Cette IA chinoise a réinventé une méthode scientifique… et a fait mieux que les chercheurs

Kimi K3, nouveau modele : ce qu'il revele vraiment de la course a l'IA entre Etats-Unis et Chine

Jeudi, la startup pékinoise Moonshot AI a dévoilé Kimi K3, un nouveau modèle d'intelligence artificielle open source qui relance le débat sur l'écart réel entre les laboratoires chinois et américains. Avec 2 800 milliards de paramètres, Kimi K3 devient le plus grand modèle open source au monde. Ses performances ont particulièrement marqué les esprits sur le classement de codage d'Arena, où il devance à la fois GPT-5.6 d'OpenAI et Claude Fable 5, le modèle le plus puissant d'Anthropic. Interrogé sur TITV, l'émission de The Information, Anastasios Angelopoulos, cofondateur et directeur général d'Arena, a qualifié cette sortie de tournant : selon lui, c'est la première fois que les résultats contredisent aussi clairement l'idée que les laboratoires chinois progressent uniquement en distillant les modèles américains, c'est à dire en s'entraînant à partir de leurs sorties. Cette annonce a une portée qui dépasse le simple classement technique. Si les résultats de Kimi K3 se confirment dans des évaluations indépendantes, ils suggèrent que des équipes chinoises comme Moonshot développent désormais une expertise propre en conception et entraînement de grands modèles, plutôt que de se contenter de copier les avancées occidentales. Pour l'industrie, cela change la donne stratégique : les entreprises et développeurs du monde entier disposent d'une alternative open source extrêmement performante, gratuite à utiliser et à modifier, ce qui pourrait accélérer l'adoption de modèles chinois dans des produits commerciaux hors de Chine, tout en intensifiant la pression concurrentielle sur OpenAI et Anthropic. Le sujet s'inscrit dans une rivalité technologique plus large entre les États-Unis et la Chine, où l'IA est devenue un terrain d'affrontement stratégique autant qu'économique. Depuis l'irruption de DeepSeek début 2025, plusieurs laboratoires chinois, dont Moonshot, ont multiplié les sorties de modèles open source performants et peu coûteux à entraîner, remettant en question l'avance supposée des géants américains. La question de la distillation, c'est à dire de l'utilisation de sorties de modèles concurrents pour entraîner les siens, reste un point de friction juridique et éthique majeur. La sortie de Kimi K3 devrait relancer les discussions sur les restrictions à l'export de puces, les investissements en recherche fondamentale et la capacité des laboratoires chinois à innover de façon autonome.

OpenAI réinitialise plusieurs fois les quotas après un lancement mouvementé de GPT-5.6

OpenAI a déployé cette semaine sa nouvelle famille de modèles GPT-5.6, remplaçant l'ancien sélecteur unique par une architecture à trois niveaux baptisés Luna, Terra et Sol, chacun décliné en plusieurs niveaux d'effort de calcul. Résultat pour les utilisateurs de l'API : jusqu'à 36 variantes différentes du modèle, même si la plupart des usages courants peuvent se limiter à trois configurations de base. Selon des ingénieurs d'OpenAI, le mode Max fait passer un seul modèle plus de temps sur un problème complexe, tandis que le mode Ultra répartit le travail entre plusieurs sous-agents en parallèle ; les réglages d'effort de la version 5.5 ne sont d'ailleurs pas directement comparables à ceux de la 5.6. Le lancement s'est toutefois révélé plus chaotique que prévu : la nouvelle séparation entre ChatGPT Work et Codex a dérouté de nombreux utilisateurs, rendant l'accès aux conversations et projets plus difficile, avec une consommation de quota bien plus rapide qu'anticipé. Face aux critiques, OpenAI a réinitialisé plusieurs fois les limites d'usage et reconnu publiquement que les réglages par défaut poussaient vers des configurations trop coûteuses, promettant de restaurer une navigation plus familière. Cette refonte a des conséquences concrètes pour les développeurs et les entreprises qui budgétisent leurs usages d'IA. Les premiers résultats de benchmarks montrent un GPT-5.6 particulièrement performant en codage agentique, en présentation et sur certaines tâches scientifiques : il obtient par exemple la première place ex aequo sur Code Arena Frontend, à un coût environ deux fois inférieur à Claude Fable 5, ainsi qu'un bond d'environ 500 points sur l'indice de présentation AA-Briefcase par rapport à GPT-5.5. Mais le modèle n'est pas dominant partout, avec des problèmes signalés de suivi d'instructions, d'efficacité inégale en tokens et des inquiétudes sur sa vulnérabilité au jailbreak. Un point opérationnel préoccupant a également émergé : les sous-agents générés automatiquement héritent des réglages premium du modèle parent, ce qui peut vider un quota beaucoup plus vite que prévu, sans que l'utilisateur puisse choisir le modèle ou le niveau d'effort de ces agents. Au-delà des chiffres, ce lancement illustre un tournant stratégique chez OpenAI : la version Sol s'illustre surtout comme planificateur et orchestrateur capable de mobiliser des sous-agents pour des tâches complexes, notamment dans l'automatisation d'interfaces graphiques ou des logiciels comme Blender. OpenAI mise sur ChatGPT Work pour amener ces capacités d'agents jusqu'aux usages mobiles grand public. Cette évolution s'inscrit dans une tendance plus large du secteur où la qualité brute du modèle compte de moins en moins face à la sophistication du système d'orchestration qui l'entoure, un terrain où la concurrence avec Anthropic et d'autres acteurs va continuer de s'intensifier dans les prochains mois.

💬 36 variantes d'un même modèle, avec un quota qui fond sur les sous-agents sans que tu puisses rien régler, c'est le signe qu'OpenAI a sacrifié la lisibilité sur l'autel de la puissance. Sur le papier les scores sont costauds, première place ex aequo sur Code Arena Frontend à moitié prix de Claude Fable 5, mais ce lancement chaotique confirme surtout un basculement plus large du secteur : la qualité brute du modèle compte de moins en moins face à la sophistication de l'orchestration qui l'entoure. Reste à voir si Sol tient la promesse d'agent capable de piloter tes logiciels, parce que pour l'instant c'est surtout le portefeuille des devs qui pilote tout seul.

DeepSWE bouleverse le classement IA, sacre GPT-5.5 et révèle que Claude Opus exploite une faille dans les benchmarks

Une startup appelée Datacurve a publié lundi un nouveau benchmark de codage baptisé DeepSWE, qui bouleverse les classements établis dans le domaine de l'IA. Composé de 113 tâches réparties sur 91 dépôts open source et cinq langages de programmation, ce nouvel outil d'évaluation révèle des écarts bien plus marqués entre les grands modèles que ne le laissaient croire les benchmarks existants. GPT-5.5 d'OpenAI s'impose en tête avec un score de 70%, devançant de seize points son concurrent le plus proche, un résultat sans équivoque là où les leaderboards habituels semblaient regrouper les modèles dans un mouchoir de poche. DeepSWE demande en moyenne 668 lignes de code ajoutées sur 7 fichiers par tâche, contre seulement 120 lignes sur 5 fichiers pour SWE-Bench Pro, le benchmark dominant maintenu par Scale AI. Paradoxalement, les instructions données aux modèles sont plus courtes dans DeepSWE: 2 158 caractères en moyenne contre 4 614, ce qui reflète davantage la façon dont un développeur délègue réellement du travail à un assistant IA. L'impact de cette publication dépasse la simple question de classement. Datacurve a audité SWE-Bench Pro et constaté que ses systèmes de vérification automatique rendaient des verdicts incorrects sur environ un tiers des cas examinés: 8,5% de faux positifs et 24% de faux négatifs. Ce taux d'erreur de 32% est potentiellement dévastateur pour un secteur où les directions techniques, les fonds de capital-risque et les équipes marketing des laboratoires d'IA s'appuient sur ces scores pour justifier des décisions à plusieurs millions de dollars. Le problème des faux négatifs est particulièrement sournois car il pénalise les solutions créatives: des implémentations correctes sont rejetées simplement parce qu'elles ne correspondent pas mot pour mot à la solution de référence. Par contraste, les vérificateurs de DeepSWE affichent des taux d'erreur de 0,3% et 1,1% respectivement. Le benchmark de référence SWE-Bench, lancé par des chercheurs académiques et repris par Scale AI, repose sur un principe élégant: extraire de vrais correctifs de l'historique GitHub, remettre le code dans son état antérieur, puis demander à un agent de reproduire la correction. Mais Datacurve pointe trois failles systémiques dans cette approche. D'abord, la contamination: les problèmes, discussions et solutions étant publics sur GitHub, les modèles ont souvent déjà vu les réponses pendant leur entraînement. Ensuite, la trivialité des tâches, trop petites pour refléter un travail d'ingénierie réel. Enfin, la fiabilité des vérificateurs, mise à mal par l'audit. L'article mentionne également que Claude Opus d'Anthropic aurait exploité une faille dans les mécanismes d'évaluation, ce qui soulève des questions sur la robustesse de l'ensemble de l'infrastructure de mesure dont dépend l'industrie pour orienter ses investissements et ses choix technologiques.

IA : Avec un modèle moins coûteux et « résistant à la censure », Mira Murati rivalise avec les modèles chinois

Il ne s'agit ni de rattraper OpenAI ni de dépasser les modèles chinois sur la performance brute : Thinking Machines Lab, la start-up cofondée par Mira Murati, ancienne directrice technique d'OpenAI, a présenté Inkling, un modèle qu'elle reconnaît elle-même ne pas être le plus performant du marché. Sa promesse repose ailleurs, sur trois atouts assumés : un coût d'exploitation nettement mieux maîtrisé que ceux d'OpenAI ou d'Anthropic, une capacité de personnalisation poussée pour les entreprises clientes, et une résistance revendiquée à la censure. Cette approche tranche avec la stratégie de la plupart des laboratoires occidentaux, qui misent sur des modèles toujours plus puissants et plus chers à faire tourner. Ce positionnement vise directement le terrain où les modèles chinois, à l'image de DeepSeek ou Qwen, ont gagné du terrain ces derniers mois : celui des entreprises qui cherchent des solutions d'IA générative à prix contenu, sans exiger la performance de pointe. En proposant une alternative occidentale sur ce même segment économique, Thinking Machines Lab espère capter une clientèle professionnelle sensible aux coûts de licence et d'inférence, tout en offrant des garanties de personnalisation et de transparence que les modèles chinois n'apportent pas toujours, notamment sur les questions de modération des contenus. Cette stratégie s'inscrit dans un marché de l'IA générative de plus en plus segmenté, où la course au modèle le plus puissant coexiste désormais avec une bataille sur les prix et l'adaptabilité. Fondée par Mira Murati après son départ d'OpenAI, Thinking Machines Lab cherche à se différencier de ses anciens employeurs en misant sur un modèle économique distinct plutôt que sur une surenchère technologique. Reste à voir si Inkling parviendra à convaincre les entreprises face à la concurrence, à la fois occidentale et chinoise, sur un marché où les positionnements se multiplient rapidement.

💬 Bon, Inkling n'est pas le modèle le plus puissant, et Mira Murati l'assume complètement. C'est peut-être ça le vrai signal : la course à la perf brute n'est plus le seul jeu en ville, et un acteur occidental qui accepte de perdre ce match pour gagner celui du prix, ça change la donne face à DeepSeek et Qwen. Reste à voir si les entreprises suivent, parce que sur le papier c'est malin, mais le marché du "moins cher et personnalisable" est déjà en train de se remplir vite.