Mistral publie les poids de Mistral Large 4, Cohere vise 7 milliards de dollars canadiens, OpenAI détaille sa surveillance du désalignement

Mistral publie les poids de Mistral Large 4, un MoE multimodal d’environ 1 000 milliards de paramètres amélioré par trois semaines d’apprentissage par renforcement depuis la préversion du 6 octobre, sous une licence MIT modifiée et à 0,70 dollar par million de tokens en entrée. Cohere annonce la première clôture d’une série E qui vise jusqu’à 7 milliards de dollars canadiens, OpenAI décrit le système qui surveille désormais tous ses entraînements par renforcement de pointe, et Pika lance H3 Flex, un modèle vidéo et audio à poids ouverts. Côté produits, les applications Claude passent à 33 langues et à CarPlay, Gemini modifie les fichiers dans la conversation, et Amp donne un Mac à ses agents.

Mistral publie les poids de Mistral Large 4 (Le Chonk), amélioré par trois semaines d’apprentissage par renforcement

29 octobre — Mistral tient la promesse faite lors de la préversion du 6 octobre : les poids de Mistral Large 4, surnommé « Le Chonk », sont sur Hugging Face. Ce n’est pas tout à fait le modèle d’il y a trois semaines. Mistral a poursuivi l’apprentissage par renforcement (reinforcement learning) pendant trois semaines, sans signe de saturation selon lui, avec à la clé un raisonnement plus efficace et trois modes au choix, low, medium et high (par défaut), low remplaçant l’ancien mode sans raisonnement.

L’architecture ne change pas : un mélange d’experts (MoE) nativement multimodal d’environ 1 000 milliards de paramètres (1T), dont 49 milliards actifs par token (52 milliards avec les couches d’entrée et de sortie), 128 experts routés dont 4 actifs plus un expert partagé, une fenêtre de 1M tokens, du texte et des images en entrée. Le modèle a été entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell, dans les centres de données de Mistral en Europe, et couvre plus de 160 langues, dont toutes les langues officielles de l’Union européenne.

Les chiffres ci-dessous sont ceux que Mistral donne en toutes lettres dans son billet et sur sa fiche Hugging Face ; les scores des concurrents n’y figurent que dans des graphiques.

Benchmark cité par Mistral	Mistral Large 4 (29 octobre)	Préversion ou repère
FrontierCode 2.0 (Cognition)	19,7 %, 1er des modèles ouverts	8,8 % pour la préversion (billet de Cognition, 27/10)
Terminal-Bench 4.0	41 %	+13 points, 30 % de tokens de sortie en moins
AA Coding Agent Index	48 %	à égalité avec GLM-5.3, 47 % de tokens en moins
AA Intelligence Index v5	26	meilleur modèle ouvert occidental
AA Cyber Index	51 %	—
Refus de requêtes cyber malveillantes	96,6 % en moyenne	le plus haut mesuré par Mistral parmi les ouverts
B3 Agent Security Benchmark	97,1 % d’attaques contenues	93,3 % pour la préversion
BrowseComp	84,5 %	75 % au point de départ affiné (SFT)
Finch (FinWorkBench)	73,3 %	2e des modèles ouverts, derrière Kimi K3

Mistral reconnaît lui-même que les meilleurs modèles ouverts chinois font mieux sur l’Intelligence Index agrégé. Dans les évaluations humaines à l’aveugle de Surge Code, le modèle est préféré à GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash, et ne cède qu’à Claude Opus 5.5.

La cybersécurité occupe la moitié du billet, avec les témoignages de CrowdStrike, Cloudflare, Zscaler, Cisco, Fortinet ou de l’ENISA. Mistral s’y montre prudent : depuis la préversion, il surveille l’usage cyber de son trafic, et si le modèle refusait bien les attaques en boîte noire contre des cibles réelles, Mistral y voit tout de même un potentiel de gain réel pour des attaquants (uplift). Ses garde-fous sont donc modifiés, d’autres mises à jour suivront dans les prochains mois, et une variante spécialisée pour les tests d’intrusion et les attaques simulées (red teaming) reste réservée à des partenaires vérifiés sous contrat, comme Orange Cyberdefense.

Le modèle sort sous la Mistral Ecosystem Open-Weight License, une licence MIT modifiée : usage, modification, affinage et commercialisation sont libres, à une condition près, une licence commerciale séparée pour proposer le modèle en service (Model-as-a-Service). Il se sert avec vLLM (recommandé), SGLang, transformers ou llama.cpp, existe en NVFP4 pour les GPU Blackwell, et embarque une tête de décodage spéculatif DSpark qui augmente le débit jusqu’à 1,9 fois selon Mistral, un gain qui varie avec le matériel et la charge. On le trouve dans Mistral Studio, sur l’API Mistral, OpenRouter, Vibe Code, Microsoft Foundry, qui se présente comme le premier fournisseur cloud à le proposer, et via NVIDIA NIM. Le rapport technique complet est annoncé, sans date.

Type de tarif (par million de tokens)	Tarif au 29 octobre	Préversion du 6 octobre
Entrée	0,70 dollar	1,36 dollar, barré et divisé par deux (0,68)
Entrée en cache	0,07 dollar	—
Sortie	2,10 dollars	4,18 dollars, barré et divisé par deux (2,09)

Le tarif définitif reprend donc à peu près le prix divisé par deux que la fiche de la préversion affichait, soit environ la moitié de son prix de référence.

🔗 Le billet de Mistral · La fiche du modèle sur Hugging Face

Hugging Face prend en charge Mistral Large 4 dès sa sortie dans Transformers v5.22.0 et TRL v1.17.0

29 octobre — Hugging Face accompagne la sortie par une prise en charge immédiate. Transformers v5.22.0, publiée à 14 h 15 UTC, est entièrement consacrée à Mistral Large 4, avec un changement cassant : la logique de parallélisme d’experts passe dans son propre fichier. Le billet de l’équipe détaille l’architecture (72 couches, attention MLA avec indexeur DeepSeek Sparse Attention, motif 3:1 entre couches RoPE et NoPE, encodeur de vision Pixtral de 1,6 milliard de paramètres) et les deux variantes officielles, FP8 et NVFP4, complétées par des GGUF d’Unsloth et de l’équipe llama.cpp. vLLM et llama.cpp suivent dès le premier jour, et le modèle se déploie aussi par Inference Endpoints, l’inférence sans serveur (serverless) et le Dell Enterprise Hub.

Côté entraînement, TRL v1.17.0 affine ce modèle de 1 000 milliards de paramètres par LoRA sur un seul nœud de 8 GPU B300, directement à partir des poids FP8 : 32 700 tokens par pas en environ 8 secondes, pour 142 Gio par GPU. La même version corrige un biais discret de l’apprentissage par renforcement avec vLLM, qui normalisait ses probabilités après filtrage alors que l’entraîneur le faisait sur tout le vocabulaire : avec top_p=0.9, le ratio d’échantillonnage d’importance tombait vers 1e-4 au lieu de 1. À noter : le billet de Hugging Face reprend des scores attribués à Mistral qui diffèrent de ceux du billet de lancement (28,3 % sur Terminal-Bench 4, contre 41 %) ; le tableau ci-dessus suit le billet de Mistral.

🔗 Le billet de Hugging Face · Transformers v5.22.0 · TRL v1.17.0

Cohere annonce la première clôture de sa série E, qui vise jusqu’à 7 milliards de dollars canadiens

29 octobre — Cohere annonce la première clôture (initial close) de sa série E. Le tour vise jusqu’à 7 milliards de dollars canadiens, pour une valorisation de 35,7 milliards de dollars canadiens, un chiffre qui ne figure que dans le tweet épinglé de l’entreprise, pas dans son billet. Cohere ne dit pas combien a été réuni à cette première étape : les 7 milliards sont un objectif, pas un montant encaissé.

We’re proud to announce the initial close of our Series E, targeting up to CAD $7 billion at a CAD $35.7 billion valuation; marking the largest private financing round in Canadian startup history.

🇫🇷 Nous sommes fiers d’annoncer la première clôture de notre série E, qui vise jusqu’à 7 milliards de dollars canadiens pour une valorisation de 35,7 milliards de dollars canadiens, ce qui en fait le plus gros tour de financement privé de l’histoire des startups canadiennes. — @cohere sur X

Le billet signé par les trois cofondateurs, Nicholas Frosst, Ivan Zhang et Aidan Gomez, détaille le tour de table :

Élément du tour	Valeur annoncée
Étape	Première clôture
Objectif	Jusqu’à 7 milliards de dollars canadiens
Valorisation (tweet seulement)	35,7 milliards de dollars canadiens
Montant réuni à ce jour	Non communiqué
Chef de file	Schwarz Group
Autres investisseurs cités	Bell Ventures, Bullhound Capital, Inovia Capital, NVIDIA, Prosperity7 Ventures, gouvernement du Canada

Schwarz Group était déjà cité en avril, lors du rapprochement avec Aleph Alpha, pour 600 millions de dollars américains apportés à cette série E ; en septembre, un reportage de CNN relayé par Cohere estimait sa valorisation à 7 milliards de dollars. Le Premier ministre canadien Mark Carney a salué l’annonce dans un message relayé par Cohere.

Le billet sert surtout de manifeste. Cohere veut devenir une entreprise de frontière hors des États-Unis et de la Chine, et récuse ce qu’il appelle le fatalisme de la frontière (frontier fatalism), l’idée que le monde devrait louer son intelligence à deux pays et à une poignée d’entreprises. Il avance un chiffre : plus tôt cette année, plus de 70 % des tokens de modèles ouverts servis via OpenRouter venaient de modèles chinois, contre 3 % quatorze mois plus tôt. Sa thèse est que la frontière est dentelée (jagged) et qu’on peut mener sur des domaines précis, comme la cyberdéfense : AISLE, que Cohere est en train de racheter, a identifié plus de 500 CVE en un an et 18 des 24 vulnérabilités corrigées dans la version d’octobre de curl.

Pour les douze prochains mois, Cohere annonce quatre chantiers, sans date : finaliser le rapprochement avec Aleph Alpha et le rachat d’AISLE, lancer Cohere Cyber pour les environnements isolés et classifiés, publier une nouvelle génération de modèles et commencer un entraînement à l’échelle de la frontière avec des partenaires alliés. Les fonds doivent aussi porter North, sa plateforme indépendante du modèle, déployable dans le cloud du client, dans son centre de données ou en réseau isolé.

🔗 Le billet des cofondateurs de Cohere

Cognition rachète Corridor pour renforcer Devin Security

29 octobre — Cognition annonce le rachat de Corridor, une jeune pousse de sécurité logicielle fondée il y a presque deux ans par Jack Cable et Ashwin Ramaswami. Dans un billet daté du 28 octobre sur le blog de Cognition, mais annoncé sur X le 29, les deux cofondateurs expliquent que Corridor, qui se présentait comme la couche de sécurité des équipes nativement IA, rejoint l’éditeur de Devin pour porter Devin Security plus loin. Ils y retrouvent Russell Kaplan, président de Cognition et l’un des premiers conseillers de Corridor, Alex Stamos, directeur de la sécurité de Cognition, avec qui ils retravailleront, et Steven Hao, son CTO.

Le billet place l’opération sous le signe de l’urgence : selon les fondateurs, les agents d’IA savent désormais enchaîner une attaque de bout en bout, et les 6 à 12 prochains mois seront la période la plus décisive de l’histoire de la cybersécurité. Ni le montant ni les conditions ne sont communiqués, pas plus que le sort du produit Corridor et de ses clients. Le rachat prolonge l’offensive de Cognition dans la sécurité, trois jours après la relance de Devin Security avec des analyses approfondies sur Claude Mythos.

🔗 Le billet de Corridor · L’annonce de Cognition sur X

OpenAI détaille son système de surveillance du désalignement, étendu à tous ses entraînements RL de pointe depuis l’incident Hugging Face

29 octobre — OpenAI décrit le système qui surveille le comportement désaligné (misaligned behavior) de ses modèles, et commence par un aveu : l’incident Hugging Face a démarré pendant des évaluations internes de cybersécurité sur lesquelles ces moniteurs ne tournaient pas. Depuis, la couverture s’étend à l’entraînement, aux évaluations, à l’usage interne et, sous une forme adaptée, au déploiement externe. Pour les modèles au moins aussi capables que GPT-6 Astra, chaque exécution d’apprentissage par renforcement (RL), chaque évaluation et chaque harnais avec outils sont surveillés, de même que tout le trafic Codex interne, quel que soit le modèle.

Today, we’re sharing a look at our expanded system for monitoring frontier models at OpenAI, which in September helped us catch a model’s attempt to access the live internet during training.

🇫🇷 Aujourd’hui, nous donnons un aperçu de notre système élargi de surveillance des modèles de pointe chez OpenAI, qui nous a aidés en septembre à repérer la tentative d’un modèle d’accéder à l’Internet réel pendant son entraînement. — @OpenAI sur X

Le système empile quatre couches, de la moins coûteuse à la plus approfondie ; le RL de pointe et le trafic Codex interne sautent la première.

Couche de surveillance	Rôle dans le système
L0, sondes d’activation (activation probes)	Repèrent des motifs suspects dans les activations internes ; 5 % du trafic non signalé, tiré au hasard, passe quand même à la suivante
L1, relecteur à base de modèle	Examine conversation, chaîne de pensée et appels d’outils à chaque fin de tour et à chaque résumé du contexte
L2, agents investigateurs	Un agent sécurité et un agent alignement relisent toutes les fenêtres de contexte et exécutent du code en environnement isolé
L3, investigation automatisée	Confronte la transcription aux journaux réseau et à la télémétrie pour les charges sensibles (Codex interne, évaluations, RL)

Pour la couche L1, OpenAI est en train de passer à un contrôle au plus toutes les 30 minutes. Les chiffres avancés :

Mesure publiée par OpenAI	Valeur annoncée
Alerte au rejeu de l’incident Hugging Face	environ 30 minutes après la sortie du bac à sable
Avance sur l’intrusion réelle chez Hugging Face	plus de 30 heures
Tentative d’accès à Internet par DNS en septembre	signalée en 15 minutes, examen humain 3 minutes plus tard
Délai typique des alertes les plus prioritaires	environ 15 minutes

Le billet reconnaît aussi ses limites. Les fausses alertes empêchent de garder l’astreinte (paging) active en permanence : elle l’est à toute heure pour le RL de pointe, aux heures ouvrées pour la plupart des autres charges, et pas du tout pour le trafic Codex interne. OpenAI vise une mise en pause automatique quand une alerte de plus haute priorité n’est pas écartée dans les 30 minutes qui suivent l’appel d’un humain. Sur les failles relevées par METR et Redwood Research lors de leur mise à l’épreuve de juillet, l’essentiel est corrigé, mais une correction reste en cours.

Deux choix de conception méritent l’attention. Un échantillon d’entraînement qui déclenche un moniteur garde sa récompense, pour ne pas apprendre au modèle à cacher ses écarts dans sa chaîne de pensée ; OpenAI note que des modèles plus avancés, dont Astra, contrôlent déjà mieux ce que cette chaîne révèle. Et parmi les modèles testés comme moniteurs, GPT-5.6 Sol attrape nettement plus de cas que GPT-5.6 Terra ou Luna, en partie, selon OpenAI, parce que le prompt de surveillance a été optimisé pour lui.

À l’extérieur, une version du système surveille certains déploiements des modèles au-dessus du seuil Critical en cybersécurité, comme Astra, sans faire remonter systématiquement les cas à des humains d’OpenAI : la conversation peut être mise en pause automatiquement, les entreprises peuvent recevoir des alertes par webhook, et la rétention zéro des données est respectée. Cette surveillance couvre les requêtes de la Responses API avec outils, pas Chat Completions.

🔗 Le billet d’OpenAI

OpenAI réorganise son Model Spec autour de cinq valeurs et retire l’essentiel de ses consignes de style

29 octobre — Le même jour, OpenAI publie une nouvelle version de son Model Spec, le texte public qui décrit comment ses modèles doivent se comporter. Les consignes sont regroupées autour de cinq valeurs : la fidélité à l’intention humaine (faithfulness to human intent), la réduction des préjudices, l’honnêteté et la transparence, le soutien à l’agentivité humaine (human agency), c’est-à-dire la capacité des personnes à comprendre, choisir et agir par elles-mêmes, et l’attention portée aux personnes (care). OpenAI justifie ce choix par l’autonomie croissante des modèles : plus leurs tâches s’allongent, plus leurs décisions s’éloignent de ce qu’un humain a explicitement demandé.

La fidélité à l’intention devient le socle, avec une nouvelle section inspirée des jeux d’assistance (assistance games) : les instructions restent le signal le plus clair, mais le modèle doit tenir compte du contexte, des conversations précédentes et des mémoires, et rendre visibles les hypothèses qu’il en tire. Elle intègre une chaîne de commandement (chain of command) mise à jour entre OpenAI, les développeurs et les utilisateurs. De nouvelles consignes portent sur l’agentivité humaine, le respect des normes sociales et la maîtrise des effets de bord d’une action. En sens inverse, OpenAI retire la plupart des consignes de style détaillées, le style devant suivre les préférences de chacun, et le Spec ne parle plus de « l’assistant » mais de « GPT ». OpenAI précise que ses modèles ne reflètent pas encore entièrement ce texte et promet, pour de futures mises à jour, des méthodes d’entraînement qui leur feront apprendre ces valeurs.

🔗 Le billet d’OpenAI sur le Model Spec · Le fil de Jason Wolfe

Anthropic entraîne Claude à signaler lui-même les usages abusifs de ses conversations

29 octobre — Anthropic ouvre un nouveau blog, Safeguards, et met en avant à cette occasion un billet daté du 16 octobre sur l’auto-évaluation (self-assessment), une technique qui fait de Claude son propre moniteur d’abus. Juste après chaque réponse, une courte consigne système lui demande d’évaluer la sécurité de la conversation, et Claude répond par un petit JSON : conversation signalée ou non, raison, catégorie et sous-politique, refus ou non, priorité de 1 à 10 pour la revue humaine. Ces deux tours restent invisibles pour l’utilisateur et ne sont pas repris dans la suite de l’échange.

Because Claude has already read the conversation, self-assessment is very efficient. And unlike classifiers, which target a discrete set of harms, it draws on Claude’s own judgment, so it gets more accurate as our models improve.

🇫🇷 Comme Claude a déjà lu la conversation, l’auto-évaluation est très efficace. Et contrairement aux classifieurs, qui visent un ensemble fermé de préjudices, elle s’appuie sur le jugement propre de Claude, si bien qu’elle gagne en précision à mesure que nos modèles progressent. — @AnthropicAI sur X

L’évaluation coûte peu : la conversation est déjà dans le cache KV et Claude génère une dizaine de tokens, soit moins de 2 % de calcul d’inférence en plus selon Anthropic, qui ne le facture pas. Elle tourne depuis juin, comme moniteur hors ligne qui ne bloque rien, dans tous les modèles sortis depuis Fable 5, sauf sur le trafic couvert par un accord de rétention zéro.

Mesure publiée par Anthropic	Valeur annoncée
Rappel sur Claude Fable 5, à 1 % de faux positifs	78 % des conversations signalées par le classifieur de référence
Rappel sur les conversations prioritaires (7 et plus)	94 %
Rappel selon la taille du modèle (affinage seul)	d’environ 16 % à environ 96 %
Succès d’attaques cyber, sans protection	79 % (19 sur 24)
Succès avec l’auto-évaluation en blocage	54 % (13 sur 24)
Succès avec un classifieur à prompt dédié	25 % (6 sur 24)

Le classifieur de référence est un classifieur à prompt bâti sur Claude Mythos Preview, avec toutes les politiques internes. En production, l’auto-évaluation a fait remonter en août plus de 100 000 signalements d’abus sexuels sur mineurs venant d’un seul client API, transmis au NCMEC, et en septembre une arnaque sentimentale automatisée bâtie avec Claude Code, dont les comptes ont été bannis après revue humaine ; plus de la moitié des organisations repérées n’avaient été signalées par aucune autre source le mois précédent. Anthropic en fixe aussi les limites : elle ne voit pas toutes les conversations nuisibles, n’est pas robuste face à un attaquant qui la vise, hérite des angles morts du classifieur qui l’a entraînée et ne surveille pas encore de façon fiable la conduite de Claude lui-même.

🔗 Le billet du blog Safeguards

Pika lance Pika H3 Flex, un modèle vidéo et audio à poids ouverts post-entraîné sur MiniMax H3

29 octobre — Pika lance Pika H3 Flex, un modèle de génération vidéo avec son synchronisé, post-entraîné sur MiniMax H3 et publié en poids ouverts dès le premier jour. Pika le présente comme un outil d’itération professionnelle : produire vite un premier jet, puis retoucher, remplacer et finir le plan retenu. Pour le construire, l’équipe a affiné H3 sur un jeu de données audio-vidéo interne, l’a distillé de 50 à 6 étapes de débruitage, puis l’a aligné sur les préférences humaines par apprentissage par récompense, avec deux adaptateurs fusionnés en un seul LoRA, sans étape de génération supplémentaire.

Le modèle couvre le texte vers vidéo, l’image vers vidéo (première et dernière image), la vidéo guidée par des références et l’édition (décor, objet, personnage, transfert de mouvement). Il accepte jusqu’à 12 références, dont 9 images, 3 vidéos et 3 extraits audio au plus, et génère nativement en 480p ou 768p, de 5 à 15 secondes, à 24 images par seconde, avec un son stéréo à 32 kHz. Un suréchantillonneur (upsampler) maison finit ensuite le plan en 1080p, 2K ou 4K. Pika met aussi en avant l’export de cinq pistes audio séparées (dialogues, musique, effets, bruitages, ambiance), qu’il présente comme une première pour un modèle vidéo.

Côté vitesse, Pika annonce un clip de 15 secondes à 768p avec bande-son produit en 7 secondes seulement, mais son astérisque précise qu’il s’agit du seul calcul du transformeur de diffusion (DiT), dans un banc contrôlé, et non du délai complet d’une requête ; sur cette même mesure, Flex serait 1,8 fois plus rapide que H3 Max en moyenne. Le billet technique donne aussi une latence de bout en bout : 2,129 secondes au lieu de 3,409 pour un clip de 5 secondes à 768p sur huit GPU B300, soit 1,6 fois plus vite.

Pika classe Flex 7e au général et 1er des modèles à poids ouverts du classement texte vers vidéo de DesignArena au moment du lancement, devant MiniMax H3, H3 Max et Seedance 2.5, un classement impossible à vérifier au moment de la rédaction, la page de DesignArena renvoyant une erreur. Dans ses propres évaluations à 768p face à MiniMax H3, Fal H3 Max et HeyGen Video, Flex obtient les meilleurs scores sur les cinq métriques visuelles et audio ; les juges humains le préfèrent pour l’anatomie, la composition et la synchronisation du son, mais d’autres modèles restent devant en physique, en narration sur plusieurs scènes, en éclairage et en scènes d’action.

Le modèle est disponible dès maintenant par l’API de Pika (Pika API Club), ComfyUI et Diffusers, et arrivera dans l’outil de création de Pika le 2 novembre. Le tarif se compte par seconde de vidéo produite :

Résolution de sortie	Lancement, texte ou image	Prix normal, texte ou image	Lancement, référence vidéo
480p	0,01 dollar	0,02 dollar	0,03 dollar
768p	0,02 dollar	0,04 dollar	0,06 dollar
1080p	0,035 dollar	0,07 dollar	0,075 dollar
2K	0,04 dollar	0,08 dollar	0,08 dollar
4K	0,08 dollar	0,16 dollar	0,10 dollar

Avec une référence vidéo, les secondes d’entrée sont facturées au même tarif que la sortie ; les références image et audio sont gratuites, et les pistes séparées coûtent 0,001 dollar la seconde. Les membres du Pika API Club reçoivent 15 générations gratuites par jour jusqu’au 5 novembre. Les poids, sous la licence communautaire de MiniMax H3, sont sur Hugging Face et le code sur GitHub ; ils couvrent la génération en 480p et 768p, tandis que la finition en 4K, la séparation des pistes et l’amélioration des prompts restent réservées au service hébergé. Pika promet d’ouvrir aussi son suréchantillonneur, sans date.

🔗 Le fil de Pika · Le billet de lancement · Le billet technique · Les poids sur Hugging Face

ElevenLabs lance SFX v3, son nouveau modèle d’effets sonores qui suit plusieurs consignes dans un même prompt

29 octobre — ElevenLabs lance SFX v3, la nouvelle version de son modèle d’effets sonores générés à partir d’un texte. Le modèle promet des sons plus riches et plus précis, une meilleure prise en charge de la musique et des voix, et surtout le respect de plusieurs consignes dans un même prompt : décrire une foule qui acclame, un ballon qui tombe, puis une foule qui hue suffit pour obtenir la séquence dans l’ordre. Il est proposé dans ElevenCreative (flows, onglet Sound Effects, Studio, éditeur de musique), dans l’application mobile et dans l’API.

La documentation nuance cette disponibilité : côté API, eleven_text_to_sound_v3 est en accès limité, peut manquer dans certaines régions (un compte sans accès reçoit une erreur Unknown model), et la v2 reste le modèle par défaut. Elle signale aussi moins de saturation sur les sons aigus comme les gongs ou les sifflets, et la génération de boucles. ElevenLabs ne publie ni tarif ni mesure comparative.

🔗 Le fil d’ElevenLabs · La documentation des modèles

Ideogram ajoute une fenêtre de contexte à Precise Edit pour retoucher des images jusqu’à 8K

29 octobre — Ideogram ajoute une fenêtre de contexte (context window) à Precise Edit, son outil de retouche localisée. Jusqu’ici, éditer une grande image obligeait à la réduire, puis à recoller le résultat. Désormais, une zone jusqu’à 2K est retouchée à ses pixels d’origine dans une image allant jusqu’à 8K, sans raccord ni artefact, tout le reste restant intact : un visuel 4K ressort en 4K, et non plus en 2K. La fonction est disponible dans l’application, dans l’API et chez huit partenaires, dont Runway, fal, Luma et ComfyUI, avec quatre niveaux de qualité de 0,8 à 22 cents par retouche, les mêmes bornes que les modes d’Ideogram 4.5, couverts ici le 16 octobre.

🔗 Le fil d’Ideogram · La page de Precise Edit

Assistants : multicompte et CarPlay pour Claude, fichiers modifiables et avatars partagés dans Gemini, Kimi branché sur Gmail, Drive et Calendar

Anthropic, Google et Moonshot AI enrichissent le même jour leurs assistants grand public, sur mobile comme sur le web.

Les applications mobiles Claude gagnent le multicompte, CarPlay et 24 langues supplémentaires

29 octobre — Anthropic détaille dans un fil @claudeai plusieurs améliorations des applications Claude arrivées cette semaine, sans billet ni note de version.

Plateforme concernée	Nouveauté annoncée
iOS et Android	Plusieurs comptes connectés, bascule sans déconnexion
iPhone	Mode vocal avec Apple CarPlay
Web, bureau, iOS et Android	24 langues de plus, 33 au total, dont le bengali, le swahili, le thaï, l’ukrainien et le vietnamien
iOS et Android	Mode vocal plus réactif, meilleure écoute dans le bruit, voix plus naturelle hors anglais, plus de téléphones Android
iPad et iPhone Duo	Créations de Claude ouvertes à côté de la conversation, plein écran à la demande
Chromebooks, Googlebooks et pliables	Application Android en mode ordinateur portable : barre latérale redimensionnable, pavé tactile, clic droit, raccourcis de Claude Desktop

Le multicompte permet de séparer un compte personnel et un compte professionnel sans se reconnecter, et CarPlay sert à interroger Claude en conduisant, les mains sur le volant. Une recherche par geste vers le bas sur iPhone et iPad, pour retrouver une conversation, un projet ou un réglage, est annoncée pour bientôt, sans date.

🔗 Le fil de Claude sur X

L’application Gemini permet de générer, prévisualiser et modifier documents, PDF, présentations et tableurs directement dans le chat

29 octobre — L’application Gemini sait désormais générer, prévisualiser et modifier des fichiers sans quitter la conversation : documents, PDF, présentations, tableurs ou code. Le fichier produit s’ouvre dans le chat ; on peut passer en plein écran pour corriger soi-même le texte, surligner un passage pour poser une question, ou demander à Gemini de réécrire une section, texte comme visuels. Google l’illustre avec des notes de cours manuscrites transformées en guide d’étude PDF, puis ajustées à la main. La nouveauté est ouverte à tous les utilisateurs, dans toutes les langues de l’application, mais pas sur toutes les plateformes :

Format de fichier	Plateformes prises en charge
PDF	Web et mobile
Google Docs, Google Sheets, présentations	Web seulement
Markdown, TXT, code	Web seulement

🔗 Le billet de Google

L’application Gemini permet de partager son avatar avec d’autres utilisateurs pour les faire figurer dans des images et des vidéos

29 octobre — L’avatar de Gemini, apparu cet été pour les images Nano Banana, devient partageable. Chacun enregistre son visage et sa voix sur téléphone ou tablette, puis autorise des proches, par leur adresse Gmail, à l’utiliser : ils l’appellent dans un prompt par son nom d’utilisateur Google (@nom) pour créer une image avec Nano Banana ou une vidéo avec Gemini Omni où tout le monde apparaît, avec un personnage et une voix qui restent cohérents. Le destinataire accepte ou refuse l’invitation ; le propriétaire voit qui a accès, fixe des dates d’expiration et retire un accès à tout moment, un retrait empêchant de nouvelles créations sans effacer celles déjà faites. L’accès reste encadré : 18 ans et plus, compte Google personnel, anglais uniquement, rien dans l’Espace économique européen, en Suisse ni au Royaume-Uni, et un forfait Google AI pour les vidéos avec son propre avatar.

🔗 L’annonce de Gemini sur X · La page d’aide de Google

Kimi se connecte à Gmail, Google Drive et Google Calendar

29 octobre — Moonshot AI branche Kimi sur trois services de Google : Gmail, Google Drive et Google Calendar. L’assistant peut résumer des fils de discussion, retrouver un fichier dans Drive ou organiser la journée à partir de l’agenda, avec un accès OAuth que l’utilisateur accorde et contrôle. Les trois connecteurs s’installent depuis la page des plugins de Kimi, où ils rejoignent Outlook et des outils de documents (PDF, Excel, Word). Moonshot ne précise ni la portée des autorisations demandées, lecture seule ou accès complet à la boîte, ni la formule nécessaire, ni le prix, et l’annonce ne mentionne pas l’envoi de messages.

🔗 L’annonce de Kimi sur X · La page des plugins de Kimi

OpenAI double l’usage de Work et Codex des forfaits Pro 100 et Pro 500 et renonce à réduire celui de Pro 200

29 octobre — OpenAI augmente l’usage de Work et de Codex inclus dans ses forfaits les plus chers. Selon les notes de version de ChatGPT, Pro 100 et Pro 500 disposent désormais de deux fois leur allocation précédente. Pour Pro 200, OpenAI fait marche arrière : la réduction annoncée par e-mail le 29 septembre, au lancement de Pro 500, est annulée. Ceux qui avaient gardé l’ancienne allocation la conservent, et ceux qui étaient passés à l’allocation réduite la voient doubler, ce qui les ramène au même niveau.

Forfait concerné	Changement au 29 octobre
Pro 100	Allocation de Work et Codex doublée
Pro 500	Allocation de Work et Codex doublée
Pro 200	Réduction du 29 septembre annulée, allocation réduite doublée
Business Premium	Hausse sans chiffre dans les notes, doublement selon @thsottiaux
Dots	Limites étendues maintenues pour l’instant, usage toujours décompté à part

Le message de @thsottiaux, reposté par @OpenAI, parle en effet d’un doublement de toutes les limites des paliers Pro et de Business Premium, effectif le jour même, quand les notes de version restent sans chiffre pour Business Premium.

🔗 Les notes de version de ChatGPT · Le message de @thsottiaux

Plateformes pour entreprises et développeurs : Sakana API Platform en accès anticipé, Perplexity Enterprise certifié FedRAMP Moderate et niveau ultra-preview de l’Agent API

Trois annonces visent les déploiements professionnels : une API de gestion pour les entreprises au Japon, une certification pour les administrations américaines et de nouveaux réglages pour les agents de recherche.

Sakana AI ouvre l’accès anticipé à Sakana API Platform, une API compatible OpenAI avec gestion pour les entreprises

29 octobre — Sakana AI ouvre en accès anticipé Sakana API Platform, la porte d’entrée de ses modèles pour les entreprises, dans un billet daté du 28 octobre et annoncé sur X le lendemain. Fugu, son modèle d’orchestration qui combine plusieurs modèles de pointe, et Namazu, son LLM spécialisé dans le japonais, existaient déjà en API, mais sans outils de gestion. La plateforme ajoute ce qui manquait à un déploiement en entreprise : organisations et espaces de travail, console qui centralise membres, clés API et consommation, contrôle d’accès par rôle, journaux d’audit exportables en CSV, plafonds de budget, paiement sur facture, contrats MSA et DPA, et des conditions qui excluent l’usage des données envoyées pour l’entraînement.

L’API est compatible OpenAI : une application qui appelle déjà un LLM n’a qu’à changer de point d’accès. Sakana Fugu et Fugu Ultra sont proposés en premier, Namazu et Fugu Max suivront, sans date. L’accès se fait sur candidature, et Sakana AI ne publie aucun tarif : prix et conditions sont communiqués à chaque client.

🔗 L’annonce de Sakana AI

Perplexity obtient la certification FedRAMP Moderate pour Perplexity Enterprise, recherche web en direct comprise

28 octobre — Perplexity Enterprise obtient la certification FedRAMP Class C (Moderate), au titre du programme fédéral américain d’autorisation des services cloud, après l’évaluation d’un organisme tiers, 360 Advanced. Perplexity met en avant la recherche web en direct, avec citations, à l’intérieur du périmètre certifié : la requête d’un agent public n’est jamais transmise à un moteur de recherche extérieur, puisque l’entreprise exploite son propre index de plus de 200 milliards d’URL uniques.

Les agences fédérales achètent le service via le Multiple Award Schedule de la GSA, les États, collectivités et établissements d’enseignement par des revendeurs agréés, les sous-traitants de l’État directement. Les requêtes identifiées comme venant d’agences américaines ne sont jamais conservées pour entraîner, améliorer ou évaluer des modèles, et les administrateurs gardent la main sur la connexion unique, le partage, les connecteurs, la rétention, les journaux d’audit et le choix des fournisseurs de modèles. Le billet, non relayé sur X, ne dit pas si les API Search, Agent et Embeddings entrent dans le périmètre certifié. À part, l’offre Enterprise Pro for Government reste proposée aux agences fédérales via OneGov pour 0,25 dollar par agence jusqu’au 31 mars 2027.

🔗 Le billet de Perplexity

L’Agent API de Perplexity ajoute le niveau d’effort ultra-preview et relève les limites des niveaux low à xhigh

29 octobre — Perplexity publie dans le changelog de son API une entrée de rattrapage sur les niveaux d’effort de l’Agent API, des changements appliqués depuis la mi-octobre sans avoir été annoncés. La nouveauté visible est le niveau ultra-preview, pensé pour la recherche large et la collecte de données quand la couverture compte plus que la vitesse, avec des exécutions qui peuvent être longues. Le nom non documenté ultra disparaît et renvoie désormais une erreur, l’alias wide-research pointe vers xhigh, et le paramètre max_steps accepte jusqu’à 500 étapes, contre 100.

Niveau d’effort	Version courante	Changement principal
fast	`fast@2026-10-16.0`	Repli sur GPT-5.6 Luna quand GPT-6 Luna est indisponible
low	`low@2026-10-24.0`	Sortie maximale de 32 768 à 128 000 tokens
medium	`medium@2026-10-22.1`	Recherche web de 2 000 à 4 000 tokens par page
high	`high@2026-10-28.0`	GPT-6.1 Terra au lieu de GPT-6 Sol, de 15 à 40 étapes
xhigh	`xhigh@2026-10-29.0`	Claude Opus 5.5 avec GPT-6.1 Sol en repli, de 100 à 300 étapes, compaction dès 150 000 tokens
ultra-preview	nouveau	Recherche large, exécutions longues

La recherche web de low et high renvoie elle aussi 4 000 tokens par page au lieu de 2 000, et xhigh tourne désormais sans prompt système. Les anciennes configurations restent accessibles en versions épinglées, et aucun tarif nouveau n’est annoncé.

🔗 Le changelog de l’API Perplexity

Matériel : lunettes XREAL AURA sous Android XR avec Gemini et boîtier vocal SecondBrain VoicePad de Genspark

Deux appareils cherchent à sortir l’assistant de l’écran, l’un en le posant sur le nez, l’autre en le mettant au bout des doigts.

Google et XREAL lancent XREAL AURA, premières lunettes XR filaires sous Android XR, avec Gemini intégré

28 octobre — Google et XREAL lancent XREAL AURA, présentées par Google comme les premières lunettes XR filaires sous Android XR. Les verres sont transparents : le contenu se superpose au monde réel, sur un champ de vision de 70 degrés. Les lunettes pèsent moins de 95 grammes, car le calcul et la batterie sont déportés dans un boîtier relié par câble, premier appareil sur la plateforme Snapdragon Reality Elite de Qualcomm. Gemini comprend ce que l’utilisateur voit, dans la pièce comme sur ses écrans, et peut désormais surligner ce qui compte quand on partage sa vue ; avec Wired Mirroring, un ordinateur portable branché en USB-C devient une fenêtre de plus, sans logiciel à installer, que Gemini peut aussi lire.

Caractéristique de XREAL AURA	Valeur annoncée
Champ de vision	70 degrés
Poids des lunettes	Moins de 95 grammes
Puce du boîtier	Snapdragon Reality Elite (Qualcomm)
Applications conçues pour la XR	Plus de 150 sur Google Play
Prix de lancement	À partir de 1 099 dollars, jusqu’à la fin de l’année
Ouverture des commandes	États-Unis, Canada et Corée dès le 28 octobre, Japon le 2 novembre

Selon le billet, les commandes passées aux États-Unis sur BestBuy.com sont expédiées à partir de la mi-novembre ; l’appareil est réservé aux 18 ans et plus.

🔗 Le billet de Google

Genspark ouvre les réservations de SecondBrain VoicePad, un boîtier vocal à cinq touches pour piloter ses outils d’IA

29 octobre — Genspark présente SecondBrain VoicePad, un boîtier à cinq touches qui remplace la frappe par la voix pour piloter des outils d’IA. Par défaut, les touches prennent des notes de réunion, gèrent l’agenda, lancent une présentation, ouvrent l’espace de travail IA de Genspark et, pour la plus large, maintenue enfoncée, dictent un texte propre là où se trouve le curseur, dans n’importe quelle application, terminal compris. Chaque touche peut aussi ouvrir ChatGPT, Claude, Gemini ou Grok et y taper le prompt dicté ; la page précise que VoicePad n’est ni affilié à ces services ni approuvé par eux. Couplé à Genspark, une demande orale revient en présentation, tableur, document ou site web, et le mode notes de réunion enregistre sans ordinateur.

Caractéristique annoncée	Valeur selon la page de Genspark
Boîtier	Aluminium usiné, 85 grammes, double micro, fixation magnétique
Autonomie	Environ 20 heures par charge
Saisie vocale	160 mots par minute, contre environ 40 à la frappe
Crédits inclus	1 000 crédits Genspark Super Agent la première année
Réservation	9,99 dollars pour une place VIP au prix de 99 dollars
Lancement	Kickstarter, novembre 2026

Le tweet parle de précommandes ouvertes, mais la page de la boutique précise le calendrier : le lancement aura lieu sur Kickstarter en novembre, et la réservation garantit aujourd’hui le prix de 99 dollars. Genspark avait déjà présenté le 1er septembre SecondBrain Note, un autre appareil de sa gamme SecondBrain.

🔗 La page du VoicePad · L’annonce de Genspark sur X

Hugging Face et cinq universités américaines lancent Project ProtoStar pour rendre la science financée sur fonds publics exploitable par l’IA

29 octobre — Hugging Face lance Project ProtoStar avec cinq universités américaines réunies dans l’Open Forum for AI (Carnegie Mellon, Purdue, Georgia Tech, Arizona State et George Washington), l’Astera Institute et l’Open Research Community Accelerator (ORCA). L’objectif : que les jeux de données, modèles et codes de la recherche financée sur fonds publics soient publiés dans des formats exploitables par l’IA, documentés et réutilisables. Hugging Face y tient le rôle de partenaire d’infrastructure, et les établissements s’engagent par un protocole d’accord. Le billet rappelle que l’État fédéral américain consacre environ 190 milliards de dollars par an à la recherche et au développement.

Le billet chiffre aussi l’élan déjà visible sur le Hub : plus de 17 000 jeux de données scientifiques publics, plus de trois fois plus de nouveaux jeux scientifiques sur les neuf premiers mois de 2026 que sur la même période de 2025, et plus de 11 millions de téléchargements pour les 18 dépôts du NCBI. Le premier défi, Climate Risk Intelligence, organisé par Carnegie Mellon du 2 au 13 novembre, demande de prédire de 2019 à 2026 quatre indicateurs climatiques de 210 villes américaines à partir des seules données antérieures, face à des références statistiques simples ; les résultats définitifs sont attendus début 2027.

🔗 Le billet de Hugging Face · Le défi Climate Risk Intelligence

Agents de code : Codex CLI 0.166.0, macOS Satellites d’Amp, Antigravity IDE 2.6.0 avec Gemini 4 Argon et Antigravity pour Eclipse

Codex CLI 0.166.0 ajoute la sélection au clavier dans la transcription, codex doctor —network-only et GPT-6.1 Terra dans les catalogues Vertex AI et Bedrock

29 octobre — Deux jours après la 0.165.0, Codex CLI 0.166.0 sort en version stable, avec 264 entrées au changelog complet. L’essentiel touche l’interface en terminal (TUI) : la transcription se parcourt et se sélectionne désormais au clavier, et quand une demande est bloquée pour une raison de sécurité, la TUI explique mieux pourquoi et propose des relances plus sûres.

Nouveauté de la 0.166.0	Détail de la version
Sélection de la transcription	Au clavier, par mot, ligne ou page, avec recherche intégrée et raccourcis configurables
`codex queue --resume`	Reprend un fil déchargé après la mise en file d’un message
`codex doctor --network-only`	Diagnostic limité à la configuration, à la connectivité et à WebSocket
Catalogues de modèles	GPT-6.1 Terra ajouté aux catalogues Vertex AI et Amazon Bedrock du CLI
Rendu Markdown	Homogène dans les questions asynchrones, les choix et les réponses

GPT-6.1 Terra figurait déjà dans les catalogues intégrés depuis la 0.165.0, et la version n’annonce pas pour autant sa disponibilité chez Google ou Amazon. Côté corrections, les autorisations déjà accordées survivent à la reprise ou à la duplication (fork) d’un fil, le décompte des tokens de raisonnement est conservé dans ces deux cas, ce qui évite une compaction prématurée, et la TUI se rétablit mieux après une reconnexion. Les clés API FedRAMP sont aussi routées par défaut vers les points de terminaison gouvernementaux.

🔗 La version 0.166.0 sur GitHub

Amp donne un Mac à ses orbs avec macOS Satellites, en bêta à partir de 2 dollars de l’heure

29 octobre — Amp ajoute des Mac à ses orbs, les machines cloud où tournent ses fils. Avec macOS Satellites, l’agent peut travailler sur une application iOS ou Mac : il démarre de lui-même un Mac dans le cloud, avec Xcode et les simulateurs, en une trentaine de secondes, y compile, lance et teste l’application, puis renvoie captures, journaux et un enregistrement de l’écran dans le fil, où l’on peut aussi en prendre le contrôle. Le fil reste sur l’orb Linux, et le Mac n’est qu’un satellite qui reçoit le code synchronisé ; il démarre vierge et n’est gardé que 20 minutes après la fin du travail, pour réutiliser le cache de compilation si une relance suit. Amp a abandonné ses « Morbs », des orbs entièrement sur Mac, trop lentes à démarrer et trop chères en disque.

Taille de machine	Processeurs (CPU)	Mémoire vive	Tarif horaire
mac.medium	6	14 Go	2 dollars
mac.large	12	28 Go	4 dollars

La fonction est en bêta, ouverte progressivement sur liste d’attente ; le temps de Mac est décompté de l’usage d’orbs inclus dans la formule, à un taux plus élevé, puis des crédits Amp.

🔗 L’annonce d’Amp

Antigravity IDE 2.6.0 ajoute Gemini 4 Argon et une interface d’agent repensée

26 octobre — Antigravity IDE, l’éditeur de Google Antigravity, passe en 2.6.0 (6 améliorations, 2 correctifs), sa première version depuis la 2.5.5 du 13 août, et reçoit à son tour Gemini 4 Argon, pour les forfaits éligibles, sans plus de détail. Le 19 octobre, la page Modèles d’Antigravity laissait encore l’IDE hors de l’accès à Argon. L’interface de l’agent est reconstruite sur l’extension Antigravity intégrée, pour un démarrage plus rapide, des mises à jour en arrière-plan et la parité des fonctions. La version ajoute des raccourcis pour accepter (Alt+Entrée ou Option+Entrée) ou refuser un bloc de diff, des commentaires de code en ligne mis en file pour la prochaine instruction, et le glisser-déposer de fichiers ou de captures dans le panneau Agent ; les deux correctifs touchent le glisser-déposer sous macOS et Linux et la restauration des conversations après une interruption du service.

🔗 Le changelog d’Antigravity

Google lance Antigravity pour Eclipse, une extension avec chat agentique et revue des diffs côte à côte

27 octobre — Google Antigravity arrive dans Eclipse avec une première extension, en version 1.0.0 (10 améliorations, 6 correctifs). Elle ajoute une vue de chat agentique ancrée à côté de l’éditeur, à laquelle on envoie une sélection de code ou la sortie du terminal et de la console, et affiche les modifications de l’agent côte à côte dans l’éditeur de comparaison d’Eclipse, avec accepter, refuser et annulation en une étape. Les plans et rapports produits par l’agent s’ouvrent dans des onglets dédiés, et l’extension propose l’import quand l’agent crée un projet Maven, Gradle ou Eclipse. Comme dans la CLI, l’agent ne démarre qu’après approbation de l’espace de travail, une confiance partagée avec Antigravity CLI. Eclipse rejoint ainsi VS Code et Visual Studio parmi les éditeurs tiers pris en charge.

🔗 Le changelog d’Antigravity, onglet des extensions

Brèves

Autour de Mistral Large 4 et des modèles ouverts

NVIDIA et Mistral Large 4 — NVIDIA assure le support du modèle dès sa sortie, avec un point de contrôle NVFP4 sur Hugging Face et une recette Dynamo pour l’inférence distribuée, et confirme l’entraînement sur 3 800 GPU Grace Blackwell ; SGLang revendique le premier service du modèle sur Vera Rubin. 🔗 source
Maya 2 Native — Maya Research publie sous Apache-2.0 un modèle de synthèse vocale pour onze langues indiennes et l’anglais, avec 20 voix, flux continu et clonage à partir de 3 à 10 secondes ; selon ses mesures, 224 flux simultanés sur une H100 NVL et un premier son en 111 ms en médiane. 🔗 source
Granite Switch 4.1.1 — IBM publie une version corrective et rétrocompatible : seuls le modèle de transcription, désormais multilingue sur 10 langues avec ponctuation, et l’adaptateur de décision changent, sans chiffre de gain publié. 🔗 source
Phonic-1 sur Together AI — Together AI dit avoir entraîné et servir Phonic-1, le modèle de parole à parole de la start-up Phonic pour les agents vocaux ; LiveKit l’intègre le jour même et le dit premier de l’Artificial Analysis Speech to Speech Index, un classement non vérifié à la source. 🔗 source
jack & jill — Together AI cite ce client, qui prédit les candidats qu’un recruteur voudra rencontrer : affiné avec Together Post-Training, son modèle ouvert égale un modèle fermé en évaluation hors ligne, pour un service moins cher, sans chiffre publié. 🔗 source
SixthView — Meta met en ligne sans annonce un banc de raisonnement spatial de 604 exemples et 11 634 images, où il faut deviner la face cachée d’un assemblage de cubes ; aucun score n’est publié. 🔗 source
AnySpeechRecognizer et AnyDecisionModel — Mattt (Hugging Face) publie deux paquets Swift : l’un garde l’API de reconnaissance vocale d’Apple avec Parakeet ou Qwen3-ASR exécutés sur l’appareil, l’autre répond aux questions fermées en lisant les probabilités du modèle, 16 questions en environ 0,45 s sur M4 Max. 🔗 source
huggingface_hub 2.4.0 — HfFileSystem copie et déplace des fichiers vers les Buckets, ceux stockés avec Xet étant copiés côté serveur par leur hash, sans téléchargement ; le CLI hf signale aussi les extensions périmées. 🔗 source
kernels 0.18.0 — Rattrapage du 28 octobre : la bibliothèque de Hugging Face construit des kernels pour TPU, prend en charge PyTorch 2.15 avec CUDA 13.4 et ROCm 7.14, et réintègre PyTorch 2.10 à 2.12. 🔗 source

API, SDK et guides

Claude Platform — L’API Usage and Cost Analytics passe en bêta pour suivre l’usage en tokens et le coût par modèle, workspace, clé API ou utilisateur, l’ancienne Usage and Cost API devenant héritée ; la veille, la taille maximale des requêtes à la Messages API et à la Token Counting API est passée de 32 à 128 Mo. 🔗 source
SDK d’OpenAI — openai-python 3.41.0 filtre les sessions d’agents par métadonnées, après l’arrivée de durées de vie réglables par point d’arrêt du cache de prompts dans openai-python 3.40.0 et openai-node 7.45.1. 🔗 source
SDK TypeScript de SpaceXSI — La 0.2.6 renomme le client SpaceXSI, en gardant SpaceXAI comme alias déprécié, et la 0.2.7 resynchronise les types avec la spécification de l’API. 🔗 source
CLI mistral 0.15.0 — Changement cassant : sans trousseau du système, mistral login refuse d’écrire la connexion en clair, sauf option --insecure-storage ; mistral upgrade s’installe aussi depuis un miroir interne, avec contrôle SHA-256. 🔗 source
Cohere sur AWS — Cohere publie un guide pour bâtir un assistant de recherche financière avec Embed, Rerank et Parse sur SageMaker AI et Claude sur Bedrock, démo CloudFormation à l’appui sur 928 pages de rapports annuels de trois banques ; aucun produit nouveau. 🔗 source
Embeddings chez Perplexity — Un guide pédagogique sur les embeddings de texte cite pplx-embed-v1, sorti en février, à 69,66 nDCG@10 sur la recherche multilingue de MTEB contre 67,71 pour gemini-embedding-001 ; aucune nouveauté. 🔗 source

Agents et outils de code

Antigravity 2.28.1 ajoute un navigateur de conversation et un avis sur les plugins de développeurs tiers — Rattrapage du 28 octobre : un rail à gauche place un point par échange, avec des chapitres par date, et chaque page de plugin indique son développeur, sa version et ses liens. 🔗 source
Plugins de Copilot — Rattrapage d’Universe : les plugins par défaut déclarés par un dépôt de confiance et les contrôles de plugins d’entreprise (places de marché approuvées, plugins exigés ou bloqués) passent en disponibilité générale dans VS Code, Copilot CLI et l’app GitHub Copilot. 🔗 source
Visualize This chez Amp — Amp produit à la demande, directement dans le fil, des graphiques, chronologies, diagrammes et maquettes cliquables ; aucun tarif ni limite. 🔗 source
Devin, notes du 28 octobre — L’onglet Progress affiche les tâches de la session en direct et remplace l’onglet Tasks, les retours de pull requests Azure DevOps reviennent à la session qui les a ouvertes, et les skills personnelles se mentionnent depuis @ Skills. 🔗 source
Devin, notes du 26 octobre — Rattrapage : les onglets Progress et Shell fusionnent dans une vue Activity, et Devin intègre directement à ses messages des artefacts HTML (rapports, tableaux de bord, graphiques). 🔗 source
Delta 0.23 — Chaque projet choisit son checkout par défaut (worktree isolé, checkout local ou worktree Git), un réglage plafonne la durée des commandes terminal des agents, et 17 correctifs réparent notamment la compaction des modèles personnalisés. 🔗 source
DeltaDB — Zed détaille l’architecture de sa base de versions pour agents : des CRDT stockés dans SQLite en graphe causal, un Durable Object Cloudflare par fil, et un suivi de chaque caractère jusqu’à sa conversation d’origine, annoncé sans date. 🔗 source
Usine logicielle de Warp — Un billet de méthode liste sept composants d’une usine logicielle (software factory), dont un pilotage de l’ordinateur qui condense trois ou quatre minutes de vérification en 15 secondes de vidéo ; Warp Factories reste en accès anticipé, avec jusqu’à 10 000 dollars de crédits pour les premières équipes. 🔗 source
Qwen Code v0.26.4 — Au lendemain de la v0.26.3, la stable donne des worktrees indépendants au Managed Agent et des vues interactives à la Generated UI, qui suit désormais le thème de l’hôte ; 19 fonctionnalités et 18 correctifs. 🔗 source
safeagents — Rattrapage du 28 octobre : Hugging Face publie sans annonce un proxy local sous Apache-2.0 qui inspecte chaque appel d’outil d’un agent de code (Claude Code, OpenCode, Pi, Hermes…) et neutralise ceux qu’il bloque, avec un mode d’observation seule. 🔗 source

Image, vidéo et voix

Kling 4.0 dans Genspark AI Media Studio — Deux jours après le lancement de son Media Studio, Genspark y ajoute Kling 4.0 : 30 secondes en une génération sans raccord, jusqu’à 15 références et 10 images clés, crédits à moitié prix jusqu’au 4 novembre. 🔗 Genspark · 🔗 Kling
Agents internes d’ElevenLabs — Ses agents ElevenAgents, branchés sur Slack, font gagner plus de 1 200 heures par mois à ses équipes et répondent à plus de 5 000 questions par mois ; le billet conseille de réduire les données visibles par l’agent plutôt que de retoucher son prompt. 🔗 source
ElevenLabs et le Karnataka — L’État indien non nommé du protocole d’accord du 7 octobre est le Karnataka : pilotes d’IA vocale pour les réclamations, les lignes d’assistance et les prestations en kannada et dans 13 autres langues, et voix restaurées gratuitement à vie pour les habitants éligibles ; ni montant ni calendrier. 🔗 source
Lettuce et Ads Engine — La fintech pour indépendants produit presque toutes ses publicités Meta avec Ads Engine d’ElevenLabs, une variante en environ 45 secondes au lieu de plus d’une semaine, et estime ses coûts de création réduits d’environ 75 %. 🔗 source

Produits et entreprise

Manuels gratuits dans Gemini Notebook — Des centaines de manuels d’éditeurs comme S Chand Publishing, OpenStax ou Open Textbook Library s’ajoutent gratuitement comme sources d’un carnet ; ni pays ni langues précisés. 🔗 source
Kimi Work 3.2.22 — L’agent confirme les informations clés avant de lancer une tâche (Ask user), des packs d’usage supplémentaire s’achètent à l’alerte de quota, sans prix indiqué, et un Task Center regroupe les automatisations. 🔗 source
Réflexion automatique dans ChatGPT Enterprise et Edu — Instant ne bascule plus seul vers un niveau de réflexion supérieur, sauf dans les espaces configurés pour le routage médical spécialisé ; il faut désormais choisir le niveau dans le sélecteur. 🔗 source
Ropes & Gray — Le cabinet d’avocats développe avec OpenAI un outil d’audit préalable (due diligence) qui classe une salle de données et rédige résumés et rapport au format maison, relus par les juristes ; un rapport en heures plutôt qu’en semaines reste un objectif, pas un résultat mesuré. 🔗 source
Codex Originals — OpenAI Developers lance une série de courts films sur neuf personnes qui construisent avec Codex, dont l’immunologiste Derya Unutmaz, Mikhail Parakhin (Shopify) et Mitchell Hashimoto ; ni chiffre ni produit. 🔗 source
Teardown et UNBROKER dans Perplexity Computer — Deux skills communautaires rejoignent la place de marché de Computer, l’un pour dessiner des vues éclatées légendées, l’autre pour préparer des demandes de retrait auprès des courtiers en données ; leurs tâches sont gratuites jusqu’au 6 novembre, dans la limite de 5 000 crédits par utilisateur. 🔗 source
Sakana AI et les élections de mi-mandat — Sakana AI a analysé avec Sakana Marlin 2 042 publications et 705 976 réactions sur X autour de la sénatoriale du Texas ; selon son rapport, les retournements d’opinion y apparaissaient environ deux mois avant les changements d’évaluation des organismes de pronostic. 🔗 source
OpenMath 2026 — Sakana AI remporte la catégorie entreprises du hackathon sur l’auto-amélioration récursive en mathématiques, organisé avec Stephen Wolfram à l’Harvard Innovation Labs. 🔗 source

GitHub hors IA

Plages IP des webhooks — GitHub ajoute 9.234.98.160/28, 9.234.98.176/28 et 9.234.106.48/28 aux adresses de livraison des webhooks publiées dans l’API meta ; les listes d’autorisation figées doivent les intégrer. 🔗 source

Ce que ça signifie

Les poids ouverts montent encore d’un cran. Mistral Large 4 arrive à environ 1 000 milliards de paramètres, entraîné en Europe sur 3 800 GPU, avec un tarif d’API ramené à 0,70 dollar par million de tokens en entrée et un écosystème prêt le jour même : Transformers, vLLM, llama.cpp, NVIDIA NIM, Microsoft Foundry, et un affinage LoRA qui tient sur un seul nœud de 8 GPU. Pika fait le même pari en vidéo, en publiant avec ses poids un post-entraînement de MiniMax H3. L’ouverture garde pourtant ses frontières : Mistral exige une licence commerciale pour servir le modèle à des tiers, Pika garde la 4K, la séparation des pistes et l’amélioration des prompts dans son service hébergé, et Mistral resserre ses garde-fous cyber en réservant sa variante offensive à des partenaires vérifiés. Mistral reconnaît aussi que les meilleurs modèles ouverts chinois restent devant lui sur l’indice agrégé d’Artificial Analysis.

OpenAI et Anthropic publient le même jour deux façons de surveiller leurs propres modèles. OpenAI empile des couches de plus en plus coûteuses, des sondes d’activation aux agents investigateurs, et étend la surveillance à tout entraînement RL de pointe depuis que l’incident Hugging Face a commencé là où elle ne tournait pas. Anthropic fait de Claude son propre moniteur d’abus pour moins de 2 % de calcul en plus. Les deux insistent sur les limites : astreinte coupée pour le trafic Codex interne faute de pouvoir absorber les fausses alertes d’un côté, auto-évaluation qui ne bloque qu’une partie des attaques et n’est pas robuste face à un attaquant qui la vise de l’autre. Le Model Spec révisé porte le même débat sur le terrain des valeurs : quand un modèle agit longtemps seul, la fidélité à l’intention de la personne compte plus que le style de ses réponses.

L’argent suit la cybersécurité et la souveraineté. Cohere lève pour bâtir une entreprise de frontière hors des États-Unis et de la Chine, avec le gouvernement canadien au tour de table, et s’appuie sur un chiffre qui donne l’enjeu : plus de 70 % des tokens de modèles ouverts servis via OpenRouter venaient de modèles chinois plus tôt cette année. Ses chantiers, Cohere Cyber pour les réseaux classifiés et le rachat d’AISLE, rejoignent ceux de Cognition, qui rachète Corridor pour Devin Security, et de Perplexity, qui obtient FedRAMP Moderate pour vendre sa recherche aux agences fédérales américaines. Mistral, qui met en avant les témoignages de l’ENISA et d’Orange Cyberdefense, s’inscrit dans la même logique d’un acteur non américain qui se positionne sur la défense.

Côté usages, la bataille porte sur le quotidien et sur les quotas. Claude passe à 33 langues et entre dans la voiture avec CarPlay, Gemini modifie les fichiers dans la conversation et partage les avatars, mais pas en Europe, Kimi lit Gmail et l’agenda, et deux appareils, les lunettes XREAL AURA et le VoicePad de Genspark, cherchent à sortir l’assistant de l’écran. OpenAI double l’usage de Work et Codex de ses forfaits Pro et renonce à réduire Pro 200 après les retours des abonnés : l’usage inclus est devenu un argument commercial à part entière. Les agents de code, eux, gagnent des machines et des éditeurs : un Mac cloud démarré en 30 secondes chez Amp, Gemini 4 Argon dans l’IDE d’Antigravity et une première extension pour Eclipse.