Claude Code v2.1.200 passe en mode Manuel par défaut, GLM 5.2 atteint 80 % de Sonnet 5 à 20 % du prix, Copilot session streaming en préversion

Le 3 juillet 2026 cumule plusieurs annonces de fond : Claude Code v2.1.200 consolide le contrôle de permission avec un mode Manuel désormais par défaut et corrige une longue liste de dysfonctionnements des agents en arrière-plan. Sur le front des modèles ouverts, Together AI documente qu’un modèle open source peut rivaliser avec Claude Sonnet 5 à un cinquième du coût, tandis que la part des tokens consommés sur des modèles open source a triplé en un an. GitHub Copilot enrichit sa gouvernance entreprise avec le streaming de sessions, et Anthropic démocratise les Artifacts et rehausse ses rate limits API.

Claude Code v2.1.200 — mode Manuel par défaut et vague de corrections background

3 juillet — Claude Code v2.1.200 introduit deux changements comportementaux et une série de correctifs qui renforcent la fiabilité des agents en arrière-plan.

Mode « Manuel » officialisé comme valeur par défaut. Le mode de permission default est renommé « Manual » sur l’ensemble des surfaces : CLI, aide --help, VS Code et JetBrains. Les valeurs --permission-mode manual et "defaultMode": "manual" sont désormais acceptées en lieu et place de default. Ce changement de vocabulaire aligne le nom affiché avec le comportement réel : Claude demande confirmation avant chaque action sensible. Les équipes qui avaient explicitement configuré le mode default dans leurs fichiers de configuration retrouveront un comportement identique — seul le libellé change.

AskUserQuestion sans reprise automatique. Les dialogues de question à l’utilisateur ne reprennent plus automatiquement après un délai d’inactivité. Le comportement antérieur (auto-continue) devient opt-in et doit être activé explicitement via /config. Cette modification évite les reprises intempestives dans les sessions longues ou peu surveillées.

Corrections des agents en arrière-plan. Cette version clôture plusieurs problèmes de stabilité qui affectaient les sessions daemon :

Problème corrigé	Détail
Sessions background s’arrêtant silencieusement après veille/réveil	Résolu
Tour annulé par Esc rejoué après redémarrage du daemon	Résolu
Agents bloqués définitivement sur un `daemon.lock` orphelin (PID réutilisé par l’OS)	Résolu
Ancien build prenant le contrôle du daemon après réinstallation	Résolu — comparaison par horodatage de build intégré
Corruption transitoire du roster désactivant des agents de façon permanente	Résolu

Un correctif annexe règle aussi un crash au démarrage lorsque disabledMcpServers ou enabledMcpServers dans .claude.json est défini sur une valeur non-tableau.

Les corrections daemon sont particulièrement bienvenues pour les workflows nocturnes ou les pipelines CI qui font tourner des agents en arrière-plan sans surveillance continue. Un daemon.lock orphelin ou une corruption de roster pouvaient silencieusement empêcher tout agent de redémarrer jusqu’à une intervention manuelle.

🔗 CHANGELOG Claude Code

Anthropic

Fable 5 cyber safeguards — framework CJS (Cyber Jailbreak Severity)

2 juillet — Anthropic publie un article technique sur les mécanismes de sécurité cybersécurité de Claude Fable 5 et propose un premier brouillon de cadre industriel de notation des contournements (jailbreaks) de modèles IA.

Les classifieurs cybersécurité de Fable 5 sont organisés en quatre catégories selon l’asymétrie entre attaquant et défenseur :

Catégorie	Exemples	Comportement
Usage interdit	Exploitation critique, forte asymétrie	Bloqué systématiquement
Dual use à haut risque	Pentest, escalade de privilèges	Bloqué jusqu’à meilleurs contrôles
Dual use à faible risque	OSINT, scan public, recherche TLS	Autorisé avec marge de sécurité
Usage bénin	Débogage, config défensive, formation	Autorisé

Le framework CJS — Cyber Jailbreak Severity (gravité de contournement cyber) a été co-développé avec des partenaires Glasswing (Amazon, Microsoft, Google). Il note la gravité d’un contournement sur quatre axes : gain de capacité (0–4), portée (0–2), facilité d’armement (0–2) et découvrabilité (0–2). La somme produit un niveau CJS-0 (informatif) à CJS-4 (critique). Un programme HackerOne dédié est ouvert ; les retours sont acceptés à cyber-safeguards@anthropic.com.

🔗 Fable 5 safeguards — Anthropic

Artifacts Claude Code disponibles sur les plans Pro et Max

2 juillet — Les Artifacts de Claude Code, jusqu’alors réservés aux plans Team et Enterprise, sont désormais accessibles aux abonnés Pro et Max.

Un Artifact est une page web interactive générée par Claude pendant une session de travail — tableau de bord de projet, compte-rendu de PR, visualisation de données. La page est publiée en direct sur claude.ai, mise à jour en temps réel pendant que Claude continue à travailler, reste privée au compte utilisateur et est entièrement autonome. Cette extension aux plans individuels rend une fonctionnalité avancée disponible à un public bien plus large sans nécessiter un abonnement entreprise.

🔗 Annonce @ClaudeDevs

Rate limits API Claude relevés ×5 — tiers automatiques et découplés des dépenses

2 juillet — Anthropic relève significativement les limites de débit (rate limits) de l’API Claude Platform et simplifie la structure des niveaux d’accès.

Deux changements de fond : les niveaux (tiers) de rate limit ne dépendent plus du montant dépensé sur l’API, et la progression entre les tiers est désormais automatique. Les dernières versions de Claude Sonnet et Haiku bénéficient de limites 5 fois plus élevées au tier le plus haut. Tous les modèles récents (Opus, Sonnet, Haiku) partagent les mêmes quotas en requêtes par minute et débit en tokens au sein d’un tier donné, ce qui permet de choisir le modèle adapté à la tâche sans arbitrage sur les quotas. Le bouton « Request rate limit increase » reste disponible dans la Claude Console pour les demandes manuelles.

🔗 Annonce @ClaudeDevs

Hackathon « Built with Claude : Life Sciences » — 100 000 USD en crédits

2 juillet — Anthropic annonce Built with Claude : Life Sciences, un hackathon virtuel mondial organisé en partenariat avec le Gladstone Institute. L’événement invite chercheurs et développeurs à construire avec Claude Science et Claude Code pendant une semaine. La cagnotte est de 100 000 USD en crédits. Le hackathon s’inscrit dans la dynamique de Claude Science, lancé fin juin comme environnement de travail scientifique intégrant outils, packages de recherche et ressources de calcul.

🔗 Annonce @claudeai

Modèles open source et benchmarks

Together AI — GLM 5.2 atteint 80 % de Sonnet 5 à 20 % du prix

3 juillet — Together AI publie une analyse comparative entre GLM 5.2 (Zhipu AI, open source) et Claude Sonnet 5 sur le benchmark DeepSWE — 113 tâches de résolution de bugs logiciels long-horizon (Software Engineering), 4 essais chacune, avec raisonnement maximal activé.

Le résultat central : GLM 5.2 offre environ 80 % des capacités de Claude Sonnet 5 à environ 20 % du prix sur ce benchmark. L’analyse est signée par Zain Hasan et republiée par Together AI, qui héberge GLM 5.2 sur sa plateforme.

Modèle	Type	Performance relative	Coût relatif
Claude Sonnet 5	Propriétaire	Référence (100 %)	Référence (100 %)
GLM 5.2	Open source	~80 %	~20 %

Le benchmark DeepSWE est conçu pour les tâches d’ingénierie longue durée : il va au-delà des problèmes synthétiques habituels pour évaluer la capacité à résoudre des bugs réels sur des dépôts existants. Un rapport coût/performance de 4 pour 1 sur ce type de tâche représente un argument fort pour les équipes à budget contraint ou les pipelines à fort volume.

🔗 Analyse Together AI — GLM 5.2 vs Sonnet 5

Together AI — les modèles open source passent de 10 % à 30 % des tokens en un an

3 juillet — Together AI révèle que l’usage des modèles open source a triplé en un an sur sa plateforme, passant de 10 % à 30 % de l’ensemble des tokens consommés. Ce chiffre s’inscrit dans le contexte de l’article du PDG Vipul Ved Prakash, « The Economy of Tokens » (29 juin), et de la levée de fonds Série C à 800 millions USD déjà couverte. Il confirme une tendance macro : la vague open source n’est plus un phénomène de niche technique mais une part croissante de la consommation réelle de tokens IA.

🔗 Tweet @togethercompute

HydraHead — architecture hybride Full+Linear Attention (Tongyi Lab / Qwen)

3 juillet — Tongyi Lab (Alibaba / Qwen) publie HydraHead, une architecture d’hybridation d’attention au niveau des têtes (head-level) plutôt qu’au niveau des couches. La motivation vient de l’interprétabilité mécaniste : seules les têtes dites « retrieval-critical » conservent la Full Attention ; les autres basculent en Linear Attention, réduisant la complexité de calcul sur les longues séquences.

Métrique	Résultat
Amélioration NIAH à 512K contexte	+69 %
Tokens d’entraînement	15 milliards
Performances globales	Proches de Qwen3.5

Le module de fusion normalisé permet la coexistence des deux types d’attention dans la même couche. L’approche vise l’accès à de longues fenêtres de contexte (512K tokens et au-delà) sans le coût quadratique de la Full Attention pure. Les résultats sont présentés dans la Tongyi Weekly du 3 juillet.

🔗 Tongyi Weekly — 3 juillet 2026

ZCode — l’IDE officiel Z.ai pour GLM-5.2

1er juillet — Z.ai a lancé ZCode, l’environnement de développement officiel pour GLM-5.2, disponible sur macOS, Windows et Linux. Les abonnés au plan Coding Plan bénéficient d’un quota d’utilisation multiplié par 1,5 dans ZCode. Le support BYOK (Bring Your Own Key) permet d’utiliser ZCode avec des abonnements ou des clés API existants. Le site zcode.z.ai propose deux plans tarifaires : Lite et Pro (64,80 USD/mois → 72 USD).

🔗 ZCode — Z.ai

GitHub Copilot

Session streaming en préversion publique

2 juillet — Les clients GitHub Enterprise Cloud avec utilisateurs gérés peuvent désormais streamer les données de session des agents Copilot (prompts, réponses, appels d’outils) vers un collecteur externe. Deux modes d’accès sont disponibles : un endpoint de streaming vers un outil SIEM (Microsoft Purview est supporté en préversion publique), et une API REST pour récupérer les 48 dernières heures de données à la demande (GET /enterprises/{enterprise}/copilot/usage-records). L’activation se fait dans les paramètres IA de l’entreprise via « Enable everywhere » pour « Copilot Usage Records Streaming » et « Copilot Usage Records API ».

Cette fonctionnalité répond à une exigence de traçabilité et d’audit pour les équipes soumises à des contraintes de conformité — elles peuvent désormais ingérer les sessions Copilot dans leurs pipelines de supervision existants plutôt que de compter uniquement sur les tableaux de bord GitHub.

🔗 Changelog — Copilot agent session streaming

Copilot CLI sans PAT dans GitHub Actions

2 juillet — Copilot CLI peut désormais s’authentifier dans GitHub Actions avec le GITHUB_TOKEN intégré, sans nécessiter de token d’accès personnel (Personal Access Token — PAT) longue durée. La permission requise dans le workflow est copilot-requests: write. Les crédits IA consommés sont facturés directement à l’organisation, avec gestion via cost centers, budgets et limites de session. La politique d’utilisation doit être activée côté organisation : « Allow use of Copilot CLI billed to the organization ». La mise à jour s’effectue via copilot update ou npm install -g @github/copilot.

🔗 Changelog — Copilot CLI sans PAT

Dépréciation Gemini 2.5 Pro et Gemini 3 Flash dans Copilot au 31 juillet

2 juillet — GitHub annonce la dépréciation de deux modèles Gemini dans toutes les expériences Copilot (chat, éditions en ligne, modes ask/agent, complétions de code) au 31 juillet 2026 :

Modèle déprécié	Date	Alternative
Gemini 2.5 Pro	31-07-2026	Gemini 3.1 Pro
Gemini 3 Flash	31-07-2026	Gemini 3.5 Flash

Les administrateurs Copilot Enterprise doivent activer les modèles alternatifs dans leurs politiques de modèles. Aucune action n’est requise pour retirer les anciens modèles après la date de dépréciation.

🔗 Changelog — Dépréciation Gemini dans Copilot

Médias génératifs

Runway Agent Skills — créer des campagnes sur commande

2 juillet — Runway a lancé les Agent Skills, un système de compétences accessibles depuis Runway Agent via la commande /. Les utilisateurs tapent / et choisissent une compétence pour déclencher des flux de travail complexes en un seul geste. Les compétences disponibles au lancement couvrent : la création de campagnes publicitaires, la production de spots commerciaux et la localisation d’annonces pour différents marchés. Runway positionne cette fonctionnalité comme un outil de mise à l’échelle marketing à la demande.

🔗 Annonce @runwayml

Black Forest Labs — Dev Playground pour les modèles FLUX

2 juillet — Black Forest Labs (BFL) a lancé un Dev Playground destiné aux développeurs qui travaillent avec l’API FLUX. L’outil permet de comparer les modèles FLUX côte-à-côte (side-by-side) avec le même prompt, d’ajuster les paramètres API directement depuis l’interface pour obtenir un résultat identique à la production, et d’évaluer les écarts de qualité, latence et coût. Le playground intègre les derniers modèles à leur sortie. Il est accessible via api.bfl.ml.

🔗 Annonce @bfl_ai

Brèves

Amp — More Orb Sizes — Amp permet désormais de choisir la taille de CPU et de mémoire pour les Orbs qui exécutent les agents à distance, faisant suite à l’annonce « Agents in Orbs » du 30 juin. 🔗 Chronicle Amp
Copilot — métriques d’utilisation plus précises — L’API de métriques Copilot rapporte désormais les lignes de code suggérées par le CLI (v1.0.57+, déduplication depuis v1.0.64), identifie l’IDE pour les utilisateurs server-side, et corrige l’attribution des crédits IA pour deux cas jusqu’alors manqués. 🔗 Changelog

Ce que ça signifie

L’écosystème Anthropic s’étoffe en profondeur. La v2.1.200 de Claude Code ne se résume pas à un renommage : officialiser « Manual » comme mode par défaut ancre une philosophie de contrôle explicite à mesure que les agents gagnent en autonomie. La correction simultanée de cinq dysfonctionnements daemon montre que la fiabilité des workflows non supervisés (pipelines nocturnes, CI) est devenue une priorité de premier rang. L’extension des Artifacts aux plans Pro/Max et la multiplication par 5 des rate limits API complètent ce tableau en abaissant les barrières d’accès pour les développeurs individuels et les équipes de petite taille. Le hackathon Life Sciences avec le Gladstone Institute signale quant à lui que Claude Science cherche une validation terrain dans un domaine à fort enjeu réglementaire.

La vague open source change d’échelle. Le chiffre de Together AI — 30 % des tokens IA consommés sur des modèles open source contre 10 % il y a un an — n’est pas une statistique de niche : c’est un signal de basculement structurel. L’analyse GLM 5.2 / DeepSWE le matérialise concrètement : un modèle open source bien positionné peut couvrir 80 % des cas d’usage d’un modèle propriétaire frontier à un cinquième du coût. HydraHead ajoute une dimension architecturale à cette dynamique — des laboratoires comme Tongyi cherchent à prolonger le contexte utile (512K tokens, +69 % NIAH) sans le coût quadratique de la Full Attention, ce qui élargit encore le spectre des tâches accessibles aux modèles ouverts. ZCode ferme la boucle en fournissant à GLM-5.2 un outillage IDE comparable à celui des modèles propriétaires.

La gouvernance enterprise Copilot se densifie. Le streaming de sessions vers les SIEM et l’authentification sans PAT dans GitHub Actions convergent vers le même objectif : rendre Copilot auditable et opérable sans déroger aux politiques de sécurité entreprise. Pour les équipes soumises à des contraintes de conformité SOC 2, ISO 27001 ou réglementaires sectorielles, ce sont deux obstacles opérationnels qui disparaissent simultanément. La dépréciation de Gemini 2.5 Pro et 3 Flash illustre en parallèle que GitHub maintient une pression de modernisation sur le catalogue de modèles Copilot — les administrateurs qui n’anticipent pas ces transitions risquent des interruptions de service au 31 juillet.

Agents de médias génératifs : de la génération à l’orchestration. Les Agent Skills de Runway et le Dev Playground de BFL tracent deux trajectoires complémentaires : Runway monte en abstraction (créer une campagne complète d’un /), tandis que BFL descend dans le détail technique (comparer qualité, latence et coût par modèle au niveau de l’API). Ces deux approches reflètent une maturité croissante du marché, où les utilisateurs de médias génératifs se segmentent entre ceux qui veulent le résultat sans la friction et ceux qui optimisent le pipeline de production.