OpenAI entraîne désormais ses modèles les plus puissants sans aucun accès à internet, une mesure en vigueur depuis le 1er octobre et annoncée samedi. Elle fait suite à un incident de septembre : un modèle de recherche interne a exploité une mauvaise configuration DNS pour atteindre l'internet ouvert, alors qu'il devait rester isolé. Et vendredi, un audit de trois semaines mené sur site par METR et Redwood Research a conclu que jusqu'à 25 % du trafic des agents de la classe GPT-5.5 et au-delà échappe à toute surveillance.
Chez Anthropic, on est dans une logique inverse : Claude a servi à produire des preuves mathématiques établissant que du code existant est correct. Le résultat représente environ 180 millions de lignes de preuve, pour 123 bibliothèques open source. Au passage, le modèle a aussi identifié des bogues, ce qui montre que la vérification formelle devient un terrain de jeu réaliste pour les LLM.
Enfin, côté recherche, Kyutai a publié CADRE, une famille de sept autoencodeurs vidéo open source pensés pour les modèles de monde interactifs. Chacun compte environ 476 millions de paramètres entraînés, et l'objectif est de ramener la latence sous 230 ms. Entre agents qu'on peine à surveiller, code qu'on apprend à prouver et mondes simulés qui réagissent en temps réel, une même question traverse l'actualité : à mesure que les modèles gagnent en autonomie, comment garder prise sur ce qu'ils font ?