendra régulièrement à Tokyo. Selon Sakana, ses travaux, dont sa thèse de 1987 sur l’auto-amélioration récursive, ont directement inspiré la Darwin Gödel Machine et The AI Scientist. L’annonce dévoile aussi une orientation : Sakana travaille sur ses premiers modèles du monde « natifs pour les agents », capables de simuler les conséquences physiques d’une action avant de l’exécuter, avec l’industrie manufacturière japonaise en ligne de mire.

🔗 Jürgen Schmidhuber rejoint Sakana AI

Brèves

Claude Tag et connecteurs personnels — Dans un canal Slack, Claude Tag peut désormais utiliser les connecteurs personnels de la personne qui le sollicite (agenda, drive, CRM), et d’elle seule, avec relecture de chaque réponse ou mode auto ; ils ne servent jamais aux routines planifiées. Déploiement en cours sur Team, Enterprise à suivre. 🔗 source
Sora 2 quitte l’API — Comme annoncé le 24 mars, les modèles Sora 2 et la Videos API ont été arrêtés le 24 septembre, sans API de remplacement équivalente ; cinq identifiants sont retirés, de sora-2 et sora-2-pro à leurs instantanés datés. Seule la documentation acte la fermeture. 🔗 source
ChatGPT Ads en Asie du Sud-Est — La régie publicitaire de ChatGPT arrive en Indonésie, en Malaisie, aux Philippines, à Singapour, en Thaïlande, au Vietnam et à Taïwan, et couvre désormais plus de 60 pays, contre plus de 40 fin août ; seuls les forfaits Free et Go affichent des publicités. 🔗 source
Grab et OpenAI — Le programme GO Forward with AI doit former en deux ans 30 000 chauffeurs, livreurs et commerçants partenaires de Grab, en commençant par Singapour, avec des ateliers bâtis sur OpenAI Academy et ChatGPT Work. 🔗 source
Trois études de cas chez OpenAI — Ringg traite plus de 7 millions d’appels aboutis par mois et a réduit d’environ 90 % le coût des modèles sur les charges passées de GPT-4.1 à GPT-5.6 Luna ; invideo dit avoir multiplié par environ trois sa réussite en étalonnage avec GPT-6 Astra ; Harvey témoigne, sans chiffre. 🔗 source
ChatGPT pour iOS 1.2026.258 — L’entrée du 23 septembre du changelog ChatGPT & Codex repense l’écran d’accueil, ajoute sur iPad une vue partagée qui garde la liste des tâches à côté de la tâche ouverte, et corrige des échecs d’appairage SSH sur Mac et Linux. 🔗 source
Gemini CLI v0.61.0 — Gemini 3.8 Flash et Gemini 3.5 Flash Lite, déjà couverts en nightly, passent en stable par un cherry-pick que la note officielle ne mentionne pas ; la v0.62.0-preview.0 ouvre le canal preview suivant. 🔗 source
Gemini dans Chrome — Sur ordinateur, Gemini in Chrome génère des quiz interactifs à partir de l’onglet ouvert (en anglais, aux États-Unis et en Inde pour commencer) et analyse désormais presque tout podcast ou fichier vidéo lu en entier, au-delà de YouTube. 🔗 source
Google Photos — La garde-robe virtuelle, qui catalogue les vêtements des photos pour essayer des tenues, s’ouvre aux utilisateurs éligibles aux États-Unis, en Inde et au Brésil, avec les styles rétro Moods et 15 nouveaux modèles Remix. 🔗 source
API Gateway en serveur MCP — En préversion publique, Google Cloud API Gateway transforme les opérations d’une API REST en outils MCP à partir de sa spécification OpenAPI 3.x annotée, en réutilisant authentification, quotas et journaux, avec jusqu’à 1 000 outils par passerelle. 🔗 source
PostgreSQL for agents dans AlloyDB — En préversion, AlloyDB crée en quelques secondes des instances isolées, en lecture seule et à jour à la seconde près, pour absorber les rafales de requêtes des agents ; Google annonce plus de 3 millions de requêtes par seconde. 🔗 source
OLMo 3 7B refait sur TPU — L’équipe TPU de Google Cloud a reproduit dans MaxText le pré-entraînement d’OLMo 3 7B d’Ai2 (environ 5 900 milliards de tokens), avec un modèle indiscernable de l’original sur huit benchmarks et 44,5 % d’utilisation des FLOPs sur Ironwood, après avoir débusqué un bug de chargeur de données. 🔗 source
The Talking Museum — Le Google Arts & Culture Lab ouvre une salle d’étude virtuelle de plus de 190 objets culturels en 3D, que l’on fait pivoter pendant que Gemini commente leur histoire et répond aux questions. 🔗 source
DeepSeek Harness 0.1.7-rc.2 — Seconde release candidate en deux jours, 22e préversion sans version stable : les tâches continuent en arrière-plan une fois la fenêtre Desktop fermée, et les tâches planifiées survivent à un redémarrage, répétables jusqu’à une fois par minute. 🔗 source
Un routeur de requêtes sur Jetson — Sur le blog Hugging Face, Eric Mey remplace un modèle de 9B par un ModernBERT-large affiné pour choisir le type de réponse : 180 bonnes routes sur 180 contre 175, en 42 ms contre 771 ms, sur des matériels différents ; modèle, données et code sous Apache-2.0. 🔗 source
Corpus génomique Carbon enrichi — Parag Ekbote publie un pipeline sur processeur, sans le modèle Carbon, qui ajoute longueur, taux de GC, statut codant et taxonomie à 32,4 millions d’enregistrements du corpus de préentraînement de HuggingFaceBio. 🔗 source
ZCode v3.14.3 — Seule release GitHub de ZCode, le harnais de Z.ai, depuis l’ouverture de son code le 21 septembre : la concurrence d’un flux de travail en cours se modifie sans l’arrêter, et les scripts de flux consomment moins de tokens. 🔗 source
SDK Python de xAI 1.20.0 — Pour grok-imagine-video-1.5, last_frame_url fixe la dernière image du clip et keyframes place jusqu’à quatre images clés à l’intérieur ; ces options étaient déjà décrites dans la documentation de l’API. 🔗 source
Copilot code review — La page de réglages personnels de la revue de code s’ouvre à toutes les formules Copilot, Business et Enterprise compris, avec revue automatique étendue aux nouveaux pushes et aux brouillons ; les entreprises peuvent fixer un effort de revue par défaut. Comme annoncé fin août, le défaut de GitHub passera de Lite à Balanced le 28 septembre. 🔗 source
Preuve de présence sur GitHub Enterprise Cloud — En préversion publique, les actions à fort impact (création de jeton, webhooks, réglages de sécurité) peuvent exiger une réauthentification ou une MFA auprès du fournisseur d’identité, valable deux heures ; réservé aux entreprises EMU et GHEC-DR avec Microsoft Entra ID. 🔗 source
Fin de Node 20 dans GitHub Actions — Les runners exécutent désormais les actions JavaScript avec Node 24, l’option de repli disparaît, et les runners auto-hébergés sous macOS 13.4 ou antérieur et ARM32 ne sont plus pris en charge. 🔗 source
Les canevas de l’app Copilot — Burke Holland plaide pour ces petites applications full-stack qui dialoguent avec l’agent, plutôt que pour le tout-chat, avec un argument d’économie de tokens ; pas de nouvelle fonction, les canevas existent depuis juin. 🔗 source
Amp partage ses runners — Lancé avec --share, un runner devient utilisable par tout l’espace de travail depuis ampcode.com ; Amp prévient que les autres membres exécutent alors du code sous l’identité de l’hôte, et les administrateurs peuvent couper le partage. 🔗 source
Sélecteur de modèles de v0 — Rattrapage du 22 septembre : le nouveau sélecteur parcourt les modèles d’AI Gateway avec leur tarif par token et arrive dans les équipes Enterprise, où le propriétaire doit activer Allow custom models. 🔗 source
Recette MoE de BioNeMo — NVIDIA détaille l’entraînement de modèles biologiques à mélange d’experts avec BioNeMo et Transformer Engine : jusqu’à 2,21 fois le débit de la référence Hugging Face sur Mixtral-8x7B et huit B200, le noyau fusionné étant réservé à Blackwell. 🔗 source
Mode Draft de Seedance 2.5 dans Runway — Des brouillons plus rapides et moins chers en crédits pour explorer, avant de passer les meilleurs en qualité complète ; Runway ne chiffre pas les crédits, et le même mode était arrivé sur Pika le 22. 🔗 source
Runway MCP dans la Marketplace de Cursor — Le serveur MCP de Runway s’installe depuis la Marketplace de Cursor depuis le 23 septembre, et les agents peuvent consulter les Brand Kits en lecture seule depuis le 22. 🔗 source
Pika API Club — Pika chiffre les économies de ses membres face à Fal.ai : 12 185,80 dollars de moins pour 3 822 générations Seedance 2.5 en 30 jours chez Vuvie, une facture passée d’environ 2 000 à 990 dollars par mois chez AI-Bridge. 🔗 source
Étude HeyGen sur les avatars — Auprès de 1 000 petites entreprises, 71,6 % ont déjà enregistré une vidéo jamais publiée ; chez les utilisateurs d’avatars, 71,1 % disent gagner du temps et 55,3 % publient plus souvent. 🔗 source
Enquête Luma — Rattrapage du 22 septembre : sur 760 professionnels de la création, 81 % ont déjà diffusé un contenu fait avec l’IA, mais aucune tâche ne dépasse 42 % d’usage, et 62 % s’inquiètent de dépendre de l’IA aux dépens de la créativité humaine. 🔗 source
Guide Perplexity des études de marché — Un guide en huit étapes, avec exemples de prompts, étapes de vérification et liste de contrôle en cinq points ; aucune fonction nouvelle, il renvoie à Deep Research et aux Spaces. 🔗 source

Ce que ça signifie

L’agent sort de la fenêtre de chat. Muse parle avec une voix que l’on décrit, se montre sous les traits d’un avatar, pilote un Mac et doit arriver sur des lunettes puis, selon Mark Zuckerberg, dans un appareil de poche en décembre. Google donne lui aussi un visage animé à Gemini 3.8 Live, pour l’accueil et le service client, Perplexity installe son agent local sur les PC à processeur AMD, et Claude Code continue de travailler dans le cloud une fois le portable fermé. Le calendrier reste inégal : l’utilisation de l’ordinateur sur Mac et Live Avatar sont disponibles, alors que Muse sur les lunettes est promis « dans les prochains mois » et que son adresse e-mail n’a pas de date.

Le coût de l’agentique devient un argument chiffré. Anthropic offre 100 ou 250 dollars de crédit pour les sessions cloud et montre, données d’usage à l’appui, que la lecture de cache pèse désormais le plus lourd dans Claude Code, où le ratio entre entrée et sortie est passé de 189:1 à 324:1. Perplexity facture Fast Search 1 dollar les 1 000 requêtes contre 5 et chiffre à environ 68 % l’économie sur des tâches agentiques, pour un score comparable ; Runway garde 74 % de vidéos utilisables avec 66 % de dépense en moins ; Together AI entraîne un modèle de décision pour 17 dollars. Chacun mesure ses économies avec son propre protocole : des chiffres utiles, rarement comparables entre eux.

La confiance se règle au cas par cas, parfois à rebours. Anthropic facture de nouveau certains refus pour freiner des « attaques coordonnées », en visant moins de 0,1 % de faux positifs. Claude Code 2.1.282 empêche un projet d’imposer sa télémétrie, quand Kimi Code 2.1.1 retire moins de 19 heures après leur arrivée les protections de sa 2.1.0, au motif qu’un dépôt approuvé relève de l’utilisateur. GitHub teste une preuve de présence avant les actions sensibles. Côté défense, OpenAI ouvre Daybreak à l’Ukraine, et le GitHub Security Lab confie le fuzzing à un agent en prévenant qu’il se trompe et qu’il doit tourner dans un environnement jetable.

Enfin, les règles et l’infrastructure se discutent à grande échelle. À l’ONU, Sam Altman réclame des normes internationales pour l’IA de pointe, qu’OpenAI veut pilotées par les États-Unis avec le réseau des instituts de sécurité de l’IA, sans licence ni examen obligatoire avant publication. Google s’apprête à envoyer ses premières TPU en orbite pour éprouver le calcul spatial, et Perplexity a réécrit en Rust le moteur qui sert toutes ses recherches, avec une latence p99 passée d’environ 800 à 65 ms. Normes négociées entre États, puces en orbite, moteur réécrit : la couche qui fait tourner ces agents se construit en même temps qu’eux.