Nouveaux modèles et capacités d'agents
GPT-5.6 et ChatGPT Work. OpenAI a publié la famille GPT-5.6 (Sol, Terra, Luna) en mettant l'accent sur l'efficacité des tokens et les tâches agentiques, revendiquant les meilleurs scores à l'Agents’ Last Exam. L'agent ChatGPT Work qui l'accompagne peut exécuter des tâches de plusieurs heures sur des applications de bureau et le cloud, en intégrant les fonctionnalités de Codex. GPT-5.6 alimentera Microsoft 365 Copilot en tant que « modèle préféré », et le navigateur autonome Atlas est abandonné, ses capacités étant transférées à ChatGPT et à une extension Chrome. Le modèle a obtenu un feu vert réglementaire après une période d'aperçu limité.
- OpenAI launches its new family of models with GPT-5.6(s'ouvre dans un nouvel onglet)
- The new GPT-5.6 family: Luna, Terra, Sol(s'ouvre dans un nouvel onglet)
- OpenAI rolls out GPT-5.6 after government greenlight — and announces ‘ChatGPT Work’(s'ouvre dans un nouvel onglet)
- OpenAI wants its new tool to do your work for you and with you(s'ouvre dans un nouvel onglet)
- OpenAI says GPT 5.6 is the ‘preferred model’ for Microsoft Copilot 365 amid breakup chatter(s'ouvre dans un nouvel onglet)
- OpenAI is shutting down Atlas, but its AI browser ambitions are still growing(s'ouvre dans un nouvel onglet)
- The ChatGPT browser is already dead(s'ouvre dans un nouvel onglet)
- How did the government decide OpenAI’s frontier model was safe to release?(s'ouvre dans un nouvel onglet)
Le modèle de codage Spark 1.1 de Meta. Meta a lancé Muse Spark 1.1, un modèle de codage agentique multimodal proposé à un prix compétitif. Il prend en charge la correction de bugs, les migrations de code importantes et les workflows multi-agents. Meta prévoit également une variante open-source.
Tableau de bord Claude Reflect. Anthropic a présenté Reflect, un tableau de bord montrant les modèles d'utilisation de l'IA, les sujets principaux et les types de tâches. Il vise à aider les utilisateurs à façonner leurs habitudes avec des rappels de pause et des heures de calme, renforçant l'intégration de Claude dans les workflows quotidiens.
IA locale et efficacité
Grands modèles sur GPU grand public. Un fork personnalisé de vLLM permet d'exécuter Deepseek V4 Flash sur un seul RTX 6000 Pro en compressant les experts routés à 2 bits. GLM-5.2 peut de même tenir sur une machine avec 25 Go de RAM, démontrant l'accessibilité croissante des grands modèles MoE localement.
Puzzle-75B sur 3×3090. Le NVIDIA Puzzle-75B-A9B MoE, avec 9 milliards de paramètres actifs, tourne à 132 tokens/s en décodage sur trois RTX 3090, offrant un point idéal pour les configurations multi-GPU qui combine la qualité d'un modèle dense avec la vitesse d'un faible nombre de paramètres actifs.
La quantification nuit aux agents. Les benchmarks montrent que si la quantification basse précision affecte à peine le rappel de connaissances (GPQA), elle dégrade significativement les performances agentiques (Terminal Bench 2). Un modèle 27B non ajusté a surpassé un modèle 75B ajusté dans les tâches d'agents car des appels d'outils moins nombreux et plus intelligents l'emportent sur la vitesse brute des tokens.
Embeddings locaux pour la mémoire. Pour les utilisateurs qui paient déjà pour l'accès à l'API LLM, exécuter des modèles d'embedding et de reclassement locaux (par exemple, Qwen3 Embedding/Reranker 4B) est plus pratique que des LLM locaux, permettant des systèmes de mémoire basés sur RAG sans coûts d'API supplémentaires.
Recherche et techniques
Mise à l'échelle des RNN linéaires. La Sparse Delta Memory remplace les produits externes denses clé-valeur par des lectures/écritures éparses dans une grande mémoire explicite, améliorant considérablement le rappel de longs contextes et l'apprentissage en contexte sous le même budget de calcul. L'initialisation paramétrique de la mémoire renforce encore le raisonnement de sens commun.
Un aperçu de l'esprit de Claude. La lentille jacobienne d'Anthropic révèle un « espace J » caché à l'intérieur de Claude Opus 4.6 où les mots à venir sont pré-activés avant la génération. Cette vue interne diverge souvent des plans déclarés du modèle, offrant de nouveaux mécanismes de surveillance et de contrôle.
Plafond du noyau d'attention. Une exploration des optimisations FlashAttention-3/4 sur les GPU RTX grand public a révélé que FlashAttention-2 sature déjà le pipeline de calcul, ce qui signifie que des accélérations supplémentaires du préremplissage nécessiteront du matériel à plus faible précision ou un sacrifice de précision.
Affaires et juridique
Bataille autour des preuves de droits d'auteur d'OpenAI. Le New York Times accuse OpenAI de cacher des preuves selon lesquelles il pourrait rechercher des données d'entraînement et des journaux de chat pour des œuvres protégées par le droit d'auteur, la déposition d'un ingénieur révélant des capacités de recherche internes niées au tribunal. Les organes de presse demandent des sanctions.
Remaniement de la direction d'OpenAI. Fidji Simo, responsable de l'AGI chez OpenAI, quitte ses fonctions pour devenir conseiller à temps partiel en raison d'une affection neuro-immune prolongée. Elle est la dernière d'une série de départs de la haute direction cette année.
IPO de mille milliards de dollars. Les IPO en attente d'Anthropic et d'OpenAI, aux côtés de SpaceX, devraient générer plus de valeur que toutes les sorties soutenues par le capital-risque américain depuis 2000. Cependant, Sequoia estime que 1 500 milliards de dollars de dépenses d'infrastructure IA nécessitent 3 000 milliards de dollars de revenus pour atteindre le seuil de rentabilité.
Musk change de ton à propos d'Anthropic. Elon Musk fait désormais l'éloge d'Anthropic, disant qu'il avait 'tort' à leur sujet, et promet de ne pas couper leur accès aux centres de données de SpaceX. Anthropic est un client majeur, louant 300 MW pour 1,25 milliard de dollars par mois.
Écosystème et outils
Un agent mène une levée de fonds de 100 millions de dollars. La startup Lyzr a utilisé son propre agent IA pour gérer les questions-réponses des investisseurs pour une série B de 100 millions de dollars, attirant 400 millions de dollars d'intérêt sans pitchs en personne. L'agent a suivi les diapositives et rédigé des mémos, prouvant que le produit fonctionne.
Ollama décroche 65 millions de dollars. Ollama, l'outil populaire pour exécuter des modèles locaux, a levé une série B de 65 millions de dollars alors qu'il approche des 9 millions d'utilisateurs, aidant les développeurs à exécuter et gérer facilement des LLM sur du matériel personnel.
Google étiquette les publicités IA. Google affichera désormais une étiquette « créé ou modifié avec l'IA » sur les publicités dans Search, YouTube et Discover, automatiquement pour ses propres outils et manuellement pour les autres, suivant des actions similaires de Meta.
C'est tout pour cette journée – environ 5 minutes de lecture.