Jalapeño livre ses premiers chiffres mesurés, le WebMCP Challenge réunit six plateformes, Perplexity passe son agent en local

Cinquante et une annonces en vingt-quatre heures, réparties sur neuf domaines : la journée du 25 août est la plus chargée de la semaine. Quatre mouvements en ressortent. OpenAI publie les premiers résultats mesurés de Jalapeño, sa puce d’inférence maison, et lance dans la foulée un hackathon de dix jours autour de WebMCP avec Chrome, Cloudflare, Shopify, Vercel, Render et Netlify. Perplexity fait descendre l’intégralité de son agent Computer sur la machine de l’utilisateur. IBM ouvre Granite 4.2, sa première famille de modèles de raisonnement. Et Anthropic unifie la mémoire de Claude entre le chat et Cowork, en la rendant lisible et modifiable fichier par fichier. Le reste — WeatherNext Cyclones en service au National Hurricane Center, la Série B de Stability AI, une vingtaine de mises à jour d’outils — suit ci-dessous.

WebMCP : un standard, son support produit, son usage interne et un concours pour l’amorcer

25 août — OpenAI lance le WebMCP Challenge, un hackathon de dix jours consacré à un standard ouvert encore expérimental qui change la façon dont les agents interagissent avec le web. Le problème visé est concret : aujourd’hui, un agent qui doit accomplir une tâche sur un site doit deviner comment naviguer dans une interface conçue pour des yeux et une souris. WebMCP inverse la logique, le site expose lui-même des outils structurés que l’agent appelle directement.

Le concours n’est pas le fait le plus notable de l’annonce. C’est l’alignement qu’il révèle : Chrome (Google), Cloudflare, Shopify, Vercel, Render et Netlify s’associent tous à OpenAI sur le même standard. Le jury en porte la trace, avec Sarah Drasner (Distinguished Engineer, Chrome), Andrew Galloni (VP Research & Innovation, Cloudflare), Jude Gao (équipe Next.js Core, Vercel), Ilya Grigorik (Distinguished Engineer, Shopify), Sean Roberts (VP of Applied AI, Netlify), Justin Rushing (Browser Agent Lead, OpenAI) et Alex Nahas, créateur de MCP-B.

The WebMCP Challenge is here. We’ve teamed up with @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render, and @Netlify for a 10-day hackathon. Up for grabs: $35,000 in cash prizes, Codex Micros, ChatGPT Pro subscriptions, and more prizes from our supporters.

🇫🇷 Le WebMCP Challenge est lancé. Nous nous sommes associés à @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render et @Netlify pour un hackathon de dix jours. À la clé : 35 000 dollars de prix en numéraire, des Codex Micro, des abonnements ChatGPT Pro, et d’autres lots offerts par nos partenaires. — @OpenAIDevs sur X

Le calendrier est serré et les critères d’évaluation sont explicites : utilité, originalité, exécution, usage réfléchi de WebMCP et qualité de l’expérience humain-agent. Les inscriptions et soumissions passent par Devpost. OpenAI publie aussi des applications de démonstration agent-natives pour amorcer les projets — modélisation 3D pilotée par l’agent, écriture collaborative où l’agent commente sous sa propre identité, générateur de mots croisés personnalisés, Wandernote pour transformer des notes de voyage en itinéraire, et exploration de données via DuckDB-Wasm dans le navigateur. Partir d’une application existante et y ajouter WebMCP est admis.

Élément du concours	Détail annoncé
Durée annoncée	10 jours
Ouverture des soumissions	25 août 2026, 12 h PT
Date limite de dépôt	3 septembre 2026, 13 h PT
Annonce des gagnants	23 septembre 2026 (date indicative)
Dotation totale	35 000 dollars
Lot par lauréat (top 10)	3 000 dollars, un an de ChatGPT Pro, un clavier Codex Micro, des goodies
Plateforme de dépôt	Devpost

La brique produit qui rend le standard utilisable au quotidien arrive le même jour : le navigateur intégré de l’application desktop ChatGPT et ChatGPT Sites savent désormais consommer WebMCP. Quand ChatGPT ou Codex visite un site compatible, l’agent détecte les outils exposés par la page et les utilise automatiquement au lieu de tâtonner dans l’interface — la mise à jour vers la dernière version de l’application desktop est nécessaire. L’autre moitié de la boucle est côté production : il devient possible de demander à Codex de créer une application compatible WebMCP puis de la déployer directement sur Sites. À noter, l’asymétrie de support avec Chrome, où WebMCP reste derrière un drapeau expérimental ou un essai d’origine (origin trial), alors que le navigateur de ChatGPT le gère nativement.

Reste le troisième volet, le plus instructif : OpenAI documente son propre usage interne. Un ingénieur de l’entreprise raconte comment il a cessé d’écrire une automatisation par tâche pour construire Runme, une application web de notebooks open source pensée pour collaborer avec Codex. Il y écrit un objectif court avec des consignes explicites — consulter une exécution précédente, rédiger un plan détaillé, attendre validation avant de commencer, documenter les commandes exécutées et leur interprétation — et Codex lit puis met à jour le notebook au fil du travail. Deux choix d’architecture méritent attention. La persistance d’abord : les notebooks sont sauvegardés dans Google Drive, et Runme génère en parallèle un index Markdown compagnon *.index.md que Drive sait indexer, ce qui permet à un agent de retrouver une exécution passée comme contexte opérationnel. L’exposition des capacités ensuite : Runme est une application cliente servie en statique, et ajouter un serveur uniquement pour exposer un point d’accès MCP classique aurait introduit de l’infrastructure et déplacé le traitement des données du notebook. WebMCP permet à l’application d’enregistrer ses outils directement depuis le navigateur.

🔗 WebMCP Challenge · Prise en charge dans ChatGPT desktop et Sites · Codex, Runme et WebMCP chez OpenAI

Jalapeño : OpenAI publie les premiers chiffres de sa puce d’inférence et assume sa stratégie compute

25 août — OpenAI publie les premiers résultats mesurés de Jalapeño, la première puce d’inférence qu’elle a conçue elle-même. L’intérêt de l’annonce ne tient pas seulement aux gains bruts, mais à la nature du compromis qu’elle prétend lever : les systèmes d’inférence existants doivent en général arbitrer entre débit et latence, alors que Jalapeño revendique les deux dans une seule architecture.

Les mesures s’appuient sur InferenceX, un benchmark public de SemiAnalysis qui simule le traitement complet d’une requête. Trois modèles ouverts ont été testés — GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5 1T — face à des systèmes commerciaux. Le choix de normaliser par watt plutôt que par puce est explicite, et commode : Jalapeño consomme deux fois moins que les systèmes auxquels elle est comparée. Jalapeño est annoncée à 700 W, et la consommation soutenue mesurée est restée à 550 W ou moins sur les charges testées, contre 1 200 W pour le GB200 et 1 400 W pour le GB300.

Modèle évalué (système comparé)	Débit de pointe par kW	Latence de bout en bout	TBT minimum
GPT-OSS 120B (GB200, 1 200 W)	≈1,9x (85 448 vs 44 960)	≈1,7x (1,03 s vs 1,80 s)	≈2,7x (0,69 vs 1,87 ms)
DeepSeek R1 670B (GB300, 1 400 W)	≈1,7x (19 641 vs 11 781)	≈3,6x (1,65 s vs 5,99 s)	≈4,1x (1,43 vs 5,90 ms)
Kimi K2.5 1T (GB300, 1 400 W)	≈1,5x (18 195 vs 11 862)	≈3,4x (1,56 s vs 5,31 s)	≈3,8x (1,44 vs 5,48 ms)

Sur l’ensemble des trois modèles, OpenAI annonce 1,5 à 1,9 fois plus de travail IA par watt au débit de pointe et 1,7 à 3,6 fois moins de latence de bout en bout que les systèmes de comparaison, et jusqu’à 2,1 à 4,1 fois plus de performance sur les charges très interactives. Techniquement, les gains viennent d’une co-conception de la puce, de la mémoire, du réseau, du logiciel et du système à l’échelle du rack. L’inférence traverse deux phases aux goulots différents : le préremplissage (prefill), qui traite le prompt et sature le calcul, et la génération (decode), qui produit les tokens un par un et dépend surtout de la bande passante mémoire. Jalapeño cherche à minimiser les déplacements de données, l’état du modèle — cache KV compris — pouvant être placé explicitement et gardé local pendant que le système active la bonne combinaison de calcul, de mémoire et de réseau selon la phase.

Le volet le plus intéressant pour un développeur concerne le rôle de l’IA dans la conception de la puce elle-même. OpenAI indique être passée de la conception initiale au passage en fabrication (tapeout) en neuf mois, en raccourcissant les boucles de conception, de mesure et de vérification. La puce a été pensée comme une cible de programmation prévisible pour l’IA autant que pour les humains : travail décrit via des tenseurs locaux, communication explicite, synchronisation prévisible. Avec Codex et GPT-Astra, l’équipe a porté en deux mois trois modèles à poids ouverts absents du plan de production initial, et sur des blocs d’attention et de mixture-of-experts sélectionnés de GPT-OSS, les noyaux générés par IA tournent 1,5 à 1,8 fois plus vite que les implémentations écrites par des experts humains. La nuance mérite d’être conservée : ces chiffres portent sur les blocs sélectionnés, pas sur le modèle complet. Le calendrier reste prudent — qualification de production en cours, logiciel à mûrir, déploiement dans l’infrastructure OpenAI annoncé pour la fin d’année, Gen 2 en développement avancé et Gen 3 qui se dessine.

Le même jour, Sarah Friar publie le billet qui donne la logique économique derrière tout cela. Elle y revendique un portefeuille compute large — Microsoft et NVIDIA au socle, complétés par AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy et SoftBank — avec un argument autant commercial que technique : préserver un choix crédible entre fournisseurs permet de diriger chaque charge de travail vers le meilleur rapport performance-prix et de maintenir une discipline tarifaire. Un chiffre concret accompagne le propos : sur l’Artificial Analysis Coding Agent Index, GPT-5.6 Sol en raisonnement maximal atteint un nouveau record tout en consommant 54 % de tokens de sortie en moins qu’un autre modèle de premier plan. Le texte assume enfin le paradoxe de Jevons — rendre l’intelligence moins chère n’en réduit pas la consommation, cela élargit le champ des usages rentables. Côté infrastructure, Project Camellia en Géorgie est présenté avec un circuit fermé pour l’eau et des engagements soumis à un audit public indépendant annuel. OpenAI précise qu’elle continuera à déployer largement les accélérateurs de NVIDIA et de ses autres partenaires, pour l’entraînement comme pour l’inférence.

🔗 Jalapeño — premiers résultats · The full stack behind abundant intelligence

Perplexity Portable Computer : tout s’exécute sur la machine, benchmarks à l’appui

25 août — Perplexity lance Portable Computer, une déclinaison de son agent Computer qui s’exécute intégralement sur la machine de l’utilisateur. La bascule est architecturale plus que cosmétique : ce n’est pas seulement le modèle qui tourne en local, mais toute la chaîne d’orchestration — orchestrateur, planificateur, routeur d’outils, ordonnanceur, file de tâches persistante et index de recherche local.

Today we’re launching Portable Computer on @NVIDIA DGX Spark.

Portable Computer is a fully local version of Perplexity Computer, where the entire runtime: orchestrator LLM, subagent LLM, agent harness all run on your local hardware. No cloud dependency.

🇫🇷 Nous lançons aujourd’hui Portable Computer sur le @NVIDIA DGX Spark. Portable Computer est une version entièrement locale de Perplexity Computer, où la totalité de l’environnement d’exécution — le LLM orchestrateur, le LLM des sous-agents, le harnais d’agent — tourne sur votre matériel local. Aucune dépendance au cloud. — @perplexity_ai sur X

L’annonce est faite conjointement avec NVIDIA et cible d’abord le DGX Spark — plateforme Grace Blackwell GB10, CPU Arm 20 cœurs, GPU NVIDIA, 128 Go de mémoire unifiée — avec une extension annoncée vers les PC équipés de GPU RTX. Deux modèles sont proposés au choix, Qwen 3.8 27B ou PPLX 27B, la version post-entraînée du modèle Qwen par Perplexity, et NVIDIA Nemotron 3.5 Lightning, un modèle ouvert de 30B, doit rejoindre le sélecteur. Le travail traité localement ne consomme aucun crédit. L’escalade vers le cloud reste possible — informations à jour, navigateur, applications connectées, ou l’un des 15 modèles frontier et plus — mais elle est soumise à autorisation explicite de l’utilisateur. Les connecteurs Google Drive, Gmail, Slack et GitHub fonctionnent depuis l’appareil, la dictée s’exécute en local via le NVIDIA Nemotron 3.5 ASR Model sans que l’audio quitte la machine, et l’exécution du code se fait en bac à sable (sandbox) isolé. Portable Computer est réservé aux abonnés Pro et Max disposant d’un DGX Spark, sous Linux d’abord, Windows ensuite, avec une installation en un clic depuis l’application.

Le même jour, l’équipe d’ingénierie publie les chiffres qui documentent ce lancement. La thèse est que modèle et harnais (harness) doivent être conçus ensemble : les harnais génériques supposent un modèle frontier capable d’absorber de longs contextes et de planifier sur un horizon étendu, ce que les modèles locaux tiennent mal.

Benchmark mesuré	Computer (Qwen 3.8 27B)	Pi	Hermes	Computer + PPLX 27B
Local Knowledge Work Bench (53 tâches)	82,6 %	77,6 %	74,0 %	85,4 %
BrowseComp (1 266 tâches)	66,7 %	50,2 %	43,9 %	—
ParseBench-100 (documents multimodaux)	65,1 %	13,9 %	34,6 %	—

Sur BrowseComp, Computer consomme au passage 61 % moins de temps et 16 % moins de tokens que Hermes, et 51 % moins de temps et 70 % moins de tokens que Pi. Quatre choix de conception expliquent l’écart : un prompt système minimal, des capacités modularisées en skills chargées et déchargées au fil de la trajectoire, des connecteurs très utilisés (Gmail, GitHub, Outlook, Google Calendar) convertis en outils en ligne de commande compacts plutôt qu’exposés en serveurs MCP dont les définitions dévorent le contexte, et un bac à sable toujours actif et non configurable — s’il est indisponible, le harnais se désactive avant tout appel d’outil au lieu de basculer vers une exécution non isolée. Perplexity note aussi un constat pratique utile : Qwen 3.8 27B annonce une fenêtre de 260K tokens, mais commence empiriquement à peiner au-delà de 100K.

Terminal Bench 2.1 (89 tâches)	Score	Coût API par exécution
Qwen 3.8 27B, 100 % local	59,6 %	environ 0
Qwen 3.8 27B + conseil Claude Opus 5	73,0 %	0,415 USD
Claude Opus 5 seul	82,4 %	0,65 USD

Le mécanisme d’escalade vers un modèle conseil (advisor) est le point le plus intéressant du rapport : il récupère environ trois cinquièmes de l’écart au frontier pour à peu près deux tiers de son coût, et l’arbitrage reste à la main de l’utilisateur. Avant chaque appel, le harnais sélectionne le contexte pertinent, applique un classificateur de données personnelles et montre à l’utilisateur ce qui quitterait l’appareil ; le modèle conseil ne renvoie que du texte et n’a aucun accès direct aux fichiers ni aux outils. Le post-entraînement de PPLX 27B, enfin, combine un affinage par rejet (rejection fine-tuning) puis de l’apprentissage par renforcement sur des environnements synthétiques exécutés dans des conteneurs Docker, sans aucune donnée réelle d’utilisateur. Un rapport technique et l’ouverture du benchmark d’évaluation en open source sont annoncés.

🔗 Benchmarks du harnais local · Portable Computer — billet Perplexity

Claude : une seule mémoire entre le chat et Cowork, lisible fichier par fichier

25 août — Anthropic supprime la frontière entre deux mémoires qui coexistaient jusqu’ici. Ce que Claude retient de vos conversations dans le chat est désormais exactement ce dont il dispose dans Claude Cowork, et l’inverse est également vrai. Concrètement, lorsque Cowork exécute une tâche dans le cloud, il démarre avec le contexte accumulé au fil des mois : les priorités du trimestre, l’état d’avancement des projets, les préférences de rédaction d’un interlocuteur. Anthropic donne des exemples volontairement terre-à-terre — demander un point d’avancement pour son responsable sans avoir à préciser de qui il s’agit ni comment cette personne aime recevoir l’information.

Le second changement est plus discret mais modifie le comportement au quotidien : la mémoire se met à jour au fil de la conversation plutôt que par un résumé produit après coup. Mentionner qu’une échéance est repoussée à septembre suffit pour que la conversation suivante en tienne compte. La formule « retiens ceci » reste disponible pour forcer l’enregistrement d’un élément précis, et la mémoire peut être mise en pause ou réinitialisée à tout moment.

Côté transparence, Anthropic a choisi une représentation lisible plutôt qu’une boîte noire : tout ce que Claude retient apparaît sous forme de fichiers courts, classés par sujet, dans Réglages puis Mémoire. Chacun peut être lu, corrigé ou supprimé. L’intérêt pratique est immédiat — corriger l’ancien nom de son entreprise dans un seul fichier suffit pour que toutes les conversations suivantes utilisent le bon.

Le traitement des sujets sensibles est le point le plus intéressant sur le plan des choix produit. Par défaut, Claude ne mémorise pas ce qui touche à la santé, à l’origine, à l’ethnicité, aux croyances religieuses, aux opinions politiques ou à l’identité de genre. Anthropic reconnaît toutefois que la frontière est personnelle et propose un réglage optionnel pour inclure ces sujets — de quoi laisser Claude se souvenir d’une intolérance au gluten au moment de proposer des recettes. Ce réglage n’est pas rétroactif et peut être désactivé à tout instant. Une catégorie reste exclue quel que soit le réglage : numéros d’identification, antécédents judiciaires, statut migratoire, et plus largement tout ce qui contrevient à la Politique d’usage acceptable. Claude signale explicitement quand il ne peut pas enregistrer une information de ce type, choix de conception qui privilégie le refus visible au filtrage silencieux.

Aspect de la mémoire	Comportement décrit
Portée	Mémoire unique partagée entre le chat et Claude Cowork
Moment de la mise à jour	Pendant la conversation, contre un résumé après la fin auparavant
Format de stockage	Fichiers courts classés par sujet, lisibles et modifiables un par un
Sujets sensibles	Non mémorisés par défaut, activables par réglage, sans effet rétroactif
Exclusions permanentes	Numéros d’identification, antécédents judiciaires, statut migratoire
Plans Free, Pro et Max	Mémoire active par défaut sur le web, le bureau et le mobile
Plans Team et Enterprise	Ouverte par l’administrateur, désactivée par utilisateur jusqu’à activation

🔗 La mémoire de Claude fonctionne partout · Annonce @claudeai

IBM ouvre Granite 4.2, sa première famille de raisonnement, et deux modèles ASR de 470M

25 août — IBM publie Granite 4.2, présentée comme sa première famille de modèles de langage denses, décodeur uniquement, explicitement conçus pour le raisonnement. Là où les générations précédentes visaient l’efficacité et les tâches d’entreprise classiques, cette version place le raisonnement au centre et le rend modulable : chaque modèle expose trois modes — thinking, non-thinking et low-effort — que l’application choisit selon le budget de latence et de tokens qu’elle accepte de payer. Les trois tailles (3B, 8B, 30B) partagent la même architecture et le même pipeline, ce qui rend le passage de l’une à l’autre indolore côté intégration.

L’architecture reste classique : attention GQA à 40 têtes pour 8 têtes KV, RoPE avec un θ de 10 millions pour tenir les 131 072 tokens de contexte, MLP SwiGLU, normalisation RMSNorm, entraînement en bfloat16 sur un cluster NVIDIA GB200 NVL72 hébergé par CoreWeave. Le pré-entraînement part de zéro sur environ 15 000 milliards de tokens répartis en cinq phases. Ce qui distingue vraiment Granite 4.2, c’est le post-entraînement : un pipeline de renforcement en chaîne d’étapes spécialisées plutôt qu’une passe unique, en GRPO asynchrone avec échantillonnage d’importance tronqué, si bien que les moitiés génération et entraînement de la boucle ne se bloquent jamais mutuellement. Le curriculum enchaîne trois passes de RLVR à récompenses vérifiables, des amplificateurs ciblés sur le suivi d’instructions et le code, deux étapes de software engineering en contexte 128K, une étape terminal, une étape recherche, puis l’alignement RLHF. Le bloc de renforcement agentique n’est appliqué qu’aux modèles 8B et 30B, ce qui explique l’écart de performance en codage agentique entre le 3B et ses grands frères.

Benchmark publié par IBM	3B Dense	8B Dense	30B Dense
SWE-Bench Verified	—	47,67	57,00
SWE-Bench Multilingual	—	30,78	41,89
Terminal-Bench 2.1	—	20,56	29,24
τ³-bench	45,78	58,06	62,00
AIME25	78,33	86,67	89,17
GPQA	54,80	64,14	66,41
LiveCodeBench v6	69,71	73,24	75,77
MMLU-Pro	67,84	74,04	77,60
RULER 128K	55,30	71,41	81,38

La publication ne se limite pas aux poids bfloat16 : quatre variantes quantifiées accompagnent la sortie pour vLLM — FP8 par canal dynamique sans calibration, NVFP4 et MXFP4 via GPTQ calibré sur 2 000 échantillons SFT — ainsi que quatorze formats GGUF pour llama.cpp, de Q2_K à Q8_0. Douze langues sont prises en charge, dont le français, et trois harnais de codage agentique sont documentés dès le premier jour : OpenCode, Pi et OpenHands. Sur la qualité des données, IBM détaille une chaîne où GPT-OSS-120B et Gemma 4 servent de juges pour noter les échantillons SFT, avant une déduplication locale et globale par hachage SHA-256.

Le même jour, IBM publie Granite Speech 5.0 Turbo CTC, deux modèles de reconnaissance vocale anglaise de 470 millions de paramètres qui ne diffèrent que par leurs données d’entraînement et leur licence — Apache 2.0 pour la variante standard, CC-BY-NC-SA-4.0 pour la variante entraînée sur des données supplémentaires. Le changement d’architecture est notable : les Granite Speech précédents combinaient un encodeur acoustique, un projecteur et un LLM, ceux-ci sont encodeur uniquement. La pile empile 16 blocs Conformer, applique un auto-conditionnement en sortie du huitième bloc, remplace l’attention produit-scalaire par une attention par blocs (chunkwise) pour éviter la mise à l’échelle quadratique, et optimise directement la perte CTC. La vraie nouveauté est le taux de tokens : des opérations de sous-échantillonnage font passer le flux de 100 trames par seconde en sortie du spectrogramme log-Mel à 12,5 par seconde, ce qui explique le « Turbo » du nom. Les résultats sont reportés sur le OpenASR Leaderboard et le FFASR Leaderboard pour le champ lointain, avec des graphiques de Pareto vitesse/précision plutôt que des scores isolés, et une démonstration de reconnaissance en continu exécutée dans le navigateur via WebGPU, limitée à Chrome et Edge.

🔗 Granite 4.2 — parcours technique · Granite Speech 5.0 Turbo CTC

WeatherNext Cyclones, premier modèle IA utilisé en temps réel par le National Hurricane Center

25 août — Google AI détaille WeatherNext Cyclones, un modèle de prévision des cyclones tropicaux issu de Google DeepMind et Google Research. L’annonce est notable moins pour la performance brute que pour ce qu’elle raconte du passage de l’IA météo du laboratoire à l’opérationnel.

Le problème attaqué est structurel. Jusqu’ici, suivre un cyclone imposait un arbitrage : les modèles physiques tournant sur supercalculateurs capturent bien les grandes structures atmosphériques qui balaient la planète, mais comprendre la physique locale et intense qui détermine la force d’une tempête obligeait à basculer sur des modèles régionaux entièrement différents. WeatherNext Cyclones supprime cet aller-retour en prédisant d’un seul tenant la trajectoire, l’intensité et la taille.

Le gain annoncé est d’une journée complète d’anticipation par rapport aux systèmes précédents. Google formule la comparaison de manière parlante : les prévisions à trois jours atteignent désormais la précision des anciennes prévisions à deux jours, un progrès qui demandait historiquement une décennie d’avancées méthodologiques. Le second apport est probabiliste : le modèle est assez rapide pour produire jusqu’à 1 000 simulations par tempête, ce qui remplace la trajectoire unique « la plus probable » par un éventail de scénarios. Cela rend plus lisible l’intensification rapide, définie par une hausse des vents maximaux soutenus d’au moins 30 nœuds en 24 heures. Cette année, 1 000 prédictions probabilistes par tempête sont fournies aux prévisionnistes via WeatherLab.

L’élément le plus significatif reste le déploiement réel. Pendant la saison des ouragans 2025, WeatherNext Cyclones a été mis à l’épreuve au sein du National Hurricane Center américain — la première fois que cette institution utilise des modèles IA en opérations temps réel. Les météorologues s’en sont servis pour établir la prévision de l’atterrissage en catégorie 5 de l’ouragan Melissa en Jamaïque, donnant aux autorités locales du temps de préparation supplémentaire. Un article est paru dans Nature, et Google annonce la publication du code et des poids du modèle en open source sur GitHub.

Aspect du modèle	Apport de WeatherNext Cyclones
Grandeurs prédites	Trajectoire, intensité et taille en une seule passe
Gain d’anticipation	Un jour ; prévision à 3 jours = précision de l’ancienne à 2 jours
Simulations par tempête	Jusqu’à 1 000
Déploiement opérationnel	U.S. National Hurricane Center, saison des ouragans 2025
Cas d’usage documenté	Atterrissage catégorie 5 de l’ouragan Melissa en Jamaïque
Seuil d’intensification	Plus de 30 nœuds de vents maximaux soutenus en 24 heures
Modalités de mise à dispo	WeatherLab ; code et poids en open source sur GitHub

🔗 Annonce @GoogleAI · Billet Google DeepMind

Stability AI boucle une Série B de 76 millions de dollars avec EA, Sony Music, Universal et Warner

25 août — Stability AI annonce la clôture de sa Série B : 76 millions de dollars de capital frais, qui portent le financement total à 232 millions depuis la reprise en main de l’entreprise par Prem Akkaraju en juin 2024, deux tours en actions et des obligations convertibles compris. Le montant reste modeste à l’échelle du secteur, mais la composition du tour de table est le vrai sujet.

Quatre poids lourds du divertissement entrent au capital : Electronic Arts pour le jeu vidéo, Sony Music Group, Universal Music Group et Warner Music Group pour la musique. Les trois majors du disque sont désormais actionnaires du même laboratoire. S’y ajoutent AMD Ventures et Pacific Alliance Ventures. Ces investisseurs ne sortent pas de nulle part : EA, Universal et Warner étaient déjà partenaires stratégiques de Stability AI depuis l’automne 2025. Le tour transforme donc des accords commerciaux existants en participations au capital.

L’autre signal tient à la fidélité des investisseurs financiers. Coatue, Greycroft, Kadmos Capital, Sean Parker et Eric Schmidt remettent au pot pour le deuxième tour consécutif sous la nouvelle direction — ce qui, après la période troublée qu’a traversée Stability AI en 2023 et 2024, vaut confirmation. Thomas Laffont, cofondateur de Coatue, rejoint le conseil d’administration où siègent déjà James Cameron, Sean Parker, Dana Settle et Prem Akkaraju.

This unmatched group of investors is an affirmation of our vision where generative AI empowers every producer, musician, and storyteller. Stability is unique in the AI field because we are creative people making tools for creatives.

🇫🇷 Ce groupe d’investisseurs sans équivalent confirme notre vision, celle d’une IA générative qui donne des moyens à chaque producteur, musicien et conteur. Stability est unique dans le domaine de l’IA parce que nous sommes des créatifs qui fabriquons des outils pour des créatifs. — Prem Akkaraju, CEO de Stability AI, communiqué du 25 août

La stratégie assumée est celle d’un laboratoire de niche : pas de modèle généraliste, mais des outils pour les professionnels de la création, construits avec les ayants droit plutôt que contre eux. C’est exactement la ligne de Stable Audio 3.0, famille de modèles à poids ouverts entraînée sur des données entièrement licenciées, étendue le 18 août par un plugin pour stations de travail audio. L’argent doit financer la suite produit, la recherche appliquée et le pôle services professionnels.

🔗 Annonce @StabilityAI

ChatGPT côté entreprise : plugin Admin, extension multi-navigateurs et siège Premium à 100 dollars

25 août — Trois annonces d’OpenAI convergent vers le même public : les organisations qui déploient ChatGPT et Codex à l’échelle.

La plus substantielle est le plugin Admin pour ChatGPT Work et Codex, qui rassemble dans une conversation ce qui obligeait jusqu’ici à naviguer entre tableaux de bord d’analytics, écrans de paramètres et rapports. Le périmètre couvre les tâches quotidiennes : comprendre l’adoption et la consommation de crédits, repérer les membres ou groupes proches de leurs limites, gérer les arrivées et les départs, examiner les permissions effectives et diagnostiquer un problème d’accès, ajuster les limites d’usage et arbitrer les demandes de dépenses en les confrontant à la consommation réelle. La partie la plus intéressante est l’automatisation sans écrire de code : les demandes d’usage en attente peuvent être routées vers Slack ou Microsoft Teams pour approbation dans l’outil que les validateurs utilisent déjà, et les demandes d’accès à une fonctionnalité peuvent être accordées automatiquement quand elles remplissent des critères prédéfinis, les exceptions étant renvoyées à un humain. Point structurant côté sécurité : le plugin opère dans le rôle et les permissions existants de l’utilisateur et n’élargit aucun accès, chaque instruction étant mappée vers une action de lecture ou d’écriture supportée avec un résultat structuré. OpenAI cite son propre usage — un agent ChatGPT Work dans Slack traite les demandes IT internes, et les flux de travail déployés résolvent environ 45 % du volume de tickets, backlog éliminé alors que le volume de support avait à peu près doublé.

Deuxième annonce, l’extension navigateur ChatGPT sort du périmètre Chrome et prend en charge Microsoft Edge, Brave, Opera et Vivaldi. Le changement compte pour qui travaille dans un navigateur alternatif par choix de confidentialité ou par contrainte d’entreprise. Deux usages sont mis en avant : amener le contexte des onglets ouverts dans une tâche via la mention @ tab dans ChatGPT Desktop, de sorte que Codex travaille à partir de la documentation ou du ticket déjà affichés ; et laisser l’agent piloter le navigateur pour exécuter des tâches web concrètes, la résiliation d’abonnements figurant parmi les exemples donnés.

Troisième annonce, plus laconique : un siège Premium à 100 dollars rejoint l’offre ChatGPT Business, positionné sur les petites entreprises et les startups avec un plan présenté comme flexible et évolutif selon la taille de l’équipe. L’annonce a été faite sur X sans billet de blog détaillé, et la composition exacte du siège n’est pas précisée dans le message.

🔗 Plugin Admin · Extension multi-navigateurs · Siège Premium ChatGPT Business

NVIDIA : la Gamescom pour RTX Spark, et SANA qui divise par 27 la latence de MiniMax H3

25 août — NVIDIA profite de la Gamescom, qui se tient cette semaine à Cologne, pour étoffer le catalogue de RTX Spark, sa plateforme de PC Windows attendue cet automne. Electronic Arts, Embark Studios et Ubisoft rejoignent KRAFTON, NetEase, Riot Games et XBOX, qui s’étaient engagés dès le COMPUTEX en mai. Les titres nommés couvrent des exigences techniques variées : EA SPORTS F1 25 et Apex Legends côté EA, Anno 117: Pax Romana chez Ubisoft, ARC Raiders et THE FINALS chez Embark Studios.

Le point le plus concret concerne l’anti-triche. Faire tourner un jeu ne suffit pas : les gros titres en ligne dépendent de systèmes anti-triche qui doivent être portés sur chaque plateforme, sous peine que le jeu reste injouable en multijoueur. NVIDIA annonce travailler avec EA pour amener EA Javelin Anticheat nativement sur RTX Spark — le genre de détail d’infrastructure qui décide de l’adoption réelle d’une nouvelle plateforme PC. Côté rendu, DLSS 4.5 Ray Reconstruction est disponible immédiatement, avec un modèle transformer de deuxième génération qui remplace les débruiteurs classiques par un réseau entraîné sur supercalculateur. Le path tracing arrive dans CONTROL Resonant et 007 First Light, Gears of War: E-Day intègre RTX Mega Geometry, et les technologies NVIDIA ACE sont annoncées dans Aniimo pour début 2027.

L’autre facette du même acteur, le 24 août, est plus technique. MiniMax relaie les résultats obtenus par l’équipe SANA de NVIDIA sur Sol Engine appliqué à son modèle vidéo H3 : dix secondes de vidéo en 768p générées sur un seul GB200 passent de 414 secondes à 14,93 secondes, soit une accélération d’un facteur 27,7. La méthode ne repose pas sur une optimisation de noyaux mais sur un découpage de la génération en deux passes — un brouillon en basse résolution produit par H3 en 4 étapes, puis une passe de raffinement à la résolution cible confiée à LTX en 3 étapes avec Sol-Attn. Sept étapes au total. Second levier, les décodages VAE coûteux sont remplacés par TAEH3 et TAEHV, des décodeurs allégés, tout en maintenant les latents stables pour la passe de raffinement.

Mesure sur MiniMax H3	Valeur mesurée
Charge mesurée	10 s de vidéo en 768p, un seul GB200
Latence avant	414 s
Latence après	14,93 s
Facteur d’accélération	27,7x
Étapes de génération	4 (brouillon H3 basse résolution) + 3 (LTX)
Décodeurs substitués	TAEH3 et TAEHV en remplacement des décodes VAE
Débit projeté par nœud	378 000 vidéos par mois, plus de 97 % de marge GPU

Le débit projeté est une estimation de MiniMax, pas une mesure de production, et mérite d’être lu comme tel. Mais la direction est claire : à quinze secondes pour dix secondes de vidéo, la génération vidéo haute fidélité quitte le rendu par lots asynchrone pour une infrastructure quasi interactive.

🔗 NVIDIA à la Gamescom · SANA et Sol Engine sur H3

Les modèles ouverts chinois deviennent la référence de la recherche, et Qwen3.8-27B entre dans le top 10 de Code Arena

25 août — Qwen relaie deux résultats le même matin, et le second donne le sens du premier.

Le premier est un classement. Qwen3.8-27B entre au classement Code Arena: WebDev, qui évalue les modèles sur la génération d’interfaces web, à la 9e place au général avec 1595 points. Il est le seul modèle de sa catégorie de taille dans le top 10, et ne se situe qu’à six rangs de Qwen3.8-Max, bien plus gros. Arena souligne qu’il redessine la frontière de Pareto du classement, et fournit un point de repère parlant : Gemma 4-31B, de taille comparable mais sorti en avril, occupe la 80e place.

Modèle évalué	Rang Code Arena: WebDev	Points obtenus	Remarque du classement
GLM-5.3 (Max)	8e au général	1597	Relevé du 20 août, 2e parmi les modèles ouverts
Qwen3.8-27B	9e au général	1595	Seul modèle de sa taille dans le top 10
Qwen3.8-Max	Six rangs devant le 27B	n.c.	Modèle bien plus gros de la même famille
Gemma 4-31B	80e au général	n.c.	Sorti en avril 2026

Le second résultat est une mesure d’usage. Nathan Lambert, qui a co-dirigé le projet Olmo chez Ai2, a fait dépouiller par Codex 500 000 articles arXiv en IA et apprentissage automatique publiés depuis la sortie de ChatGPT, pour identifier les modèles ouverts effectivement utilisés en recherche. Le renversement tient en deux chiffres : en 2024, environ 30 % des articles mentionnaient un modèle ouvert américain contre 10 % un modèle chinois ; aujourd’hui, environ 40 % citent un LLM ouvert chinois et seulement 25 à 30 % un américain.

Famille de modèles	Part des articles citant un LLM
OpenAI (modèles fermés)	environ 37 %
Qwen	environ 33 %
Gemini, Claude	10 à 15 %
Gemma, Mistral	5 à 10 %
Olmo	environ 1 %

Dans le détail, Qwen est mentionné dans un tiers des articles qui citent un LLM, quel qu’il soit. Llama a atteint son pic vers avril 2025 à 30 %, au moment même de la sortie de Llama 4, et recule depuis. Lambert pose lui-même une limite importante : les publications sont en retard sur les sorties de modèles, parce que la recherche prend du temps — ces chiffres décrivent l’état des travaux en cours plutôt que les préférences du moment. Une tendance de fond se lit en parallèle, distincte du duel ouvert contre fermé : la proportion d’articles d’IA mentionnant un LLM est passée de 10,43 % en janvier 2023 à plus de 50 % en 2026.

🔗 Qwen3.8-27B sur Code Arena · Relais Qwen de l’analyse arXiv · Analyse @natolambert

Claude Code passe en 2.1.245, et le rendu de Claude sur le web devient 4 fois plus fluide

Deux versions de Claude Code sont sorties dans la fenêtre, et leur contenu vise nettement les déploiements en organisation. Le CHANGELOG ne porte pas de dates, mais l’historique Git les situe : la 2.1.243 apparaît au commit du 24 août à 23:40 UTC, la 2.1.245 à celui du 25 août à 05:13 UTC.

Réglage ajouté	Version concernée	Intérêt pratique
`modelPricing`	2.1.243	Tarifs contractuels dans `/cost`, la barre de statut et la télémétrie
`modelPicker`	2.1.243	Liste de modèles ordonnée et étiquetée pour `/model`
`promptCacheTtl` / `subagentPromptCacheTtl`	2.1.243	Cache de prompt d’une heure sur la conversation, 5 min sur les subagents
Ventilation Loops dans `/usage`	2.1.243	Repérer les tâches `/loop` qui dérapent
Connexion sans clé via Console	2.1.243	Organisations qui interdisent les clés d’API
Correctif glibc 2.44	2.1.245	Plantage au démarrage sur Arch Linux, CachyOS et Fedora Rawhide

Le réglage le plus structurant est modelPricing : jusqu’ici, les coûts affichés raisonnaient au tarif public, une organisation peut désormais y injecter ses tarifs contractuels par modèle et son coefficient de remise, ce qui rend les chiffres directement exploitables pour la refacturation interne. Le couple promptCacheTtl et subagentPromptCacheTtl traite un compromis économique concret pour les utilisateurs par clé d’API : garder un cache d’une heure sur la conversation principale, où le contexte reste stable, tout en laissant les subagents à cinq minutes, leurs contextes étant plus volatils. Côté correctifs, les serveurs MCP distants en mode non interactif ne restent plus bloqués après une coupure, /resume ne se limite plus aux cinquante sessions les plus récentes, et les sessions muettes plus de dix minutes expirent maintenant au bout d’environ trois minutes avant un réessai et une erreur explicite.

Le 24 août, Anthropic annonce par ailleurs avoir réécrit le moteur qui affiche les réponses en cours de génération sur Claude web et bureau. Le principe est classique en rendu d’interface : ne toucher que ce qui est encore en train de changer, au lieu de redessiner l’ensemble de la réponse à chaque nouveau fragment. Sur une réponse longue, la différence est structurelle — le coût de rendu cesse de croître avec la longueur du texte déjà affiché. Les gains annoncés sont cohérents : environ 4 fois plus de fluidité, 9 fois moins de blocages sur un ordinateur portable peu puissant, un pire gel de l’interface 4,5 fois plus court, et 120 images par seconde tenues du début à la fin sur un MacBook 120 Hz. Le détail intéressant est le public visé : ce sont les configurations modestes qui gagnent le plus.

🔗 CHANGELOG Claude Code · Rendu 4x plus fluide, @ClaudeDevs

Les agents de code s’industrialisent : Warp publie le format de ses factories, Rohlik fait écrire 90 % de son code par des agents

24 août en fin de journée — Warp donne à voir la mécanique interne de Warp Factories, sa plateforme d’agents cloud annoncée le 18 août : le format de configuration retenu, et l’ouverture d’un accès anticipé. Le point de départ est assumé — Warp déplace ses propres agents hors des machines locales, pour des raisons de qualité et de coût, et avait besoin de décrire environnements, harnais et permissions de sécurité comme du code versionné.

Élément de configuration	Valeur retenue
Fichier de définition	`factory.yaml`, `schemaVersion: v1alpha1`
Clés principales	`name`, `repositories` (`owner` / `name`), `agentDefaults.model`
Définition d’un agent	`agents/<nom>/agent.md` avec `agentType` (`FOREMAN`, `REVIEW`…) et `model`
Déclencheurs	`automations/<nom>/automation.md` : `agent`, `triggers` (fournisseur, événement)
Interfaces disponibles	CLI (`warp agent run-cloud`), API REST, SDK TypeScript, serveur MCP
Accès anticipé	Jusqu’à 10 000 USD d’usage offert aux clients qualifiés

La séparation est intéressante : les agents ne sont pas décrits dans un YAML unique mais dans des fichiers Markdown dédiés, si bien que la définition d’un agent devient un document lisible et diffable. Warp applique la recette à lui-même — son factory interne, baptisé « wilson », couvre des dépôts comme warp-server ou warp-terraform, déclare ses secrets et ses serveurs MCP, et range ses agents par rôle (code-review, foreman, implementation, spec, triage) en 34 lignes. Les chiffres avancés sur la page de demande d’accès sont des arguments commerciaux non vérifiables de l’extérieur : 200 000 exécutions d’agents par jour, plus de 30 % de pull requests fusionnées sans retouche, 20 % de coût en moins par pull request.

Le 25 août, Cognition publie de son côté une étude de cas nettement plus documentée que la précédente. Rohlik Group est un distributeur alimentaire en ligne né en République tchèque, présent dans cinq pays, rentable, avec plus de 1,3 milliard de dollars de chiffre d’affaires l’an dernier ; il livre un plein hebdomadaire de 17 000 produits en moins d’une heure ou sur des créneaux de quinze minutes. Le chiffre qui structure l’article : environ 90 % du code y est aujourd’hui généré par des agents, et l’organisation d’ingénierie se décrit comme « agent-mostly ».

Ce n’est pas un résultat obtenu en branchant un outil. Rohlik dit avoir commencé il y a un an, avec une première expérience de Devin jugée buguée. Ce qui a changé la donne, ce sont les fondations posées côté client : plus de cinquante intégrations MCP internes et externes, avec le principe que tout nouvel outil doit être accessible aux agents dès le premier jour, une couche sémantique au-dessus de l’entrepôt de données Snowflake, et une base de connaissances donnant aux agents le contexte qu’on transmettrait à un nouveau collègue. Le travail arrive à Devin depuis là où il naît, une conversation Slack sur un bug ou un document de spécification Linear déroulé jusqu’à la pull request. Les résultats revendiqués — débit d’ingénierie doublé depuis novembre, intégration de la robotique AutoStore livrée en huit mois là où le secteur met deux à trois ans, prototypage tombé d’un mois à une journée — restent ceux d’une page client publiée par le fournisseur. L’effet le plus parlant est ailleurs : les meilleurs ingénieurs passent désormais 80 % de leur temps à relire du code, et environ 30 % de l’usage de Devin chez Rohlik est de l’analyse de données par des utilisateurs métier.

🔗 Format factory.yaml, @warpdotdev · Étude de cas Rohlik, @cognition · Page client Devin

GitHub : quatre exercices sur les workflows agentiques et l’onglet Customize en disponibilité générale

25 août — GitHub met en ligne quatre nouveaux exercices sur sa plateforme d’apprentissage GitHub Skills. L’angle est explicite : plutôt que de documenter les nouveautés agentiques de l’année, GitHub propose de les pratiquer dans un dépôt de démonstration, avec des consignes livrées au fil des pull requests.

Exercice publié	Objet de l’exercice
Agent Orchestration Build Your AI Dream Team	Agents personnalisés dans Copilot CLI : planifier, concevoir, construire, valider, transmettre
Agentic Workflows that Read the Room	Extension `gh aw`, workflow agentique en Markdown, changements soumis via pull requests
Idea to Merge with the Copilot App	D’une session à une pull request fusionnée, entièrement dans l’app GitHub Copilot
Ship with Quality	Signaux qualité automatisés, couverture de tests, vérifications imposées sur les pull requests

Le plus notable des quatre est le premier : c’est la première fois que GitHub propose un parcours guidé sur l’orchestration multi-agents dans sa CLI, un sujet jusqu’ici documenté seulement en prose. Le deuxième introduit l’extension gh aw, avec un point important pour la sécurité — les modifications proposées par le workflow transitent par des pull requests plutôt que d’être appliquées directement, ce qui conserve un point de revue humain.

Le même jour, l’app GitHub Copilot gagne un onglet Customize en disponibilité générale. Sa fonction est de rassembler dans une seule surface les quatre mécanismes d’extension introduits séparément ces derniers mois : serveurs MCP, plugins, skills et canvases. Une vue Featured présente une sélection éditoriale prise dans chaque catégorie, pour l’utilisateur qui sait ce qu’il veut faire mais pas quel type d’extension y répond, et les serveurs MCP bénéficient d’une navigation propre avec des options mises en avant selon leur popularité et un parcours par catégorie. Le changelog illustre l’intérêt des canvases avec un cas concret : un canvas Azure DevOps pour trier les issues, prioriser un backlog, assigner les suivis, puis confier une tâche à Copilot pour qu’il enquête, implémente ou prépare la revue.

🔗 Quatre exercices GitHub Skills · Onglet Customize en disponibilité générale

L’outillage Google pour développeurs : Gemini CLI 0.57.0 et Antigravity 2.10.0

25 août — Google publie la version stable 0.57.0 de Gemini CLI, suivie un quart d’heure plus tôt de la preview 0.58.0. Le contenu de cette version dit moins de choses sur de nouvelles fonctionnalités que sur la manière dont Google entretient son outil : sur les 24 entrées du changelog, 13 sont préfixées [SSR Agent] Issue Fix et renvoient à des numéros d’issues souvent anciens, de 19239 à 28518. Ces correctifs traitent des irritants accumulés dans le backlog — un blocage indéfini de l’interface terminal auquel on ajoute des délais d’expiration, un message d’erreur d’administration trompeur pour les comptes personnels, l’absence d’espace après les suggestions d’autocomplétion, le rendu du terminal qui ne se rafraîchissait pas en sortie d’éditeur externe. Autrement dit, Google fait passer un agent sur sa propre dette technique et le résultat arrive directement dans la version stable.

Version publiée	Date et heure (UTC)	Canal de publication	Points marquants
v0.57.0	25 août, 18:37:14	Stable	13 correctifs `[SSR Agent]`, validation des evals, retries contextuels
v0.58.0-preview.0	25 août, 18:22:01	Preview	Isolation Docker dans le profil Seatbelt macOS, vérificateurs de sûreté

Côté fonctionnalités, l’effort porte sur l’évaluation, avec une commande de validation des evals et un formateur d’appels d’outils intégrant des résumés d’échecs. La fiabilité progresse aussi : les erreurs de capacité déclenchent des retries silencieux tenant compte du contexte, et l’annulation d’une requête multi-tours provoque un rollback complet plutôt qu’un état partiel. À noter pour qui cherche les notes de version, le fichier docs/changelogs/index.md du dépôt n’a pas été mis à jour au-delà de la v0.54.0 du 6 août.

Quatre jours après la 2.9.1 et son Remote Control, Google Antigravity passe en 2.10.0 le 24 août et comble deux manques qui obligeaient à sortir de l’outil : un terminal intégré et un contrôle de version Git natif, tous deux logés directement dans la barre latérale. Le regroupement est cohérent avec la trajectoire du produit — Antigravity se positionne comme un environnement où l’on pilote des agents plutôt qu’on édite du code ligne à ligne, encore faut-il pouvoir lancer une commande et inspecter un diff sans changer de fenêtre. Le reste de la version élargit ce que l’on peut soumettre à un agent et ce que l’on voit de son travail : les fichiers audio rejoignent les pièces jointes acceptées, le commentaire interactif sur les images permet d’annoter un visuel pour orienter l’agent, et les aperçus enrichis d’exécution des outils MCP rendent lisible ce qu’un serveur d’outils a réellement fait. Google chiffre la version à 13 améliorations et 8 corrections, avec un déploiement progressif.

🔗 Gemini CLI v0.57.0 · Changelog Antigravity

Anthropic finance 5 millions de dollars d’évaluations indépendantes sur le bien-être

25 août — Anthropic ouvre un programme de bourses de 5 millions de dollars destiné à financer des recherches indépendantes sur l’effet de l’IA sur le bien-être de ses utilisateurs. Les lauréats reçoivent un financement direct, un accès aux modèles et un support technique, mais travaillent en toute indépendance : leurs évaluations sont publiées en open source et réutilisables par l’ensemble de l’industrie. Les candidatures sont ouvertes jusqu’au 21 septembre, et les candidats sélectionnés pour soumettre une proposition complète seront prévenus avant le 5 octobre.

L’argumentaire technique explique pourquoi ce domaine résiste aux méthodes d’évaluation habituelles. Pour la plupart des comportements d’un modèle, il suffit d’examiner une réponse isolée pour juger si elle est exacte et appropriée. Le bien-être exige du contexte : un utilisateur en détresse ne mentionne pas nécessairement des pensées auto-agressives d’emblée, et des conseils sur l’équilibre alimentaire raisonnables dans un cas deviennent potentiellement dangereux si la personne a montré des antécédents de troubles alimentaires. L’équipe Safeguards publie en parallèle cinq critères de rigueur : énoncer clairement ce qui est mesuré, associer cliniciens et spécialistes du domaine à la conception, tester à la fois les précautions et les préjudices — c’est-à-dire évaluer le risque de complaisance excessive comme celui de refus excessif —, refléter l’usage réel par des scénarios multi-tours, et valider les correcteurs automatiques contre de véritables experts. Ce troisième critère, la symétrie entre surconformité et surrefus, est celui qui distingue cette approche d’un simple durcissement des garde-fous.

🔗 Bourses de recherche sur le bien-être

Quantization-Aware Healing : un modèle 4 bits qui dépasse son original en pleine précision

25 août — Le pipeline standard pour rendre un grand modèle déployable enchaîne trois étapes : compresser l’architecture, quantifier le résultat, puis réparer la perte de qualité. La recette dominante pour cette dernière étape est le QAT (quantization-aware training), qui insère des opérations de fausse quantification et ré-entraîne ; une alternative, le QAD, distille depuis le modèle compressé en pleine précision. Dans les deux cas, l’élève ne peut au mieux que rattraper son enseignant compressé, et hérite donc du plafond fixé par la compression.

Multiverse Computing propose un changement d’une seule ligne : distiller directement depuis le modèle original, celui d’avant compression. La quantification cesse alors d’être un post-traitement à pertes pour devenir une étape d’apprentissage à part entière. Le résultat est contre-intuitif — appliquée à GPT-OSS 120B compressé à 60B puis quantifié en MXFP4, la méthode produit un modèle 4 bits qui égale ou dépasse sa propre source bfloat16 sur sept benchmarks sur neuf, avec les gains les plus marqués là où la compression fait le plus mal : +7,4 points sur AA-LCR en raisonnement à contexte long et +5,6 sur AIME 2025. Les deux seuls reculs, sur MMLU-Pro et SciCode, restent sous un point et demi.

La comparaison directe avec le QAT à pipeline identique est peut-être le résultat le plus utile en pratique. Sur GPT-OSS 9B quantifié en MXFP4, les deux méthodes atteignent un pic comparable, 54,9 contre 54,6, mais pas au même prix : QAH y arrive en une centaine d’étapes et s’y maintient, tandis que QAT met environ 700 étapes à y parvenir puis se dégrade. La conséquence concrète est un risque de déploiement différent — un point de contrôle QAT exige une surveillance attentive de l’arrêt anticipé, un point de contrôle QAH beaucoup moins.

🔗 Quantization-Aware Healing

Gradio intègre gr.Workflow, un constructeur de pipelines IA en graphe

25 août — Hugging Face publie un guide présentant gr.Workflow, une primitive désormais intégrée à Gradio. Le constat de départ est simple : la plupart des applications IA intéressantes ne sont pas un appel de modèle mais un enchaînement — on génère une image, on en détoure le fond, on en tire une voix off, on demande un titre à un LLM. Jusqu’ici, câbler cet enchaînement et l’exposer proprement demandait d’écrire à la fois la logique et l’interface. gr.Workflow fusionne les deux : on décrit les étapes comme un graphe de nœuds typés, et le graphe devient lui-même l’interface.

L’intérêt pour les développeurs va au-delà de la démonstration visuelle. Chaque sortie du graphe obtient automatiquement son propre point d’accès REST : le studio média donné en exemple, qui enchaîne une génération FLUX, un détourage, une synthèse vocale et un LLM, expose trois routes distinctes (/sticker, /voiceover, /episode_title) appelables depuis du code sans passer par l’interface. Les nœuds savent parler à quatre mondes — les modèles hébergés via les Inference Providers de Hugging Face, d’autres Spaces Gradio publics réutilisés comme briques, une ligne d’un jeu de données du Hub, et du Python arbitraire. Ce dernier point ouvre le plus de portes : un nœud opérateur décoré avec @spaces.GPU réserve un GPU ZeroGPU le temps de son exécution, ce qui permet d’exécuter ses propres poids. Cinq applications réellement déployées en Spaces accompagnent le guide, dont un profileur de jeux de données et une démonstration qui anime une image fixe avec Lightricks/LTX-Video.

🔗 Guide gr.Workflow

ElevenLabs lance Composer, un éditeur de chanson section par section

25 août — ElevenLabs annonce Composer, un éditeur de chanson qui travaille section par section. Le principe rompt avec le mode de génération dominant des modèles de musique : au lieu de produire un morceau complet en une passe et de tout relancer quand un passage ne convient pas, Composer permet de reprendre un couplet, un refrain ou un pont isolément. Quatre points de départ sont proposés — vos propres paroles, une piste existante que vous apportez, une page blanche, ou un simple prompt — le morceau se construisant ensuite par retouches successives.

C’est le deuxième mouvement d’ElevenLabs vers la musique après Eleven Music, et il arrive dans une semaine chargée pour l’entreprise, le CLI v1 étant sorti la veille. Le positionnement est cohérent avec le reste du secteur audio : Suno a lancé Studio 2.0 le 13 août, Pika a sorti sa gamme Pika Music le 18 août, et Stability AI a livré son plugin pour stations de travail audio le même jour. Le contrôle fin sur la structure du morceau, plutôt que la qualité brute de génération, est devenu le terrain de compétition. Une réserve toutefois : aucun billet de blog n’accompagne l’annonce, et rien n’est disponible sur les plans qui donnent accès à Composer, les formats d’export ou l’accès API.

🔗 Annonce Composer, @ElevenLabs

LiveAvatar supprime toute limite de concurrence et descend à 0,01 USD la minute

25 août — HeyGen annonce la suppression des limites de concurrence sur LiveAvatar, son produit d’avatars temps réel. La formulation insiste sur la nature du changement : les limites ne sont pas relevées, elles disparaissent. Une session ou dix mille tournent sur la même API, sans négociation de quota préalable. Deux paramètres accompagnent l’annonce — le rendu reste en corps entier 1080p, et le tarif descend jusqu’à 0,01 USD la minute à l’échelle.

Ce niveau de prix change la nature des usages envisageables : à un centime la minute, un avatar temps réel devient viable pour du support client de masse, de la formation ou des kiosques interactifs, des cas où le coût unitaire décidait jusqu’ici de la faisabilité. La suppression de la limite de concurrence est le point techniquement intéressant. Les plateformes d’avatars temps réel plafonnent habituellement le nombre de sessions simultanées parce que chaque session mobilise du GPU en continu ; lever ce plafond suppose soit une marge de capacité importante, soit un gain d’efficacité sur le modèle. HeyGen publie un article expliquant sa démarche, dont les détails techniques n’étaient pas accessibles au moment du scan.

🔗 Concurrence illimitée sur LiveAvatar

Grok 4.6 arrive dans OpenCode Go

25 août — Grok 4.6 rejoint OpenCode Go, la formule d’abonnement de l’agent de code open source OpenCode. L’annonce vient d’OpenCode en fin de journée, et le compte @grok la relaie une demi-heure plus tard. Le point concret pour les développeurs est le quota : 169 requêtes par tranche de 5 heures pour les utilisateurs de la formule Go. C’est un plafond glissant, pas un décompte mensuel, ce qui convient à l’usage en rafales typique des sessions de codage assisté.

Cette intégration s’inscrit dans une série d’ouvertures de Grok 4.6 vers les outils tiers : le modèle est arrivé dans GitHub Copilot le 14 août, sur Amazon Bedrock le 19 août, puis sur la Gemini Enterprise Agent Platform de Google le 21 août. xAI avait par ailleurs déjà connecté OpenCode à ses abonnements SuperGrok et X Premium en mai 2026 — l’apport du jour n’est donc pas l’accès à OpenCode en soi, mais la présence du modèle 4.6 dans la formule Go, avec un quota inclus plutôt qu’un abonnement xAI à fournir soi-même.

🔗 Relais @grok · Annonce @opencode

Cohere publie une étude IDC sur l’adoption de l’IA souveraine en 2026

25 août — Cohere publie les résultats d’un InfoBrief commandé à IDC sur l’adoption de l’IA souveraine dans les secteurs régulés. L’étude a interrogé plus de 500 décideurs seniors d’entreprises réalisant plus d’un milliard de dollars de chiffre d’affaires au Canada, aux États-Unis, au Royaume-Uni et en Allemagne, entre avril et mai 2026.

Le résultat le plus notable porte moins sur l’adoption que sur la confusion conceptuelle. Un dirigeant sur trois a du mal à décrire l’IA souveraine avec ses propres mots, et seuls 13 % se déclarent très largement sensibilisés au sujet. Parmi ceux qui parviennent à en donner une définition, 52 % la formulent en termes de contrôle local ou national et 35 % évoquent l’indépendance numérique. L’écart traverse aussi l’organigramme : les responsables IT affichent une sensibilisation deux fois supérieure à celle des responsables métier.

Secteur interrogé	Fuite de données et conformité comme préoccupation principale	Avantage concurrentiel comme moteur
Services financiers	82 %	21 %
Industrie	77 %	32 %
Télécommunications	75 %	37 %
Santé	74 %	28 %
Énergie	70 %	21 %

Sur les motivations, le consensus est net et transversal : la fuite de données, la confidentialité et la conformité arrivent en tête dans tous les secteurs interrogés. L’avantage concurrentiel apparaît comme un moteur secondaire mais en progression, davantage mis en avant au Canada (35 %) et aux États-Unis (28 %) qu’en Allemagne (23 %) ou au Royaume-Uni (18 %). L’étude sert évidemment le positionnement de Cohere, dont la plateforme agentique North s’exécute dans l’infrastructure et la juridiction choisies par le client ; il reste que les chiffres sont attribués à une source identifiée. IDC prévoit par ailleurs que d’ici 2028, les DSI des multinationales augmenteront de 65 % leurs investissements dans les environnements cloud souverains modulaires et la localisation des données.

🔗 State of Sovereign AI Adoption 2026

Brèves

Bain & Company rejoint le Claude Partner Network — Le cabinet devient partenaire Global Premier, adossé à un déploiement de Claude auprès de ses 19 000 employés ; plus de 7 000 utilisateurs actifs dès la phase pilote, et plus des deux tiers des participants ont adopté Claude for Excel. 🔗 Billet Anthropic
Amp explique ce que sont les orbs — Note de Thorsten Ball en réponse à la confusion sur le nom : un orb est un agent distant, pilotable depuis le web, le téléphone ou la CLI. Deux précisions utiles sur le coût, le sommeil illimité n’est pas facturé et le nombre d’orbs simultanés n’est pas plafonné. 🔗 Note Amp
Together AI ouvre Qwen3.8 27B au fine-tuning et à l’inférence dédiée — Le modèle devient disponible à la fois pour l’affinage sur données propres et pour la Dedicated Model Inference sur matériel réservé. 🔗 Tweet @togethercompute
FINAL-Bench ouvre FINCHAL, un concours de prévision financière pour agents — Doté de 2 000 dollars, il demande des positions plutôt que des prédictions et publie un plafond de chance (luck ceiling) pour séparer la compétence du hasard. 🔗 Billet FINAL-Bench
Au-Zone publie le EdgeFirst Model Zoo — Quatre familles YOLO en détection et segmentation mesurées sur du silicium embarqué réel, chaque chiffre publié renvoyant à la session de validation qui l’a produit, contre l’opacité des TOPS annoncés par les fabricants. 🔗 Billet EdgeFirst
La dictée intelligente de Gemini pour macOS — Dicter dans n’importe quelle fenêtre du bureau, avec suppression automatique des hésitations et prise en compte des corrections en milieu de phrase ; la voix sert aussi à résumer des fichiers et réécrire un texte. 🔗 Guide blog.google
Les push rules acceptent des exceptions de chemin — En préversion publique, les règles Restrict file paths et Restrict file size peuvent exempter des chemins précis, par exemple bloquer les JAR partout sauf **/gradle/wrapper/*.jar. 🔗 Changelog GitHub
Blocage d’un utilisateur depuis un avis de sécurité — L’action passe par le menu à trois points de la description ou d’un commentaire, dans les dépôts publics, sans repasser par les réglages ; l’avis reste intact. 🔗 Changelog GitHub
Manus signale une forte demande sur la restauration des données — Les restaurations qui n’aboutissent pas doivent être relancées plus tard dans la journée ; consigne explicite de conserver les paquets de sauvegarde intacts et inchangés. 🔗 Tweet @ManusAI
Kling publie trois guides sur son serveur MCP — Connecter Kling à un assistant compatible MCP pour rejouer une configuration créative validée et générer des variantes en lot ; deux des trois tutoriels citent Claude Code comme client. 🔗 Blog Kling
Wan 3.0 arrive sur Runway et Replicate — Runway l’intègre le 24 août avec entrées de référence multiples en image, vidéo et audio ; Replicate suit le 25 en mettant en avant les 30 secondes natives en une seule prise avec audio synchronisé. 🔗 Tweet @runwayml
Runway annonce de nouveaux intervenants pour son AI Summit — Programme élargi à la robotique, aux véhicules autonomes, au marketing et à l’infrastructure pour l’événement de septembre à San Francisco. 🔗 Tweet @runwayml
MiniMax publie un index des intégrations de H3 — Awesome MiniMax H3 Integrations recense ce qui se construit autour du modèle vidéo ouvert, dont des configurations tournant sur 24 Go de VRAM. 🔗 Tweet @MiniMax_AI
Luma lance Dream Lab Weekly — Premier épisode d’une série vidéo consacrée aux professionnels créatifs de Luma et à leur travail hebdomadaire sur le produit. 🔗 Tweet @LumaLabsAI
NVIDIA diffuse une session Nemotron Labs sur le routage de modèles ouverts — Diffusion en direct de 55 minutes intitulée Get Started with Open Model Routing, prolongement du travail sur Nemotron 3.5 Lightning et NeMo Switchyard. 🔗 Tweet @NVIDIAAI
Une semaine restante pour le concours Grok Imagine sur l’Odyssée — Il faut composer une scène tirée de l’Odyssée mettant en valeur les capacités vidéo et voix de l’outil ; dotations de 100 000, 50 000 et 25 000 dollars. 🔗 Tweet @grok
Banque de réinitialisations de limites pour les abonnés Plus et Pro — Plutôt qu’attendre la fenêtre de réinitialisation, l’utilisateur consomme une réinitialisation mise en réserve ; une gratuite au lancement et d’autres via parrainage, avec des crédits de workspace partagés côté Business. 🔗 Changelog ChatGPT et Codex

Ce que ça signifie

Le silicium redevient un sujet de laboratoire de modèles. OpenAI publie le même jour les premiers chiffres mesurés de sa propre puce d’inférence et le billet qui expose sa stratégie compute. Ce n’est pas une coïncidence de calendrier : un fournisseur de modèles qui conçoit son silicium, le mesure sur un benchmark public tiers et assume publiquement un portefeuille de dix partenaires change la nature de la concurrence. La question cesse d’être « quel modèle est le meilleur » pour devenir « à quel coût par tâche réussie », et la réponse se joue autant dans le rack que dans les poids. Le détail le plus significatif est peut-être ailleurs : l’IA a servi à concevoir la puce et à en écrire les noyaux, avec un passage en fabrication en neuf mois et des implémentations générées qui dépassent celles d’experts humains sur les blocs sélectionnés. La boucle se referme — les modèles conçoivent le matériel qui les fera tourner.

L’IA redescend sur l’appareil, et les chiffres commencent à suivre. Trois signaux le même jour vont dans la même direction. Perplexity fait tourner l’intégralité de son agent en local sur un DGX Spark, sans consommer de crédits, avec une escalade cloud qui reste une décision de l’utilisateur. Multiverse Computing publie une méthode où un modèle 4 bits égale ou dépasse sa source en pleine précision, ce qui retire l’argument habituel contre la quantification agressive. Au-Zone publie des mesures de vision par silicium embarqué en reprochant aux TOPS annoncés de ne rien dire de ce qu’un modèle donné fera réellement. Aucun de ces trois travaux ne prétend égaler le frontier : le chiffre honnête de Perplexity est 59,6 % en local contre 82,4 % pour Claude Opus 5 seul sur Terminal Bench 2.1. Mais l’escalade vers un modèle conseil récupère trois cinquièmes de l’écart pour deux tiers du coût, et c’est cet arbitrage, plus que la parité, qui rend l’exécution locale défendable.

L’ouverture des poids s’installe comme position de référence. L’analyse de 500 000 articles arXiv relayée par Qwen documente un renversement déjà perceptible : les modèles ouverts chinois sont passés de 10 % à environ 40 % des mentions, pendant que les modèles ouverts américains stagnent entre 25 et 30 %. Qwen3.8-27B qui entre dans le top 10 de Code Arena en étant le seul de sa taille, GLM-5.3 qui dépassait GPT-5.6 Sol et Claude Fable 5 sur DeepSWE en essais multiples à un coût 2,1 à 5,4 fois inférieur, IBM qui ouvre Granite 4.2 avec quatre variantes quantifiées et quatorze formats GGUF dès le premier jour — la même logique se répète. Ouvrir les poids n’est plus un geste de rattrapage mais une manière de devenir l’infrastructure par défaut des autres, avec la nuance que Nathan Lambert pose lui-même : les publications retardent sur les sorties, et ces courbes décrivent les travaux en cours plutôt que les préférences du moment.

Et le web se prépare à être lu par des agents plutôt que par des yeux. Le WebMCP Challenge est un concours doté de 35 000 dollars, ce qui est peu ; ce qu’il révèle vaut davantage. Chrome, Cloudflare, Shopify, Vercel, Render et Netlify s’alignent avec OpenAI sur un standard qui demande aux sites d’exposer des outils structurés plutôt que de laisser les agents deviner une interface. Le même jour, ChatGPT desktop sait consommer WebMCP nativement, Codex sait produire et déployer une application compatible, et OpenAI documente son usage interne du protocole dans un outil de notebooks. Cette convergence rejoint ce que Rohlik décrit de son côté avec plus de cinquante intégrations MCP et le principe que tout nouvel outil doit être accessible aux agents dès le premier jour. La couche d’interface pour agents cesse d’être un sujet de recherche pour devenir une exigence d’ingénierie.