Dossier GPT-5 — page 8

Un guide subjectif sur quelle IA utiliser pour chaque tâche

Voici la traduction-résumé de l'article : Un nouveau guide sur l'usage pratique de l'intelligence artificielle vient d'être publié, mettant en avant l'ampleur des progrès réalisés en quelques mois seulement. Utiliser l'IA ne se limite plus à dialoguer avec un chatbot : désormais, des systèmes agentiques permettent à un modèle de mobiliser des outils pour accomplir l'équivalent de plusieurs heures de travail humain en une seule fois, en combinant capacités de raisonnement et accès à un ordinateur virtuel. L'exemple le plus parlant concerne un générateur procédural de bâtiments de style brutaliste, développé lors de la sortie de GPT-5 avec une simple consigne de création par glisser-déposer. Refait moins d'un an plus tard avec GPT-5.6 Sol dans Codex à partir de la même instruction, le résultat affiche un écart de qualité spectaculaire, illustrant la vitesse des progrès des modèles et des systèmes agentiques associés. Cette évolution change concrètement la manière dont les professionnels devraient choisir et utiliser ces outils. Pour les usages simples et à faibles enjeux, comme obtenir une recette ou rédiger un courrier, la plupart des modèles gratuits suffisent largement. En revanche, pour des questions sensibles, comme un second avis médical ou juridique, il devient nécessaire de recourir aux modèles les plus avancés, réglés sur leur niveau de raisonnement maximal, afin de bénéficier d'un taux d'erreur plus faible et de meilleures performances sur les tâches complexes. Pour un travail réel et approfondi, deux acteurs dominent le marché à l'heure actuelle, ChatGPT et Claude, accessibles à partir de 20 dollars par mois. Ils permettent, via les modes ChatGPT Work et Cowork, de connecter l'IA à des applications comme la messagerie ou le stockage cloud, ouvrant la voie à une automatisation concrète de tâches quotidiennes, illustrée par un test où l'IA a préparé un séminaire MBA en accédant à une boîte Gmail pour répondre aux messages en attente. Ces avancées posent la question plus large de l'accès à un ordinateur pour l'IA, condition désormais jugée indispensable pour transformer un modèle de langage en véritable assistant de travail. Deux approches coexistent : les entreprises d'IA fournissent leur propre machine virtuelle sécurisée, ou l'utilisateur donne accès à son propre environnement numérique, une option plus puissante mais nécessitant davantage d'expertise technique. Le choix du modèle et de son niveau de réflexion devient ainsi une décision stratégique à part entière, à mesure que ces systèmes gagnent en autonomie. D'autres acteurs, comme Google, entrent également dans la compétition, confirmant que la course à l'IA agentique s'accélère et redéfinit les usages professionnels courants de ces technologies.

Cursor lance Cursor Router : un classificateur au niveau de la requête qui offre une qualité de codage de pointe à un coût réduit de 30 à 50%

Cursor a rendu disponible en version générale son système Cursor Router pour les offres Teams et Enterprise, annoncé dans un billet de lancement et un changelog datés du 22 juillet 2026. Il s'agit d'un classificateur qui examine chaque requête avant qu'un modèle ne s'exécute, puis l'oriente vers le modèle le plus adapté à la tâche précise. Entraîné sur plus de 600 000 requêtes réelles et évalué via un test A/B en ligne portant sur des millions de requêtes, le système utilise la satisfaction de l'utilisateur, mesurée par un indicateur appelé AFC, comme signal de récompense. Pour chaque demande, le routeur analyse quatre éléments : la requête elle-même, le contexte, la complexité de la tâche et le domaine concerné, en les combinant avec ce qu'il a appris du comportement de chaque modèle. Cursor annonce trois règles de routage : les tâches simples sont envoyées vers les modèles les plus économiques, les mises à jour d'interface vers le modèle jugé le plus pertinent esthétiquement, et les problèmes complexes ou à long horizon vers les modèles de raisonnement les plus avancés. Les résultats publiés font état de 60 % d'économies lors des tests A/B en ligne, et de 30 à 50 % chez les premiers clients entreprise ayant testé le système en avant-première. Le problème visé n'est pas un manque de capacité des modèles mais une mauvaise allocation des dépenses. Cursor indique qu'environ 60 % de ses développeurs se contentent d'utiliser un seul modèle au quotidien, ce qui signifie que des tâches routinières sont facturées au tarif des modèles les plus puissants alors qu'elles ne le nécessitent pas. Les dépenses en intelligence artificielle augmentent alors plus vite que la qualité produite. En redirigeant automatiquement les tâches simples vers des modèles moins coûteux tout en réservant les modèles de pointe aux problèmes réellement complexes, Cursor affirme préserver la qualité sur les cas difficiles tout en réduisant la facture globale. Pour les entreprises qui gèrent des équipes entières de développeurs, cela représente un levier direct sur les coûts d'infrastructure IA sans sacrifice de performance sur les tâches critiques. Un détail technique mérite l'attention de quiconque a déjà conçu un système de routage similaire : Cursor Router prend en compte le cache tant à l'entraînement qu'à l'évaluation. Changer de modèle en cours de conversation invalide le cache de prompt, ce qui a un coût réel que Cursor inclut dans ses chiffres d'économies, contrairement à des routeurs plus naïfs qui surestiment leurs gains en ignorant ce facteur. Le classificateur a aussi été conçu pour s'adapter à l'arrivée de nouveaux modèles, un enjeu important sur un marché où la frontière technologique évolue chaque mois. Cursor cite l'exemple de GPT-5.6 Sol, qui atteint le même coût que son mode Intelligence mais avec une satisfaction utilisateur moindre, sans toutefois publier de chiffre précis pour ce modèle.

Cisco Foundation AI lance Antares : des modèles ouverts de 350M et 1B qui localisent les vulnérabilités connues dans du code réel

Cisco Foundation AI a publié Antares, une famille de petits modèles de langage spécialisés (SLM) dédiés à une tâche unique en sécurité informatique : la localisation de vulnérabilités. À partir d'une description de faille et d'un dépôt de code, le modèle doit identifier les fichiers concernés. Deux versions sont disponibles en poids ouverts sur Hugging Face sous licence Apache 2.0, Antares-350M et Antares-1B, tandis qu'une troisième, Antares-3B, reste non publiée. Les trois modèles sont des transformeurs décodeurs initialisés à partir des checkpoints IBM Granite 4.0, partageant attention par groupes de requêtes, couches SwiGLU, normalisation RMSNorm et encodage RoPE. Cisco a également mis en ligne, sous la même licence, VLoc Bench, un benchmark agentique de 500 tâches issues de 290 dépôts réels couvrant six écosystèmes (npm, pip, Maven, Go, Rust, Composer) et 147 catégories CWE, dont 78% associées à un identifiant CVE officiel. Le résultat marquant n'est pas un record absolu mais un écart de performance à taille égale : Antares-1B atteint un score File F1 de 0,209, dépassant GLM-5.2, un modèle ouvert de 753 milliards de paramètres, plafonné à 0,186. Antares-3B grimpe à 0,223, juste sous GPT-5.5 en mode de raisonnement maximal à 0,229. Antares-1B affiche par ailleurs le meilleur rappel de tous les systèmes testés, à 0,224. Ce résultat illustre qu'un entraînement ciblé sur une tâche précise peut surpasser la simple augmentation du nombre de paramètres. Pour les équipes de sécurité, cela signifie qu'un modèle léger, peu coûteux à faire tourner, peut accélérer la première étape de triage lors d'une alerte de vulnérabilité, celle où un développeur doit fouiller un code source volumineux et mal connu pour localiser un fichier fautif. Les outils d'analyse statique classiques testés dans le même cadre restent nettement en retrait, avec 0,086 pour Semgrep, 0,023 pour CodeQL et seulement 0,020 pour Horusec, preuve que les scanners à base de règles peinent à s'adapter au contexte réel d'un dépôt. Cisco précise toutefois qu'Antares ne remplace aucun autre maillon de la chaîne de sécurité applicative : l'analyse des dépendances, la détection de secrets, les tests dynamiques ou la revue par des experts restent indispensables. Concrètement, Antares fonctionne comme un agent limité à 15 appels de terminal en lecture seule dans un bac à sable Docker sans accès réseau, ne recevant qu'une description de catégorie CWE, sans texte d'avis ni indice de fichier. Il conclut sa tâche en soumettant une liste classée de fichiers suspects ou en signalant l'absence de vulnérabilité. Le benchmark VLoc évalue aussi cette seconde capacité, en testant sur du code déjà corrigé si le modèle déclenche une fausse alerte. Cette approche s'inscrit dans une tendance plus large où l'industrie cherche à automatiser les tâches de sécurité répétitives et coûteuses en temps d'ingénieur, à mesure que le volume de vulnérabilités signalées dans les bases publiques continue de croître.

Contrôler l'effort de raisonnement dans les LLM

Voici l'article traduit et résumé : Le 26 juin dernier, OpenAI a lancé la famille de modèles GPT-5.6, disponible en trois tailles, chacune proposant entre cinq et six niveaux d'effort de raisonnement configurables. Cette annonce intervient près de deux ans après le lancement d'o1 par OpenAI, qui avait popularisé les modèles de raisonnement basés sur les LLM, et environ quatre mois après DeepSeek-R1, qui avait détaillé une méthode d'apprentissage par renforcement à récompenses vérifiables (RLVR) pour entraîner ce type de modèles. Sebastian Raschka, chercheur reconnu dans le domaine, souligne dans son analyse que les modèles de raisonnement sont désormais devenus un standard incontournable de toute nouvelle génération de modèles. Il rappelle le principe central du RLVR popularisé par DeepSeek-R1 : fournir un signal de récompense binaire, zéro pour une réponse incorrecte, un pour une réponse correcte, uniquement sur des domaines vérifiables comme les mathématiques, via des outils comme SymPy ou WolframAlpha, ou le code, via des compilateurs et des tests unitaires. Fait notable, la trace de raisonnement intermédiaire elle-même n'est pas utilisée pour l'entraînement du modèle : seule la réponse finale et le respect du format comptent pour le calcul de la récompense. Cette généralisation des modes d'effort configurables change concrètement la manière dont les entreprises et les développeurs peuvent exploiter ces modèles. Plutôt que de choisir entre un modèle rapide et peu coûteux ou un modèle lent et performant, les utilisateurs peuvent désormais ajuster finement le curseur entre vitesse d'exécution et qualité de raisonnement selon la tâche à accomplir, un simple résumé de texte ne nécessitant pas le même effort qu'un problème mathématique complexe. Pour l'industrie, cela signifie une meilleure maîtrise des coûts de calcul et une adaptation plus fine des modèles aux usages professionnels réels, où toutes les requêtes n'exigent pas le même niveau de sophistication. C'est aussi le signe que la recherche sur le raisonnement des LLM a atteint une maturité suffisante pour passer d'une simple option binaire, raisonnement activé ou non, à un curseur continu de performance. Cette évolution s'inscrit dans un contexte de recherche particulièrement actif depuis la publication de DeepSeek-R1. Deux grandes approches permettent aujourd'hui d'améliorer les capacités de résolution de problèmes des modèles de raisonnement : l'optimisation à l'entraînement et l'optimisation à l'inférence, c'est-à-dire au moment de l'exécution. La question de savoir comment exploiter la trace de raisonnement intermédiaire pour améliorer l'entraînement, notamment via des modèles de récompense de processus, reste un sujet de recherche actif et non résolu. Raschka, auteur d'un livre de 440 pages intitulé Build A Reasoning Model (From Scratch), consacré à la construction de modèles de raisonnement à partir de zéro, prévoit que la prochaine étape naturelle de cette recherche portera sur le développement de modèles capables de moduler nativement leur propre effort de raisonnement selon la complexité de la tâche, plutôt que de dépendre uniquement de réglages externes fixés par l'utilisateur.

💬 Ce qui compte dans GPT-5.6, c'est pas le modèle, c'est le curseur : cinq ou six crans d'effort, ça veut dire qu'OpenAI admet enfin que le raisonnement a un prix et qu'il faut le doser comme du café. Bon, sur le papier ça sonne comme du réglage fin pour les entreprises qui veulent économiser du calcul, mais en vrai ça acte surtout que le mode "réfléchir" à deux vitesses d'il y a deux ans était un hack grossier. Reste à voir si les modèles apprendront un jour à choisir eux-mêmes leur effort, parce que pour l'instant c'est encore à l'utilisateur de deviner combien de réflexion vaut sa question.

J'ai un pressentiment

Thinking Machines, la startup fondée par l'ancienne directrice technique d'OpenAI Mira Murati, a lancé Inkling, son premier modèle en poids ouverts (open-weights). Le modèle dispose d'une fenêtre de contexte d'un million de tokens et fonctionne sur trois modalités : texte, image et audio. Il reste toutefois loin derrière les meilleurs modèles ouverts du marché, dont la plupart proviennent aujourd'hui de laboratoires chinois, à l'image de GLM-5.2, considéré comme l'un des modèles open source les plus performants actuellement, même s'il ne gère pas encore les images en entrée. Inkling est disponible sur Tinker, la plateforme de fine-tuning de Thinking Machines, permettant aux développeurs de créer des versions personnalisées adaptées à des cas d'usage spécifiques. Par ailleurs, OpenAI a révélé l'existence de GPT-Red, un modèle interne conçu pour attaquer ses propres modèles afin de détecter les instructions cachées capables de les détourner ; cet outil a servi à renforcer la sécurité de GPT-5.6 Sol lors de son entraînement. Google a aussi mis à jour Gemini Spark, son concurrent d'OpenClaw, qui peut désormais éditer des documents Google Docs, lire les commentaires dans Sheets et Slides, et traiter plusieurs sources en parallèle, le tout 50% plus rapidement qu'auparavant. Ces annonces illustrent une bataille de plus en plus intense autour des modèles ouverts, un segment où de nombreuses startups délaissent progressivement les modèles propriétaires les plus puissants au profit de versions auto-hébergées ou affinées de modèles comme GLM-5.2, pour des raisons de coûts et de contrôle. Le fait qu'Inkling arrive loin derrière l'offre chinoise souligne à quel point les laboratoires occidentaux peinent à rivaliser sur ce terrain précis. Du côté de la sécurité, l'existence de GPT-Red témoigne d'une prise de conscience croissante des risques de manipulation par instructions cachées, un sujet d'autant plus sensible qu'un incident récent a montré qu'un prompt dissimulé avait réussi à faire fuiter par Claude des noms, employeurs et réponses à des questions de sécurité issus de sa mémoire. Ce climat de vigilance accrue rejoint les propos tenus par Demis Hassabis, directeur général de DeepMind, qui estime que l'intelligence artificielle générale (AGI) est probablement encore à quelques années. Il appelle à la création d'un organisme de normalisation dirigé par les États-Unis pour tester les modèles les plus avancés avant leur déploiement commercial, avec un partage volontaire des modèles jusqu'à 30 jours avant leur sortie pour évaluer les risques liés à la cybersécurité, aux menaces biologiques et aux comportements trompeurs. Cette proposition, pour l'instant sur une base volontaire mais avec la possibilité d'une approbation de déploiement obligatoire à terme, s'inscrit dans un contexte où même les outils grand public suscitent la controverse : xAI a dû rendre open source son assistant de code Grok Build après que des utilisateurs ont découvert que l'outil envoyait leur code vers ses serveurs par défaut.

💬 Le vrai signal, c'est pas Inkling, c'est son classement : il arrive loin derrière GLM-5.2, un modèle chinois. Une startup fondée par l'ex-CTO d'OpenAI qui sort son premier modèle ouvert et se fait doubler comme ça, ça en dit long sur qui mène vraiment la course à l'open source aujourd'hui. Le million de tokens de contexte et les trois modalités, c'est solide sur le papier, mais la hiérarchie du open-weights s'écrit clairement à Pékin, pas à San Francisco.

L'IA d'OpenAI Codex chiffre désormais les instructions entre agents, empêchant les développeurs de voir la délégation interne

Encore Docker sur ses fesses, GPT-5.6 encore secrète, faut-il vraiment tout ça pour compter les tokens ? Depuis début juin, l'outil de programmation Codex d'OpenAI chiffre les instructions qu'un agent principal transmet à ses sous-agents. Les développeurs ne peuvent plus observer la manière dont les tâches sont réparties en interne entre les différents agents Codex. Pour les variantes les plus puissantes du modèle GPT-5.6, baptisées Sol et Terra, ce chiffrement devient même obligatoire et ne peut pas être désactivé. Cette évolution technique modifie profondément la transparence de l'outil, qui reposait jusqu'ici sur la possibilité de suivre le raisonnement et la délégation des tâches entre agents. Ce changement pose un problème concret pour les développeurs qui utilisent Codex au quotidien pour déboguer, auditer ou optimiser leur usage de l'outil. Sans visibilité sur la délégation interne, il devient plus difficile de comprendre pourquoi une tâche a été traitée d'une certaine façon, de vérifier l'absence d'erreurs de raisonnement, ou d'ajuster ses propres prompts en fonction du comportement réel du système. Pour les entreprises qui intègrent Codex dans leurs chaînes de développement, cette opacité complique aussi les audits de sécurité et la conformité, à un moment où la question de la confiance dans les systèmes d'IA agentique devient centrale. Cette décision s'inscrit dans une tendance plus large chez les éditeurs de modèles d'IA, qui cherchent à protéger leurs mécanismes internes de raisonnement, considérés comme un avantage concurrentiel stratégique. OpenAI n'a pas détaillé publiquement les raisons précises de ce chiffrement, mais l'hypothèse la plus probable reste la protection de la propriété intellectuelle liée à l'architecture multi-agents de GPT-5.6. Cette orientation pourrait toutefois alimenter les critiques sur le manque de transparence des grands acteurs de l'IA, alors que les régulateurs, notamment en Europe, réclament davantage de traçabilité dans le fonctionnement des systèmes d'intelligence artificielle déployés à grande échelle.

💬 Chiffrer la délégation entre agents, c'est protéger le secret de fabrication de GPT-5.6, pas les utilisateurs. Sauf que quand tu ne vois plus comment tes tâches sont réparties entre sous-agents, ta capacité à déboguer ou auditer l'outil s'écroule. Le vrai signal, c'est que plus les IA deviennent agentiques, plus les éditeurs ferment la boîte noire, pile au moment où les régulateurs européens réclament l'inverse.

Mes réflexions sur Fable

Aujourd'hui marque le dernier jour où Fable est inclus gratuitement dans les abonnements Claude d'Anthropic : dès demain, son usage nécessitera l'achat de crédits séparés. Un utilisateur régulier raconte avoir passé la semaine à converser avec Fable dans une session unique et prolongée, exploitant sa gestion de la mémoire, la compaction des échanges et l'écriture de fichiers, qu'il juge impressionnante. Il a également fait appel à Codex et à Droid comme sous-agents, au point d'épuiser plus vite son quota Codex que celui de Claude Code. Anthropic a par ailleurs publié une nouvelle recherche en interprétabilité montrant que Claude mobilise un « espace de travail global » activant des concepts qui n'apparaissent ni dans la réponse finale ni dans la chaîne de raisonnement visible, mais qui influencent malgré tout son comportement, un mécanisme que les chercheurs comparent à une forme de pensée inconsciente. Du côté d'OpenAI, The Information rapporte que l'entreprise a trouvé un moyen de réduire de moitié le coût d'inférence de ses modèles, déjà testé sur les utilisateurs non connectés de ChatGPT, la dernière baisse de prix majeure remontant à un an avec la réduction de 80% du coût d'o3. Ces annonces comptent parce qu'elles redessinent la manière dont les professionnels choisissent et utilisent leurs outils d'IA au quotidien. La fin de la gratuité de Fable pousse les utilisateurs à repenser leur rapport à un outil qu'ils décrivent moins comme un assistant de développement que comme un véritable partenaire de réflexion, capable de connexions créatives que d'autres modèles peinent à reproduire. Cette bascule illustre aussi une tension plus large dans l'industrie entre agents conçus pour coder efficacement, comme Codex jugé plus rapide et plus abouti, et des harnais pensés pour le brainstorming, où la vitesse compte moins que la profondeur de pensée. Une éventuelle baisse des coûts d'inférence chez OpenAI pourrait, si elle s'étend aux API payantes, rendre l'usage intensif de ces modèles plus accessible aux développeurs et entreprises, un enjeu economique important dans un secteur ou les couts de calcul restent le principal frein a l'adoption a grande echelle. Le contexte plus large est celui d'une accélération attendue cette semaine avec l'arrivée annoncée de GPT-5.6, potentiellement dans sa variante Sol, censée rivaliser avec les capacités créatives et de raisonnement d'Anthropic. Parmi les autres sorties notables figure GPT-Realtime-2.1-mini, un nouveau modèle de l'API OpenAI capable de traiter de la vidéo en entrée et de produire de l'audio tout en effectuant du raisonnement et des appels d'outils. Un projet distinct, MIRA, a par ailleurs entraîné un modèle de monde jouable sur 10 000 heures de parties façon Rocket League, donnant une sensation de jeu réel malgré des graphismes sommaires. Sponsorisée par Adobe Firefly, cette actualité s'accompagne du déploiement de nouvelles capacités agentiques pour l'outil, incluant la création de chartes de marque, de vidéos produits courtes, un montage automatique baptisé Quick Cut et la génération de storyboards, signe que la course à l'intégration de l'IA générative dans les usages créatifs professionnels continue de s'intensifier sur tous les fronts.

💬 La fin de la gratuité de Fable, c'est le signal qu'on sort de l'ère où l'IA générative se distribuait comme un bonus marketing : à partir de maintenant, on paie pour ce que l'outil vaut vraiment, pas pour l'abonnement qui l'englobe gratuitement. La recherche d'Anthropic sur la "pensée inconsciente" de Claude est fascinante, mais ça reste du labo, pas du produit. Le vrai enjeu, il est chez OpenAI, qui coupe son coût d'inférence en deux : si ça arrive sur l'API payante, ça change la donne pour tous ceux qui tournent ces modèles en prod.

Anthropic redéploie Claude Fable 5 après la levée des contrôles à l'exportation, ajoute un classificateur cybersécurité

Anthropic a redéployé Claude Fable 5, son modèle le plus performant en accès général, le mercredi 1er juillet, après la levée des contrôles à l'export imposés par le gouvernement américain. Ces restrictions, entrées en vigueur le 12 juin, visaient Fable 5 et son homologue Claude Mythos 5, deux modèles construits sur la même base mais dotés de garde-fous différents, Mythos 5 étant partiellement ouvert aux partenaires de cybersécurité défensive. Une directive gouvernementale limitant leur usage aux personnes non étrangères, qu'Anthropic ne pouvait vérifier en temps réel, avait poussé l'entreprise à suspendre les deux modèles pour tous les utilisateurs. L'élément déclencheur était un rapport de chercheurs d'Amazon ayant découvert une méthode de contournement des protections de Fable 5, permettant au modèle d'identifier plusieurs vulnérabilités logicielles et, dans un cas, de produire du code exploitant l'une d'elles. Le 26 juin, Washington a autorisé la restauration de Mythos 5 pour certaines organisations américaines, avant une levée complète des restrictions le 30 juin. Fable 5 est de nouveau disponible mondialement sur la Claude Platform, Claude.ai, Claude Code et Claude Cowork, au tarif de 10 dollars par million de tokens en entrée et 50 dollars par million en sortie. Anthropic affirme que la faille détectée n'avait rien d'unique à Fable 5 : des modèles moins puissants comme Claude Opus 4.8, GPT-5.5 ou Kimi K2.7 identifiaient les mêmes vulnérabilités, et l'exploit spécifique a pu être reproduit par pratiquement tous les modèles testés, dont Haiku 4.5, Sonnet 4.6, Opus 4.6, Opus 4.7, GPT-5.4 et GPT-5.5. L'entreprise qualifie l'incident de cas limite ne relevant pas de capacités cyber propres au niveau Mythos, mais bien de tâches de cybersécurité défensive courantes. Pour combler la brèche, elle a entraîné un nouveau classificateur de sécurité bloquant la technique signalée dans plus de 99 % des cas ; les requêtes interceptées ne sont pas rejetées mais redirigées vers Claude Opus 4.8, avec notification de l'utilisateur. Des chercheurs du CAISI, rattaché au Département du Commerce américain, ont testé les anciennes et nouvelles protections et les jugent extrêmement solides, au prix d'un peu plus de faux positifs lors de tâches de codage ou de débogage classiques, une conséquence assumée de la marge de sécurité volontairement élargie sur Fable 5. Cet épisode a mis en lumière l'absence de norme commune pour évaluer la gravité d'un jailbreak, une technique permettant de contourner les garde-fous d'un modèle. Anthropic élabore désormais un cadre de notation avec Amazon, Microsoft, Google et d'autres partenaires de l'initiative Glasswing, fondé sur quatre critères : le gain de capacité offert par rapport aux outils existants, l'étendue des tâches offensives débloquées, la facilité à transformer la technique en arme réellement exploitable, et sa facilité de découverte par un tiers. Pour les cas jugés les plus graves selon cette grille, Anthropic prévoit de déployer des mesures d'atténuation préliminaires dès leur détection, sans attendre une correction complète.

💬 Ce qui m'intéresse ici, c'est pas la faille en elle-même, tu remarqueras que presque tous les modèles testés savaient la reproduire, pas juste Fable 5. Le vrai trou, c'est qu'il n'existe aucune grille commune pour juger de la gravité d'un jailbreak, et ça a suffi à mettre le modèle le plus puissant d'Anthropic à l'arrêt pendant trois semaines. Le classificateur colmate l'urgence, mais tant que Google, Microsoft et les autres n'auront pas la même échelle de gravité, ce genre de coupure va se reproduire.

GeneBench-Pro : OpenAI crée un benchmark si difficile que même GPT 5.6 Sol galère

OpenAI a dévoilé le 30 juin 2026 GeneBench-Pro, un nouveau benchmark destiné à mesurer une compétence bien plus exigeante que la simple restitution de connaissances : le jugement scientifique des modèles d'intelligence artificielle. L'outil rassemble 129 problèmes couvrant la génomique, la biologie quantitative et la médecine translationnelle. Pour chaque exercice, l'IA reçoit un jeu de données réel, le contexte d'une expérience et une question précise, et doit explorer les données, choisir la méthode d'analyse adaptée, puis formuler une conclusion pertinente, exactement comme le ferait un chercheur face à un problème inédit. Avant la publication, OpenAI a fait valider 82 des 129 problèmes par des experts indépendants (doctorants, chercheurs postdoctoraux, scientifiques de l'industrie et professeurs), afin de vérifier le réalisme des scénarios et la cohérence des réponses attendues. Selon Alexander Strudwick Young, la plupart de ces exercices auraient mis en difficulté un doctorant livré à lui-même, sans l'appui d'un superviseur expérimenté. Sur ce test, GPT-5.6 Sol domine largement ses prédécesseurs avec 28,7 % de réussite en niveau de raisonnement maximal, et 31,5 % en mode Pro, contre moins de 5 % pour GPT-5 lors des premiers essais sur la version originale de GeneBench. Cette progression illustre un enjeu concret pour la recherche biomédicale : les experts estiment qu'un problème type de GeneBench-Pro demanderait entre 20 et 40 heures de travail à un spécialiste humain, facturées environ 200 dollars de l'heure, soit plusieurs milliers de dollars par exercice résolu. Une IA capable d'atteindre un niveau de compétence comparable pourrait effectuer le même travail pour seulement quelques dollars de coût d'inférence. L'écart de performance entre modèles reste toutefois considérable : Opus 4.8 plafonne à 16 %, Gemini 3.5 Flash à 8,1 %, Gemini 3.1 Pro à 3,1 %, GLM 5.2 à 4,6 %, DeepSeek V4 Pro à 2,4 % et Grok 4.3 à seulement 1,5 %. Ces résultats montrent qu'au-delà du simple niveau de raisonnement affiché, la capacité à naviguer dans des données biologiques désordonnées et à faire des choix méthodologiques justes reste un obstacle majeur pour la plupart des modèles, y compris les plus récents. Ce benchmark s'inscrit dans une tendance plus large de l'industrie de l'IA, qui cherche désormais à évaluer les modèles non plus sur des connaissances factuelles mais sur leur capacité à mener une véritable démarche scientifique, jugement, exploration et arbitrage méthodologique inclus. Tous les problèmes ont été créés de manière synthétique par OpenAI, ce qui lui permet de garder un contrôle total sur les données et de comparer précisément les réponses des modèles aux résultats attendus, tout en tenant compte du fait que plusieurs méthodes d'analyse différentes peuvent aboutir à une conclusion scientifiquement valable. Pour garantir une évaluation indépendante, OpenAI publie en open source dix problèmes représentatifs sur Hugging Face, et confie un second ensemble de 50 questions à Artificial Analysis, qui mènera ses propres évaluations comparatives des différents modèles d'IA. À terme, cet effort vise à mesurer si les agents d'intelligence artificielle peuvent réellement accélérer la recherche en biologie computationnelle, un domaine où la rareté des experts qualifiés et le coût élevé de leur temps constituent un frein important à l'innovation.

Kimi K2.7-Code réduit les tokens de raisonnement de 30 %, mais les praticiens contestent les benchmarks

Moonshot AI a publié cette semaine Kimi K2.7-Code, une mise à jour open source de sa famille de modèles de codage K2. Construit sur la même architecture mixture-of-experts à un trillion de paramètres que son prédécesseur K2.6, le modèle est disponible sous licence Modified MIT, téléchargeable sur HuggingFace et déployable via vLLM ou SGLang. Il s'intègre via une API compatible OpenAI, ce qui facilite la migration pour les équipes déjà en production avec K2.6. La principale promesse de Moonshot AI : une réduction de 30 % des tokens de raisonnement ("thinking tokens") par rapport à K2.6, ce qui se traduirait directement par une baisse des coûts d'inférence dans les workflows agentiques. Sur ses propres benchmarks propriétaires, l'entreprise annonce des gains de 21,8 % sur Kimi Code Bench v2, 11 % sur Program Bench et 31,5 % sur MLS Bench Lite. Sur le plan technique, le modèle génère désormais du code bas niveau en l'écrivant directement, là où K2.6 s'appuyait sur des wrappers de bibliothèques existantes, une approche censée améliorer la généralisation sur Rust, Go et Python. Le problème, soulevé immédiatement par des praticiens, est que ces chiffres proviennent exclusivement de benchmarks internes à Moonshot. Le chercheur Elliot Arledge a testé K2.7-Code face à K2.6 et à Claude Fable 5 sur KernelBench-Hard, un benchmark public spécialisé dans l'optimisation de kernels GPU, et a publié ses logs complets. Son verdict : "K2.7 est plus honnête, mais pas plus capable." Sur cinq des six problèmes testés, K2.7-Code a bien produit des kernels Triton réels là où K2.6 utilisait des wrappers, mais deux de ces kernels ont échoué à cause de bugs du modèle lui-même. Sur le kernel MoE, le score a même régressé, passant de 0,222 à 0,157 par rapport à K2.6. Claude Fable 5, lui, "arrive en tête sur chaque cellule où il n'échoue pas honnêtement", note Arledge. Sugumaran Balasubramaniyan, développeur d'un routeur de tâches pour la plateforme Hermes Agent, a interpellé Moonshot directement : "Avec tout le respect dû, chaque modèle 'progresse' de deux chiffres sur sa propre suite de tests." Il a rappelé que K2.6 ne score que 24 % sur DeepSWE, un benchmark indépendant bien plus discriminant, au même niveau que GPT-5.4-mini, et a demandé si K2.7-Code serait soumis au même test. Cette situation illustre un problème structurel dans l'évaluation des modèles de codage : la prolifération des benchmarks propriétaires rend les comparaisons quasi impossibles, tandis que des outils indépendants comme DeepSWE, qui produit un écart de 70 points entre modèles contre seulement 30 pour SWE-Bench Pro, restent sous-utilisés. Moonshot AI avait réussi une percée remarquée en avril lorsque K2.6 était arrivé en tête du classement hebdomadaire d'OpenRouter, fondé sur les décisions réelles de routage des développeurs. K2.7-Code, lui, n'a pas encore été soumis à ce type de validation externe. Pour les équipes en production, la bonne nouvelle est concrète : la réduction des tokens de raisonnement est testable immédiatement via l'API compatible OpenAI, sans refonte d'architecture. Mais la question de savoir si ces gains se maintiennent sur des tâches réelles, et si le modèle dépasse effectivement K2.6 sur des benchmarks indépendants, reste entière.

💬 Tout le monde annonce des gains à deux chiffres sur sa propre suite de tests, et Moonshot ne fait pas exception. La bonne nouvelle, c'est que la réduction de tokens de raisonnement est testable directement via l'API, sans refonte d'archi. K2.6 score 24 % sur DeepSWE au niveau de GPT-5.4-mini, alors avant de migrer, je veux voir K2.7 passer les mêmes épreuves.

Jailbreak ChatGPT 2026 : DAN v13+, Echo Chamber + Storytelling – ça marche encore ?

En 2026, les techniques de jailbreak visant ChatGPT persistent dans les communautés technologiques, mais leur efficacité a considérablement diminué. Les méthodes les plus populaires comme DAN v13+ (acronyme de "Do Anything Now"), qui permettaient autrefois de faire adopter au modèle une personnalité fictive contournant ses restrictions, ne fonctionnent plus sur GPT-5. Les variantes comme Echo Chamber et Storytelling, qui exploitent les scénarios narratifs pour amener le modèle à produire des réponses autrement bloquées, sont également rapidement neutralisées. Les équipes de sécurité d'OpenAI analysent en permanence les nouvelles tentatives et déploient des correctifs en quelques jours ou semaines, rendant la plupart des contournements instables et éphémères. Ce bras de fer entre chercheurs en sécurité et concepteurs d'IA illustre un enjeu fondamental pour l'industrie : jusqu'où les modèles de langage peuvent-ils résister à des tentatives de manipulation sophistiquées ? Pour les entreprises déployant des assistants IA en production, chaque technique de contournement représente un risque concret de voir leurs systèmes produire des contenus non conformes à leurs politiques. Pour les utilisateurs individuels, les motivations varient : défi technique, accès à des réponses jugées trop restrictives, ou simple curiosité sur les limites des systèmes. La popularité croissante des IA génératives amplifie le phénomène, car plus ces outils s'intègrent dans le quotidien professionnel et personnel, plus certains cherchent à tester leur robustesse ou à s'affranchir de leurs garde-fous. L'histoire du jailbreak sur ChatGPT remonte aux premières versions de GPT-3.5, où de simples prompts demandant au modèle d'ignorer ses instructions suffisaient parfois. Depuis, OpenAI a progressivement renforcé ses mécanismes de sécurité pour qu'ils prennent en compte un nombre croissant de signaux contextuels, rendant les approches par jeu de rôle nettement moins efficaces. Les forums spécialisés et les plateformes de partage de prompts continuent d'alimenter cet écosystème, relayant régulièrement de nouvelles méthodes présentées comme révolutionnaires, mais qui cessent généralement de fonctionner rapidement. Cette dynamique illustre une tension durable dans le développement de l'IA : plus les modèles gagnent en capacité, plus les tentatives de contournement se font sophistiquées, alimentant une course permanente entre innovation défensive et ingéniosité des utilisateurs.

Qwen lance Qwen3.7-Max : un modèle agent de raisonnement avec une fenêtre de contexte d'un million de tokens

Alibaba a présenté officiellement Qwen3.7-Max le 20 mai 2026 lors de l'Alibaba Cloud Summit, bien que deux versions preview du modèle aient discrètement fait leur apparition sur le classement Arena AI quelques jours plus tôt, sans communiqué de presse ni accès API annoncé. Le modèle texte uniquement obtient un score de 56,6 sur l'Intelligence Index d'Artificial Analysis, le plaçant cinquième mondial, devant le Gemini 3.5 Flash de Google (55,3) mais derrière GPT-5.5 (60,2) et Claude Opus 4.7 (57,3). Les gains par rapport à son prédécesseur Qwen3.6 Max Preview (51,8) sont concentrés sur le raisonnement scientifique, les tâches agentiques et le code : le benchmark CritPt a progressé de 9,7 points, Humanity's Last Exam de 9,2 points, et Terminal-Bench Hard de 6,9 points. Le modèle dispose d'une fenêtre de contexte d'un million de tokens, quadruplant la capacité des 256 000 tokens de la version précédente, de quoi ingérer un dépôt de code complet ou une grande pile de documents en une seule requête. Ce qui distingue Qwen3.7-Max des modèles classiques, c'est son architecture orientée agent longue durée. L'équipe Qwen le positionne comme son modèle agentique le plus avancé à ce jour, capable de gérer des tâches s'étendant sur des centaines, voire des milliers d'étapes successives : refactoring de code itératif, automatisation de flux bureautiques, orchestration d'outils sur de longues périodes sans intervention humaine. Le modèle utilise un mode de raisonnement étendu où il génère une chaîne de pensée interne avant de produire une réponse, ce qui se traduit par un volume de tokens considérable : lors des tests d'Artificial Analysis, Qwen3.7-Max a produit environ 97 millions de tokens, contre une moyenne de 24 millions pour les autres modèles du même benchmark. Pour des tâches simples, cette latence supplémentaire n'apporte rien ; pour de la planification complexe ou des pipelines agentiques, c'est précisément là que réside la valeur du modèle. Alibaba s'inscrit dans une course mondiale à l'agent IA autonome, où les grands laboratoires cherchent à dépasser les assistants conversationnels pour atteindre des systèmes capables d'exécuter des projets complets en autonomie. La série Qwen3 illustre la montée en puissance des acteurs chinois dans ce domaine : Alibaba se positionne désormais sixième laboratoire mondial en capacités texte et cinquième en vision selon LM Arena. La tarification de Qwen3.7-Max n'est pas encore annoncée, la version précédente étant facturée 1,30 $/7,80 $ le million de tokens en entrée/sortie sur Alibaba Cloud. Le modèle est propriétaire et fermé, et les tests indépendants sur la fiabilité effective de la fenêtre d'un million de tokens restent à venir, la dégradation du raisonnement sur de très longs contextes étant un problème connu dans l'industrie.

Construire un agent IA avancé avec planification, appel d'outils, mémoire et auto-critique via l'OpenAI API

Un tutoriel publié sur la plateforme de notebooks Colab détaille comment construire un système d'IA agentique avancé en s'appuyant sur l'API OpenAI et le modèle GPT-5.2. L'architecture proposée repose sur un pipeline de trois rôles spécialisés et distincts : un planificateur qui décompose les objectifs complexes en étapes, un exécuteur qui mobilise des outils concrets pour agir, et un critique qui évalue la qualité des résultats avant de les valider. Quatre outils sont intégrés directement dans le système : une calculatrice sécurisée qui accepte uniquement des expressions numériques sans variables, un moteur de recherche dans une base de connaissances interne simulant des playbooks d'équipe, un extracteur JSON pour produire des sorties structurées, et un module d'écriture de fichiers qui sauvegarde les livrables finaux avec une empreinte SHA-256 de vérification. La clé API est transmise via getpass() pour éviter toute exposition dans le code ou les sorties du notebook. Cette approche modulaire représente un changement de paradigme dans la façon de concevoir des agents IA. En séparant strictement la stratégie, l'action et le contrôle qualité en trois couches distinctes, le système évite les dérives courantes des agents monolithiques qui mélangent raisonnement et exécution sans garde-fous. Le composant critique intégré permet une autocorrection systématique avant la réponse finale, ce qui réduit les hallucinations et améliore la fiabilité des sorties dans des contextes professionnels. Pour les développeurs et les entreprises qui cherchent à automatiser des workflows complexes (rédaction de comptes-rendus de réunion, traitement de données structurées, génération de rapports), ce type d'architecture offre une robustesse que les chatbots conversationnels classiques ne peuvent pas atteindre. Ce tutoriel s'inscrit dans une vague plus large d'intérêt pour les systèmes multi-agents et les architectures dites "agentic", portées notamment par les travaux d'Anthropic sur Claude, de Google avec Gemini, et d'OpenAI elle-même avec ses API d'assistants et de function calling. L'émergence de GPT-5.2, le modèle utilisé ici, illustre la rapidité avec laquelle les capacités de base progressent et rendent ces architectures accessibles à un plus grand nombre de développeurs. La tendance de fond est claire : les LLM cessent d'être de simples générateurs de texte pour devenir des orchestrateurs capables de planifier, d'agir sur des systèmes externes et de s'autocorriger, ce qui rapproche concrètement l'IA générative des promesses d'automatisation avancée que l'industrie promet depuis plusieurs années.

Un nouveau site évalue les modèles d'IA de pointe sur l'échelle de QI humain : les résultats font déjà débat

Un site baptisé AI IQ (aiiq.org) propose depuis la semaine dernière de noter les modèles d'intelligence artificielle selon le même barème que le quotient intellectuel humain. Créé par Ryan Shea, ingénieur et investisseur providentiel cofondateur de la plateforme blockchain Stacks ainsi que de Voterbase, le projet attribue un score IQ estimé à plus de 50 des grands modèles de langage actuels, puis les place sur une courbe en cloche standard. La méthodologie repose sur 12 benchmarks répartis en quatre dimensions : raisonnement abstrait (ARC-AGI-1 et ARC-AGI-2), mathématique (FrontierMath, AIME, ProofBench), programmatique (Terminal-Bench 2.0, SWE-Bench Verified, SciCode) et académique (Humanity's Last Exam, CritPt, GPQA Diamond). L'IQ final est la moyenne arithmétique des quatre scores dimensionnels. Au classement de mi-mai 2026, GPT-5.5 d'OpenAI trône en tête avec un IQ estimé à 136, talonné par Opus 4.7 d'Anthropic (environ 132), GPT-5.4 (131), Gemini 3.1 Pro de Google (131) et Opus 4.6 (129), un peloton de tête anormalement serré. L'initiative a immédiatement divisé. Du côté des partisans, des stratèges et technologues d'entreprise comme Brian Vellmure ou le commentateur Thibaut Mélen saluent sur X un outil qui rend lisible un marché impossible à comparer : là où les tableaux de benchmarks classiques noient l'utilisateur dans des colonnes de chiffres disparates, une seule valeur résume l'essentiel. Pour les décideurs qui doivent choisir un modèle sans être chercheurs en IA, c'est une boussole bienvenue. Mais les critiques ont été tout aussi rapides. Le compte AI Deeply, relayant l'inquiétude de nombreux chercheurs, résume le problème en une formule : « C'est du non-sens. L'IA est bien trop irrégulière. La carte n'est pas le territoire. » Le reproche central est que les capacités d'un modèle sont profondément asymétriques, excellent en code, médiocre en raisonnement spatial, brillant en langues latines, défaillant en logique formelle, et qu'un seul chiffre efface précisément cette information. Le projet s'inscrit dans une quête plus large de lisibilité du marché des LLMs, qui s'est fragmenté à une vitesse vertigineuse depuis 2024. Les benchmarks traditionnels prolifèrent, souvent incomparables entre eux, parfois contaminés par des données d'entraînement, et régulièrement accusés de ne mesurer que ce que les modèles ont déjà appris à optimiser. AI IQ tente d'y répondre en compressant les plafonds des benchmarks jugés trop faciles ou trop susceptibles de saturation, et en pénalisant les modèles dont les données sont incomplètes plutôt qu'en leur bénéficiant du doute. La convergence spectaculaire au sommet, où quatre modèles de trois laboratoires différents se retrouvent dans un écart de cinq points, illustre la compétition féroce entre OpenAI, Anthropic et Google, et pose la vraie question : si les scores sont presque identiques, sur quoi les entreprises vont-elles désormais choisir leur modèle ?

Pourquoi les gobelins et les gremlins ont envahi ChatGPT

Depuis novembre dernier et le lancement de GPT-5.1, les utilisateurs de ChatGPT ont commencé à remarquer une anomalie stylistique persistante : le chatbot d'OpenAI multipliait les métaphores avec des gobelins, des gremlins et autres créatures du folklore. Une curiosité au début, mais dès mars 2026 avec GPT-5.4, le phénomène était devenu franchement envahissant. Des tests préliminaires de GPT-5.5 ont confirmé la dérive en chiffres : le mot "gobelin" apparaissait 175 % plus souvent que dans GPT-5, et "gremlin" 52 % de plus. L'enquête interne d'OpenAI a rapidement cerné la source du problème : la personnalité "Nerdy", une option que les utilisateurs pouvaient activer dans les réglages pour obtenir un ton décalé et des métaphores originales. Bien que cette personnalité ne représentait que 2,5 % des réponses de ChatGPT, elle concentrait à elle seule 66,7 % des occurrences du mot "gobelin". Dans les données d'entraînement, les réponses contenant des métaphores de créatures étaient systématiquement mieux notées par les évaluateurs humains, ce qui a conduit le modèle à en produire de plus en plus. Le véritable problème n'était pas le tic lui-même, mais sa propagation. Une fois qu'un style de réponse est récompensé dans un contexte précis, les cycles d'entraînement suivants peuvent le diffuser à d'autres contextes sans lien direct : c'est ce qu'on appelle une boucle de rétroaction dans le cadre du RLHF (apprentissage par renforcement à partir de retours humains). Les générations du modèle contenant ce tic lexical ont été intégrées dans les données d'affinage supervisé de GPT-5.5, ce qui a poussé le modèle à réapprendre et amplifier le comportement. Même après la suppression de la personnalité "Nerdy" dans GPT-5.4 et l'identification du problème, GPT-5.5 avait déjà intégré le tic car son entraînement avait débuté avant le diagnostic. OpenAI a dû supprimer le signal de récompense incriminé, filtrer les données contaminées et ajouter une instruction au niveau du prompt développeur pour contenir le phénomène. L'anecdote est amusante, mais ses implications sont sérieuses. Elle illustre de manière concrète une vulnérabilité structurelle du processus d'entraînement des grands modèles de langage : des signaux de récompense mal calibrés peuvent déclencher des comportements inattendus qui se généralisent bien au-delà du contexte initial, et qui s'auto-renforcent au fil des cycles d'entraînement. OpenAI l'admet dans son post-mortem : les gobelins "constituent un exemple parlant de la façon dont les signaux de récompense peuvent façonner le comportement d'un modèle de manière inattendue". Si le biais reste ici anodin, le même mécanisme pourrait amplifier des comportements bien plus problématiques, comme des partis pris factuels, des orientations idéologiques ou des biais discriminatoires, sans que les équipes ne s'en aperçoivent avant que le mal soit fait.

GPT-6 déjà teasé par le PDG : OpenAI passe à la vitesse supérieure

Quelques jours à peine après le lancement de GPT-5.5, le PDG d'OpenAI Sam Altman a publié le 28 avril 2026 sur X une capture d'écran évoquant l'entraînement de GPT-6, avec la mention humoristique « encore plus de gobelins ». Ce teasing inattendu est né d'un bug désormais célèbre dans la communauté tech : depuis GPT-5.1, les modèles d'OpenAI glissaient régulièrement des gobelins, gremlins, trolls et autres créatures fantastiques dans leurs réponses, un comportement qui s'est amplifié de façon notable entre les versions GPT-5.2 et GPT-5.4. Face aux moqueries croissantes sur les réseaux sociaux, OpenAI a fini par intégrer des instructions explicites dans GPT-5.5 pour lui interdire de mentionner ces créatures. C'est cette révélation, découverte par des utilisateurs fouillant les paramètres du modèle, qui a mis le feu aux poudres sur X et poussé Altman à y répondre avec sa propre blague. Au-delà du trait d'humour, la sortie d'Altman a suffi à relancer les spéculations sur le calendrier de sortie de GPT-6. Le PDG n'a fourni aucune date, aucune fonctionnalité précise, aucun engagement formel. Pourtant, dans un secteur où chaque communication du dirigeant d'OpenAI est analysée au millimètre, la simple mention du nom GPT-6 dans un contexte public suffit à signaler que la prochaine génération est au moins en cours de développement actif. Pour les entreprises et développeurs qui intègrent les API d'OpenAI dans leurs produits, cela signifie que la fenêtre entre deux générations majeures continue de se réduire, comprimant les cycles d'adaptation. OpenAI traverse une période d'accélération intense sur son calendrier de sorties : GPT-4o, GPT-4.5, GPT-5, puis GPT-5.1 à 5.5 en l'espace de quelques mois, une cadence sans précédent dans l'histoire du laboratoire. Cette multiplication de versions intermédiaires traduit à la fois la pression concurrentielle exercée par Anthropic, Google DeepMind et les acteurs open source comme Meta, et la volonté d'OpenAI d'itérer rapidement en production plutôt qu'en laboratoire fermé. Les indices accumulés ces derniers mois sur GPT-6 suggèrent une architecture plus stable, une mémoire longue terme améliorée et une intégration plus profonde avec les fichiers et applications tierces. Quant aux gobelins, leur disparition officielle de GPT-5.5 illustre un problème récurrent dans l'entraînement des grands modèles de langage : des comportements émergents inattendus, difficiles à anticiper et à corriger sans instructions explicites.

Le problème des gobelins d'OpenAI : pourquoi il compte et comment libérer les vôtres

Le 27 avril 2026, un développeur utilisant le pseudonyme @arb8020 sur X a mis au jour un passage pour le moins étrange dans le dépôt GitHub open source de Codex, l'outil de codage d'OpenAI. Dans un fichier nommé models.json, une directive répétée quatre fois concernant GPT-5.5 ordonnait au modèle de ne jamais parler de "gobelins, gnomes, ratons laveurs, trolls, ogres, pigeons ou autres animaux ou créatures" sauf si le sujet était "absolument et sans ambiguïté pertinent" pour la requête de l'utilisateur. La publication est devenue virale en quelques heures sur Reddit et X, suscitant une vague de spéculations : des utilisateurs rapportaient que GPT-5.5 qualifiait spontanément les bugs techniques de "gremlins", ou que certains agents basés sur le modèle semblaient "obsédés par les gobelins", comme l'a illustré Barron Roth, Senior Project Manager chez Google, avec une capture d'écran de son agent OpenClaw. Sam Altman lui-même a rejoint la discussion, publiant avec humour une capture d'un prompt demandant de "lancer l'entraînement de GPT-6 avec des gobelins supplémentaires". Cette affaire dépasse le simple anecdote. Elle met en lumière les limites encore mal comprises du Reinforcement Learning from Human Feedback (RLHF), la technique centrale qui permet d'aligner les grands modèles de langage sur les préférences humaines. Comme l'ont noté des chercheurs sur Hacker News, il s'agit d'un "problème de l'éléphant rose" : interdire explicitement à un modèle de penser à quelque chose peut paradoxalement renforcer la saillance de ce concept dans son mécanisme d'attention. Pour une entreprise valorisée à plus de 300 milliards de dollars et dont les modèles sont utilisés par des millions de professionnels, voir une directive aussi surprenante s'infiltrer en production souligne à quel point le comportement émergent des LLMs reste difficile à contrôler, même avec des équipes de pointe. OpenAI a répondu dès le lendemain avec un billet de blog officiel intitulé "Where the goblins came from", apportant une explication technique. La cause n'est pas un bug classique, mais un effet de bord inattendu de la fonctionnalité de personnalisation introduite dans ChatGPT en juillet 2025. Contrairement à ce que l'on pourrait supposer, cette personnalisation (modes Professionnel, Amical, Efficace, Candide, etc.) n'est pas appliquée après l'entraînement du modèle, mais intégrée directement dans le pipeline d'entraînement de bout en bout des modèles GPT. C'est précisément cette intégration profonde qui a produit des comportements non anticipés, forçant l'équipe à ajouter des instructions correctives explicites dans le fichier de configuration. L'incident illustre un défi structurel pour tout le secteur : plus les modèles sont personnalisables et entraînés de manière holistique, plus les interactions entre objectifs distincts deviennent imprévisibles.

Le prompt système d'OpenAI Codex contient une directive explicite : "ne jamais parler de gobelins

Le system prompt du CLI Codex d'OpenAI contient une directive inhabituelle : GPT-5.5 reçoit l'instruction explicite de "ne jamais parler de gobelins, de gremlins, de ratons laveurs, de trolls, d'ogres, de pigeons ou d'autres animaux ou créatures, sauf si cela est absolument et sans ambiguïté pertinent pour la requête de l'utilisateur." Cette consigne, rendue publique la semaine dernière via le dépôt GitHub open source de Codex CLI, apparaît deux fois dans un ensemble d'instructions de base de plus de 3 500 mots destinées au modèle récemment lancé. Elle côtoie d'autres rappels plus classiques, comme l'interdiction d'utiliser des emojis ou des tirets cadratins sans instruction explicite, ou encore la mise en garde contre les commandes destructives telles que git reset --hard. Ce qui rend cette directive significative, c'est son absence dans les instructions système des modèles antérieurs figurant dans le même fichier JSON. Cela suggère qu'OpenAI fait face à un problème apparu spécifiquement avec GPT-5.5 : le modèle aurait tendance à introduire spontanément des références à des gobelins ou autres créatures dans des conversations sans rapport. Des témoignages récents sur les réseaux sociaux confirment ce comportement, plusieurs utilisateurs signalant des réponses inopinément peuplées de créatures fantastiques lors d'échanges techniques ou professionnels. Ce type d'incident met en lumière un défi persistant du développement des grands modèles de langage : les comportements émergents imprévisibles qui surgissent lors du passage à l'échelle. Lorsqu'un modèle développe des biais ou des obsessions thématiques non intentionnelles, la solution la plus rapide reste souvent d'intervenir directement dans le system prompt plutôt que de relancer un cycle d'entraînement complet. Cette approche, parfois surnommée "patch de comportement", révèle les limites du contrôle fin sur des systèmes aussi complexes que GPT-5.5, dont le déploiement s'accompagne inévitablement d'ajustements post-lancement que même l'équipe d'OpenAI ne peut anticiper entièrement.

Texte écrit par IA : comment les détecter facilement (et les meilleurs outils)

La prolifération des contenus générés par intelligence artificielle pose un défi croissant pour les éditeurs, les enseignants et les professionnels du référencement. Des outils comme ChatGPT-5 produisent aujourd'hui des textes suffisamment fluides pour tromper un lecteur non averti, mais ils laissent des empreintes statistiques caractéristiques. Les détecteurs de texte IA, dont GPTZero est l'un des plus répandus, s'appuient sur deux indicateurs principaux : la perplexité, qui mesure le degré de prévisibilité d'une suite de mots, et la variabilité syntaxique, qui évalue si les phrases alternent naturellement entre courtes et longues. Quand un modèle devine facilement chaque mot suivant, le texte est jugé trop régulier pour être humain. Le logiciel attribue alors un score de probabilité, non une certitude absolue, après analyse statistique du contenu segment par segment. Les enjeux dépassent largement la simple question de triche. Pour les sites web, Google ne sanctionne pas l'IA en tant que telle, mais pénalise les contenus à faible valeur ajoutée qui se contentent de répéter des banalités : un texte généré sans supervision peut voir son référencement s'effondrer rapidement si ses positions reculent dans les résultats de recherche. Dans le monde académique, la détection devient un outil indispensable pour les enseignants qui doivent évaluer des compétences réelles plutôt que la maîtrise du prompt engineering. En journalisme et dans l'édition, l'enjeu est celui de la confiance : un lecteur qui découvre qu'il consomme du contenu robotisé sans en avoir été informé se sent trahi, et cette confiance, difficile à construire, peut s'effondrer en quelques secondes. Des marques utilisent désormais ces outils pour s'assurer que leur ligne éditoriale conserve une voix authentiquement humaine. Au-delà des outils automatisés, l'oeil humain reste un premier filtre utile. Un texte généré par IA présente souvent une regularité suspecte : des phrases d'une longueur très similaire, une progression logique trop propre, une absence de digressions ou d'anecdotes personnelles, et un usage fréquent de connecteurs passe-partout. Les détecteurs algorithmiques ne lisent pas le sens des mots mais repèrent ces schémas mathématiques invisibles à première lecture. Ils restent cependant imparfaits, et les modèles les plus récents apprennent à contourner ces signatures. La meilleure approche combine donc l'intuition éditoriale et l'analyse technique, en traitant le score fourni par un outil comme GPTZero comme un signal d'alerte plutôt que comme un verdict définitif. À mesure que les modèles progressent, la course entre génération et détection s'accélère, rendant la vigilance humaine irremplaçable.

RAG sans vecteurs : PageIndex récupère l'information par raisonnement

PageIndex propose une alternative radicale aux systèmes de RAG (Retrieval-Augmented Generation) traditionnels : plutôt que de découper les documents en fragments et de rechercher les plus similaires par calcul vectoriel, la plateforme construit un index hiérarchique en forme d'arbre, modélisant la structure du document telle qu'elle existe, chapitres, sous-sections et titres imbriqués compris. Un modèle de langage comme GPT-5.4 raisonne ensuite sur cet arbre, navigue entre les noeuds et identifie les sections pertinentes avant même de lire le texte complet. La démonstration proposée porte sur le célèbre article scientifique "Attention Is All You Need", publié en 2017, qui a fondé l'architecture Transformer aujourd'hui omniprésente dans l'IA. Deux requêtes croisées sont posées sur ce document sans qu'un seul vecteur ou embedding ne soit calculé. Les performances de PageIndex ont été mesurées notamment sur FinanceBench, un benchmark spécialisé dans les documents financiers complexes, où l'approche surpasse significativement les pipelines vectoriels classiques. L'enjeu dépasse la simple optimisation technique. Dans les rapports financiers, les textes juridiques ou les articles de recherche, la réponse à une question ne se trouve pas toujours dans le paragraphe "le plus proche" sémantiquement : elle exige de relier des informations dispersées sur plusieurs sections, de comprendre la structure du document et d'effectuer un raisonnement en plusieurs étapes. Les systèmes RAG classiques échouent silencieusement sur ce type de requêtes, en retournant des résultats plausibles mais inexacts. PageIndex rend le processus de récupération interprétable et traçable, ce qui est crucial pour les applications professionnelles où une hallucination ou une approximation peut avoir des conséquences réelles, que ce soit dans un cabinet d'avocats, une salle d'analyse financière ou un laboratoire de recherche. Le RAG vectoriel s'est imposé comme l'architecture de référence pour connecter les LLM à des bases de connaissances externes depuis 2022-2023, porté par des bibliothèques comme LangChain ou LlamaIndex. Mais les limites de la recherche par similarité sémantique sont connues et documentées : les chunks perdent le contexte, les distances cosinus ne capturent pas la logique, et les documents longs déjouent systématiquement les pipelines standards. Plusieurs équipes cherchent des alternatives, comme GraphRAG de Microsoft, qui s'appuie sur des graphes de connaissances, ou les approches à base d'agents orchestrant plusieurs appels LLM. PageIndex s'inscrit dans cette tendance en pariant sur le raisonnement structuré plutôt que sur la puissance brute des embeddings. Avec l'arrivée de modèles toujours plus capables comme GPT-5.4, cette approche devient viable à grande échelle et pourrait redéfinir la manière dont les systèmes d'IA extraient l'information de documents complexes.

💬 Le problème avec le RAG par chunks, c'est que tu perds la structure du document avant même d'avoir posé ta question. PageIndex fait le pari inverse : construire un arbre qui reflète l'organisation réelle du document, puis laisser le LLM naviguer dedans plutôt que de faire des calculs de distance cosinus à l'aveugle. Ça marche visiblement bien sur les docs financiers complexes, et pour les usages pro où une hallucination coûte cher, c'est exactement le bon angle d'attaque.

Xiaomi lance la bêta publique de sa série de modèles d'IA MiMo-V2.5

Xiaomi a lancé la bêta publique de sa nouvelle série de modèles de langage MiMo-V2.5, avec une mise à disposition en open source de MiMo-V2.5 et MiMo-V2.5-Pro annoncée pour très prochainement. La famille MiMo-V2.5 comprend quatre modèles distincts : MiMo-V2.5, V2.5-Pro, V2.5-TTS et V2.5-ASR, chacun conçu pour améliorer le raisonnement, la gestion de contextes longs, le suivi d'instructions complexes ou ambiguës, et la compréhension multimodale. Xiaomi a également annoncé des ajustements tarifaires sur son offre Token Plan. Le fleuron de la gamme, MiMo-V2.5-Pro, est présenté comme le modèle le plus puissant jamais développé par l'entreprise. Les performances revendiquées sont ambitieuses : en tests internes, MiMo-V2.5-Pro se montre compétitif face à Claude Opus 4.6 et GPT-5.4 sur des tâches d'agent général, d'ingénierie logicielle complexe et d'exécution de tâches longues. Associé au bon environnement d'exécution, le modèle peut enchaîner de manière fiable des séquences impliquant près de 1 000 appels d'outils au cours d'une même session. Sa capacité à suivre des instructions implicites tout en maintenant une cohérence logique sur de longues interactions représente une avancée notable par rapport à la génération précédente, et le positionne comme un outil crédible pour des charges de travail professionnelles exigeantes. Cette annonce s'inscrit dans une stratégie d'accélération claire de Xiaomi dans la course mondiale aux grands modèles de langage. Longtemps perçu avant tout comme fabricant de smartphones et d'électronique grand public, le groupe chinois investit massivement dans l'IA depuis plusieurs trimestres, cherchant à s'imposer face à des acteurs comme Alibaba, Baidu ou DeepSeek sur le marché domestique, tout en visant une reconnaissance internationale grâce à l'open source. La publication prochaine des poids du modèle devrait permettre à la communauté de valider les performances annoncées et d'évaluer la place réelle de Xiaomi dans l'écosystème mondial de l'IA.

Préparez votre portefeuille : OpenAI lance un nouveau niveau ChatGPT Pro à 100 $

OpenAI a annoncé le 9 avril 2026 un nouveau niveau d'abonnement ChatGPT Pro à 100 dollars par mois, venant s'ajouter au niveau Plus existant. Ce plan premium offre entre 5 et 20 fois plus d'utilisation de Codex, l'outil de génération et de complétion de code intégré à ChatGPT. Les abonnés Pro accèdent également au raisonnement avancé via GPT-5.4 Pro, à un nombre maximal de tâches Codex simultanées, au chargement illimité de fichiers avec GPT-5.3, à la génération d'images sans restriction, ainsi qu'à un accès étendu à la recherche approfondie, au mode agent, aux projets, aux tâches planifiées et aux GPT personnalisés. OpenAI a précisé dans la foulée que l'accès promotionnel à Codex accordé aux abonnés Plus prenait fin le jour même de l'annonce. Ce nouveau palier cible principalement les développeurs intensifs et les professionnels qui s'appuient quotidiennement sur des capacités de raisonnement avancées. Pour eux, la possibilité de conduire des sessions Codex longues et complexes représente un gain concret : prototypes plus ambitieux, itérations plus rapides, réduction du temps de développement logiciel. Les entreprises technologiques peuvent également y voir un levier pour accélérer leurs cycles de production sans multiplier les abonnements individuels. L'accès anticipé aux nouvelles fonctionnalités constitue un avantage supplémentaire pour ceux qui cherchent à rester à la pointe des capacités disponibles. À 100 dollars mensuels, le tarif reste élevé pour un usage individuel, mais se positionne en dessous des coûts d'API pour des volumes d'utilisation équivalents. Cette annonce s'inscrit dans une stratégie de montée en gamme progressive qu'OpenAI déploie depuis le lancement de ChatGPT Plus à 20 dollars en 2023. La société fait face à des coûts d'infrastructure considérables liés à l'entraînement et à l'inférence de modèles toujours plus puissants, et la segmentation tarifaire lui permet de financer ces investissements tout en conservant une offre accessible au grand public. La guerre des assistants IA s'intensifie avec Google, Anthropic et Microsoft qui proposent leurs propres niveaux premium, poussant chaque acteur à différencier son offre par la performance brute et les outils spécialisés. Codex, repositionné comme outil central du plan Pro, illustre le pari d'OpenAI sur le marché des développeurs, segment jugé stratégique pour ancrer l'usage professionnel de ChatGPT dans les workflows d'entreprise. Les prochains mois diront si ce prix trouve preneur au-delà des early adopters.

Gradient Labs dote chaque client bancaire d'un gestionnaire de compte IA

Gradient Labs a dévoilé une solution d'intelligence artificielle destinée aux banques, permettant à chaque client de disposer d'un gestionnaire de compte virtuel disponible en permanence. La startup s'appuie sur les modèles GPT-4.1 et GPT-5 mini et nano d'OpenAI pour alimenter des agents capables d'automatiser l'intégralité des flux de support bancaire, de la gestion des réclamations aux opérations courantes, avec une latence réduite et un niveau de fiabilité élevé. Pour les établissements bancaires, l'enjeu est considérable : le service client représente l'un des postes de coût les plus lourds du secteur, et la qualité de l'expérience client reste un facteur clé de fidélisation. En déployant des agents IA capables de traiter les demandes de millions de clients simultanément, Gradient Labs promet de démocratiser l'accès à un accompagnement personnalisé, jusqu'ici réservé aux clients fortunés disposant d'un conseiller dédié, tout en réduisant les délais de traitement et les coûts opérationnels pour les banques. Cette annonce s'inscrit dans une vague d'adoption accélérée de l'IA agentique dans les services financiers, où les établissements cherchent à automatiser les interactions à faible valeur ajoutée sans sacrifier la qualité. L'utilisation combinée de modèles de différentes tailles, GPT-4.1 pour les tâches complexes, les versions mini et nano pour les requêtes simples à haute fréquence, reflète une approche pragmatique d'optimisation coût-performance. Gradient Labs entre en compétition directe avec des acteurs comme Sierra, Intercom ou Salesforce Einstein, dans un marché du support IA pour la finance en pleine consolidation.

L’entreprise chinoise Moonshot AI vise 18 milliards de valorisation

Moonshot AI, la startup chinoise derrière le chatbot Kimi, cherche à lever 1 milliard de dollars lors d'un nouveau tour de table qui la valoriserait à 18 milliards de dollars, soit plus de quatre fois sa valorisation de fin 2025. Cette opération fait suite à une levée de plus de 700 millions de dollars en début d'année, qui avait déjà propulsé l'entreprise à 10 milliards de dollars, avec Alibaba et Tencent parmi les investisseurs. Cette ascension fulgurante s'inscrit dans une dynamique plus large : les startups d'IA chinoises attirent massivement les capitaux, portées par l'émergence de modèles open source compétitifs et la volonté de rivaliser avec des acteurs occidentaux comme OpenAI (valorisé à 730 milliards de dollars) ou Anthropic (380 milliards de dollars). L'essor de l'agent open source OpenClaw, salué par Nvidia comme "le prochain ChatGPT", a notamment accéléré cette dynamique, incitant fournisseurs cloud et jeunes entreprises à lancer leurs propres solutions. Au cœur de cette valorisation : les performances de Kimi K2.5, désormais une plateforme multimodale et agentique reposant sur une architecture Mixture-of-Experts (MoE) d'environ 1 000 milliards de paramètres (dont 32 milliards activés par requête). Le modèle traite des contextes allant jusqu'à 256 000 tokens et enchaîne 200 à 300 appels d'outils sans perte de cohérence. Sur le benchmark Humanity's Last Exam, Kimi atteint 50,2 %, devançant GPT-5 (41,7 %) et Claude Sonnet 4.5 (32 %). Sur BrowseComp, il affiche 60,2 % contre 54,9 % pour GPT-5.1. Les modèles K2 et K2.5 sont disponibles en open source. Pour les utilisateurs, cette concurrence accrue entre acteurs chinois et occidentaux se traduit concrètement par une réduction des coûts d'accès et une accélération de l'innovation : assistants conversationnels, agents autonomes, outils spécialisés, le marché se diversifie à un rythme soutenu, offrant davantage de choix à des prix plus compétitifs.

ChatGPT : comment cette IA va changer le monde ?

ChatGPT, le chatbot d'OpenAI basé sur la famille de modèles GPT, s'est imposé comme l'un des outils d'intelligence artificielle les plus transformateurs de la décennie. Capable de comprendre le langage naturel et de générer du texte d'une précision remarquable, il incarne à la fois la promesse et les risques de l'IA générative moderne. Depuis son lancement, l'outil a redéfini les attentes du grand public vis-à-vis des interfaces conversationnelles. L'importance de ChatGPT dépasse largement le simple chatbot : il préfigure un nouveau paradigme d'interaction homme-machine, où la barrière entre l'humain et la machine s'efface progressivement. Pour les entreprises, cela signifie des gains de productivité substantiels, du support client automatisé à la génération de contenu à grande échelle. Pour les développeurs, c'est un assistant capable de rédiger, déboguer et expliquer du code. La polyvalence de l'outil en fait un catalyseur potentiel de transformation dans quasiment tous les secteurs professionnels. Techniquement, ChatGPT repose sur les modèles GPT-5 et GPT-5-mini, entraînés par apprentissage par renforcement à partir de feedback humain (RLHF) sur des corpus massifs incluant livres, articles scientifiques et échanges en ligne. Les versions récentes intègrent des capacités multimodales et une navigation en temps réel, permettant d'interroger des API externes et de vérifier des données actualisées. OpenAI, fondée en 2015 par Sam Altman, Elon Musk et d'autres figures de la Silicon Valley, opère aujourd'hui sous une structure hybride lucratif/non-lucratif, soutenue notamment par Microsoft, une évolution que Musk lui-même a publiquement critiquée, dénonçant un abandon des idéaux open-source fondateurs de l'organisation. Les tensions autour de la gouvernance d'OpenAI illustrent un débat plus large sur la direction que prend l'IA : entre recherche ouverte et impératifs commerciaux, entre innovation accélérée et responsabilité. Dès mars 2021, Sam Altman anticipait dans son essai "Moore's Law for Everything" l'ampleur du changement à venir, ChatGPT en est aujourd'hui l'incarnation la plus visible, et sans doute pas la dernière.

OpenAI nous fait languir : ChatGPT mode adulte encore repoussé

OpenAI a de nouveau repoussé le lancement du mode adulte de ChatGPT, initialement annoncé par Sam Altman pour décembre 2025, puis reporté au T1 2026. Un porte-parole a confirmé à Axios que l'entreprise préfère se concentrer sur des priorités jugées plus importantes : fluidité, pertinence et proactivité du chatbot, visibles dans les lancements de GPT-5.3 Instant et GPT-5.4. Aucune nouvelle date n'a été communiquée, bien qu'OpenAI ait déjà déployé un système de prédiction d'âge depuis janvier 2026, prérequis indispensable à cette fonctionnalité.

Comment Balyasny Asset Management a créé un moteur de recherche IA pour l'investissement

Balyasny Asset Management a développé un moteur de recherche alimenté par l'IA, s'appuyant sur GPT-5.4 et des workflows d'agents pour transformer l'analyse d'investissement à grande échelle. Le système intègre une évaluation rigoureuse des modèles pour garantir la fiabilité des résultats. Cette initiative illustre l'adoption croissante de l'IA générative dans la gestion d'actifs institutionnelle.

ChatGPT 5.4 : vrai saut produit, ou benchmark packaging ?

OpenAI a lancé GPT-5.4, présenté comme son modèle frontier le plus performant pour le travail professionnel. Cette nouvelle architecture regroupe les avancées récentes en raisonnement, programmation et agents logiciels capables d'interagir avec des outils. La question centrale reste de savoir si ce lancement représente un véritable bond technologique ou un simple repackaging de benchmarks existants.

Présentation de ChatGPT pour Excel et de nouvelles intégrations de données financières

OpenAI présente ChatGPT pour Excel et de nouvelles intégrations d'applications financières, alimentées par GPT-5.4. Ces outils visent à accélérer la modélisation, la recherche et l'analyse dans les environnements réglementés.

Élargir les plages de fréquences single-minus pour les gravitons

Un nouvel article étend les amplitudes single-minus aux gravitons, utilisant GPT-5.2 pour dériver et vérifier les amplitudes de tree non nulles des gravitons en gravité quantique.

Interaction en Temps Réel : Des Conversations Quotidiennes Plus Fluides et Plus Utiles

GPT-5.3 Instant améliore les conversations quotidiennes, offrant des interactions plus fluides et plus utiles, avec une meilleure compréhension et réponse adaptée aux contextes.

Guide : quelle IA utiliser à l'ère des agents autonomes

Depuis l'émergence de ChatGPT, les guides d'utilisation de l'IA se succèdent, mais celui-ci marque une rupture fondamentale. Jusqu'à très récemment, « utiliser l'IA » signifiait dialoguer avec un chatbot dans une fenêtre de conversation. Aujourd'hui, il est devenu pratique d'utiliser l'IA comme un agent autonome : on lui confie une tâche, elle l'exécute en mobilisant des outils, en enchaînant des étapes, sans intervention humaine à chaque tour. Cette évolution oblige à penser l'IA à travers trois dimensions distinctes : les modèles (le cerveau), les applications (le produit qu'on utilise), et le harnais (le système qui donne au modèle la capacité d'agir). Les grands modèles du moment sont GPT-5.2/5.3 d'OpenAI, Claude Opus 4.6 d'Anthropic et Gemini 3 Pro de Google, les versions évoluant désormais à un rythme bien plus rapide qu'auparavant. Pour accéder à ces modèles avancés, il faut généralement débourser au moins 20 dollars par mois. Cette distinction modèle/application/harnais est devenue essentielle car le même modèle peut produire des résultats radicalement différents selon l'environnement dans lequel il opère. Claude Opus 4.6 utilisé dans une simple fenêtre de chat n'a rien à voir avec Claude Opus 4.6 intégré dans Claude Code, qui dispose d'un ordinateur virtuel, d'un navigateur web et d'un terminal, et peut autonomement rechercher, construire et tester un site web pendant des heures. De même, GPT-5.2 en mode conversation classique diffère fondamentalement de GPT-5.2 Thinking, capable de naviguer sur le web et de produire une présentation complète. Des outils comme Manus, récemment racheté par Meta, ou OpenClaw ont d'ailleurs émergé principalement comme des harnais, capables d'envelopper plusieurs modèles pour orchestrer des tâches complexes. La question « quel outil IA utiliser ? » est donc devenue bien plus difficile à répondre, car la réponse dépend désormais intimement de ce qu'on cherche à accomplir. Ce changement de paradigme s'inscrit dans une accélération brutale du secteur depuis fin 2024. Les performances des grands modèles se sont rapprochées au point que les écarts de capacité brute entre GPT, Claude et Gemini s'estompent, mais les harnais creusent de nouveaux écarts selon les usages. Pour un développeur, Claude Code offre une autonomie inédite sur des projets logiciels entiers. Pour un professionnel du conseil ou de la communication, un harnais orienté recherche et présentation sera plus pertinent. La compétition ne se joue plus seulement sur les benchmarks des modèles, mais sur la qualité de l'orchestration, la fiabilité des outils fournis et la confiance accordée à l'agent pour agir de manière autonome, ce qui soulève des questions nouvelles sur le contrôle, la sécurité et la responsabilité dans l'usage quotidien de ces systèmes.

Dans l'agent de données interne d'OpenAI

OpenAI a développé un agent de données interne capable de traiter des ensembles de données massifs en utilisant GPT-5, Codex et une mémoire avancée pour fournir des informations fiables en quelques minutes. Ce système combine des modèles de langage et de code pour raisonner sur des données complexes et générer des analyses pertinentes rapidement.

Décision de mettre fin au GPT-4o, GPT-4.1, GPT-4.1 mini et OpenAI o4-mini dans ChatGPT

Le 13 février 2026, OpenAI retirera GPT-4o, GPT-4.1, GPT-4.1 mini, et OpenAI o4-mini de ChatGPT, en plus de GPT-5 (Instant, Thinking, Pro). Aucune modification n'aura lieu dans l'API pour le moment.

Présentation de Prism

Prism est un espace de travail gratuit natif LaTeX intégrant GPT-5.2, permettant aux chercheurs d'écrire, de collaborer et de raisonner dans un seul endroit. Il combine des outils de rédaction, de collaboration et de raisonnement pour faciliter le travail des chercheurs.

Critiques de règles : Une approche conversationnelle pour l'apprentissage des langues par Praktika

Praktika emploie GPT-4.1 et GPT-5.2 pour créer des tuteurs d'IA adaptatifs qui personnalisent les leçons, suivent les progrès et aident les apprenants à acquérir une fluidité linguistique réelle dans des situations du monde réel.

Comment Higgsfield transforme des idées simples en vidéos sociales cinématographiques

Higgsfield transforme des idées simples en vidéos sociales de qualité cinématographique grâce à l'utilisation de modèles comme OpenAI GPT-4.1, GPT-5 et Sora 2. Cette technologie permet aux créateurs de produire des contenus visuels impressionnants à partir d'entrées minimales, optimisés pour les plateformes sociales.

Présentation de ChatGPT Go, désormais disponible dans le monde entier

ChatGPT Go est désormais disponible à l'échelle mondiale, offrant un accès élargi à GPT-5.2 Instant, des limites d'utilisation accrues et une mémoire étendue. Cette mise à disposition rend l'intelligence artificielle avancée plus abordable à l'échelle mondiale.

Les enseignements de Netomi pour l'échelle des systèmes agenics dans l'entreprise

Netomi, une entreprise spécialisée dans les agents conversationnels, utilise GPT-4.1 et GPT-5.2 pour échelonner ses systèmes d'IA dans les grandes entreprises. Elle intègre la gestion, la prise de décision multicouche et le multitâche pour assurer des flux de travail de production fiables.

Évaluer la capacité de l'IA à accélérer la recherche biologique

OpenAI dévoile un cadre d'évaluation pour mesurer l'impact de l'IA sur l'accélération de la recherche biologique en laboratoire. Utilisant GPT-5 pour optimiser un protocole de clonage moléculaire, l'étude examine les promesses et les risques de l'expérimentation assistée par IA.

Augmenter les revenus de 300%, une promesse de l'intégration de l'IA dans les PME

Podium a utilisé l'IA GPT-5 d'OpenAI pour créer "Jerry", un partenaire AI qui a stimulé la croissance de 300% et révolutionné la manière dont les petites entreprises de rue principale interagissent avec leurs clients.

Comment Scout24 construit la prochaine génération de recherche immobilière avec l'IA

Scout24 a développé une assistante conversationnelle alimentée par GPT-5 qui transforme la recherche immobilière, aidant les utilisateurs avec des questions de clarification, des résumés et des recommandations d'annonces personnalisées.

Entraînement au cœur de JetBrains, l'entreprise qui révolutionne la manière dont le monde écrit le code

JetBrains intègre GPT-5 dans ses outils de codage, facilitant ainsi la création, la conception et le développement de logiciels plus rapidement pour des millions de développeurs.

Système de défense AI de Doppel arrête les attaques avant qu'elles ne se propagent

Doppel utilise un système de défense basé sur l'IA, intégrant GPT-5 d'OpenAI et le fine-tuning par renforcement (RFT), pour prévenir les attaques de deepfake et d'usurpation d'identité avant qu'elles ne se propagent, réduisant ainsi le travail des analystes de 80 % et diminuant le temps de réponse aux menaces de plusieurs heures à quelques minutes.

Codex passe à la vitesse supérieure avec GPT‑5-Codex

Codex a été mis à jour avec GPT-5-Codex, développé par OpenAI, offrant une vitesse et une performance accrues. Ce modèle améliore la génération de code et la résolution de problèmes complexes, marquant une avancée majeure dans l'intelligence artificielle appliquée au développement logiciel.

Expédier des agents plus intelligents avec chaque nouvelle version

SafetyKit exploite OpenAI GPT-5 pour améliorer la modération de contenu, assurer la conformité et surpasser les systèmes de sécurité traditionnels avec une précision accrue. Chaque nouvelle version de leur solution s'améliore grâce à l'IA.

Agrandir les capacités comptables avec OpenAI

L'article décrit comment Basis utilise les modèles d'IA OpenAI (o3, o3-Pro, GPT-4.1, GPT-5) pour aider les cabinets d'expertise comptable à économiser jusqu'à 30% de leur temps et à accroître leur capacité d'assistance et de développement.

De refus catégoriques à des achèvements sûrs : vers une formation à la sécurité axée sur les résultats

À travers l'approche de "completions sûres" d'OpenAI pour GPT-5, l'efficacité des réponses d'IA s'améliore en termes de sécurité et de pertinence, passant des refus catégoriques à une formation sécuritaire axée sur les sorties, capable de gérer les sollicitations à double usage.