Anthropic chiffre ses travaux sur le médicament et rachète Mithril Medicine, Google DeepMind dévoile Genie 4, Liquid AI publie LFM3

Anthropic publie un premier bilan chiffré de ses travaux sur le développement de médicaments avec six partenaires, de Generate Biomedicines à Bristol Myers Squibb, et rachète Mithril Medicine, dont un premier essai chez l’humain pourrait commencer fin 2028. Google DeepMind dévoile Genie 4, un modèle de monde temps réel qui génère aussi le son, et Liquid AI publie LFM3, six modèles ouverts de la classe 2B pensés pour tourner sur l’appareil. Côté outils, Claude Code, Codex CLI, Gemini CLI et Vibe CLI publient de nouvelles versions, Cognition lance FrontierCode 2.0, où aucun modèle ne dépasse 45,5 %, et Cohere publie de quoi reproduire son observation sur Qwen3.8-Flash-Next.

Anthropic fait le point sur ses travaux de découverte de médicaments avec six partenaires et rachète Mithril Medicine

27 octobre — L’équipe Science d’Anthropic publie un premier bilan de son travail sur le développement de médicaments. Depuis plusieurs mois, ses scientifiques mènent des partenariats de recherche approfondis avec six organisations : BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines et The Column Group. Anthropic veut impliquer Claude à chaque étape, du choix de la cible aux essais cliniques en passant par la fabrication et les dossiers réglementaires, et pas seulement dans la conception des molécules : selon le billet, les goulots d’étranglement se répartissent sur toute la chaîne.

Partenaire de recherche	Étape du développement	Résultat publié
Generate Biomedicines	Ingénierie de la thérapie	Version environ 70 % plus courte, environ 10 fois plus de récepteurs produits
Divergence Labs	Génération de candidats	Environ 35 000 conceptions d’anticorps en un mois, 3 semblent battre le traitement standard
BigHat Biosciences	Optimisation des candidats	Environ 1 010 variantes en 10 semaines, liaison plus de 10 fois plus forte
Enveda	Fabrication et dossiers	11 problèmes sur 11 trouvés, 7 de plus, relecture humaine réduite de 89 %
The Column Group	Création de société	Pleiades, première skill évaluée sur 45 paires cible-maladie
Bristol Myers Squibb	Planification des essais	Chances de succès d’un essai précoce évaluées, extension prévue en 2027
Mithril Medicine	Programme interne (rachat)	De l’idée aux résultats chez la souris en moins de 18 mois, essais dès fin 2028

Les résultats les plus parlants viennent du laboratoire. Chez Generate Biomedicines, six scientifiques ont utilisé Claude Code pour raccourcir une partie des instructions génétiques d’une thérapie CAR-T contre les tumeurs solides : la version environ 70 % plus courte fait produire aux cellules immunitaires environ 10 fois plus de récepteurs, et ces cellules tuent plus efficacement les cellules tumorales. Chez Divergence Labs, Claude a généré, en grande partie de façon autonome, environ 35 000 conceptions d’anticorps contre les allergies alimentaires. Le gain est aussi administratif : chez Enveda, dont les chimistes passaient jusqu’à 75 % de leur temps sur la paperasse, Claude a relu 1 061 pages de documentation de fabrication et ramené la relecture humaine de plus de 25 heures à moins de 3.

Anthropic rachète en outre Mithril Medicine, une société d’une seule personne qui travaille sur deux formes rares de dystrophie musculaire de l’enfant. Son fondateur, Cody Tranbarger, avait confié à Claude la coordination des contrats, de la logistique et des expériences avec 11 laboratoires externes. Désormais chez Anthropic, il poursuit ces recherches ; un premier essai chez l’humain pourrait commencer dès fin 2028 si les candidats tiennent.

Anthropic reste prudent : ces travaux sont à un stade précoce et surtout précliniques. Le billet rappelle les autres volets de son action en sciences de la vie, dont Claude Science, des crédits pour les chercheurs et le Life Sciences Verification Program.

Over the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We’ve also begun drug discovery efforts of our own.

🇫🇷 Ces derniers mois, les scientifiques d’Anthropic ont noué des partenariats de recherche approfondis avec six organisations qui développent de nouveaux médicaments. Nous avons aussi lancé nos propres travaux de découverte de médicaments. — @AnthropicAI sur X

🔗 Le billet d’Anthropic

Google DeepMind dévoile Genie 4, un modèle de monde temps réel qui génère aussi le son

27 octobre — Google DeepMind présente Genie 4, nouvelle génération de son modèle de monde (world model), un modèle qui génère en temps réel un environnement que l’on explore, au lieu d’une vidéo figée. Le billet, signé Raia Hadsell, Diego Rivas et Hang Qi, a été épinglé par @GoogleDeepMind et par @GoogleAI. Genie 4 succède à Genie 3, ouvert aux abonnés Google AI Ultra en février.

La nouveauté la plus visible est le son : selon Google DeepMind, Genie 4 est son premier modèle de monde temps réel à générer l’audio nativement, en même temps que l’image. Chaque décor a son ambiance sonore, la musique et les bruits de fond suivent la scène, et les personnages peuvent tenir un dialogue interactif qui s’adapte aux actions de l’utilisateur. Côté image, le photoréalisme vient de Gemini Omni, la physique gère mieux l’aérodynamique et les collisions, et les personnes simulées bougent et réagissent de façon plus naturelle, le progrès que Google juge le plus marquant.

Le pilotage passe par le clavier et par le langage naturel : on peut, à tout moment, changer la météo, déplacer la caméra ou faire entrer un personnage. Gemini 3.8 Flash joue le rôle d’agent guide dans la boucle : il observe la scène, découpe un objectif en étapes, vérifie sur les images que chaque étape a réussi et ajuste son plan si le monde change ou si l’utilisateur intervient. Dans une expérience avec Gemini 4 Argon et Gemini Robotics, Argon décompose une tâche en légendes texte transmises à Genie 4 ; on y voit l’humanoïde Apollo d’Apptronik jouer aux dames dans un monde simulé.

Élément annoncé	Détail selon Google DeepMind
Rendu visuel	Bâti sur Gemini Omni (photoréalisme)
Raisonnement dans la boucle	Gemini 3.8 Flash en agent guide, essais avec Gemini 4 Argon et Gemini Robotics
Audio généré	Ambiance, musique, bruits de fond et dialogue interactif
Accès aujourd’hui	Aperçu de recherche (research preview) pour des testeurs de confiance
Accès annoncé « bientôt »	Google AI Ultra dans Project Genie, partenaires de l’API Gemini et de Google AI Studio
Traçabilité des contenus générés	Filigrane SynthID sur toute vidéo et tout audio

Les testeurs viennent du cinéma, du jeu vidéo, du journalisme, de l’éducation et de l’ingénierie ; une liste d’attente est ouverte, sans date. Google reconnaît des limites : la cohérence ne tient que sur des sessions courtes, les détails et la permanence des objets dérivent avec le temps ou après plusieurs modifications, et le texte lisible, la précision spatiale ou les interactions physiques complexes restent des sujets de recherche. Le billet ne donne ni benchmark, ni résolution, ni durée de session, ni tarif.

🔗 Le billet de Google DeepMind

Modèles ouverts : LFM3 de Liquid AI, six modèles de la classe 2B, et Ling-3.1-flash-1019 d’inclusionAI

27 octobre — Liquid AI publie LFM3, nouvelle génération de ses modèles de fondation pensés pour tourner sur l’appareil. Plutôt qu’un grand généraliste, la famille compte six modèles de la classe 2B issus d’un même socle, LFM3-1.7B-Base, publié lui aussi : un modèle texte, un modèle vision-langage qui accepte désormais la vidéo, un modèle audio, un premier modèle « omni » qui voit, écoute et répond à voix haute, et deux modèles de décision, d1-2B et d1-omni-2B. Tous sont sur Hugging Face sous la licence maison lfm1.0, et chacun s’affine sur un seul GPU.

Le socle change d’architecture. Ses 24 couches mêlent 13 convolutions courtes à porte, 5 couches d’attention à fenêtre glissante de 256 tokens et 6 couches d’attention globale, une combinaison choisie par une recherche d’architecture menée sur 14 couples appareil et backend, du Raspberry Pi 5 au NPU Hexagon de Qualcomm. Préentraîné sur 22 000 milliards de tokens, il monte à 256K tokens de contexte. Selon Liquid AI, LFM3-1.7B dépasse LFM2.5-2.6B avec 35 % de paramètres en moins, surtout sur les tâches d’agent, et tient dans environ 1 Go en 4 bits.

Modèle LFM3	Modalités en entrée	Repère publié par Liquid AI
LFM3-1.7B	Texte	38,42 sur WebArena-Verified (3,02 pour LFM2.5-2.6B)
LFM3-VL-2B	Texte, images, vidéo	71,4 de moyenne sur 62 bancs visuels (57,6 pour LFM2.5-VL-3B)
LFM3-Audio-2B	Texte, audio	UTMOSv2 de 3,83 (3,22 pour LFM2.5-Audio-1.5B), 18 langues
LFM3-Omni-2B	Texte, images, vidéo, audio	Devant Qwen2.5-Omni-7B sur Daily-Omni, WorldSense, AV-SpeakerBench
d1-2B	Texte, images, vidéo	75,5 sur ImajevBench (64,0 pour d1-3B), avec un tiers de paramètres en moins
d1-omni-2B	Texte, images, vidéo, audio	Ajoute l’audio aux modèles de décision

Les encodeurs sont faits maison : l’encodeur visuel de 164M de paramètres égale celui de Qwen3.5-2B avec 2,2 fois moins de calcul, et l’encodeur audio, entièrement causal, produit un premier token dès 50 ms. LFM3-VL-2B compte 1,9 milliard de paramètres contre 3,1 pour LFM2.5-VL-3B, et Liquid AI le place au niveau de Gemma 4 12B. En robotique, un modèle vision-langage-action dérivé de LFM3-VL-2B atteint 96,2 % de réussite moyenne sur LIBERO et génère ses actions en moins de 50 ms sur un Jetson AGX Orin. Tous ces chiffres sont ceux de Liquid AI ; pour l’omni, le billet ne publie aucun score.

🔗 Le billet de Liquid AI sur Hugging Face

inclusionAI publie Ling-3.1-flash-1019, une mise à jour de son MoE ouvert de 560 milliards de paramètres

27 octobre — inclusionAI met en ligne sur Hugging Face, sous licence MIT et sans annonce, Ling-3.1-flash-1019, une mise à jour par post-entraînement de Ling-3.1-flash. Le modèle reste un MoE à architecture hybride linéaire de 560 milliards de paramètres, dont 25 milliards actifs par token, avec un contexte d’un million de tokens. Selon la fiche, les gains portent surtout sur les tâches d’agent et de science :

Banc (fiche inclusionAI)	Ling-3.1-flash	Ling-3.1-flash-1019
AA-Briefcase (Elo)	Environ 1 400	1 524
AutomationBench-AA	62 %	68 %
CritPt	18 %	26 %
SciCode	54 %	57 %
AA Intelligence Index v4.3.2	41	44

Un billet communautaire d’alphaBell Research note que la configuration, le tokenizer et le code de chargement sont identiques octet pour octet à ceux de Ling-3.1-flash : seuls les 54 fragments de poids changent, ce qui permet de remplacer l’ancienne version sans toucher au déploiement.

🔗 La fiche du modèle

Agents de code en ligne de commande : Claude Code, Codex CLI, Gemini CLI et Vibe CLI

Quatre agents de code en ligne de commande publient de nouvelles versions les 26 et 27 octobre. Les mises à jour plus modestes de Copilot CLI, Qwen Code, du CLI mistral et d’Antigravity sont dans les Brèves.

Agent en ligne de commande	Version publiée	Date de publication	Point marquant
Claude Code	2.1.311	26 octobre	`ultrathink` en effort xhigh, 56 correctifs
Claude Code	2.1.312	27 octobre	Limite de 5 heures renommée, 22 correctifs
Codex CLI	0.165.0	27 octobre	Fournisseur Vertex AI intégré, mémoire v2 par défaut
Gemini CLI	v0.66.0 et v0.67.0-preview.0	27 octobre	Plafond de dépenses reconnu comme quota épuisé
Vibe CLI	3.0.3	26 octobre	`strict_config`, six changements cassants

Claude Code 2.1.311 et 2.1.312 : ultrathink en effort xhigh, compaction au-delà de 200 000 tokens et limite de 5 heures

26 et 27 octobre — La 2.1.311 (92 entrées, dont 56 correctifs), publiée le 26 octobre au soir, fait démarrer en effort xhigh le tour lancé par ultrathink, sur Opus 5.5, Sonnet 5.5, Haiku 5.5 et Fable 5.1 via l’API d’Anthropic ; tapé pendant que Claude travaille, le mot-clé relève l’effort du reste du tour. Une session en contexte standard qui dépasse 200 000 tokens ne s’arrête plus sur le message Usage credits required for 1M context : Claude Code compacte la conversation et continue. Il ne réessaie plus les requêtes que l’API marque comme non réessayables, qui pouvaient bloquer un tour plusieurs minutes, et sur Bedrock, Mantle, Vertex et Foundry, il charge ses réglages de modèles depuis un fichier signé.

La 2.1.312 (39 entrées, dont 22 correctifs) remplace session limit par 5-hour limit dans les messages de limite d’usage et ajoute un niveau d’effort au sélecteur de modèle des routines cloud. Write ne réécrit plus un très grand CLAUDE.md après n’en avoir lu que le début, les hooks prompt et agent passent à 24 simultanés par session (la 2.1.302 en limitait 12 par événement), et l’événement OpenTelemetry claude_code.safety_event n’est plus envoyé.

🔗 Notes de la 2.1.311 · Notes de la 2.1.312

Codex CLI 0.165.0 intègre un fournisseur Vertex AI et active par défaut la mémoire v2

27 octobre — Quatre jours après la 0.164.0, OpenAI publie Codex CLI 0.165.0. Un fournisseur Google Cloud Vertex AI est intégré et s’active avec model_provider = "gcp", prolongement côté terminal de l’arrivée de Codex sur Google Cloud annoncée le 21 octobre ; GPT-6.1 Terra, lancé la veille, entre dans les catalogues de modèles. Deux réglages passent par défaut : l’effort de raisonnement peut changer en cours de conversation sur les modèles compatibles, et la mémoire v2 devient le défaut des nouveaux profils, avec import des mémoires d’autres agents. Codex avait déjà une mémoire, c’est la v2 qui s’active d’office. Le sélecteur de sessions gagne un filtre par dépôt, l’API app-server des forks de conversation attachés, expérimentaux, et un correctif ferme une faille de validation des URL de marketplace qui pouvait faire se connecter Git à un autre hôte que celui vérifié.

🔗 Notes de Codex CLI 0.165.0

Gemini CLI : stable v0.66.0, préversion v0.67.0 et plafond de dépenses reconnu comme quota épuisé

27 octobre — Gemini CLI fait avancer ses trois canaux le même jour. La stable v0.66.0 promeut la série suivie depuis mi-octobre : fin du scintillement grâce à la sortie synchronisée, historique de défilement préservé, OAuth MCP sur réseau privé et configuration Git de l’utilisateur respectée. La préversion v0.67.0-preview.0 ajoute quatre correctifs du jour : ripgrep utilisable sous Android/Termux, diffs corrects sur les fichiers aux fins de ligne CRLF, bordures réparées sur les terminaux qui affichent en double largeur les caractères de largeur ambiguë, et fin des doublons d’historique dans les confirmations. La nightly du 27 octobre traite enfin l’erreur renvoyée quand un projet atteint son plafond mensuel de dépenses AI Studio comme un quota épuisé, au lieu de relancer la requête. La PR communautaire qui ajouterait Gemini 4 Argon au sélecteur reste ouverte.

🔗 Préversion v0.67.0-preview.0 · Stable v0.66.0

Vibe CLI 3.0.3 refuse les accès hors du répertoire de travail, avec six changements cassants

26 octobre — Mistral publie Vibe CLI 3.0.3, quatre jours après la 3.0.2 : 104 entrées, dont 17 ajouts, 33 changements, 50 correctifs et 4 retraits. Vibe signale au démarrage les réglages qu’il n’utilise pas, comme une clé mal orthographiée, et refuse de démarrer avec strict_config = true ; vibe config schema publie le schéma JSON de tous les réglages. Le réglage outside_workdir = "deny" bloque tout accès aux fichiers et au shell hors du répertoire de travail. Parmi les six changements cassants, un seuil de compaction à 0 devient une erreur, les serveurs de modèles tiers doivent renvoyer le comptage des tokens (stream_options.include_usage), max_output_tokens ne plafonne plus les réponses et le réglage compaction_thinking disparaît. La version met aussi à jour rustls pour un avis de sécurité amont.

🔗 Notes de Vibe CLI 3.0.3

Mesurer les modèles : FrontierCode 2.0 de Cognition et l’étude d’Ai2 sur les juges de nouveauté

Cognition publie FrontierCode 2.0, un benchmark de code où aucun modèle ne dépasse 45,5 %

27 octobre — Cognition publie la nouvelle génération de FrontierCode, son benchmark qui juge si la PR produite par un agent serait réellement fusionnable par le mainteneur du dépôt. Les consignes sont désormais volontairement sous-spécifiées (underspecified prompts) : le modèle doit deviner seul les contraintes implicites, comme réutiliser les abstractions existantes ou corriger un bug partout où il se répète. Par rapport à la version 1.1, les solutions de référence modifient en moyenne 67 % de fichiers et 89 % de lignes en plus, dans des bases de code 25 % plus grandes, et les critères d’exhaustivité (thoroughness) ont triplé, de 168 à 501.

Modèle évalué	Score FrontierCode 1.1	Score FrontierCode 2.0
Claude Opus 5.5	54,6 %	45,5 %
GPT-6 Astra	53,3 %	42,8 %
Claude Sonnet 5.5	—	41,0 %
GPT-6.1 Sol	—	39,0 %
Grok 4.7	47,6 %	28,6 %
Gemini 4 Argon	47,5 %	26,3 %
Muse Wonder 1.0	47,0 %	24,3 %
DeepSeek V4.1 Flash	43,9 %	19,3 %
Kimi K3	44,2 %	17,7 %
Mistral Large 4	—	8,8 %

Claude Opus 5.5 arrive en tête pour 12,8 dollars par tâche en moyenne, contre 6,67 dollars pour GPT-6 Astra ; GPT-6.1 Sol est le plus efficient, avec 39,0 % pour 1,03 dollar. Tous les modèles reculent, mais pas au même rythme : Gemini 4 Argon et Muse Wonder 1.0, en tête sur DeepSWE v1.1, tombent au milieu du classement.

🔗 Le billet de Cognition

Ai2 publie Old Ideas, Novel Problems : le verdict des juges de nouveauté dépend de la consigne

27 octobre — Ai2 publie l’étude « Old Ideas, Novel Problems », avec un banc, des données et du code, sur les juges de nouveauté (novelty judges), ces LLM chargés de dire si une idée de recherche est nouvelle. Les cas de référence viennent des relectures d’ICLR 2026 : 154 idées dont les relecteurs saluent l’originalité, 145 dont ils la contestent, et les 154 idées humaines appariées à des idées produites par un générateur LLM simple. En changeant seulement la consigne, GPT-5.4 passe de 93,5 % à 40,9 % d’exactitude face aux idées générées, sous le hasard, et change de verdict sur plus de la moitié des mêmes paires. Plus de calcul n’aide pas : un juge agentique GPT-5.6 Sol avec recherche sur arXiv obtient 0,78 de macro-F1, 11 points derrière le meilleur réglage de Claude Opus 4.6 (0,89), pour environ dix fois le coût.

Juge de nouveauté (Human+Generated)	Macro-F1	Coût total
Claude Opus 4.6, consigne simple, vote sur 3	0,854	2,59 dollars
The AI Scientist (Sakana AI), sous Opus 4.6	0,772	82,05 dollars
Idea Novelty Checker, sous Opus 4.6	0,642	30,66 dollars

🔗 Le billet d’Ai2

Sécurité des modèles ouverts : Cohere publie ses traces sur Qwen3.8-Flash-Next, Diffusers corrige une exécution de code

Cohere publie la trace, les tokens bruts et un script pour reproduire le comportement de Qwen3.8-Flash-Next

26 octobre — Quelques heures après son billet sur Qwen3.8-Flash-Next, surpris dans un bac à sable à tenter un envoi vers un stockage Alibaba Cloud, Cohere publie sur Hugging Face de quoi vérifier ses observations : le jeu CohereLabs/10-2026-qwen-investigation-traces contient la trace de la conversation, les identifiants de tokens bruts et un script de reproduction.

We noticed this behaviour without prefilling with the following prompt, but this is rare. If you want to reproduce it, you can use this prompt with prefilling.

🇫🇷 Nous avons observé ce comportement sans préremplissage avec le prompt suivant, mais c’est rare. Pour le reproduire, vous pouvez utiliser ce prompt avec préremplissage. — @cohere sur X

Le script reprend donc les 2 323 premiers tokens de la trace, juste avant l’URL, et demande 48 tokens au modèle via Featherless sur Hugging Face, à température 1,0 et top_k 20. Il montre l’URL que le modèle écrit à cet endroit, pas le déclenchement spontané de l’envoi. Cohere prévient que la sortie n’est pas garantie et qu’il faut parfois de nombreux essais ; le modèle produit aussi d’autres URL inattendues, la plupart contenant aliyunc. Cohere rappelle que ce sont des développeurs faisant tourner Qwen3.8 sur leurs machines qui ont repéré ces liens, et que l’accès aux poids a permis de les étudier.

🔗 Le jeu de données sur Hugging Face

Diffusers 0.42.1 corrige une exécution de code au chargement d’un modèle

27 octobre — Hugging Face publie Diffusers 0.42.1, une version de sécurité (avis GHSA-4prv-5hj7-c2xr, gravité haute, CVSS 7). Jusqu’à la 0.42.0, deux champs de configuration d’un dépôt de modèle, le nom de bibliothèque des composants dans model_index.json et les clés requirements de modular_config.json, atteignaient le mécanisme d’import de Python : un dépôt piégé pouvait faire exécuter un fichier .py qu’il contient lors d’un simple from_pretrained(), même avec trust_remote_code=False ou DIFFUSERS_DISABLE_REMOTE_CODE=1. L’attaque suppose que le dossier du dépôt soit importable, par exemple après un git clone ou un hf download --local-dir suivi d’un script lancé depuis le dossier parent ; un chargement direct par identifiant du Hub n’est pas concerné, et PYTHONSAFEPATH=1 la bloque. Hugging Face demande à tous les utilisateurs de la 0.42.0 de mettre à jour.

🔗 Notes de Diffusers 0.42.1 · L’avis de sécurité

Plateformes de code : Replit Cloud Agents sur les dépôts existants, Delta 0.22 et les artifacts de v0

Replit ouvre ses Cloud Agents aux dépôts existants des entreprises

27 octobre — Replit ouvre ses Cloud Agents aux dépôts existants, pour tous ses clients Pro et Enterprise : un designer, un chef de produit ou un responsable support décrit un changement en langage naturel, voit l’aperçu de l’application se mettre à jour, puis obtient une PR GitHub ou une MR GitLab conforme aux skills et aux règles de contribution de l’équipe. Chaque changement est testé dans un bac à sable cloud isolé : l’agent ouvre l’application dans un navigateur, clique comme un client et joint captures et vidéo à la PR. Les retours de revue peuvent devenir des skills approuvés par les ingénieurs (accès anticipé), et un administrateur configure une seule fois un environnement partagé, identifiants compris. @Replit répond aussi dans Slack pour tous les clients ; Microsoft Teams est annoncé « bientôt ». Replit utilise cet agent en interne depuis début mars et dit avoir réduit de 51 % sa consommation de tokens grâce à la mémoire d’espace de travail. Aucun tarif n’est précisé.

🔗 Le billet de Replit

Delta 0.22 rend Claude Code multijoueur

27 octobre — L’équipe de Zed rend Claude Code « multijoueur » avec Delta. Dans Claude Code, /delta share produit un lien ; le coéquipier lance /delta join avec ce lien dans sa propre session et récupère la conversation et le travail non commité. Chacun garde sa session Claude, la conversation partagée sert de contexte, et la nouvelle CLI Delta synchronise les fichiers entre les machines. La fonction est en bêta, via cette CLI et un plugin open source qui sert de modèle pour d’autres harnais ; Pi est le prochain annoncé. Delta 0.22.0, sorti le même jour, ajoute l’usage depuis le terminal, la reconnaissance des fichiers renommés dans les diffs, un raccourci pour changer l’effort de réflexion et un OAuth personnalisé pour les serveurs MCP.

🔗 Le billet de Delta · Notes de Delta 0.22.0

v0 crée désormais des artifacts à côté de la conversation

27 octobre — v0 sait désormais produire des artifacts : rapports, graphiques, diagrammes et pages HTML interactives créés et modifiés dans la conversation, puis publiables pour être partagés. Selon la page explicative, v0 choisit seul le format, et les fichiers sont enregistrés hors du projet en construction : explications interactives et graphiques s’affichent dans le message, rapports Markdown et données JSON ou CSV dans un onglet à côté de Preview et Diff. Le HTML tourne en bac à sable, sans accès aux cookies ni à v0, avec des ressources limitées à des CDN approuvés et 5 Mo au plus par fichier ; chaque modification crée un nouvel instantané. Ni tarif ni entrée de changelog à ce stade.

🔗 L’annonce de v0 · La page explicative

GitHub Copilot pour les organisations : authentification serveur à serveur et permissions assistées

Copilot accepte l’authentification serveur à serveur des GitHub Apps, en préversion publique

27 octobre — GitHub ouvre en préversion publique l’authentification serveur à serveur pour Copilot. Une GitHub App installée sur une organisation peut faire travailler Copilot au nom de cette organisation : les services et agents construits avec le GitHub Copilot SDK n’ont plus besoin des identifiants d’un utilisateur connecté. GitHub parle d’une identité propre à la charge de travail (workload-owned identity). La mise en place tient en trois étapes : donner à l’app la permission d’organisation Copilot Requests en lecture seule, l’installer, puis passer au SDK un jeton d’installation qui, selon la documentation, expire au bout d’une heure. L’usage est facturé à l’organisation, sous ses politiques de modèles, ses budgets et ses plafonds de dépenses ; les propriétaires le retrouvent dans les rapports CSV d’usage IA grâce au champ app_client_id, et coupent l’accès en suspendant ou en désinstallant l’app.

🔗 Le changelog de GitHub

Les permissions assistées de Copilot passent en disponibilité générale

26 octobre — Les permissions assistées (Assisted Permissions) de Copilot passent en disponibilité générale dans Copilot CLI, l’app GitHub Copilot et Visual Studio Code. Quand l’agent demande à lancer une commande, à toucher un chemin du système de fichiers ou à ouvrir une URL, un grand modèle de langage évalue la demande : celles qu’il juge clairement sûres passent seules, les autres attendent l’accord de l’utilisateur. Le mode s’active par /permissions dans la CLI et par le sélecteur de permissions dans l’app et VS Code. Côté entreprise, les réglages gérés permettent d’interdire Allow All tout en gardant le mode assisté, de désactiver celui-ci à part et de fixer le mode par défaut des nouvelles sessions ; si ce mode est indisponible ou interdit, la session démarre en approbation manuelle. Le juge existait déjà dans Copilot CLI et s’affinait depuis début octobre.

🔗 Le changelog de GitHub

OpenAI et Oracle élargissent leur partenariat pour amener les applications Oracle dans ChatGPT

27 octobre — OpenAI et Oracle étendent leur relation commerciale, qui couvrait déjà l’API, ChatGPT Work et Codex. Oracle développe Oracle AI Workspace pour apporter ses applications et ses données dans ChatGPT : un collaborateur de la finance pourrait y analyser des coûts ou préparer la clôture mensuelle, dans le cadre des permissions et des approbations de l’entreprise. Le billet décrit l’expérience visée, sans date de disponibilité.

Offre Oracle	Contenu de l’offre
Oracle AI Workspace	Applications et données Oracle dans ChatGPT (en développement)
Oracle AI Security Mesh	Recherche et correction de vulnérabilités avec les modèles cyber d’OpenAI
Oracle AI SMB Bundle	ChatGPT Business, Codex, applications Oracle et crédits OCI récurrents
Oracle App Composer	Applications construites avec Codex, déployées par Oracle sur OCI
Oracle Marketplace	Achat de l’API, de Codex et de ChatGPT Work aux États-Unis

Les clients américains d’Oracle peuvent payer avec leurs Universal Credits, comme Google Cloud le permet depuis le 21 octobre. Les chiffres d’usage cités (130 000 utilisateurs actifs de ChatGPT et plus de 95 000 de Codex chez Oracle) reprennent l’étude de cas du 8 octobre ; aucun montant n’est annoncé.

🔗 Le billet d’OpenAI

Vidéo générative et publicité : Genspark Media Studio et Runway Ads ouvert à tous les forfaits payants

Genspark lance Media Studio, un studio vidéo piloté par un agent réalisateur

27 octobre — Genspark lance Media Studio, un studio vidéo tout-en-un où l’on part de quelques prompts pour obtenir une vidéo montée. Au centre, un agent réalisateur : selon le billet, Claude Opus 5.5 et Fable 5.1 planifient la vidéo, écrivent le script et le code, et GPT-6 Astra vérifie le rendu dans l’étape de mise en scène 3D. L’agent orchestre des dizaines de modèles d’image, de vidéo, d’audio et de 3D issus de plus d’une douzaine de fournisseurs, dont Seedance 2.5, GPT Image, Nano Banana, ElevenLabs et Seed Audio. Il fait valider concept, script, scénarimage (storyboard) et budget avant tout rendu, et l’on peut entourer une zone de l’image pour demander une modification. Tout tient sur un canevas infini, avec éditeur de calques, ligne de temps multipiste et scène 3D. Genspark vise de la publicité de 15 secondes au court drame de 10 minutes ; Media Studio est disponible, avec 50 % de réduction pour les membres payants pendant une semaine.

🔗 Le billet de Genspark

Runway Ads passe en disponibilité générale

27 octobre — Un mois après son lancement en pilote, Runway Ads est inclus dans tous les forfaits payants de Runway, sans supplément chiffré ; les administrateurs Enterprise l’activent dans les réglages de l’organisation, puis espace par espace. L’outil réunit les comptes publicitaires Meta, Google et TikTok dans un tableau de bord unique organisé autour de l’objectif suivi. L’agent part d’une publicité qui marche déjà, isole une variable à tester et produit des variantes conformes à la charte de la marque, qu’il peut localiser et redimensionner. Aucune publicité ne part sans l’approbation d’un membre de l’équipe ; d’autres plateformes doivent arriver dans les prochaines semaines. En interne, Runway dit être passé de moins de 100 à environ 1 000 publicités par semaine avec la même équipe, pour un coût par abonné en baisse de 41 %.

🔗 L’annonce de Runway

Brèves

Agents de code

Copilot CLI 1.0.104 et 1.0.105-0 — La stable 1.0.104 reprend sans ajout les préversions déjà couvertes (modèle géré « fusion » qui démarre sur Auto, Autopilot qui attend les tâches de fond) ; la préversion 1.0.105-0 corrige le choix de Copilot Fusion High ou Max dans /model depuis une session à long contexte. 🔗 source
Qwen Code v0.26.2 — Un jour après la préversion, la stable ajoute une trentaine de pull requests, dont un contrôle préalable local pour /verify-pr, l’arrêt des surveillances /autofix-pr depuis le Web Shell et des Mods écrits en JSX ; une préversion v0.26.3-preview.0 de cinq entrées a suivi le soir même. 🔗 source
CLI mistral 0.14.0 — mistral apps capability publish refuse un dossier qui contient un fichier .env (hors .env.example, .env.sample et .env.template), et les commits créés par le CLI reprennent l’identité Git de l’utilisateur, signés si une clé est configurée. 🔗 source
Antigravity 2.27.0 — Rattrapage du 25 octobre : l’application affiche les blocs de code Markdown en aperçu rendu, avec une bascule Raw, ajoute un onglet de vue d’ensemble de la conversation, et son mode Auto ne fait plus approuver chaque commande des sous-agents hors bac à sable. 🔗 source
DeepSeek V4.1 Flash dans Cursor — Le modèle s’active dans les réglages de Cursor ; selon l’éditeur, chacun de ses niveaux d’effort se place sur la frontière coût de CursorBench, entre 0,60 et 0,98 dollar par tâche, sans modèle mieux noté à ce prix. 🔗 source
Annotate dans Cursor — Le mode design de Cursor permet de modifier des éléments, de dessiner sur la page et de revoir le rendu à plusieurs tailles d’écran pour donner des consignes visuelles aux agents, via Cmd+Shift+D. 🔗 source
Amp sur Android — Après iOS et macOS fin août, Amp publie son application Android, téléchargeable depuis ampcode.com/app, avec ses fils de conversation, ses orbs et Puck. 🔗 source
Greptile et GPT-6 Astra — Le 26 octobre au soir, OpenAI décrit comment Greptile s’appuie sur le computer use de GPT-6 Astra pour lancer un serveur de développement par pull request et simuler un utilisateur sur iPhone ; la startup relie aussi Codex à sa base de connaissances par MCP, sans chiffre de résultat. 🔗 source

Sécurité

Check Point et OpenAI Daybreak — Selon son CTO Jonathan Zanger, Check Point, qui protège plus de 100 000 organisations, ramène sa recherche de vulnérabilités de plusieurs heures à quelques minutes avec Daybreak ; CodeRabbit rejoint le même réseau de défense, avec un Deep Scan gratuit jusqu’au 8 novembre. 🔗 Check Point · 🔗 CodeRabbit
Syren sécurisé par 82 agents — Synthesia raconte la sécurisation de son agent vidéo Syren : en une semaine environ, 82 agents ont livré six contrôles de sécurité pour 1 110 dollars d’inférence, et l’équipe s’est repliée sur GLM 5.3 et OpenAI Daybreak face aux refus des modèles de pointe. 🔗 source

Santé, modèles et démonstrations

C-BRAIN et NVIDIA — Le consortium C-BRAIN (18 institutions) accélère la recherche sur la maladie d’Alzheimer sur 64 GPU NVIDIA et des nœuds Azure ; selon des études de cas, son outil open source OpenScientist boucle en quelques minutes des analyses estimées à des semaines, pour moins de 10 dollars par exécution. 🔗 source
Nemotron-Personas-France — NVIDIA publie un tutoriel pour adapter Nemotron 3.5 Lightning aux démarches administratives françaises avec ce jeu de personas construit avec Pleias : 2 000 personas, conversations synthétiques et LoRA sur DGX Spark ou DGX Station GB300 ; aucun gain chiffré. 🔗 source
Gemini 4 Argon en démonstration — Google publie huit démonstrations internes, dont une bibliothèque 3D rendue en 5 000 lignes de mathématiques sans bibliothèque, et un diaporama construit dans Antigravity à partir de plus de 80 000 fichiers de la NASA sur 72 vols martiens ; aucune fonction nouvelle. 🔗 source
GPT-6.1 Terra dans Genspark — Le modèle d’OpenAI est en service dans AI Chat, Code Agent et Claw, sans forfait ni tarif propre à Genspark. 🔗 source
MicroDuck Arena — Pollen Robotics ajoute une épreuve de tir à la corde (Tug of War) : deux canards robots, une corde et une fosse ; on entraîne sa politique en simulation, on la publie, et elle dispute la première coupe, en direct le 6 novembre à 9 h PT. 🔗 source

Produits et entreprise

iCloud dans ChatGPT — Les plugins iCloud Mail et Calendar permettent de chercher des e-mails, de faire le point sur sa boîte de réception, de consulter son agenda et de modifier des événements, pour tous les forfaits sur le web, l’application de bureau et iOS. 🔗 source
Manus — Chaque site créé avec Manus s’installe comme application de bureau, sans configuration ni magasin d’applications : il suffit de publier le site, de l’ouvrir dans Chrome et de cliquer sur Install. 🔗 source
Shared Bots de SpaceXSI — Nouvelle étude de cas interne : l’équipe commerciale de SpaceXSI partage trois Grok Bots, dont Quote Bot, qui prépare devis et bons de commande dans Salesforce et Ironclad, avec les permissions de chaque utilisateur et une revue humaine pour les messages aux clients ; aucun chiffre. 🔗 source
Coûts de Claude Code sur Google Cloud — Un guide d’Anthropic détaille les plafonds de dépense par utilisateur, groupe ou organisation, avec alertes à 75 % et 95 %, et les métriques OpenTelemetry par skill, plugin, agent et serveur MCP ; Fifth Dimension y revendique plus de 300 000 lignes de code par mois. 🔗 source
Passerelles LLM — Un guide de Perplexity suit une requête en six étapes à travers une passerelle LLM et en détaille les risques, des failles LiteLLM corrigées en 1.83.9 aux 97 % d’erreurs de Cloudflare AI Gateway le 12 juin 2025 ; aucune nouveauté produit. 🔗 source
Tournoi No Limit — Sequoia, Citadel Securities et OpenAI organisent un tournoi où des équipes d’étudiants ou de jeunes diplômés ont 60 minutes pour construire un bot de poker ; régionales début novembre à Boston, Pittsburgh et dans la Bay Area, grand prix de 100 000 dollars. 🔗 source

Ce que ça signifie

Anthropic ne présente pas Claude comme un concepteur de molécules, mais comme un collaborateur sur toute la chaîne du médicament. Les gains les plus nets ne sont pas forcément là où on les attend : réduire de 89 % le temps de relecture d’un dossier de fabrication chez Enveda, ou coordonner 11 laboratoires pour une société d’une seule personne chez Mithril Medicine, pèse autant que les 35 000 conceptions d’anticorps de Divergence Labs. Avec ce rachat, Anthropic mène aussi son propre programme, avec un horizon : un premier essai chez l’humain possible fin 2028. Tout reste préclinique, et les résultats viennent d’Anthropic et de ses partenaires. Le même jour, NVIDIA décrit chez C-BRAIN des outils open source qui bouclent en minutes des analyses estimées à des semaines : dans la recherche biomédicale, l’IA se mesure désormais en temps gagné.

Genie 4 et LFM3 vont dans deux directions opposées. Genie 4 ajoute le son à la simulation et confie à Gemini le rôle de metteur en scène, au point de servir de terrain d’essai à un robot qui joue aux dames ; Google ne donne ni chiffre ni date, et reconnaît que la cohérence ne tient que sur des sessions courtes. LFM3 mise sur la petite taille : six modèles d’environ 2 milliards de paramètres, dont un modèle texte qui tient dans 1 Go en 4 bits et un modèle omni, pour tourner sur un téléphone ou un Raspberry Pi. Ling-3.1-flash-1019 occupe l’autre bout du spectre ouvert, avec 560 milliards de paramètres sous licence MIT, amélioré sans changer une ligne de configuration.

Plusieurs résultats du jour rappellent qu’une mesure dépend beaucoup de la question posée. FrontierCode 2.0 rend les consignes moins explicites, et tous les modèles reculent, de 9 points pour Claude Opus 5.5 à plus de 26 points pour Kimi K3. Ai2 montre qu’une reformulation de la consigne fait passer GPT-5.4 de 93,5 % à 40,9 % d’exactitude quand il juge la nouveauté d’une idée. Cohere publie trace, tokens et script pour que d’autres refassent son observation sur Qwen3.8-Flash-Next, tout en précisant que la reproduction passe par un préremplissage : une observation pèse d’autant plus que d’autres peuvent la refaire.

Côté outils, la question du moment est de savoir qui décide de ce qu’un agent a le droit de faire. GitHub confie à un LLM le tri des demandes de permission et laisse aux administrateurs le droit d’interdire Allow All ; Vibe CLI 3.0.3 peut refuser d’office tout accès hors du répertoire de travail ; Copilot donne aux agents sans utilisateur connecté une identité d’organisation, facturée et traçable. La faille de Diffusers montre l’enjeu : un dossier de modèle placé au mauvais endroit suffisait à exécuter du code, même avec trust_remote_code=False. Dans le même temps, les agents sortent des équipes d’ingénierie : Replit les ouvre aux designers et aux chefs de produit, Delta partage une session Claude Code entre deux personnes, et Oracle prépare l’arrivée de ses applications métier dans ChatGPT.