Big lab leaks

Le Nano Banana de ChatGPT

OpenAI a frappé fort cette semaine avec le lancement de ChatGPT Images 2.0, une refonte majeure de son module de génération d'images qui remet le service en compétition directe avec les outils de Google et Midjourney. La nouveauté la plus remarquée : une précision inédite sur le texte intégré aux images, au point que les utilisateurs peinent à trouver des fautes dans des générations contenant des centaines de mots. Le modèle est disponible dans l'application Codex en tant que compétence dédiée, avec une intégration aux modèles de raisonnement pour enchaîner appels d'outils et génération d'images, créer un QR code à partir d'un lien, récupérer un logo depuis le web, puis l'intégrer dans une composition. Les cas d'usage prolifèrent déjà : captures d'écrans d'interfaces réalistes, magazines illustrés multi-pages, recommandations de style personnalisées et codes QR créatifs. La capacité à générer des interfaces utilisateur crédibles ouvre une piste intéressante pour combler le déficit de goût graphique souvent reproché aux modèles de code. Des tests comparatifs menés sur la conversion d'une maquette en application fonctionnelle, une vitrine publicitaire conçue par Ben's Bites, révèlent une hiérarchie nuancée : Claude Design devance Magicpath AI, qui devance les modèles bruts comme Gemini 3.1 Pro ou Opus 4.6 sur la compréhension du concept et l'utilisabilité. En revanche, Gemini remporte la fidélité pixel par pixel, tandis qu'Opus 4.7 bat GPT-5.4 sur la correspondance visuelle avec la maquette de référence. GPT-5.4 produit un code plus fonctionnel et maintient une cohérence visuelle sur les pages non montrées, comme le panneau d'administration. Un point aveugle subsiste pour tous : les assets, images d'illustration, icônes, textures, qui font souvent la différence entre une maquette et une interface banale ne survivent pas à la conversion depuis une capture d'écran. Ces annonces s'inscrivent dans une semaine d'actualité dense pour l'industrie de l'IA. OpenAI a déployé les Workspace Agents, des agents propulsés par Codex accessibles aux utilisateurs Business, Enterprise et Education, configurables avec une personnalité, des tâches précises et des accès à des outils externes comme Linear ou Slack, appelés à terme à remplacer les GPTs personnalisés. De son côté, Google a ouvert l'API Deep Research avec deux configurations basées sur Gemini 3.1 Pro, revendiquant les meilleures performances en recherche web, avec support MCP et génération de graphiques. Enfin, un accord stratégique se dessine entre Cursor et SpaceX : SpaceX mettra ses GPU à disposition pour entraîner les modèles de code de Cursor, avec une option d'acquisition à 60 milliards de dollars d'ici fin 2025, ou un accord de partenariat à 10 milliards si l'acquisition n'a pas lieu, un signal que la course aux modèles de code spécialisés entre dans une nouvelle phase industrielle.

Une IA qui rêve la nuit ? Les incroyables secrets du méga-leak d’Anthropic

Le 31 mars 2026, Anthropic a commis l'une des erreurs de déploiement les plus coûteuses de l'histoire récente de l'IA. En publiant la mise à jour 2.1.88 de Claude Code, son agent de programmation autonome, l'entreprise a oublié de retirer un fichier de débogage de 59,8 mégaoctets — un fichier .map qui contenait l'intégralité du code source original de l'outil : plus de 512 000 lignes de TypeScript. En quelques heures, ce code a été partagé plus de 50 000 fois sur GitHub et disséqué par des développeurs du monde entier. Anthropic, qui génère 2,5 milliards de dollars de revenus annuels et dont Claude Code est devenu l'outil de référence dans les équipes techniques des plus grandes entreprises tech, venait d'exposer publiquement la mécanique interne de son produit phare. Ce qui rend cette fuite particulièrement grave n'est pas la compromission de données personnelles ou d'identifiants — il n'y en a pas. C'est la nature même de ce qui a été exposé : l'architecture d'orchestration complète de Claude Code, c'est-à-dire la logique qui lui permet de raisonner, de planifier et de maintenir une cohérence sur des tâches longues. Les concurrents disposent désormais d'un manuel opérationnel détaillé pour construire des agents autonomes comparables. Parmi les découvertes les plus significatives figure un drapeau d'activation nommé KAIROS — référence au concept grec du « moment opportun » — mentionné plus de 150 fois dans le code. Il correspond à un mode « démon autonome » inédit : Claude Code serait capable de continuer à fonctionner en arrière-plan, même terminal fermé, même utilisateur déconnecté. Associée à ce mode, une fonction baptisée autoDream simule une forme de consolidation mémorielle nocturne : lorsque l'utilisateur est inactif, un sous-agent se lance pour trier les observations de la journée, fusionner les informations contradictoires et transformer des déductions vagues en connaissances structurées — un mécanisme directement inspiré du rôle du sommeil paradoxal dans la mémoire humaine. Cette fuite intervient dans un contexte de course effrénée entre les grands laboratoires d'IA pour développer des agents capables d'opérer de façon véritablement autonome sur des horizons temporels longs. Anthropic, OpenAI, Google DeepMind et plusieurs challengers financent massivement cette direction depuis 2024. KAIROS et autoDream montrent qu'Anthropic avait une longueur d'avance significative sur ces capacités — et que ces fonctionnalités n'étaient pas encore annoncées publiquement au moment du leak. La question qui agite désormais la communauté est double : dans quelle mesure des concurrents comme Google ou xAI vont-ils exploiter ce code pour accélérer leurs propres développements, et Anthropic parviendra-t-il à maintenir son avantage malgré la mise à nu involontaire de son infrastructure technique la plus stratégique ?

Comment l’IA et le Big Data transforment-ils la gestion du risque colis dans le e-commerce ?

En 2025, plus de 20 millions de colis ont subi un sinistre en France, pour un coût moyen de 145 euros par dossier. Pourtant, la quasi-totalité de ces incidents laissent des traces dans les systèmes de tracking bien avant que le client ne dépose une réclamation. Chaque expédition génère en moyenne une vingtaine de points de données, scans en entrepôt, passages en centre de tri, exceptions transporteur, soit plus de 10 000 événements logistiques mensuels pour un e-commerçant qui envoie 500 colis par mois. Le problème n'est pas l'absence de données, c'est leur sous-exploitation systématique. C'est précisément ce vide que l'intelligence artificielle commence à combler : en analysant ces flux en continu, elle permet de détecter les anomalies avant qu'elles ne se transforment en litige déclaré. L'impact est concret pour les marchands. Un e-commerçant expédiant 100 colis à 800 euros par mois peut accuser plus de 8 000 euros d'écart annuel entre une couverture mal calibrée et une assurance réellement adaptée à son profil de sinistralité. L'IA renverse la logique traditionnelle du support client : au lieu d'attendre la réclamation, le système surveille trois catégories de signaux faibles, les blocages temporels (un colis immobile plus longtemps que la norme observée sur un transporteur et une zone donnés), les exceptions répétées (un statut de retour expéditeur déclenché sans tentative préalable), et les ruptures de scan (absence de mise à jour après un dernier événement connu). Ces indicateurs permettent au marchand de contacter le destinataire en proactif, avant même que celui-ci ait réalisé que son colis pose problème, transformant radicalement l'expérience client et réduisant le coût des dossiers ouverts. La détection d'anomalies n'est que la première étape. L'apport le plus structurant de l'IA réside dans la qualification automatique du niveau de risque de chaque dossier via un score décisionnel multicritères : valeur déclarée du colis, historique de sinistralité du transporteur sur l'axe concerné, délai écoulé depuis le dernier scan valide, profil habituel du marchand, et catégorie de produit (bijoux, high-tech, reconditionnés). Ce scoring produit une décision lisible, dossier à instruire immédiatement ou à surveiller, là où un analyste humain aurait besoin de plusieurs heures de consultation manuelle. Dans un secteur où les marges sont sous pression constante et les exigences des clients finaux en forte hausse, la gestion prédictive du risque colis cesse d'être un avantage concurrentiel optionnel pour devenir une brique opérationnelle à part entière de la chaîne logistique.

💬 20 millions de colis sinistres par an, et les signaux étaient déjà dans les données de tracking, personne ne les lisait. C'est exactement le type de problème où l'IA apporte quelque chose de solide, pas du gadget, juste de l'exploitation de ce qu'on avait depuis des années sans s'en servir. Bon, ça va pas régler les litiges avec les transporteurs, mais côté coût opérationnel et expérience client, c'est du vrai gain.

La mise à jour de Codex pose les bases de la « superapp » d’OpenAI

OpenAI a livré hier une mise à jour majeure de Codex, son application dédiée au développement logiciel, disponible sur macOS depuis février 2026 et sur Windows depuis mars. Ce logiciel, qui permet aux développeurs d'utiliser un agent IA spécialisé dans la programmation via une interface graphique ou en ligne de commande, s'enrichit de capacités inédites : intégration avec n'importe quelle application Mac, déploiement de plusieurs agents en tâche de fond, navigateur web embarqué avec annotations directes sur les pages, génération de visuels d'interface via le modèle gpt-image-1.5, gestion de multiples terminaux en simultané, connexion à des environnements distants par SSH (encore en alpha), et une bibliothèque élargie à plus de 90 modules d'extension connectant Codex à des services comme Slack, Notion, GitLab ou CodeRabbit. L'application gère désormais la planification de tâches longues et conserve le contexte des conversations pour reprendre un travail sans que l'utilisateur ait à tout réexpliquer. Ce qui rend cette mise à jour stratégiquement significative dépasse la simple liste de fonctionnalités : Thibault Sottiaux, responsable de Codex chez OpenAI, a confirmé à Ars Technica que Codex est la brique fondatrice de la future « superapp » qu'OpenAI construit depuis plusieurs mois. L'objectif est de créer un point d'entrée universel capable de répondre aux besoins de tous les profils d'utilisateurs, développeurs, professionnels et grand public, en servant d'intermédiaire entre l'utilisateur et l'ensemble de son environnement numérique. Concrètement, cela signifie qu'un agent pourrait détecter une décision prise dans Slack, récupérer les détails dans Notion, vérifier l'état du code existant et proposer automatiquement une liste d'actions, sans intervention humaine pour reconstituer le contexte. Cette ambition s'inscrit dans une course intense entre les grandes plateformes d'IA à la captation de l'interface quotidienne des utilisateurs. OpenAI affronte ici directement Anthropic avec Claude Code, mais aussi Microsoft, Google et les acteurs spécialisés du développement assisté. La stratégie choisie, construire la superapp « au grand jour » en faisant évoluer un outil déjà adopté par les développeurs, présente l'avantage de valider chaque brique en conditions réelles avant d'élargir le public cible. Le navigateur intégré, par exemple, laisse entrevoir une possible mise en retrait d'Atlas, le propre navigateur qu'OpenAI développait en parallèle. L'enjeu à terme est considérable : celui qui parvient à s'imposer comme couche d'orchestration entre l'utilisateur, ses outils et ses données détient un levier d'influence considérable sur l'ensemble du flux de travail numérique.