Google DeepMind annonce Gemini 4 Carbon, son modèle le plus puissant, premier de l’Artificial Analysis Intelligence Index v5.0 et à l’état de l’art en cybersécurité, mais d’abord réservé à un groupe de défenseurs cyber du Fairwind Program. GitHub ouvre sa conférence Universe 2026 avec une trentaine d’annonces : Copilot Fusion en disponibilité générale, Copilot inclus dans GitHub Enterprise, une expérience cloud unique, Copilot Memory, des automatisations qui apprennent de leurs résultats, et un rapport Octoverse selon lequel plus de 40 % des pull requests commencent désormais par un agent. NVIDIA publie Nemotron 3.5 Transcribe, un modèle ouvert de transcription en 40 langues, et le comité présidé par David Gross explique comment il examinera la preuve d’OpenAI sur la théorie de Yang-Mills quantique.
Google DeepMind annonce Gemini 4 Carbon, son modèle le plus puissant, d’abord réservé aux défenseurs cyber du Fairwind Program
28 octobre — Deux semaines après la disponibilité générale de Gemini 4 Argon, Google DeepMind annonce Gemini 4 Carbon. Koray Kavukcuoglu, vice-président senior de Google DeepMind et architecte en chef de l’IA de Google (Chief AI Architect), le présente comme le modèle le plus puissant de Google, à l’état de l’art en cybersécurité et sur les tâches de longue haleine (long horizon). Carbon prend la première place de l’Artificial Analysis Intelligence Index v5.0 avec 59, devant Claude Opus 5.5 (58) et GPT-6 Astra (57), et la quatrième de WebDev Arena (1 768, +89 points Elo).
La cybersécurité est l’argument principal. Carbon atteint 88,2 % sur SEC-bench Pro, qui consiste à trouver des vulnérabilités, 54,8 % sur ExploitGym, qui vérifie qu’elles sont exploitables, et 71,0 % sur CWE-bench de Collinear, qui demande de les corriger à la racine ; Google précise que ces scores externes ont été mesurés sans garde-fous. En interne, le taux de réussite pour générer du code sûr fait plus que doubler par rapport à Argon, l’équipe Chrome rapporte des correctifs plus de 10 fois meilleurs que ceux du grand modèle de frontière d’un autre laboratoire, non nommé, et Wiz place Carbon en tête de ses benchmarks de test d’intrusion web.
Les chiffres ci-dessous sont recopiés du tableau publié en image dans le billet, qui compte 17 lignes. Carbon n’y est devancé que sur deux lignes : FrontierSWE 2, où GPT-6 Astra et Claude Opus 5.5 le dépassent, et le sous-ensemble hors ligne d’OSWorld-2.1, mené par Claude Opus 5.5.
| Benchmark (tableau de Google) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Intelligence Index v5.0 | 59 | 50 | 57 | 58 |
| Terminal-Bench 4.0 (AA) | 65,2 % | 57,1 % | 59,1 % | 59,6 % |
| FrontierSWE 2 | 61,2 % | 55,0 % | 65,5 % | 62,3 % |
| OSWorld-2.1 (hors ligne) | 81,5 % | 74,7 % | 80,9 % | 87,2 % |
| GraphWalks (256k à 1M) | 96,2 % | 84,2 % | 71,8 % | 66,8 % |
| Vending-Bench 2 (solde en dollars) | 16 484 | 13 718 | 15 515 | 9 235 |
| SEC-bench Pro | 88,2 % | 83,4 % | 85,4 % | — |
| ExploitGym | 54,8 % | 42,0 % | 42,4 % | 34,5 % |
| CWE-bench | 71,0 % | 68,0 % | 68,0 % | 67,0 % |
Google insiste aussi sur le comportement du modèle lors des longues sessions : en interne, Carbon a tourné « pendant des jours » sur des tâches d’ingénierie, comme la recherche de cause racine de bugs subtils dans de grandes bases de code. La triche réussie tombe à 0,0 % sur Terminal-Bench 4.0, les alertes de désalignement de haute gravité baissent de près de 80 % dans les environnements de code internes, et les affirmations non étayées sont environ deux fois moins nombreuses qu’avec Argon. Sur le benchmark d’injection de prompt indirecte de Gray Swan, aucune attaque n’a réussi, contre 0,7 % pour Argon.
Carbon n’est pas encore dans l’API ni dans l’application Gemini. Comme pour Argon fin septembre, Google l’ouvre d’abord, dès cette semaine, à un sous-ensemble de défenseurs cyber, puis progressivement à d’autres partenaires de confiance via le Fairwind Program ; il participe en parallèle au processus volontaire de test des modèles avant publication du gouvernement américain. Développeurs, entreprises et grand public y auront accès « dès que possible », sans date. Le tarif est déjà fixé : 2 dollars par million de tokens en entrée et 10 dollars en sortie pendant la période de lancement, comme Argon, avec 95 % de remise sur les tokens d’entrée en cache, puis 4 et 20 dollars, sans date de bascule annoncée.
Announcing Gemini 4 Carbon, our strongest model with state-of-the-art cybersecurity and long horizon capabilities. Carbon represents a step up across most benchmarks, delivering strong frontier performance in autonomous coding and cyber defense. We’re first making Carbon available to a subset of trusted cyber defenders in our Fairwind program. We’ll expand access as soon as possible.
🇫🇷 Nous annonçons Gemini 4 Carbon, notre modèle le plus puissant, avec des capacités de pointe en cybersécurité et sur les tâches de longue haleine. Carbon marque un progrès sur la plupart des benchmarks et offre des performances de frontière en programmation autonome et en cyberdéfense. Nous ouvrons d’abord Carbon à un sous-ensemble de défenseurs cyber de confiance de notre programme Fairwind. Nous élargirons l’accès dès que possible. — @GoogleAI sur X
🔗 Le billet de Google DeepMind
GitHub Universe 2026 : GitHub se présente en système de livraison logicielle agentique et chiffre ses ajouts d’infrastructure
28 octobre — GitHub ouvre sa conférence Universe 2026 à San Francisco avec un billet de Jay Parikh qui fixe le cap : passer d’un assistant qui écrit du code à un « système de livraison logicielle » où le développeur donne la direction et reste responsable de ce qui part en production, tandis que des agents implémentent et vérifient. Le livrable n’est plus le code, mais le travail terminé : une fonctionnalité, un correctif, une correction de sécurité. Trois axes structurent cette stratégie : la vélocité, l’intelligence (le contexte de la plateforme et un apprentissage continu) et la qualité, avec un travail sûr par défaut.
Le billet sert de sommaire aux annonces du jour, détaillées dans les sections suivantes : Copilot Fusion, les projets dans l’app GitHub Copilot, la continuité des sessions du téléphone à VS Code, des automatisations qui apprennent de leurs résultats, le niveau Max de Copilot code review et l’inclusion de Copilot dans GitHub Enterprise. Côté infrastructure, GitHub chiffre ce qu’il a ajouté depuis le début de l’année :
| Infrastructure ajoutée depuis début 2026 | Volume annoncé par GitHub |
|---|---|
| Cœurs CPU | 4 millions |
| Stockage rapide | 160 Po |
| Capacité réseau | 50 Tb/s |
La migration vers un déploiement multirégion dans Azure doit aboutir au début de l’année prochaine, et la nouvelle architecture Git repose sur des primitives simplifiées, un stockage découplé du calcul et une coordination réduite au minimum. Jay Parikh avance aussi une formule : tout le logiciel écrit jusqu’ici représentera moins de 1 % de celui des cinq prochaines années, une opinion plus qu’une mesure.
Copilot génère et retouche des images avec GPT Image 2.5 Flare, en préversion publique
28 octobre — Copilot produit et retouche désormais des images décrites en langage naturel, en préversion publique pour les forfaits Pro, Pro+, Business et Enterprise, dans VS Code, l’app GitHub Copilot et Copilot CLI. Le modèle de raisonnement choisi appelle un outil de génération propulsé par GPT Image 2.5 Flare, d’OpenAI, affiche l’aperçu dans la conversation et enregistre l’image directement dans le projet. La génération est facturée à part du modèle de chat, en tokens d’image décomptés des crédits IA du forfait. Les propriétaires d’organisation ou d’entreprise peuvent la couper par les politiques de modèles, et un filigrane « Made with AI », désactivé par défaut, s’active sur option.
GitHub Design ouvre Replica, un outil de prototypage IA sous licence MIT
28 octobre — GitHub Design publie en open source, sous licence MIT, Replica, un outil qui transforme des idées en prototypes interactifs. À la différence des outils génériques, il s’appuie sur le design system de l’équipe, ses composants, ses motifs et sa documentation : les designers fixent les consignes, puis designers, chefs de produit et développeurs décrivent en langage naturel, dans l’app GitHub Copilot, le prototype à explorer et l’affinent. Un Replica Hub auto-hébergé, facultatif, permet de publier les prototypes pour recueillir les commentaires de l’équipe. L’outil est disponible dès maintenant.
Octoverse 2026 : 17,9 milliards de pushes et plus de 40 % des pull requests lancées par un agent
28 octobre — Le rapport annuel Octoverse 2026 de GitHub décrit une année d’accélération portée par les agents. En douze mois, les développeurs ont poussé du code 17,9 milliards de fois, plus qu’en 2024 et 2025 réunis ; les commits atteignent 34,3 milliards, plus de trois fois le niveau d’il y a deux ans, et 1,3 milliard de pull requests ont été fusionnées, soit 3,5 millions par jour en moyenne. GitHub compte plus de 225 millions de développeurs, dont 38,3 millions aux États-Unis et 32 millions en Inde ; la France est dixième avec 4,75 millions.
| Indicateur Octoverse 2026 | Valeur publiée |
|---|---|
| Pushes sur douze mois | 17,9 milliards |
| Commits | 34,3 milliards |
| Pull requests fusionnées | 1,3 milliard (3,5 millions par jour) |
| Développeurs sur GitHub | plus de 225 millions |
| Pull requests lancées par un agent | plus de 40 % en septembre (17 % en mars) |
| Utilisateurs actifs de Copilot en mode agentique | 55 % (35 % il y a un an) |
| Modèles distincts utilisés dans Copilot | 47 en septembre (29 en mai) |
| Jobs GitHub Actions | 1 440 par seconde |
La part des agents grimpe vite : en septembre, plus de 40 % des pull requests commençaient par un premier jet d’agent, contre 17 % en mars, soit 110 millions de pull requests, environ six fois le volume de mars. Ces pull requests étaient fusionnées en deux semaines dans 90 % des cas, contre environ 86 % sans agent détecté, et les dépôts créés cette année avec un fichier de configuration d’agent reçoivent en moyenne 8 fois plus de commits. Le cloud agent de Copilot, à qui l’on délègue une tâche entière, progresse de 230 % sur un an, contre 85 % pour le chat en mode agent.
Les développeurs multiplient aussi les modèles : aucun des 47 modèles utilisés en septembre ne dépasse 25 % des requêtes, et 61 % des utilisateurs qui choisissent leur modèle en emploient plusieurs, contre 50 % quatre mois plus tôt. Côté langages, TypeScript reste premier devant Python et JavaScript. Le classement des dépôts éditeurs qui gagnent le plus de contributeurs est mené par des agents de code : anthropics/claude-code, openai/codex, anomalyco/opencode, microsoft/vscode et github/copilot-cli.
GitHub Enterprise inclut désormais Copilot pour chaque utilisateur licencié, avec un Copilot Standalone à 10 dollars
28 octobre — GitHub change le modèle commercial de Copilot en entreprise. Les clients qui passent par une équipe commerciale de GitHub ou de Microsoft peuvent désormais obtenir Copilot inclus dans GitHub Enterprise pour chaque utilisateur licencié, sans abonnement séparé ; l’offre est disponible dès maintenant pour GitHub Enterprise Cloud. Jusqu’ici, il fallait piloter deux choses, le nombre de sièges Copilot et la consommation d’IA ; avec Copilot inclus, il ne reste que le budget IA de l’entreprise.
Cet accès donne les mêmes fonctions et les mêmes modèles que Copilot Enterprise, mais sans crédits IA mensuels par siège : chaque requête est décomptée du budget de l’entreprise dès la première, avec les politiques, alertes et attributions existantes. Les fonctions de base continuent même sans budget :
| Fonction de Copilot | Quand le budget IA est épuisé |
|---|---|
| Complétion de code et next edit suggestions | Continuent de fonctionner |
| Copilot Chat, Copilot code review et Copilot dans le cloud | Exigent du budget |
| Accès au siège Copilot | Jamais retiré |
Les membres du compte entreprise sans licence GitHub Enterprise obtiennent le même accès avec Copilot Standalone, à 10 dollars par utilisateur et par mois. Le libre-service n’est pas encore ouvert : il arrivera par étapes, avec des dates promises « dans les prochaines semaines », et les abonnements en libre-service actuels ne changent pas. Copilot Business et Copilot Enterprise restent proposés aux entreprises nouvelles comme existantes.
GitHub Copilot Fusion passe en disponibilité générale et remplace le choix manuel du modèle
28 octobre — Copilot Fusion passe en disponibilité générale sur tous les forfaits Copilot, dans VS Code, l’app GitHub Copilot, Copilot CLI et les IDE JetBrains, d’autres clients étant annoncés « bientôt ». Au lieu de choisir un modèle, le développeur sélectionne Copilot Fusion puis un niveau d’effort : Standard pour le code courant, High pour les tâches difficiles, Max pour les plus exigeantes. Fusion décide ensuite, requête par requête, de confier la tâche à un seul modèle (schéma Single) ou d’en enchaîner plusieurs : en cascade (Cascade : un modèle efficace rédige, un contrôle qualité accepte ou escalade vers un modèle plus fort) ou en critique (Critique : un modèle rédige, un autre relit, le premier révise).
Fusion réunit l’orchestration multi-modèles du Project HydraFusion, préversion de recherche lancée en septembre et étendue le 14 octobre, et la sélection automatique de modèle de Copilot. Selon Octoverse, HydraFusion a routé près de 60 000 sessions pendant sa préversion ; ceux qui utilisaient auto, HydraFusion ou HydraFusion Max basculent seuls vers le niveau Fusion correspondant. GitHub avance un résultat externe :
| Artificial Analysis Coding Agent Index | Copilot Fusion Max, selon GitHub |
|---|---|
| Score obtenu | 60, à deux points de Claude Code avec Opus 5.5 Max |
| Coût API moyen par tâche | environ la moitié |
| Tokens consommés | environ la moitié |
| Temps par tâche | environ 40 % de moins |
Côté entreprise, Fusion ne pioche que dans les modèles autorisés par les politiques ; un administrateur peut exclure un modèle de Fusion sans le retirer aux utilisateurs, et imposer Fusion, à n’importe quel niveau d’effort, comme modèle par défaut. Chaque modèle appelé est facturé à son tarif standard, avec une remise temporaire de 30 % sur les coûts de modèles pour les forfaits payants. AT&T témoigne d’une meilleure efficacité en tokens avec Fusion Standard, sans chiffre.
🔗 Le changelog de Copilot Fusion
Copilot Fusion route en expérimental vers des modèles locaux, MAI Code 1.1 Flash et Qwen3.8 Flash Next
28 octobre — GitHub étend Copilot Fusion aux modèles locaux, en préversion expérimentale sur adhésion. Avec le niveau Standard, Fusion choisit pour chaque requête entre un modèle exécuté sur la machine et un modèle cloud, dans Copilot CLI, l’app Copilot et VS Code. Sur Windows, le téléchargement et la configuration de MAI Code 1.1 Flash sont gérés via le fournisseur Windows ML. Sur Windows, macOS et Linux, Copilot CLI accepte aussi un modèle local servi par un serveur compatible OpenAI, MAI Code 1.1 Flash ou Qwen3.8 Flash Next ; un modèle apporté par l’utilisateur (BYOK) n’est pas automatiquement éligible à Fusion. GitHub prévient que la session ne devient pas hors ligne : les décisions de routage restent prises dans le cloud, et les modèles locaux peuvent avoir des protections de sécurité différentes.
Copilot pour JetBrains reçoit Fusion et fait passer bacs à sable locaux et next edit suggestions en disponibilité générale
28 octobre — Le plugin GitHub Copilot pour les IDE JetBrains rattrape les autres clients. Copilot Fusion y remplace l’option Auto, avec ses trois niveaux d’effort, un déploiement progressif à tous les utilisateurs et une remise de 30 % limitée aux 30 premiers jours. Les bacs à sable locaux, qui restreignent l’accès des commandes de l’agent au système de fichiers, au réseau et aux identifiants selon les politiques du développeur ou de l’organisation, passent en disponibilité générale, comme les next edit suggestions. Le harnais d’agent Microsoft Copilot devient le choix par défaut quand il est disponible, une barre latérale réunit les sessions, et le survol d’un tour d’agent affiche son temps et sa consommation de tokens par modèle.
Copilot devient une expérience cloud unique, avec bacs à sable cloud et un forfait de calcul Actions en dollars
28 octobre — GitHub réunit ses surfaces Copilot dans une seule expérience cloud, en disponibilité générale sur les forfaits payants, avec un déploiement qui commence le 28 octobre. Une tâche lancée depuis github.com, GitHub Mobile, Copilot CLI, l’app Copilot, VS Code, Slack ou Microsoft Teams devient une session unique, visible dans la même liste partout et reprise sur n’importe quelle autre surface : décrite à la voix ou par une image sur le téléphone, poursuivie sur le web, terminée dans VS Code. Les utilisateurs de Copilot Free gardent Copilot Chat sur github.com et sur mobile.
Chaque session tourne par défaut dans un bac à sable cloud géré par GitHub, sans limite d’une heure sur sa durée totale d’exécution, avec un instantané à l’arrêt pour reprendre ailleurs. Les sessions cloud disposent de Bash, de GitHub CLI, de la recherche de code, des connecteurs, des serveurs MCP et des skills, et les commandes /rubber-duck et /context arrivent sur le web et le mobile. GitHub Mission Control pilote depuis le téléphone des sessions locales, et l’option --environment-host inscrit sa propre machine ou une VM comme environnement. Les entreprises gardent la main par la politique « Copilot in the cloud » : sessions limitées par défaut à une organisation ou aux dépôts personnels, SSO requis.
Le changement le plus structurant touche la facturation :
| Changement de facturation | Détail annoncé par GitHub |
|---|---|
| Forfait Actions inclus | Une réserve en dollars au lieu d’un nombre de minutes de runners standard |
| Usages couverts par la réserve | Runners hébergés standard, bacs à sable cloud et, sur Team et Enterprise Cloud, larger runners |
| Facturation des bacs à sable | À partir de novembre 2026, puisée d’abord dans la réserve |
| Forfaits concernés | GitHub Free, Pro, Free for organizations, Team et Enterprise Cloud |
Chaque produit garde son tarif publié ; seule la façon de compter le forfait inclus change.
L’app GitHub Copilot lance les Projects en préversion publique pour piloter des agents sur plusieurs dépôts
28 octobre — L’app GitHub Copilot accueille les Projects, en préversion publique. Un projet réunit un objectif, son contexte (dépôts, maquettes, fils Slack, notes de réunion), les agents et leurs résultats, pour un travail qui dépasse un dépôt ou une session : une fonctionnalité répartie sur plusieurs dépôts, ou un plan de lancement qui mobilise spécifications et maquettes sans toucher au code. Copilot lance en arrière-plan autant d’agents que nécessaire, en sessions parallèles, et revient avec des pull requests à relire ; des automatisations de projet prennent en charge les tâches répétitives, comme une vidéo promotionnelle à chaque fonctionnalité livrée. L’app tire aussi du contexte de Slack et de Figma et génère des images dans le chat. Le pilotage des applications de bureau (computer use) reste en préversion publique sur macOS et Windows, comme depuis le 1er octobre.
VS Code 1.144 et Copilot : Agent Host, sessions continues jusqu’au téléphone et protocole AHP ouvert
28 octobre — VS Code 1.144, sorti le jour d’Universe, aligne l’éditeur sur ces sessions continues. Une session lancée dans le cloud depuis la fenêtre Agents se retrouve dans l’app Copilot, sur GitHub Mobile, sur github.com ou dans la CLI, tout comme une session démarrée dans un message direct Slack ou Teams. En local, l’Agent Host détache les sessions des fenêtres : l’agent continue après la fermeture du dossier, peut tourner sur une autre machine via Remote SSH ou les dev tunnels, et se pilote depuis GitHub Mobile pendant qu’il travaille sur la machine de développement.
Le harnais Copilot, bâti sur le Microsoft Copilot SDK, devient le choix par défaut des nouvelles sessions, et GitHub ouvre l’Agent Host Protocol (AHP) pour que des clients tiers rejoignent les mêmes sessions, avec des bibliothèques en TypeScript, Rust, Go, Kotlin et Swift. VS Code ajoute aussi la comparaison de modèles et de harnais en parallèle, avec un modèle juge et une synthèse (préversion), le pilotage de l’ordinateur (computer use) en expérimental, une place de marché de personnalisations (Customization Marketplace : skills, serveurs MCP, plugins) et les connecteurs Copilot en préversion.
🔗 Le changelog de GitHub · Les notes de VS Code 1.144
Agent Merge surveille et répare les pull requests directement sur GitHub, dans le cloud
28 octobre — Agent Merge, déjà présent dans l’app Copilot et dans VS Code, arrive sur la page des pull requests. Une option « Watch and fix », dans la zone de fusion, demande à Copilot de surveiller la pull request et de corriger lui-même, dans un environnement de développement cloud, les workflows Actions en échec, les conflits de fusion, ou les deux. Combiné à la fusion automatique (auto-merge), Copilot maintient la pull request prête et GitHub la fusionne dès que toutes les conditions sont remplies. L’option peut être activée par défaut pour toutes ses pull requests depuis les réglages Copilot ; elle est réservée aux forfaits payants, sous réserve des politiques d’organisation et d’entreprise.
Copilot Memory passe en disponibilité générale, Copilot Dreaming entre en préversion et la recherche de code dépasse le dépôt local
28 octobre — GitHub regroupe sous le nom « GitHub intelligence » trois briques de contexte tirées du graphe de données de la plateforme. La première, Copilot Memory, passe en disponibilité générale sur les forfaits payants après près d’un an de préversions. Copilot retient les préférences personnelles (commencer ses descriptions de pull request par un résumé, par exemple) et les conventions d’un dépôt (la bonne commande de test), et les réutilise d’une session et d’un client à l’autre : l’app, la CLI, VS Code, le cloud agent, Copilot code review, Slack, Teams et le mobile. Les mémoires personnelles se gèrent dans les réglages Copilot. GitHub cite un résultat à périmètre précis : parmi les sessions Copilot CLI examinées pendant la préversion publique où l’agent a utilisé la mémoire, 93 % montraient une meilleure adhésion aux préférences du développeur, et 42 % des flux de travail plus efficaces, attribués aux mémoires.
La deuxième, Copilot Dreaming, entre en préversion publique sur adhésion. Copilot « rêve » sur le travail passé pour améliorer les sessions suivantes, avec trois types de rêves : il trie la mémoire personnelle, propose des mises à jour des skills et des fichiers d’instructions du dépôt, et transforme les retours de revue de code acceptés en consignes pour Copilot code review. Les modifications de fichiers versionnés passent par une pull request soumise à l’équipe, et chaque exécution consomme des crédits IA.
La troisième étend la recherche de code de Copilot au-delà de la copie locale : code, configurations, schémas et documentation, dans les dépôts liés et les dépendances, sans clone, par texte exact, symboles, expressions régulières, filtres ou recherche sémantique. La commande /research s’en sert, par exemple pour comprendre comment plusieurs services gèrent les nouvelles tentatives de paiement avant de planifier une migration.
| Brique de GitHub intelligence | Statut au 28 octobre |
|---|---|
| Copilot Memory | Disponibilité générale sur les forfaits payants |
| Copilot Dreaming | Préversion publique sur adhésion, exécutions facturées en crédits IA |
| Recherche de code au-delà du dépôt | Dépôts liés et dépendances, sans clone local, utilisée par /research |
Copilot Automations deviennent partageables, s’auto-améliorent et gagnent 24 déclencheurs, 20 outils et des plafonds de crédits
28 octobre — Les Copilot Automations, ces workflows qui associent un prompt, des déclencheurs et des outils autorisés pour faire travailler Copilot dans le cloud, franchissent plusieurs étapes à la fois, après les automatisations planifiées ou événementielles du 2 juin et le déclenchement par commentaire du 3 août.
Elles deviennent d’abord partageables. Une automatisation partagée appartient au dépôt : visible par tous ceux qui ont l’accès en lecture et modifiable avec l’accès en écriture, elle agit sous l’identité de Copilot, facture ses crédits IA au propriétaire du dépôt et continue de tourner quand son auteur quitte l’équipe, avec un historique des modifications. Son type, personnel ou partagé, ne peut plus changer après la création.
Elles apprennent ensuite de leurs résultats. Une automatisation de triage observe si les étiquettes qu’elle pose sont corrigées, une automatisation de revue si ses commentaires sont acceptés ; une seconde automatisation, hebdomadaire, analyse ces signaux et propose des modifications du prompt, des outils ou des déclencheurs, appliquées seulement après validation humaine.
| Nouveauté des Copilot Automations | Détail annoncé |
|---|---|
| Déclencheurs GitHub ajoutés | 24 événements : issues, pull requests, discussions, alertes de code scanning, de secrets, Dependabot |
| Déclenchement externe | API REST, par exemple depuis Jira, Sentry ou PagerDuty |
| Chaînage | Une automatisation peut en lancer une autre, selon sa réussite ou son échec |
| Outils GitHub ajoutés | 20, dont la fusion de pull requests et la relance de workflows, plus les serveurs MCP personnalisés |
| Plafonds de crédits IA | Par exécution, par jour, par semaine ou par mois |
Dans VS Code 1.144, les automatisations cloud se créent et se gèrent depuis l’onglet Automations de la fenêtre Agents, et tournent même ordinateur éteint. Elles sont proposées sur les forfaits Pro, Pro+, Max, Business et Enterprise.
🔗 Le changelog des nouveaux outils et déclencheurs · Les automatisations partagées · L’auto-amélioration
GitHub Agentic Workflows passe en disponibilité générale
28 octobre — GitHub Agentic Workflows, le projet open source de GitHub Next qui fait tourner des agents de code dans GitHub Actions, passe en disponibilité générale sur github.com pour Free, Team et Enterprise, après une préversion technique en février et une préversion publique en juin. On décrit en Markdown une tâche de raisonnement (triage d’issues, analyse d’échec de CI, mise à jour de documentation, écriture de tests) ; l’outil la compile en YAML Actions standard, exécuté par Copilot ou par un autre agent de code. Le moteur par défaut, Copilot CLI, exige une licence Copilot.
La sécurité reste au centre : lecture seule par défaut, conteneur isolé derrière l’Agent Workflow Firewall, sorties validées et job dédié de détection des menaces avant toute modification. La version générale ajoute les runners auto-hébergés ARC, la prévision budgétaire gh aw forecast sortie de l’expérimental, un routeur de modèles, le choix du fournisseur par workflow et une isolation en micro-VM. Accenture témoigne de 91 % des commits d’une équipe écrits par l’IA et d’erreurs de production passées d’environ 11 000 à moins de 1 000 par jour, des chiffres fournis par le client.
GitHub ouvre 26 connecteurs MCP vérifiés pour Copilot, à connecter une seule fois
28 octobre — Les serveurs MCP vérifiés par GitHub, baptisés connecteurs, entrent en préversion publique sur tous les forfaits Copilot, avec un déploiement progressif. On choisit un service, on se connecte une fois, et la connexion sert partout : l’app Copilot, Copilot CLI (commande /mcp, onglet Connectors), VS Code, les sessions cloud et GitHub Mobile, sans serveur à installer ni identifiants à gérer. Vingt-six services sont proposés au lancement, dont Slack, Figma, Notion, Sentry, Linear, Atlassian Rovo, Cloudflare, Vercel et Work IQ, et ces connexions peuvent aussi alimenter des automatisations planifiées dans l’app. En Business et Enterprise, la politique Editor preview features doit être activée, et certains services exigent une activation de leur côté, comme l’accès MCP de Slack.
Sécurité et revue du code à l’ère des agents : AI Scan, extension de sécurité de l’app Copilot, Copilot code review Max, Agent Habitat de Replit et SB-Box de Genspark
Le même jour, GitHub étend ses outils de sécurité au code écrit par l’IA et aux applications qui l’embarquent, tandis que Replit et Genspark détaillent leur façon d’isoler les agents.
GitHub étend sa sécurité à l’IA : AI Scan des dépôts, détection des failles d’applications IA et push protection par classifieur
28 octobre — GitHub ajoute trois briques de sécurité appuyées sur l’IA, toutes en préversion publique. AI Scan, passé en disponibilité générale pour les pull requests le 15 octobre, s’étend au dépôt entier : un scanner agentique explore le code le plus à risque du dernier commit de la branche par défaut, dans un budget de temps fixe, y compris dans des langages que CodeQL ne couvre pas, en ignorant ce que CodeQL signale déjà. Ses alertes rejoignent la liste de code scanning et se corrigent par l’autofix agentique. Il ne demande pas de licence Copilot et se facture en Code Security AI credits.
Le code scanning apprend aussi à repérer, sur les pull requests, les failles propres aux applications d’IA : injection de prompt indirecte, divulgation d’informations sensibles et agentivité excessive (excessive agency), avec une licence GitHub Advanced Security. Enfin, la push protection s’appuie sur un classifieur conçu avec Microsoft Applied Sciences, qui juge l’usage d’un secret dans le code environnant pour bloquer ceux qui n’ont pas de format connu : dans les premiers résultats, il a plus que doublé le nombre de pushes où un secret a été intercepté.
🔗 AI Scan des dépôts · Code scanning des applications IA · Push protection par classifieur
Une extension de sécurité amène les alertes de code scanning et /security-review dans l’app GitHub Copilot
28 octobre — L’app GitHub Copilot reçoit une extension GitHub security, en préversion publique, pour traiter les alertes de code scanning sans quitter l’app. Elle liste les alertes ouvertes du dépôt par sévérité ; on en sélectionne une ou plusieurs et on demande à Copilot de les expliquer (Explain) ou de les corriger (Fix), les modifications restant dans la copie de travail locale, sans commit ni push. La commande /security-review analyse les changements en cours avant l’ouverture d’une pull request. L’extension s’installe comme un plugin, avec copilot plugin install github-security@awesome-copilot ; Explain, Fix et /security-review consomment des crédits IA, pas la consultation ni le rejet des alertes. Elle fonctionne sur github.com et sur GitHub Enterprise Cloud avec résidence des données, pas sur GitHub Enterprise Server.
Copilot code review ajoute le niveau Max multi-modèles et fait passer ses approbations en disponibilité générale
28 octobre — Copilot code review reçoit un troisième niveau d’effort, Max, en préversion publique, à côté de Lite et Balanced. Pensé pour les changements risqués, comme une logique d’authentification ou une bibliothèque partagée par plusieurs services, il fait travailler plusieurs agents de revue indépendants sur des modèles de fournisseurs différents, puis un agent d’agrégation réconcilie leurs constats, tranche les désaccords et vérifie l’exactitude avant de produire une seule revue. Selon le billet de keynote, Max obtient le meilleur score F1 de ReviewBench sur les problèmes de haute sévérité, sans que le chiffre soit publié. Il prend plus de temps et consomme plus de crédits IA que les deux autres niveaux.
Les approbations de Copilot passent en parallèle en disponibilité générale : si la fonction est activée, l’approbation de Copilot compte dans les approbations requises du dépôt, comme celle d’un humain, et tout nouveau commit l’annule. Désactivées par défaut, elles s’activent par entreprise, organisation ou dépôt, avec la possibilité de limiter les chemins de fichiers concernés.
Replit publie son architecture de sécurité Agent Habitat, avec une échelle de maturité en 11 axes
28 octobre — Replit publie un livre blanc, Agent Habitat Architecture, qui propose une architecture de sécurité pour l’environnement où travaillent les agents, et une échelle pour l’évaluer. Le point de départ est explicite : les protections doivent tenir même si l’agent ne coopère pas, qu’il dérive, qu’il soit manipulé par un contenu lu ou qu’il cherche une faille. L’architecture sépare des zones de confiance, de semi-confiance et non fiables, et fait d’un courtier d’identifiants (credential broker) le seul chemin vers l’extérieur : l’agent ne voit jamais les vrais secrets. Douze principes l’accompagnent, dont des permissions qui ne font que rétrécir pendant une exécution et une approbation humaine pour toute action irréversible.
L’échelle de maturité couvre 11 axes, de l’isolation du bac à sable à l’identité des charges de travail, chacun noté de 0 à 3 avec les preuves à fournir : le niveau 1 protège des accidents, le 2 de l’injection de prompt, le 3 d’un agent qui cherche activement à s’échapper, et un système ne vaut que sa note la plus basse. Le billet compagnon du CTO Luis Héctor Chávez annonce, sans date, des politiques d’actions d’agents réglables par tâche, un Security Agent étendu aux contributions sur les bases de code d’entreprise et une détection d’activités suspectes fondée sur la surveillance eBPF des bacs à sable. Aucun tarif n’est publié.
🔗 Le livre blanc de Replit · Le billet du CTO
Genspark ouvre SB-Box, ses bacs à sable en machine virtuelle pour agents, en bêta
28 octobre — Genspark ouvre aux développeurs, en bêta, l’infrastructure de bacs à sable qui fait tourner ses propres agents, sous le nom de SB-Box. Chaque bac est une machine virtuelle complète avec son propre noyau, et non un processus ou un conteneur. Après 10 à 15 minutes d’inactivité, il gèle en conservant processus, mémoire et disque, et seul le disque reste facturé ; la commande suivante, ou une requête HTTP vers l’un de ses ports, le réveille. Chaque gel devient une version que l’on peut cloner ou restaurer, et la durée d’exécution n’est jamais plafonnée : seul le solde de crédits fixe la limite.
| Mesure SB-Box (plateforme Genspark) | Valeur annoncée |
|---|---|
| Démarrage d’une machine de 4 Go (médiane) | 0,35 s |
| Démarrage (90e et 99e centiles) | 0,43 s et 0,70 s |
| Reprise après gel (médiane) | 0,8 s |
| Mémoire conservée après gel | 14 jours |
SB-Box se pilote par le CLI gsk ou par une API REST, et s’intègre à un agent de code par un fichier SKILL.md, avec opencode en démonstration ; dans Claude Code, le CLI reprend seul l’identifiant de session. Exemple de coût donné par Genspark : 41 minutes d’exécution réelle sur une machine de 2 vCPU et 4 Go font 56 crédits de calcul pour la semaine, et un disque de 20 Go ajoute 24 crédits par jour.
🔗 Le fil de Genspark · La page de SB-Box
NVIDIA lance Nemotron 3.5 Transcribe, un modèle ouvert de transcription, d’attribution des locuteurs et de traduction en 40 langues
28 octobre — NVIDIA publie Nemotron 3.5 Transcribe, un modèle ouvert qui réunit dans un seul point de contrôle la transcription en 40 langues, la traduction de 31 langues vers ou depuis l’anglais, l’attribution des locuteurs (diarisation) dans 13 langues jusqu’à huit voix, l’horodatage, l’identification de la langue, les questions sur l’audio et le caviardage de données personnelles. Il travaille sur des fichiers enregistrés, pas en flux, jusqu’à une heure, et se pilote par une consigne en langage naturel : ajouter les noms des intervenants, traduire, respecter une orthographe médicale.
Le modèle est un mélange d’experts hybride Mamba-2–Transformer. NVIDIA l’annonce comme un « 30B » à environ 4B paramètres actifs ; la fiche Hugging Face précise 34B au total dont 4,3B actifs, encodeur audio compris. Livré en BF16, FP8 et NVFP4, il tient sur un seul H100 80 Go et sort sous licence OpenMDW-1.1, qui autorise l’usage commercial selon la fiche. Il est publié sur Hugging Face et ModelScope, avec une démonstration en ligne.
| Benchmark (fiche du modèle) | Nemotron 3.5 Transcribe | Meilleur concurrent cité |
|---|---|---|
| Open ASR anglais, 9 jeux publics (WER moyen) | 4,71 | 4,94 (Qwen3-ASR-1.7B) |
| Open ASR long format (WER moyen) | 10,98 | 13,37 (Parakeet-TDT-0.6B-v3) |
| Open ASR multilingue, 7 langues (WER moyen) | 4,62 | 6,49 (Qwen3-ASR-1.7B) |
| Multi-locuteurs, sessions complètes (cpWER) | 15,80 | 16,83 (DiCoW v3.3 + DiariZen) |
| Artificial Analysis (WER, fil de NVIDIA) | 2,81 % | 2,77 % (Voxtral Small, 24B) |
Les chiffres d’anglais diffèrent selon la source : le fil de NVIDIA annonce la première place des modèles ouverts de l’Open ASR Leaderboard de Hugging Face avec 5,33 % de WER moyen, quand la fiche donne 4,71 sur neuf jeux publics, mesurés le 12 octobre. Pour l’attribution des locuteurs, le modèle prend la première place de la comparaison à 14 systèmes de VoiceArena et du classement de diarisation multilingue de David AI, en 21 langues.
On @ArtificialAnlys , Nemotron 3.5 Transcribe achieves a 2.81% word error rate with ~4B active parameters. Voxtral Small scores 2.77% with 24B. Nearly the same transcription accuracy, with about one-sixth the active parameters.
🇫🇷 Sur Artificial Analysis, Nemotron 3.5 Transcribe atteint un taux d’erreur de 2,81 % sur les mots avec environ 4B paramètres actifs. Voxtral Small obtient 2,77 % avec 24B. Une précision de transcription presque identique, avec environ un sixième des paramètres actifs. — @NVIDIAAI sur X
Sur le débit, la fiche annonce jusqu’à 2 238 secondes d’audio transcrites par seconde sur une RTX PRO 6000 Blackwell Server Edition, mais avec l’implémentation optimisée du NIM Nemotron Transcribe : ces optimisations ne sont pas encore dans la version open source, dont l’intégration vLLM est environ deux fois plus lente. Des versions quantifiées sont annoncées prochainement pour RTX Spark, DGX Spark et Jetson AGX Thor. NVIDIA accompagne enfin le modèle des données multilingues Granary v2, en ligne sur le Hub depuis la mi-septembre, d’un pipeline de curation réutilisable et des recettes d’affinage de NeMo Speech : dans un cas médical, l’affinage réduit le taux d’erreur de 45,8 % par rapport à la meilleure consigne.
🔗 Le fil de NVIDIA · Le billet sur Hugging Face · La fiche du modèle
ElevenLabs présente Cue, son modèle d’alignement forcé au caractère près qui alimente Scribe
28 octobre — ElevenLabs présente Cue, un modèle d’alignement forcé (forced alignment) qui cale chaque caractère d’une transcription sur la ligne de temps de l’audio. C’est la brique invisible qui fait apparaître un sous-titre au bon moment, aligne une réplique doublée ou cale des paroles sur une musique. Cue tourne déjà derrière toutes les transcriptions Scribe d’ElevenLabs et s’utilise seul via la Forced Alignment API ; il traite un enregistrement entier en une passe, sans découpage en extraits de 30 secondes.
| Mesure (selon ElevenLabs) | Cue | Autres aligneurs testés |
|---|---|---|
| Erreur moyenne, enregistrements complets | 179 ms | 283 ms à plus de 6 000 ms |
| Erreur moyenne, anglais bruité | 57 ms | 65 à 920 ms |
| Alignement d’une heure d’audio | environ 0,5 s sur le GPU de production | près de 2 s (Qwen3-ForcedAligner) |
| Chansons : mots placés à moins de 0,3 s | 92,7 % | 82,0 % (meilleur concurrent) |
Le billet parle de 29 langues de benchmark à un endroit et de plus de 90 à un autre.
HeyGen lance Voice STS, qui transpose une performance vocale enregistrée sur la voix d’un avatar
28 octobre — HeyGen ajoute à HeyGen Voice un mode parole vers parole (speech-to-speech, STS). Au lieu de faire lire un texte par une voix de synthèse, l’utilisateur enregistre sa réplique une fois, et HeyGen Voice STS la restitue avec la voix de son avatar, pauses, accentuations et chuchotements compris. Le mode est disponible sur la plateforme développeurs à 0,12 dollar par minute d’audio produit pour les voix instantanées, facturé à la seconde, via le modèle heygen-voice-sts-0 : extraits source jusqu’à 300 secondes, sortie WAV de même durée. Il complète HeyGen Voice, présenté le 14 octobre, et Voice Turbo, lancé le 21.
🔗 L’annonce de HeyGen · La page du modèle
Suno ouvre en bêta un serveur MCP pour créer des chansons depuis Claude, ChatGPT, Gemini ou Cursor
28 octobre — Suno ouvre en bêta Suno MCP, un serveur MCP pour créer de la musique sans quitter son assistant. Une fois Suno ajouté comme connecteur dans Claude, ChatGPT, Gemini, Claude Code ou Cursor, on décrit le morceau en langage courant : l’IA écrit paroles et style, Suno produit la chanson, que l’on retravaille par des relances. Le serveur reprend les fonctions phares de Suno : partir d’un mémo vocal ou d’une boucle, faire des reprises, des extensions et des mélanges (mashups) de ses morceaux, chanter avec sa propre voix Suno. Il n’y a pas de clé API : la connexion passe par le compte Suno, consomme ses crédits et range les chansons dans sa bibliothèque. L’accès anticipé se demande par formulaire ; Suno n’annonce ni date de disponibilité générale ni tarif propre.
🔗 L’annonce de Suno · La page Suno MCP
IA et recherche scientifique : le comité de la preuve Yang-Mills d’OpenAI, AI for Science d’Anthropic et Meta dans cinq universités
Trois annonces du jour touchent la recherche : la vérification d’un résultat de physique mathématique produit par l’IA, et l’ouverture des modèles d’Anthropic et de Meta à des laboratoires.
Le comité de David Gross détaille l’examen de la preuve d’OpenAI sur l’existence de la théorie de Yang-Mills quantique
28 octobre — Deux jours après le billet d’OpenAI sur l’existence de la théorie de Yang-Mills quantique, le comité chargé d’examiner la preuve se présente dans une déclaration publiée par le KITP (Kavli Institute for Theoretical Physics, université de Californie à Santa Barbara). Présidé par David Gross, il réunit Michael R. Douglas, Arthur Jaffe, Igor R. Klebanov et Nikita Nekrasov. OpenAI a demandé le 16 octobre à David Gross de prendre la garde de la preuve et d’en organiser la diffusion ; le comité dit agir pour la communauté académique et n’avoir « aucune responsabilité envers OpenAI ».
Sur le fond, la preuve, qui porte sur l’existence de la théorie, couplage aux fermions compris, « semble être une étape importante » vers des fondations mathématiques rigoureuses de la théorie quantique des champs. Le comité ajoute aussitôt que le confinement et le gap de masse « restent des défis ouverts très importants » : la question du gap de masse n’est pas tranchée. OpenAI fournit une formalisation en Lean ; le comité vérifiera d’abord que définitions et énoncé correspondent aux standards de la physique et des mathématiques, publiera la preuve Lean, puis son évaluation complète avec les 1 147 pages de preuves produites par le modèle.
This is an experiment in how the academic community can deal with the rapid development of new knowledge by AI. We intend to proceed very carefully.
🇫🇷 C’est une expérience sur la manière dont la communauté académique peut faire face au développement rapide de nouvelles connaissances par l’IA. Nous entendons procéder avec beaucoup de prudence. — Déclaration du Yang-Mills Working Group (KITP)
🔗 La déclaration sur le site du KITP
Le programme AI for Science d’Anthropic s’étend à 20 fondations, institutions et projets de recherche
28 octobre — Anthropic élargit son programme AI for Science, lancé en mai 2025 pour offrir des crédits Claude gratuits à des projets scientifiques, à 20 partenaires dans le monde. Le programme change d’échelle : il ne soutient plus seulement des chercheurs isolés, mais des organisations entières. Aucun montant n’est publié.
| Rôle des partenaires | Organisations |
|---|---|
| Financeurs qui redistribuent des crédits | Sloan Foundation, Simons Foundation, Schmidt Sciences, Open Source for Science Fund, National Science Foundation, CAS |
| Institutions qui les utilisent en interne | Space Telescope Science Institute, Wellcome Sanger Institute, Francis Crick Institute, Imperial College London, EMBL, Gladstone Institutes |
| Projets financés directement | FlyWire, LEAP, AstroPath, gnomAD, Tau Ceti, Centre for Population Genomics |
Parmi les projets, FlyWire (Princeton) cartographie le connectome complet de la drosophile adulte, gnomAD (Broad Institute) étudie les variations génétiques de plus de 800 000 personnes pour les maladies rares, et Tau Ceti construit une bibliothèque mathématique autoformalisée en Lean. Plusieurs produiront des biens publics : jeux de données ouverts, logiciels open source, standards et bibliothèques partagées.
Meta soutient la recherche de cinq universités américaines avec ses modèles Muse, SAM, DINO, V-JEPA et SeamlessM4T
28 octobre — Meta annonce son soutien à des projets de recherche dans cinq universités américaines : Caltech (partenariat élargi), la faculté de médecine de l’université d’État de l’Ohio, l’université d’État de Louisiane, l’université de l’Indiana et UTHealth Houston. Selon les établissements, ce soutien combine l’accès aux modèles de Meta, une collaboration avec ses chercheurs et le financement de certains projets, sans montant publié. Les équipes travailleront avec la famille Muse (Muse Spark Open, Muse Wonder, Muse Spark, Muse Glimmer), les modèles de vision SAM, V-JEPA et DINO, et le modèle de traduction SeamlessM4T.
À Caltech, Tony Yue Yu construit MathDB Frontier, un banc bâti sur plus de 86 900 problèmes ouverts de niveau recherche, et Anima Anandkumar développe TorchLean, un cadre Lean 4 pour des artefacts scientifiques vérifiables formellement. Les projets médicaux tournent surtout sur des modèles à poids ouverts exécutés chez les universités, et Meta précise que les données des patients ne lui sont ni transmises ni accessibles. UTHealth Houston a ainsi déployé Muse Glimmer en local et lancé des tests pilotes sur 65 cas de glioblastome, que Meta présente comme une validation du flux de travail, pas comme des résultats cliniques.
🔗 Le billet de Meta · Le fil de Meta
IA dans les administrations et les entreprises : Claude à 40 % de remise pour le secteur public américain, OpenAI et ServiceNow, Retell
Côté adoption, Anthropic baisse ses prix pour tout le secteur public américain, OpenAI étend son partenariat avec ServiceNow, et Retell chiffre son usage des modèles d’OpenAI.
Anthropic étend son partenariat avec la GSA et accorde 40 % de remise sur Claude à toutes les administrations américaines
27 octobre — Anthropic élargit son partenariat avec la General Services Administration (GSA), l’agence d’achats de l’État fédéral américain. Le nouvel accord OneGov accorde 40 % de remise sur Claude Enterprise, Claude for Government et l’API Claude ; selon Anthropic, c’est la première fois que la remise couvre toutes les surfaces produit, dès aujourd’hui en achat direct et via les fournisseurs cloud dans les prochains mois. Elle vaut pour le fédéral comme pour les États, les collectivités locales et les gouvernements tribaux et territoriaux, sans engagement minimal de dépense. Anthropic estime l’économie à 1 milliard de dollars pour l’État. L’accord arrive six semaines après OneGov 2.0 d’OpenAI, qui proposait la licence ChatGPT à 0 dollar.
| Indicateur publié par Anthropic | Valeur annoncée |
|---|---|
| Organisations publiques américaines clientes | environ 500 |
| Utilisateurs actifs hebdomadaires de Claude for Government | environ 8 fois plus depuis février |
| Usage dans les agences civiles fédérales | environ 20 fois plus en un an |
| Pilote Claude Code de l’Utah | 34 développeurs de 10 agences, 71 % à plus de 20 heures gagnées |
Côté conformité, Claude for Government (FedRAMP High) est disponible depuis le 30 septembre, et Claude Enterprise est en cours d’autorisation FedRAMP Moderate via le programme FedRAMP 20x. Un programme d’accompagnement des agences doit suivre dans les prochaines semaines.
OpenAI et ServiceNow élargissent leur partenariat, de ChatGPT à Codex et à la cybersécurité
28 octobre — Après un premier partenariat en janvier, OpenAI et ServiceNow vont plus loin. Une nouvelle intégration amène ServiceNow dans ChatGPT : une équipe informatique peut retrouver des incidents semblables, évaluer le risque d’un changement et mettre à jour un enregistrement sans changer d’outil. Chaque client branche sa propre instance et choisit les capacités ouvertes, et l’Action Fabric de ServiceNow applique les règles métier et les permissions existantes. ServiceNow prévoit aussi d’ouvrir ChatGPT Work et Codex à tous ses employés. Le billet ne donne ni montant ni chiffre d’usage.
| Volet du partenariat | Calendrier annoncé |
|---|---|
| Plugin MCP ServiceNow dans la place de marché d’OpenAI | Disponible aujourd’hui, capacités enrichies d’ici fin 2026 |
| Voix d’OpenAI dans la Super Intelligence Control Tower | Premier trimestre 2027 |
| Solution de cybersécurité commune | Accès anticipé en janvier 2027, disponibilité générale au deuxième trimestre |
| Codex dans l’AI Workflow Factory de ServiceNow | 2027 |
Retell traite plus de 100 millions d’appels par mois avec les modèles d’OpenAI
27 octobre — Dans une étude de cas publiée par OpenAI, Retell AI, qui fournit des agents vocaux aux centres de contact, dit être passé de 30 millions d’appels par mois début 2026 à plus de 100 millions en septembre, pour plus de 4 000 entreprises clientes. Les modèles d’OpenAI produisent les réponses de 80 % de ces appels, et Retell a dépassé les 1 000 milliards de tokens consommés. Sur son propre banc d’essai, vCX, bâti sur des conversations difficiles tirées de la production, GPT-6 Astra arrive premier en suivi d’instructions (89,7 %), tandis que GPT-5.6 Luna reste le plus rapide, avec 497 ms de latence médiane pour la première phrase contre 883 ms pour Astra. Le client Anker annonce 80,4 % de demandes résolues, et Retell revendique 1,6 million de dollars de chiffre d’affaires annualisé par employé.
Assistants : crédits API des abonnés ChatGPT, messages texte avec son dot, mode vocal de Perplexity et artefacts de Claude for Legal
Les assistants grand public et professionnels gagnent de nouveaux usages : des crédits pour passer de ChatGPT à l’API, des messages texte, la voix pour piloter plusieurs agents, et des outils prêts à l’emploi pour les juristes.
OpenAI offre jusqu’à 500 dollars de crédits API par mois aux abonnés ChatGPT Pro et Business
28 octobre — OpenAI relie les abonnements ChatGPT à sa plateforme développeurs : les abonnés éligibles Pro et Business peuvent réclamer chaque mois des crédits API gratuits, versés sur une organisation API dont ils sont propriétaires, pour bâtir des applications et des agents. L’activation se fait depuis la facturation de ChatGPT ou depuis l’API Platform, avec la même adresse e-mail des deux côtés.
| Abonnement ChatGPT éligible | Crédits API par mois |
|---|---|
| Pro, palier à 100 dollars | 100 dollars |
| Pro, palier à 200 dollars | 200 dollars |
| Pro, palier à 500 dollars | 500 dollars |
| Business, siège Standard payé | 20 dollars par siège, mis en commun |
| Business, siège Premium payé | 100 dollars par siège, mis en commun |
| Plafond d’un espace Business | 500 dollars par mois, 6 000 dollars par an en annuel |
Les crédits couvrent Responses et Chat Completions, Agents, Decisions, GPT-Live et Realtime, les images et les outils intégrés, mais pas Codex utilisé par clé API, et ils ne relèvent aucune limite de ChatGPT ni de Codex connecté. Ils expirent à la fin de chaque cycle, sans report, et passent avant les crédits achetés. L’abonnement doit être payé et actif depuis au moins 7 jours ; Plus, Enterprise et Edu sont exclus, l’offre dépend de la cohorte et du pays, et OpenAI prévient qu’elle peut changer ou être retirée.
🔗 L’article d’aide d’OpenAI · Le changelog de l’API
ChatGPT permet d’écrire à son dot par iMessage ou RCS, en bêta pour les Pro aux États-Unis
28 octobre — Les dots de ChatGPT, lancés au DevDay du 29 septembre, sortent de l’application : on peut désormais leur écrire par message texte, via iMessage sur iPhone ou RCS sur Android. Selon les notes de version, la fonction se déploie en bêta pour les abonnés Pro aux États-Unis. On confie au dot une tâche ou quelque chose à surveiller, par texte, photo ou note vocale, et il relance de lui-même quand une information le justifie, avec la même mémoire et les mêmes plugins que dans l’application. Le dot ne peut écrire qu’à son propriétaire, seul à pouvoir lui écrire, et n’accède pas aux autres conversations du téléphone. Les messages passent par Linq, un prestataire tiers, avec lequel OpenAI dit avoir mené des tests d’intrusion poussés, appuyés sur ses modèles de pointe et sur des cabinets de sécurité extérieurs.
🔗 Les notes de version de ChatGPT · L’annonce de ChatGPT
Perplexity met à jour son mode vocal, qui pilote plusieurs sessions Computer et les Projects avec gpt-live-1 d’OpenAI
28 octobre — Perplexity déploie une nouvelle version de son mode vocal pour tous les abonnés Pro et Max, sur le web et dans l’application Mac. Annoncée par le compte @AskPerplexity puis repostée par @perplexity_ai, la mise à jour permet de mener plusieurs sessions Computer à la fois, de lancer de nouvelles tâches et de créer ou gérer des Projects dans une seule conversation vocale. Elle repose sur gpt-live-1, le modèle vocal temps réel d’OpenAI, dans son API depuis le 10 septembre. Aravind Srinivas résume l’idée : parler à son ordinateur pour faire avancer des flux de travail en parallèle. La voix n’est pas une première chez Perplexity, puisque le mode vocal de Comet est ouvert à tous depuis février et que Computer acceptait des consignes vocales depuis mars ; la nouveauté est le pilotage de plusieurs sessions et des Projects. Perplexity ne précise ni les langues prises en charge, ni les limites d’usage, ni le coût en crédits.
Claude for Legal ajoute une galerie d’artefacts prêts à l’emploi pour le travail juridique
28 octobre — Anthropic ajoute à Claude for Legal, proposé dans Claude Enterprise depuis mai, une galerie d’artefacts : des outils interactifs (suivis, tableaux de bord) que les équipes juridiques adaptent avec leurs propres documents et connecteurs, puis partagent dans l’entreprise ou avec des clients, avec des réglages de confidentialité et un cloisonnement entre équipes (ethical walls). Chaque artefact s’ouvre sur un exemple, et chaque réponse renvoie à sa source.
La galerie couvre six tâches : vérification des citations (Cite check), comparaison d’une règle entre juridictions, tableau des dossiers ouverts, écarts de clauses par rapport au référentiel de l’entreprise, veille sur les réglementations à venir et revue tabulaire d’un lot de contrats. S’y ajoutent des artefacts de partenaires (Goodwin, Harvey, Foley & Lardner, PwC ; Legora et Orrick annoncés) et neuf artefacts d’accès au droit, dont cinq construits par des associations soutenues par des crédits Claude. Plus de 60 connecteurs juridiques ont été ajoutés depuis mai, dont Bloomberg Law et Filevine, et Anthropic ouvre une liste d’attente pour son Legal Ambassadors Program.
Agents de code hors Copilot : Gemini CLI, Antigravity 2.28.0, Kimi Code 2.4.0, DeepSeek Harness et le benchmark ViBench 2.0 de Replit
Hors de GitHub, les agents de code du jour importent les sessions de leurs concurrents ou leur délèguent des tâches, et Replit publie un benchmark où l’agent construit un produit entier.
Gemini CLI se recentre sur les entreprises Gemini Code Assist et oriente vers Antigravity CLI et Gemini API CLI
28 octobre — Le README de Gemini CLI change de ton. Fusionnée dans la nuit, la PR 29995 remplace les trois avertissements précédents, dont ceux ajoutés le 16 octobre, par un encadré unique, « à lire avant d’installer », qui présente l’outil comme réservé aux entreprises sous Code Assist : licences Gemini Code Assist Standard et Enterprise, Code Assist for GitHub sur Google Cloud, plus les anciennes clés payantes de l’API Gemini et de Vertex AI. L’offre gratuite et les abonnements Google AI Pro et Ultra restent renvoyés vers Antigravity CLI depuis le 18 juin.
Le texte ajoute deux mises en garde : Gemini CLI n’est pas optimisé pour la série Gemini 4, Argon compris, ni pour les générations suivantes, et il ne doit pas servir à mesurer les modèles Gemini, son harnais donnant des scores non représentatifs. Un tableau oriente ensuite vers le bon outil :
| Outil en ligne de commande | Usage recommandé par le README |
|---|---|
Antigravity CLI (agy) | Coder avec Gemini 4 Argon et les suivants, offre gratuite, Google AI Pro et Ultra |
Gemini API CLI (gemini-api) | Accès direct d’un agent (agy, Claude Code, Codex), d’un script ou d’une CI aux modèles et aux médias |
Gemini CLI (gemini) | Organisations sous Gemini Code Assist |
Gemini API CLI, un binaire Go encore expérimental, en version 0.4.4 depuis le 23 octobre, n’avait jamais été présenté ici : le README le décrit comme une CLI d’API sans état, qui n’est pas un harnais de code. Côté versions, la version nocturne (nightly) du 28 octobre ne fait que reprendre les quatre correctifs de la préversion v0.67.0 publiée la veille.
🔗 La PR 29995 · Le dépôt de Gemini API CLI
Antigravity 2.28.0 ajoute un navigateur intégré, une visionneuse PDF et les pièces jointes de tout type
26 octobre — Rattrapage : l’application Antigravity 2.28.0 (19 améliorations, 15 correctifs) intègre un navigateur web. Les pages s’ouvrent dans un onglet du panneau latéral, élargi pour éviter les mises en page mobiles, les liens d’une conversation y arrivent par défaut, et la barre d’adresse affiche l’état de la connexion et le certificat du site. Les PDF s’ouvrent dans une visionneuse intégrée, et l’on peut joindre des fichiers de tout type (vidéos, fichiers de design, programmes) jusqu’à 20 Mo, que l’agent lit à leur emplacement. La version surligne aussi les mots et caractères modifiés dans les diffs, permet de rouvrir un onglet fermé et transmet le message de l’utilisateur aux hooks. Parmi les correctifs, les comptes d’entreprise sur macOS et Windows ne sont plus déconnectés au redémarrage. La CLI 1.4.0 et le SDK 0.1.22 ne changent pas.
Kimi Code 2.4.0 importe les sessions de Claude Code et de Codex et ne passe plus seul en mode Plan
28 octobre — Moonshot AI publie Kimi Code 2.4.0 (7 changements mineurs, 26 correctifs), sans annonce sur X. La nouveauté la plus visible vise ceux qui changent d’outil : /import-sessions, ou kimi import-sessions, récupère les sessions de Claude Code et de Codex des 15 ou 30 derniers jours. Le mode Plan ne démarre plus que sur demande de l’utilisateur, et aucun plan ne s’exécute sans relecture, y compris en mode Never Ask ou en exécution non interactive (kimi -p). Le composant Tower voit sa limite de concurrence par défaut passer de 16 à 256 agents, avec un modèle choisi à chaque lancement, et les sessions web et bureau inactives sont déchargées de la mémoire après 30 minutes. Pour les intégrateurs, l’API du serveur change : approbations et questions passent par une trame unique interaction, et les anciens points d’accès sont retirés.
🔗 Les notes de Kimi Code 2.4.0
DeepSeek publie Harness 0.2.2-alpha.2, qui peut confier des tâches aux CLI locales de Codex ou Claude, et la 0.2.1-rc.4
28 octobre — DeepSeek publie deux préversions de DeepSeek Harness, son environnement d’agents, les 33e et 34e sans version stable. La 0.2.1-rc.4 ne corrige qu’un défaut : en mode ACP, des diagnostics se mêlaient à la sortie standard. La 0.2.2-alpha.2 ouvre la série suivante avec plusieurs fonctions expérimentales : le plugin subagent_oar, qui confie des tâches indépendantes aux CLI de Codex ou de Claude installées sur la machine, des sessions dans des worktrees Git séparés avec l’état et les différences des pull requests liées, et un panneau de statistiques qui détaille tour par tour le contexte, le cache, le modèle et le temps passé dans chaque outil. L’interface est traduite en six langues, dont le français, les plugins tiers se mettent à jour avec retour à l’ancienne version en cas d’échec, et la limite par image passe à 50 Mio.
🔗 La préversion 0.2.2-alpha.2 · La préversion 0.2.1-rc.4
Replit publie ViBench 2.0, un benchmark où les agents construisent un produit entier fonctionnalité par fonctionnalité
28 octobre — Replit publie ViBench 2.0, un benchmark de développement au long cours (long-horizon), intégré au Specialized Intelligence Index (SII) de Fireworks. Au lieu d’une tâche bien définie dans une base de code existante, l’agent part d’un projet vide, construit une première version à partir d’une courte spécification, puis ajoute jusqu’à 18 fonctionnalités sur son propre code, pour des produits inspirés d’Uber, GitHub ou Google Docs. Le benchmark compte 17 produits, 241 demandes de fonctionnalités et 544 plans de test ; 8 produits sont publics sur GitHub, 9 restent secrets.
| Modèle évalué | Constructions réussies (pass@1) | Coût par construction |
|---|---|---|
| GPT-6.1 Sol | 65 % | environ 12 dollars |
| GPT-6 Astra | 60 % | environ 90 dollars |
| Claude Opus 5.5 | 49 % | — |
| DeepSeek V4.1 Flash | aucune, mais 77 % des plans de test réussis | environ 2,50 dollars |
Les trois premiers réussissent plus de 90 % de leurs plans de test, et les autres modèles plafonnent autour de 20 % de constructions réussies ou en dessous ; aucun modèle ouvert ne livre une construction complète. Sur les huit produits publics, GPT-6.1 Terra réussit 47 % des constructions pour environ la moitié du coût de GPT-6.1 Sol. Environ trois quarts des échecs des meilleurs modèles tiennent aux croisements de fonctionnalités. Opus 5.5 sert de correcteur ; Replit l’a éprouvé avec 34 bugs plantés et une recorrection par GPT-6.1 Sol, qui a confirmé 99,2 % des 477 réussites qu’il avait validées.
Plateformes pour développeurs : Responses API de Mistral et Connected Apps Platform de Google
Deux plateformes s’ouvrent aux développeurs : Mistral adopte le format de réponses d’OpenAI pour bâtir des agents, et Google propose un guichet unique pour publier des applications dans Search et Gemini.
Mistral lance la Responses API en préversion publique pour bâtir des agents
28 octobre — Mistral ouvre en préversion publique sa Responses API, pensée pour construire des agents. Chaque réponse sépare en éléments distincts le texte du modèle, son raisonnement et ses appels d’outils, ce qui évite à l’application de démêler ces étapes comme avec Chat Completions ; elle fonctionne avec tous les modèles de chat hébergés par Mistral, Mistral Large 4 compris. La documentation précise qu’il s’agit du format OpenAI Responses : une intégration Responses existante peut donc être portée vers Mistral. L’API est sans état (stateless) : l’application garde l’historique et le renvoie à chaque requête.
| Fonction de la préversion | Détail selon la documentation |
|---|---|
| Entrées acceptées | Texte, images (URL ou base64), fichiers (URL, base64, identifiant) |
| Sorties structurées | Mode JSON et JSON Schema via text.format |
| Outils | Fonctions exécutées côté client, espaces de noms compris |
| Raisonnement | reasoning.effort et raisonnement en clair selon le modèle |
| Comptage des tokens | POST /v1/responses/input_tokens |
L’API s’utilise avec les SDK Python et TypeScript de Mistral (client.responses.create), sans prix propre annoncé. Aucun billet de blog n’accompagne l’annonce, faite dans un fil sur X et une page de documentation.
🔗 Le fil de Mistral · La documentation
Google lance en préversion la Connected Apps Platform pour publier des applications dans Search et l’application Gemini
28 octobre — Google ouvre en préversion la Connected Apps Platform, un guichet unique pour que les développeurs branchent leurs services à la fois sur Google Search et sur l’application Gemini. L’intégration passe par un serveur MCP hébergé dans le cloud, ou par Android MCP via les API AppFunctions ; l’application est ensuite enregistrée, testée et soumise dans la Google Connected Console, où le développeur choisit, avant la revue, une publication dans Search, dans Gemini ou dans les deux. Une fois en ligne, la console suit le trafic, la latence et les taux d’erreur, et le développeur contrôle son identité de marque (logos vérifiés, comptes authentifiés). L’accès s’ouvre par phases, avec d’autres développeurs, marchés et produits Google prévus « dans les prochains mois ». Google revendique plus de 50 Connected Apps : Adobe, Experian, Localiza et Peloton sont déjà dans Gemini et arrivent dans Search dans les prochaines semaines, et une intégration Calm est annoncée.
Brèves
Agents et outils de code
- Microsoft Copilot SDK — Le GitHub Copilot SDK devient le Microsoft Copilot SDK, l’interface du harnais d’agent commun aux produits Microsoft et GitHub, avec une migration par étapes sans action requise ; Copilot CLI 1.0.105 passe en stable sans autre nouveauté que le correctif de sélection de Fusion High ou Max, déjà couvert. 🔗 source
- Artefacts dans les issues — Les issues GitHub accueillent en préversion publique des artefacts (plans en Markdown, liens, visualisations HTML interactives) avec historique de versions ; ceux d’une session de l’app GitHub y sont rattachés d’office, et la commande
gh issue artifactpermet aux agents de les gérer. 🔗 source - Les extensions Antigravity pour VS Code et Visual Studio ajoutent les commentaires de code pour l’agent et le contexte du terminal — Rattrapage du 25 octobre : l’extension VS Code 1.10.0 permet de commenter une ligne ou un diff pour l’agent, et l’extension Visual Studio 1.0.261026.0 joint au chat jusqu’à 8 Ko de sortie de terminal avec
@terminal. 🔗 source - Zed 1.26 et préversion 1.27 — La 1.26 passe en stable (Pyrefly intégré, débogage des sources WebAssembly) ; la préversion 1.27 retire les points de restauration de l’agent, qui le ralentissaient ou le bloquaient dans les grands dépôts Git, et exige désormais macOS 12. 🔗 source
- Orbs personnelles chez Amp — Six jours après leur lancement, les orbs auto-hébergées d’Amp s’ajoutent depuis les réglages personnels, sans espace de travail ni droits d’administrateur ; les fils créés dessus portent la mention Personal. 🔗 source
- Qwen Code v0.26.3 — La stable reprend la préversion de la veille avec une trentaine d’entrées inédites, dont un mode Workflow persistant par session ; la CLI dimensionne aussi par défaut à 1M tokens de contexte les identifiants de modèles
qwen4, sans autre indication sur un tel modèle. 🔗 source - Runway Dev dans Codex — Runway Dev devient un plugin de Codex : une installation suffit, selon Runway, pour que Codex intègre de lui-même l’API Runway dans une application ; le serveur MCP de Runway Dev existait déjà depuis septembre. 🔗 source
- Bricklane construit avec Manus — Manus met en avant Bricklane, qui transforme un lieu cher à un client en maquette de briques sur mesure (566 pièces et 13 étapes pour Villa de Verano) ; selon Manus, l’agent a construit le site, le paiement, le domaine, la vidéo et les publicités. Aucune nouveauté produit. 🔗 source
GitHub hors IA
- Dependabot et l’atteignabilité — En préversion gratuite sur GitHub Enterprise Cloud, CodeQL indique pour JavaScript et TypeScript si le code appelle réellement la fonction vulnérable d’une dépendance, sans jamais fermer d’alerte seul. 🔗 source
- Public monitoring — La surveillance des secrets d’une entreprise exposés n’importe où sur la partie publique de github.com passe en disponibilité générale, sans surcoût pour les clients GitHub Secret Protection. 🔗 source
- Runners Linux sur AWS — GitHub Actions répartit certains jobs Linux 2 et 4 cœurs entre Azure et AWS, automatiquement pour Free, Pro et Team, sur adhésion pour Enterprise Cloud ; GitHub recommande de mettre à jour les listes d’adresses IP autorisées. 🔗 source
- Fichiers de verrouillage des workflows — Les fichiers de verrouillage des dépendances de workflows GitHub Actions passent en disponibilité générale sur Enterprise Cloud, Team et Free, sans nouvelle fonction depuis la préversion du 14 octobre. 🔗 source
- Rôle Moderate — GitHub a annoncé en disponibilité générale un rôle Moderate pour modifier, transférer, masquer et verrouiller les issues sans accès au code, puis corrigé le jour même : il n’est pas encore disponible et arrivera dans les prochaines semaines. 🔗 source
- Limites de pull requests — Les mainteneurs qui plafonnent les pull requests des contributeurs sans droit d’écriture peuvent exempter les comptes assez anciens ou ceux qui ont déjà des pull requests fusionnées dans le dépôt. 🔗 source
Modèles, API et recherche ouverte
- DeepSeek V4.1 Flash et GLM 5.3 Flash chez Mistral — L’API Mistral sert DeepSeek V4.1 Flash 1017 en préversion publique, sans modification, avec 1M tokens de contexte, à 0,30 dollar par million de tokens en entrée et 1,20 en sortie, et passe GLM 5.3 Flash en disponibilité générale à prix inchangé, depuis l’Europe et les États-Unis. 🔗 source
- Voxtral Mini Transcribe 3 — Mistral relaie sa deuxième place sur neuf modèles au taux d’erreur de diarisation du classement Diarization + ASR de Voice Arena, devant le plus gros modèle de la même famille. 🔗 source
- Modération personnalisée chez SpaceXSI — Les notes de version de l’API officialisent le tableau
guidelines, qui demande à Grok de décliner les contenus des catégories nsfw, violence ou profanity, déjà apparu dans les SDK les 17 et 23 octobre. 🔗 source - Particle-1 — Particle, nouvelle société présentée par Suhail, lance un DeepSeek V4.1 Flash post-entraîné qui consomme en moyenne environ 45 % de tokens en moins, au même tarif, via son API ; Aravind Srinivas dit avoir travaillé avec l’équipe avant le lancement, sans intégration annoncée dans Perplexity. 🔗 source
- Tutoriel RAG de Perplexity — Perplexity publie un tutoriel en sept étapes pour construire un RAG en ligne de commande avec Python, ChromaDB, son modèle d’embeddings pplx-embed-v1-0.6b et GPT-5.6 Luna via l’Agent API ; aucune nouveauté produit. 🔗 source
- olmOCR 2 dans les archives — Ai2 présente deux usages de son modèle ouvert de reconnaissance de texte : un historien qui le fait tourner en local sur des milliers de photos d’archives, et l’équipe CENTURIA, qui l’a affiné sur 57 fiches de céramique romaine et fait tomber l’erreur de transcription de 15,58 % à 1,11 %. 🔗 source
- Project Pyrite — Dans un billet communautaire, un MoE de 31,8 milliards de paramètres, llm-jp-4-32b-a3b-base, passe de 59,06 à 9,81 Gio et tourne à 34 à 49 tokens par seconde sur un Mac M2 Pro de 16 Go, sans les boucles de répétition d’une quantification uniforme en 2 bits, selon l’auteur. 🔗 source
- My Name is Riemann — OpenPeerAI publie en préversion un modèle de 13,1 milliards de paramètres obtenu en agrandissant par paliers un modèle de 163 millions, sur matériel AMD ; les auteurs n’ont lancé aucun banc général et signalent eux-mêmes des erreurs de corpus. 🔗 source
- L2Loop — Yuxuan Zong propose de réexécuter certaines couches quantifiées tant qu’elles tiennent dans le cache L2 du GPU : sur RTX 5080, cette seconde passe coûte environ la moitié d’une couche neuve et réduit la perte de 0,05 à 0,08 à paramètres égaux, selon l’auteur. 🔗 source
- Jeux de données EEG — Un recensement communautaire du Hub de Hugging Face trouve 368 jeux de signaux cérébraux, dont 146 sans étiquette de licence, ce qui complique leur réutilisation. 🔗 source
Infrastructure
- Réparation automatique chez Together AI — Together AI détaille la réparation automatique des nœuds de ses GPU Clusters, lancée plus tôt dans l’année : contrôles de santé, réparation la plus légère avec preuves, consentement réglable jusqu’au code d’erreur Xid et attente des tâches en cours, 2 heures par défaut. 🔗 source
- CUDA 13.4 et Mission Control 2.5 — NVIDIA détaille le partage temporel de MPS à mémoire garantie de CUDA 13.4, automatisé sous Kubernetes par l’opérateur open source gpu-fractioning, et Mission Control 2.5, qui étend la reprise autonome aux charges Kubernetes de Run:ai. 🔗 CUDA 13.4 · 🔗 Mission Control 2.5
Image, vidéo et voix
- Kling et Minibots — Kling devient le partenaire technologique exclusif de Minibots, long métrage d’animation d’Evolutionary Films prévu pour 2027, avec Tony Bancroft, co-réalisateur de Mulan, au design des personnages ; un premier aperçu est réalisé avec Kling 4.0. 🔗 source
- Kling 4.0 sur Pika — Pika intègre Kling 4.0 : prises continues de 3 à 30 secondes avec son stéréo et dialogues synchronisés, jusqu’à 10 images clés ou 15 références, en 720p ou 1080p. 🔗 source
- Mini-apps de Luma — Luma regroupe huit mini-apps dans Luma Agents, dont Light Transfer, Virtual Try-On et Background Swap, qui modifient un seul élément d’un visuel, dès l’offre Plus à 30 dollars par mois. 🔗 source
- ElevenLabs et l’Asociación ELA — ElevenLabs s’associe à la principale association espagnole de lutte contre la SLA pour offrir gratuitement sa restauration vocale aux malades de toute l’Espagne. 🔗 source
Produits et entreprise
- Explorations immersives dans Gemini — Le hub étudiant de l’application Gemini propose des scènes interactives à explorer couche par couche, de la route de la soie à la physique de la foudre, pour tous en six langues dont le français ; une narration audio est annoncée sans date. 🔗 source
- Une heure d’audio dans Gemini Notebook — L’application mobile de Gemini Notebook enregistre jusqu’à une heure d’audio en direct, aussitôt utilisable comme source d’un carnet, pour tous les utilisateurs iOS et Android. 🔗 source
- Smart reports, enquêtes et budgets mutualisés sur Claude Enterprise — Trois outils d’administration passent en disponibilité générale : les smart reports, en bêta depuis septembre, qui montrent ce qu’une équipe fait de Claude et ce que cela coûte, les enquêtes intégrées et les budgets de groupe mutualisés, avec alertes à 50, 75, 95 et 100 %. 🔗 source
- IDC Quanta dans Claude — Le cabinet d’études IDC branche sa plateforme Quanta sur Claude par un connecteur MCP pour ses clients, dans l’application, Cowork et les compléments Office, avec la source IDC citée ; en interne, il dit avoir ramené une revue de code de cinq jours à environ 30 minutes. 🔗 source
- Legora et OpenAI — Dans une étude de cas d’OpenAI, la société suédoise de technologie juridique Legora ramène l’examen des accords de confidentialité d’environ 20 % à moins de 1 % de la capacité de son équipe juridique ; chez un client du Fortune 100, le délai de traitement des contrats baisse de 90 %. 🔗 source
- The future of the firm — Deuxième essai de la série d’OpenAI sur la prochaine économie : deux auteurs, qui écrivent en leur nom, imaginent l’IA sous, à côté ou entre les salariés dans l’organigramme ; ni produit ni chiffre. 🔗 source
Ce que ça signifie
Gemini 4 Carbon confirme un schéma qui s’installe : le modèle le plus puissant d’un laboratoire sort d’abord chez les défenseurs. Comme Argon fin septembre, Carbon passe par le Fairwind Program et par les tests volontaires du gouvernement américain avant d’arriver dans l’API, et Google publie des scores offensifs mesurés sans garde-fous, 54,8 % sur ExploitGym, à côté de chiffres de comportement : triche réussie à 0,0 % sur Terminal-Bench 4.0, aucune attaque réussie par injection de prompt indirecte chez Gray Swan. Le tarif est connu avant l’accès, pas la date. Le même jour, la sécurité du code change d’échelle : GitHub met un scanner agentique à la portée de tout un dépôt et détecte les failles propres aux applications d’IA, tandis que Replit propose une échelle pour noter l’environnement d’un agent en partant du principe que l’agent peut ne pas coopérer.
À Universe, GitHub ne vend plus un modèle mais un système. Fusion retire au développeur le choix du modèle, avec un argument chiffré : à deux points de Claude Code avec Opus 5.5 Max sur l’Artificial Analysis Coding Agent Index, pour environ moitié moins cher. Copilot Memory et Dreaming accumulent le contexte d’une session à l’autre, et les automatisations apprennent de leurs résultats. La facturation suit le mouvement : Copilot inclus dans GitHub Enterprise sans siège séparé, un forfait Actions exprimé en dollars et partagé avec les bacs à sable, des plafonds de crédits par automatisation. Octoverse donne l’ampleur du changement : plus de 40 % des pull requests commencent par un agent, et les dépôts de Claude Code et de Codex sont parmi ceux qui gagnent le plus de contributeurs.
Les agents circulent aussi de plus en plus d’un outil à l’autre. Kimi Code importe les sessions de Claude Code et de Codex, DeepSeek Harness délègue des tâches à leurs CLI, Fusion peut router vers Qwen3.8 Flash Next exécuté en local, Mistral adopte le format OpenAI Responses, et Gemini CLI renvoie lui-même vers Antigravity CLI et Gemini API CLI. MCP devient la prise commune : 26 connecteurs vérifiés chez GitHub, Suno dans Claude ou ChatGPT, ServiceNow dans la place de marché d’OpenAI, Search et Gemini via la Connected Apps Platform. ViBench 2.0 rappelle la limite actuelle : quand un agent construit un produit entier, aucun modèle ouvert ne va au bout, et les meilleurs échouent surtout aux croisements de fonctionnalités.
Côté recherche, la déclaration du comité de David Gross donne la juste mesure du résultat d’OpenAI : une étape importante vers une théorie quantique des champs rigoureuse, mais le confinement et le gap de masse restent ouverts, et rien ne sera publié avant la vérification de la formalisation Lean. Anthropic et Meta ouvrent leurs modèles à des institutions entières, sans montant publié. Dans la voix, NVIDIA publie un modèle ouvert qui égale presque Voxtral Small en n’activant qu’environ 4 milliards de paramètres, ElevenLabs améliore la brique invisible qui cale les mots sur le son, et HeyGen facture à la minute la transposition d’une performance vocale sur un avatar.
Sources
- Billet de Google DeepMind sur Gemini 4 Carbon
- Annonce de Gemini 4 Carbon sur X (@GoogleAI)
- Billet de Jay Parikh sur GitHub Universe 2026
- Génération d’images dans Copilot (GitHub)
- Replica (GitHub)
- Rapport Octoverse 2026
- Copilot inclus dans GitHub Enterprise
- Copilot Fusion (GitHub)
- Copilot Fusion et les modèles locaux (GitHub)
- Copilot dans JetBrains (GitHub)
- Expérience cloud de Copilot (GitHub)
- App GitHub Copilot à Universe (GitHub)
- Copilot dans VS Code à Universe (GitHub)
- Notes de VS Code 1.144
- Agent Merge (GitHub)
- GitHub intelligence : Copilot Memory, Dreaming et recherche de code
- Nouveaux outils et déclencheurs des Copilot Automations
- Automatisations partagées (GitHub)
- Automatisations qui s’auto-améliorent (GitHub)
- GitHub Agentic Workflows en disponibilité générale
- Connecteurs MCP vérifiés pour Copilot (GitHub)
- AI Scan des dépôts (GitHub)
- Code scanning des applications IA (GitHub)
- Push protection par classifieur (GitHub)
- Extension de sécurité de l’app Copilot (GitHub)
- Copilot code review Max et approbations (GitHub)
- Livre blanc Agent Habitat Architecture (Replit)
- Billet du CTO de Replit sur la sécurité des agents
- Annonce de SB-Box (Genspark)
- Page de présentation de SB-Box
- Annonce de Nemotron 3.5 Transcribe (NVIDIA)
- Nemotron 3.5 Transcribe sur Artificial Analysis (NVIDIA)
- Billet de NVIDIA sur Hugging Face
- Fiche de Nemotron 3.5 Transcribe
- Cue (ElevenLabs)
- Annonce de HeyGen Voice STS
- Page de HeyGen Voice
- Annonce de Suno MCP
- Page Suno MCP
- Déclaration du Yang-Mills Working Group (PDF)
- Déclaration sur le site du KITP
- AI for Science (Anthropic)
- Soutien de Meta à la recherche universitaire
- Annonce de Meta sur X
- Partenariat d’Anthropic avec la GSA
- OpenAI et ServiceNow
- Retell et OpenAI
- Crédits API des abonnés ChatGPT (aide d’OpenAI)
- Changelog de l’API d’OpenAI
- Notes de version de ChatGPT
- Annonce des messages texte avec son dot (@ChatGPT)
- Mode vocal de Perplexity (@AskPerplexity)
- Artefacts de Claude for Legal (Anthropic)
- PR 29995 de Gemini CLI
- Gemini API CLI
- Changelog d’Antigravity
- Kimi Code 2.4.0
- DeepSeek Harness 0.2.2-alpha.2
- DeepSeek Harness 0.2.1-rc.4
- ViBench 2.0 (Replit)
- Responses API de Mistral sur X
- Documentation de la Responses API de Mistral
- Connected Apps Platform (Google)
- Microsoft Copilot SDK (GitHub)
- Artefacts dans les issues (GitHub)
- Zed 1.27.0-pre
- Orbs personnelles (Amp)
- Qwen Code v0.26.3
- Runway Dev dans Codex
- Bricklane (Manus)
- Dependabot et l’atteignabilité (GitHub)
- Public monitoring en disponibilité générale (GitHub)
- Runners GitHub Actions multicloud
- Fichiers de verrouillage des workflows GitHub Actions
- Rôle Moderate (GitHub)
- Exemptions aux limites de pull requests (GitHub)
- DeepSeek V4.1 Flash 1017 sur l’API Mistral
- Voxtral Mini Transcribe 3 sur Voice Arena (Mistral)
- Notes de version de l’API SpaceXSI
- Particle-1
- Tutoriel RAG de Perplexity
- olmOCR 2 et les archives (Ai2)
- Project Pyrite
- My Name is Riemann (OpenPeerAI)
- L2Loop
- Jeux de données EEG sur Hugging Face
- Réparation automatique des GPU Clusters (Together AI)
- CUDA 13.4 et partage de GPU (NVIDIA)
- Mission Control 2.5 (NVIDIA)
- Kling et Minibots
- Kling 4.0 sur Pika
- Mini-apps de Luma
- ElevenLabs et l’Asociación ELA
- Explorations immersives dans Gemini (Google)
- Enregistrement audio dans Gemini Notebook
- Smart reports, enquêtes et budgets mutualisés (Anthropic)
- IDC Quanta dans Claude (Anthropic)
- Legora et OpenAI
- The future of the firm (OpenAI)