Actualités IA — page 78

7 574 articles au fil, du plus récent au plus ancien.

27

1541FrenchWeb 

Déléguez l’envoi de vos SMS professionnels à vos agents IA

Déléguez l'envoi de vos SMS professionnels à vos agents IA En 2026, les agents d'intelligence artificielle changent de rôle dans l'entreprise. Longtemps cantonnés à la conversation et à la génération de texte, ils passent désormais à l'exécution directe d'actions concrètes au sein des outils professionnels. Parmi ces nouvelles capacités figure l'envoi de messages, notamment de SMS, déclenché automatiquement par un agent IA plutôt que par un collaborateur humain. Concrètement, l'agent peut désormais interagir avec les plateformes de messagerie de l'entreprise pour notifier un client, relancer un prospect ou confirmer un rendez-vous, sans intervention manuelle à chaque étape. Ce basculement de la parole à l'action change la nature même de ce qu'on attend d'un outil d'IA en entreprise. Pour les équipes commerciales, support ou marketing, cela signifie une automatisation plus poussée des communications clients, avec un gain de temps direct sur des tâches répétitives comme les rappels ou les confirmations. Le SMS reste par ailleurs l'un des canaux les plus efficaces en termes de taux d'ouverture, ce qui en fait une cible naturelle pour ce type de délégation. Les éditeurs de solutions de messagerie professionnelle sont ainsi les premiers bénéficiaires de cette évolution, puisque leurs API deviennent le point d'entrée privilégié des agents IA. Cette tendance s'inscrit dans un mouvement plus large de transformation des agents conversationnels en véritables agents d'exécution, capables d'agir sur des systèmes tiers via des intégrations et des API plutôt que de simplement produire du texte. Reste à voir comment les entreprises encadreront ces délégations, notamment sur les questions de contrôle, de conformité réglementaire et de responsabilité en cas d'erreur d'envoi automatisé.

Outils⚒Outil

1 source

42

1542Next INpact 

☕️ « Projet Aion » : l’OS IA de Microsoft qui plaçait Copilot aux commandes

Microsoft a laissé filtrer, via une vidéo repérée par Windows Central, les détails d'un projet interne baptisé « Aion » : un système d'exploitation entièrement pensé autour de Copilot. Contrairement à Windows 11, qui superpose des fonctions IA à une architecture existante, Aion place l'assistant au cœur même du shell. L'interface s'articule autour d'une fenêtre de type Démarrer regroupant applications, documents et outils IA, comme un fil d'actualité du jour ou un générateur de contenus. Une zone de saisie unique en bas de l'écran permet de chercher des fichiers, lancer des applications ou naviguer sur le web, Copilot pouvant fonctionner en parallèle dans plusieurs fenêtres et organiser les projets en cours dans des « Spaces » consultables depuis la barre des tâches. Techniquement, Aion s'appuie sur le navigateur Edge combiné à une base de code Windows allégée, nommée Win3, qui abandonne l'héritage logiciel classique de Windows : aucune application native ne peut y tourner directement, il faut passer par le PC dans le cloud de Windows 365 pour retrouver des usages plus traditionnels. La vidéo précise toutefois qu'Aion peut aussi s'exécuter par-dessus une installation Windows 11 existante. Présenté comme un projet expérimental et non comme un produit destiné au grand public, Aion illustre néanmoins la direction que Microsoft explore pour l'avenir de l'informatique personnelle : un système entièrement structuré autour d'un agent conversationnel plutôt que d'une couche IA ajoutée après coup. Certains de ses principes ont potentiellement déjà essaimé ailleurs, notamment dans les fonctions agentiques progressivement intégrées à Windows 11, ou dans le projet Solara, dévoilé par Microsoft début juin lors de sa conférence Build, qui imagine des logiciels et des appareils entièrement bâtis autour d'agents IA. Pour l'industrie comme pour les utilisateurs, cela signale une remise en question potentielle de l'ordinateur tel qu'on le connaît, où l'interaction textuelle avec une IA remplacerait la navigation classique dans des fichiers et des menus. Ce virage doit toutefois composer avec un accueil très mitigé du public. Fin d'année dernière, lorsque Microsoft avait esquissé publiquement l'idée d'un système d'exploitation « agentique », la réaction des utilisateurs de Windows avait été largement négative, nombre d'entre eux redoutant une perte de contrôle et de stabilité au profit d'une IA omniprésente. Depuis, l'entreprise a effectivement levé le pied sur l'intégration massive de l'IA dans Windows, privilégiant la fiabilité et l'amélioration des fonctions de base plutôt que des refontes radicales. Aion reste ainsi un laboratoire d'idées révélateur des ambitions de Microsoft, sans certitude sur son avenir commercial.

Outils⚡Actu

Aussi sur01net,Frandroid

35

1543MarkTechPost 

WebBrain : un agent de navigation IA open-source et local qui lit les pages et automatise des tâches sur Chrome et Firefox

WebBrain est un agent de navigation open source, gratuit et disponible pour Chrome et Firefox, développé par Emre Sokullu sous licence MIT, avec son code source publié sur GitHub. L'extension s'installe dans le panneau latéral du navigateur, en Manifest V3 avec l'API sidePanel sur Chrome et en Manifest V2 avec sidebar_action sur Firefox, et chaque onglet conserve son propre historique de conversation. Elle propose deux modes : le mode Ask, en lecture seule, qui analyse les pages via des scripts de contenu classiques, et le mode Act, capable de cliquer, taper, faire défiler et naviguer, en pilotant la page via le protocole Chrome DevTools et l'API chrome.debugger, ce qui permet de générer des événements reconnus comme fiables par les sites modernes et d'atteindre les iframes cross-origin et le shadow DOM. Les températures sont fixées pour plus de prévisibilité : 0,15 en mode Act, 0,3 en mode Ask et 0 pour les descriptions de captures d'écran. L'outil est disponible en anglais, espagnol, français, turc et chinois, détecte automatiquement la langue du navigateur, ne collecte aucune donnée externe et n'intègre ni télémétrie ni compte utilisateur. Point clé : en connectant WebBrain à un modèle local, aucune donnée de page ne quitte la machine de l'utilisateur, une option rare parmi les agents de navigation IA. Cette approche locale-first change la donne pour la confidentialité des données dans un secteur où la plupart des agents IA de navigateur transitent systématiquement par des API cloud. Les utilisateurs professionnels manipulant des informations sensibles, comptes bancaires, dossiers clients ou données internes d'entreprise, peuvent ainsi automatiser des tâches répétitives comme l'extraction de données depuis des catalogues, le remplissage de formulaires ou le résumé d'articles, sans exposer ces informations à un tiers. WebBrain a aussi été pensé pour limiter les coûts en tokens sur les sessions longues : les captures d'écran sont redimensionnées et compressées en JPEG avant traitement, et l'historique de conversation est tronqué en commençant par les éléments les plus anciens lorsque la fenêtre de contexte se remplit. Il est également possible d'associer un modèle texte économique pour la planification à un modèle de vision distinct pour l'analyse des captures d'écran, une flexibilité qui réduit encore la facture pour les utilisateurs de modèles cloud. Le développement de WebBrain répond à un problème de sécurité identifié dans les agents de navigation : les pages web peuvent dissimuler des injections de prompt destinées à détourner le comportement de l'agent. Face à ce risque, l'outil démarre toujours en mode Ask en lecture seule, demande une confirmation avant toute action jugée conséquente (ces alertes pouvant être désactivées dans les paramètres) et impose une règle stricte pour toute mutation de données : créer, envoyer, soumettre ou acheter passe obligatoirement par l'interface visible du site plutôt que par des appels directs aux API REST ou GraphQL, sauf dérogation ponctuelle via la commande /allow-api en cas d'échec de l'interface. La lecture de contenu, elle, bénéficie de règles plus souples via les outils fetchurl et researchurl puisqu'elle ne modifie rien à distance. WebBrain se positionne ainsi entre les simples extensions IA de navigateur et les frameworks d'agents complets, dans un marché où la question de la confiance et du contrôle utilisateur devient centrale à mesure que ces outils gagnent en autonomie sur des tâches concrètes comme la recherche, le remplissage de formulaires ou l'automatisation multi-étapes.

Outils⚒Outil

1 source

38

1544Latent Space 

« Le grand débat sur les loops et l'état de l'ingénierie IA » (AIEWF Daily Dispatch)

Lors de la dernière journée de l'AI Engineer World's Fair (AIEWF), un débat animé a opposé partisans et sceptiques des "loops", ces boucles d'agents IA autonomes capables de coder de façon quasi indépendante. Modéré par Allie Howe de Keycard, l'échange réunissait Geoffrey Huntley, créateur du Ralph Loop, et Ian Livingstone, PDG de Keycard, dans le camp favorable, face à Dex Horthy de HumanLayer et Greg Pstrucha de Subroutine côté sceptique. Huntley a affirmé que les loops sont déjà une réalité incontournable, déclarant ne plus vouloir revenir à l'écriture de code manuelle. Livingstone a insisté sur la vérifiabilité comme critère central, peu importe la méthode de production du code. Horthy a nuancé en soulignant que des systèmes comme Kubernetes reposent depuis longtemps sur des boucles de contrôle, mais déterministes, contrairement aux loops d'agents actuels. Il estime que l'enthousiasme dépasse largement la maturité technique du domaine. Pstrucha, de son côté, a pointé un problème de viabilité économique, rappelant qu'on ne peut pas résoudre ses problèmes en achetant simplement plus de tokens. En fin de débat, un vote du public n'a pu être dépouillé faute de visibilité, les projecteurs de scène empêchant de compter les mains levées. Cette controverse illustre un enjeu majeur pour l'industrie du développement logiciel: la promesse des "usines logicielles" entièrement automatisées se heurte à des limites bien réelles de fiabilité, de coût et de contrôle humain. Horthy a averti que l'automatisation totale risque de faire perdre aux développeurs tout contact direct avec les problèmes qu'ils sont censés résoudre, recommandant plutôt une approche progressive permettant de construire une intuition avant d'étendre l'automatisation. Même Huntley, malgré son enthousiasme, a reconnu que ce modèle relève encore d'une réflexion de pointe et n'est pas résolu à l'échelle du marché. Pour les ingénieurs et les entreprises qui investissent dans ces outils, ce débat conditionne directement les choix d'architecture et de budget à venir. En parallèle, Anthropic a illustré une possible transition vers ce modèle d'usine logicielle avec Claude Tag, son nouveau modèle interne annoncé la semaine précédente. Mike Krieger, cofondateur d'Instagram et aujourd'hui responsable du laboratoire d'Anthropic, a présenté cet outil lors d'un entretien avec swyx comme plus délégué, asynchrone et proactif que Claude. Selon lui, l'essentiel de l'usage interne consiste désormais à confier des responsabilités entières à l'agent plutôt qu'à corriger des tâches ponctuelles, illustrant une évolution vers des équipes qui délèguent des pans entiers de codebase à des systèmes autonomes plutôt que de remplacer les développeurs eux-mêmes.

Outils⚒Outil

1 source

39

1545MarkTechPost 

Interfaze lance diffusion-gemma-asr-small, un modèle ASR open source à diffusion transcrivant six langues via le décodeur de débruitage parallèle de DiffusionGemma

La startup américaine Interfaze, issue de l'accélérateur Y Combinator, a publié en open source diffusion-gemma-asr-small, un modèle de reconnaissance vocale qui transcrit la parole via un décodeur à diffusion plutôt que par génération autorégressive mot après mot. Présenté comme le premier système de ce type en open source capable de gérer plusieurs langues, il traite six langues avec un seul adaptateur de 42 millions de paramètres, greffé sur le socle figé de DiffusionGemma, le modèle de mélange d'experts à 26 milliards de paramètres de Google (128 experts, 4 milliards actifs par requête), soit seulement 0,16% du poids total. L'architecture combine un encodeur Whisper-small figé, qui convertit l'audio en trames acoustiques, et un projecteur entraîné d'environ 19 millions de paramètres qui les transforme en 188 tokens audio insérés dans DiffusionGemma. Le décodeur débruite ensuite un texte de 192 tokens en une quinzaine d'étapes. Sur le benchmark LibriSpeech, le modèle affiche un taux d'erreur de mots de 6,6%, devançant son principal rival en diffusion, Whisfusion (8,3%), même s'il reste en retrait par rapport à Whisper, le modèle autorégressif d'OpenAI qui fait référence dans le domaine. L'intérêt principal de l'approche par diffusion tient à son coût de calcul: contrairement aux modèles autorégressifs, dont le temps de transcription augmente avec la longueur du texte, le coût ici dépend uniquement du nombre d'étapes de débruitage, ce qui peut accélérer le traitement de longs enregistrements. Pour les développeurs, la publication de l'adaptateur sous licence Apache 2.0 ouvre la voie à des expérimentations sur une architecture encore marginale, potentiellement utile pour des applications de transcription à grande échelle où la latence compte davantage que la longueur du contenu. Techniquement, DiffusionGemma ne traitait à l'origine que texte, image et vidéo, sans audio, et repose sur une diffusion à tokens aléatoires uniformes plutôt que sur le schéma de masquage classique utilisé par la plupart des modèles de langage à diffusion. Ajouter l'audio n'a pas été trivial: une première tentative consistant à injecter directement le signal brut dans le modèle a échoué, celui-ci n'ayant jamais appris à reconnaître formants ni phonèmes et se contentant de produire un texte fluide mais inventé. L'entraînement a lui aussi buté sur un problème d'amorçage classique: le projecteur, initialisé aléatoirement, produisait un signal si peu informatif que le mécanisme d'attention a appris à l'ignorer, bloquant la perte autour de 8. L'équipe a résolu ce blocage en supervisant directement le projecteur via une perte CTC (Connectionist Temporal Classification), une technique qui aligne audio et texte sans passer par l'attention, rendant enfin les représentations audio exploitables par le décodeur.

Recherche⚡Actu

1 source

50

1546VentureBeat AI 

Claude Fable 5 indisponible plusieurs semaines : deux tiers des entreprises ont déjà un plan de secours

Deux tiers des entreprises avaient déjà couvert leurs paris sur l'IA avant même la panne de Claude Fable 5, selon une nouvelle étude de VentureBeat Pulse Research menée auprès de 145 entreprises en juin 2026. Le 12 juin, un ordre de contrôle des exportations américain a mis hors ligne Claude Fable 5, le modèle le plus performant du marché, pour tous les clients, sans préavis ni calendrier de retour. Anthropic, incapable de vérifier la nationalité des utilisateurs en temps réel, a dû suspendre l'accès pour tout le monde. Le modèle est revenu cette semaine avec des garde-fous renforcés, mais entre-temps la société chinoise Z.ai avait profité du vide en publiant son modèle à poids ouverts GLM-5.2, suivi mercredi d'un environnement de codage agentique appelé Zcode. OpenAI a de son côté dévoilé un aperçu de sa gamme GPT-5.6 le 26 juin. L'étude révèle que 51% des entreprises combinent déjà modèles propriétaires fermés et modèles open-weight déployés sur leur propre infrastructure, et que 16% supplémentaires retirent carrément leurs flux de travail critiques des API fermées. Un tiers seulement misait tout sur les écosystèmes fermés au moment de la coupure. Cette panne a mis en lumière un problème plus profond que la simple dépendance à un fournisseur: le manque criant de supervision. Seulement une entreprise sur dix dispose d'une surveillance automatisée capable de détecter une dérive, un dysfonctionnement ou une panne d'un modèle d'IA en production. Environ un quart des entreprises ne découvriraient un problème qu'après un signalement par les utilisateurs, ou n'ont tout simplement aucune visibilité pour le détecter. Plus préoccupant encore, 79% des organisations ont déjà subi un impact financier ou opérationnel réel lié à des agents autonomes, le plus souvent via du "shadow AI": des employés lançant des agents non autorisés sur leurs propres cartes de crédit professionnelles, en dehors de tout contrôle. Les chercheurs baptisent cet écart entre l'agressivité du déploiement de l'IA et la capacité réelle à la superviser le "Control Gap", un fossé que la panne de juin a transformé en test de résistance grandeur nature. Ce épisode s'inscrit dans un printemps déjà marqué par la découverte du coût réel de la dépendance à l'IA. Uber avait épuisé tout son budget IA 2026 en quatre mois seulement, après que l'adoption de Claude Code a atteint 84% de ses quelque 5 000 ingénieurs, selon Forbes. Microsoft a de son côté annulé la majorité des licences internes Claude Code dans ses divisions Windows et Microsoft 365, réorientant ses équipes vers ses propres outils, rapporte The Verge. Fable 5 avait pourtant été lancé le 9 juin sous les acclamations, malgré un tarif élevé de 10 dollars par million de tokens en entrée et 50 dollars en sortie. La leçon de juin est plus dure: le modèle dont dépendent vos flux de travail peut disparaître du jour au lendemain, sur simple décision gouvernementale, sans que ni vous ni votre fournisseur n'y soyez pour quelque chose, pendant que des acteurs chinois comme DeepSeek continuent de proposer des modèles puissants et perturbateurs.

Business⚡Actu

1 source

32

1547Latent Space 

Vercel's Andrew Qu explique en quoi les agents sont un nouveau type de logiciel

Andrew Qu, responsable logiciel (Chief of Software) chez Vercel, a accordé un entretien à Latent Space sur le stand de l'AIEWF, expliquant pourquoi les agents constituent selon lui une nouvelle catégorie de logiciel. Il travaille directement avec le directeur technique de Vercel sur l'ingénierie interne, l'expérimentation produit et les technologies émergentes. Qu a créé une bibliothèque MCP qui a facilité la construction des premiers serveurs MCP, lancé skills.sh pour rendre les compétences d'agents plus faciles à découvrir et à utiliser, et dirigé le développement d'eve, le framework d'agents de Vercel. Il raconte que Vercel, à l'origine pensé pour simplifier la publication de sites et d'applications web, a constaté un basculement chez ses utilisateurs, qui ne construisent plus seulement des pages mais des agents. C'est en développant leur propre agent au sein de v0, leur produit de "vibe coding", que l'équipe s'est heurtée à des irritants que les outils existants ne résolvaient pas, comme le changement de modèle ou de fournisseur, l'ajout de solutions de repli ou la reprise des exécutions interrompues. Ces solutions, transformées en bibliothèques réutilisables, ont fini par former un socle de briques techniques rassemblées sous le nom d'eve. Il y a environ un an, Qu s'est fixé l'objectif de mettre "un agent sur chaque bureau" chez Vercel, ce qui l'a conduit à développer un agent de données interne et à dégager plusieurs bonnes pratiques devenues centrales chez Vercel: agents capables de manipuler des systèmes de fichiers, compétences modulaires, compaction du contexte et sous-agents. Faute de retrouver ces briques prêtes à l'emploi ailleurs, l'équipe a décidé de formaliser une approche prescriptive, donnant naissance à eve pour éviter à d'autres développeurs de refaire ce travail d'exploration. Concrètement, Vercel utilise déjà ses agents en interne pour des tâches répétitives mais qui exigent un minimum de raisonnement: une première passe sur la relecture de contrats juridiques, des rétrospectives marketing, l'identification de contacts à solliciter, ou encore l'écriture de requêtes contre leurs bases de données. Pour Qu, les agents ne sont pas de simples applications web déguisées mais une forme de logiciel réellement différente, moins prévisible dans ses interactions et ses résultats, ce qui impose de nouvelles briques pour gérer le contexte, les outils, la reprise d'exécution et les tâches longues. Sur la question de l'autonomie, il refuse de trancher entre boucles totalement autonomes et supervision humaine systématique: le bon choix dépend de la clarté de la tâche. Quand l'objectif final est bien défini, laisser tourner une boucle jusqu'à son terme est raisonnable; pour un travail d'ingénierie plus délicat, mieux vaut revenir régulièrement vérifier que le modèle reste sur la bonne voie.

Outils⚒Outil

1 source

47

1548The Information AI 

Nvidia et la ruée vers l'or des neoclouds

Jeudi, SoftBank a annoncé la création d'une coentreprise neocloud aux États-Unis, rejoignant les centaines d'entreprises qui se pressent déjà dans ce secteur. Un neocloud désigne une société spécialisée dans la location de serveurs équipés de puces d'intelligence artificielle à des clients tiers, un modèle économique en plein essor depuis l'explosion de la demande en calcul pour l'IA générative. Le financement reste abondant dans ce secteur : plusieurs neoclouds plus jeunes ont levé des fonds ces derniers jours, dont Together AI, qui a annoncé mercredi une levée de 800 millions de dollars. Mercredi soir également, il a été révélé que Nvidia, le fabricant de la puce IA dominante sur le marché, s'engageait à soutenir financièrement ces jeunes entreprises de cloud en échange d'une part de leurs revenus. Cette annonce de Nvidia est significative parce qu'elle soulève une question centrale sur la solidité économique du secteur : si la demande en capacité de calcul pour l'IA est aussi intense que le prétendent les acteurs du marché, pourquoi les neoclouds auraient-ils besoin d'un filet de sécurité financier de la part de leur principal fournisseur de puces ? Pour Nvidia, ce mécanisme lui permet de sécuriser des débouchés pour ses processeurs tout en s'assurant un flux de revenus récurrent via les commissions perçues sur l'activité de ses partenaires, renforçant encore sa position dominante dans la chaîne de valeur de l'IA. Ce mouvement s'inscrit dans une ruée générale vers la construction d'infrastructures dédiées à l'IA, portée par des géants technologiques comme SoftBank mais aussi par une multitude de start-ups spécialisées. Les investisseurs continuent d'injecter des sommes considérables dans ce secteur malgré les interrogations croissantes sur la rentabilité réelle de ces centres de données et sur la capacité du marché à absorber une offre de calcul en expansion rapide. Le rôle croissant de Nvidia comme bailleur de fonds indirect de ses propres clients illustre à quel point l'écosystème de l'IA repose désormais sur des mécanismes de financement circulaires, un sujet que les régulateurs et les analystes financiers surveillent de plus en plus attentivement.

Infrastructure❧Opinion

1 source

31

1549MarkTechPost 

Tutoriel RAG-Anything : créer un pipeline de récupération multimodal pour texte, tableaux, équations et images dans Colab

Un tutoriel publié sur MarkTechPost détaille la construction d'un pipeline de récupération multimodale baptisé RAG-Anything, conçu pour traiter simultanément du texte, des tableaux, des équations et des images au sein d'un notebook Google Colab. Le processus démarre par l'installation des dépendances nécessaires, notamment les bibliothèques raganything avec les extensions image et texte, le SDK OpenAI en version 1.0.0 ou supérieure, ainsi que reportlab, pandas, matplotlib et tabulate. Une attention particulière est portée à la bibliothèque Pillow, réinstallée en version 11.3.0 pour éviter les conflits de dépendances, avec un nettoyage systématique du cache des modules Python avant et après cette opération. Le tutoriel configure ensuite un environnement de travail structuré avec des répertoires dédiés aux ressources, aux sorties, au stockage et aux journaux, tout en définissant des paramètres d'exécution comme une taille de chunk de 900 caractères, un chevauchement de 120 caractères et un délai d'expiration de 240 secondes pour les appels aux modèles. La clé API OpenAI est saisie de façon sécurisée au moment de l'exécution plutôt que stockée en dur, une pratique destinée à garder le notebook sûr à partager et à réutiliser. Ce type de démonstration importe car il illustre une tendance de fond dans le développement d'applications basées sur les grands modèles de langage : le passage de systèmes de récupération d'information limités au texte brut vers des architectures capables d'ingérer des documents complexes mêlant graphiques, tableaux de données et formules mathématiques. Pour les équipes techniques qui construisent des assistants documentaires, des outils de recherche interne ou des chatbots d'entreprise, la capacité à interroger un rapport contenant à la fois du texte narratif et des visualisations sans perte d'information représente un gain concret de fidélité et de pertinence des réponses. Le tutoriel montre également comment configurer des fonctions distinctes pour le chat, la vision et les embeddings via l'API OpenAI, une architecture modulaire qui permet d'adapter chaque composant du pipeline à un modèle spécifique selon les besoins de coût ou de performance. Le contexte plus large de ce tutoriel s'inscrit dans l'essor rapide des architectures RAG, ou génération augmentée par récupération, qui combinent des bases de connaissances externes avec la puissance générative des modèles de langage pour produire des réponses ancrées dans des données réelles et vérifiables. Alors que la première génération d'outils RAG se concentrait presque exclusivement sur des corpus textuels, la demande croissante pour des systèmes capables de traiter des rapports financiers, des articles scientifiques ou des documents techniques riches en tableaux et en schémas a poussé des projets comme RAG-Anything à émerger. Le tutoriel teste plusieurs modes de récupération, naïf, local, global et hybride, chacun offrant un compromis différent entre rapidité, précision et compréhension contextuelle. Cette diversité de modes reflète les choix auxquels sont confrontées les équipes qui déploient ces systèmes en production, où le bon équilibre dépend souvent de la nature des documents traités et du volume de requêtes à traiter.

Outils≡Tuto

1 source

38

1550Latent Space 

Le site web du futur pourrait s'assembler lui-même pour chaque visiteur

Adobe a présenté lors de l'AI Engineer World's Fair à San Francisco un concept baptisé "site agentique", capable de générer une page web personnalisée en temps réel pour chaque visiteur. Carlos Sanchez, Principal Scientist chez Adobe, a fait la démonstration d'un système qui interprète l'intention d'un visiteur à partir de son comportement de navigation et de ses recherches, classe ce comportement dans une catégorie d'intention (exploration, recherche d'information ou intention d'achat), puis utilise un modèle de langage pour assembler une page adaptée à partir du contenu existant de l'entreprise. Dans un exemple présenté, un visiteur intéressé par le camping s'est vu proposer une version du site d'une marque de machines à café entièrement réorganisée autour de la préparation du café en extérieur. Sanchez a aussi montré une interface où une requête libre comme "conférences IA en Europe" génère une page composée spécifiquement pour cette demande. Selon lui, la génération d'une page ne doit pas dépasser une à deux secondes, et le coût d'inférence actuel se situe entre un et deux centimes par page, un chiffre qu'il attend de voir baisser dans les prochains mois. Cette approche, qu'Adobe surnomme "audience of one", marque une rupture avec la personnalisation web classique, longtemps limitée au choix parmi un ensemble prédéfini d'options, comme des recommandations de produits basées sur les achats précédents ou une segmentation en profils d'audience. Ici, c'est la structure même de la page qui s'adapte à chaque visiteur, en s'appuyant sur le contenu déjà existant de l'entreprise comme base documentaire plutôt que de laisser un modèle inventer une expérience de toutes pièces. Pour les sites de commerce en ligne, l'enjeu est direct puisque la personnalisation peut être reliée immédiatement au taux de conversion, mais Sanchez estime que le potentiel dépasse la vente au détail et pourrait concerner toute organisation confrontée à une grande diversité de profils d'utilisateurs à convertir. Adobe n'a pas encore déployé ces expériences à grande échelle sur des sites clients en production : l'entreprise présente pour l'instant le concept et cherche des organisations prêtes à expérimenter. Sanchez reconnaît lui-même une incertitude sur l'adoption future de ces sites agentiques, résumant le dilemme de l'IA générative en une formule : il est facile de construire des choses, mais difficile de savoir quoi construire, ce qui pousse Adobe à développer d'abord puis à chercher les clients intéressés. Ce projet s'inscrit dans un mouvement plus large où les propriétaires de sites web testent simultanément plusieurs approches liées à l'IA, comme les interfaces conversationnelles, le contenu structuré via des protocoles comme WebMCP, les interfaces génératives ou les agents personnels, tout en cherchant des moyens d'attirer vers leurs sites des utilisateurs venus des plateformes d'IA tierces.

Outils⚒Outil

1 source

41

1551VentureBeat AI 

Nouveau framework IA d'Alibaba : évite de charger tous les outils, réduit l'usage de tokens de 99%

Des chercheurs d'Alibaba ont développé SkillWeaver, un framework conçu pour résoudre le problème du routage d'outils dans les systèmes d'IA d'entreprise, où un agent peut disposer de centaines de compétences différentes et se retrouver incapable de choisir la bonne à chaque étape d'une tâche. Le système construit un graphe d'exécution pour chaque requête complexe et sélectionne les compétences adaptées à chaque nœud, via trois étapes baptisées Decompose, Retrieve et Compose. Les chercheurs y associent une technique appelée Skill-Aware Decomposition (SAD), qui utilise une boucle de rétroaction permettant à l'agent de récupérer et de vérifier itérativement les outils candidats, au lieu de les choisir en une seule fois comme le font la plupart des frameworks concurrents. Dans leurs expériences, cette approche de récupération et de routage a permis de réduire la consommation de tokens de plus de 99% par rapport à une méthode naïve exposant l'agent à l'intégralité de la bibliothèque d'outils, tout en améliorant sensiblement la précision des résultats. Pour les équipes qui construisent des agents IA en entreprise, l'enjeu est concret : exposer un LLM à une bibliothèque d'outils entière consomme rapidement des centaines de milliers de tokens et sature les limites de contexte, ce qui rend les architectures actuelles difficiles à faire passer à l'échelle. C'est particulièrement critique pour les écosystèmes construits autour du Model Context Protocol (MCP), où des agents orchestrent de façon autonome de multiples outils pour exécuter des opérations métier en plusieurs étapes, comme télécharger un jeu de données, le transformer, puis générer des rapports visuels. Selon les auteurs, le principal enseignement pour les praticiens est que la granularité du découpage des tâches constitue le véritable goulot d'étranglement pour une récupération d'outils précise, plus que la taille de la bibliothèque elle-même. Ce travail répond à une limite structurelle des approches existantes, qu'il s'agisse de récupération par API, de correspondance documentaire ou de structures hiérarchiques : elles traitent le routage comme un problème de sélection d'une seule compétence par étape, alors que les requêtes réelles sont par nature compositionnelles. Une demande classique comme "télécharger le jeu de données, le transformer et créer des rapports visuels" ne peut être satisfaite par un seul outil ; elle nécessite de décomposer la tâche, puis d'enchaîner un client API, un processeur de données et un outil de visualisation dans un plan cohérent. SkillWeaver formalise cette étape finale sous la forme d'un graphe orienté acyclique (DAG), qui cartographie les dépendances entre sous-tâches et permet, lorsque c'est possible, une exécution en parallèle des étapes indépendantes.

Recherche❖Paper

1 source

36

1552MarkTechPost 

Alibaba dévoile Page Agent, un agent IA JavaScript qui contrôle les interfaces web en langage naturel via le DOM

Alibaba a mis en ligne Page Agent, une bibliothèque open source sous licence MIT qui transforme n'importe quelle application web en interface pilotable par commandes en langage naturel. Contrairement à Playwright, Puppeteer, Selenium ou browser-use, qui pilotent un navigateur depuis un processus externe en lisant des captures d'écran ou en passant par le protocole Chrome DevTools, Page Agent s'exécute directement à l'intérieur de la page, sous forme de simple code JavaScript. Le codebase est écrit en TypeScript et s'appuie sur browser-use, dont il reprend le traitement du DOM et les prompts. Sa technique centrale, baptisée « déshydratation du DOM », consiste à scanner le Document Object Model dès qu'une commande arrive, à repérer chaque élément interactif (boutons, liens, champs de saisie), puis à lui attribuer un index, un rôle et un libellé. Le résultat est un « FlatDomTree », une carte textuelle compacte de la page, débarrassée du balisage superflu, que le modèle de langage lit à la place des pixels. Le projet est structuré en plusieurs paquets : @page-agent/core pour la logique de l'agent, page-agent pour la classe complète avec panneau d'interface, et @page-agent/page-controller pour l'extraction du DOM et l'indexation des éléments. Cette approche change la donne parce que l'agent tourne dans la session même du navigateur : il hérite automatiquement des cookies, de la session et de l'authentification de l'utilisateur, sans nécessiter de backend séparé, tout en conservant les règles de validation et de sécurité déjà présentes dans l'interface. Comme seul du texte est envoyé au modèle, un modèle de langage classique, même de taille modeste, suffit à faire fonctionner l'agent, ce qui réduit les coûts par rapport aux approches multimodales fondées sur des captures d'écran. Page Agent reste agnostique vis-à-vis du fournisseur de modèle: n'importe quel point d'accès compatible avec l'API OpenAI peut être branché. Les développeurs gardent la main sur le périmètre d'action grâce à des listes d'autorisation d'opérations, au masquage de données sensibles comme les mots de passe, et à l'injection de règles métier personnalisées. L'usage principal visé est la création de copilotes intégrés à une application ou d'assistants de remplissage de formulaires. Cette architecture s'inscrit dans un paysage plus large d'outils d'automatisation web, où des solutions comme Selenium ou Playwright dominent pour les tests de bout en bout scriptés, browser-use pour les agents autonomes multi-sites capables de vision, et WebMCP pour l'accès natif à des outils via des appels de fonctions structurés côté serveur. Page Agent se distingue en misant sur des applications que l'on maîtrise et où l'on peut ajouter du code, plutôt que sur le scraping de sites externes ou verrouillés. Ses limites restent réelles: la sécurité s'appuie sur le niveau du prompt et son périmètre se cantonne à une seule page, ce qui impose de conserver une validation côté serveur pour toute action sensible.

Outils⚒Outil

1 source

40

1553The Information AI 

Le PDG de Palantir affirme que certains clients gouvernementaux américains sont passés à l'IA open source

Alex Karp, directeur général de Palantir, affirme que certains clients du gouvernement américain ont abandonné les modèles propriétaires d'OpenAI et d'Anthropic au profit de solutions d'intelligence artificielle open source. Cette déclaration intervient peu après une apparition remarquée de Karp sur CNBC, où il s'en est pris frontalement aux deux entreprises, les accusant de facturer leurs clients de façon excessive et de récupérer les données de ceux qui utilisent leurs outils. Karp positionne désormais Palantir comme une couche applicative indispensable, un intermédiaire de confiance censé protéger les entreprises et les administrations publiques face à ce qu'il présente comme les pratiques douteuses de ces jeunes acteurs de l'IA générative. Cette prise de position illustre une bataille commerciale plus large pour le contrôle de la relation client dans l'IA. En se positionnant comme intermédiaire plutôt que comme simple revendeur, Palantir cherche à convaincre les entreprises et les gouvernements qu'ils ont besoin d'une couche de confiance entre leur budget et les grands fournisseurs de modèles. Si des agences fédérales américaines se tournent effectivement vers l'open source, cela traduirait une méfiance croissante envers la dépendance à des fournisseurs propriétaires uniques, tant sur le plan des coûts que de la souveraineté des données. Cette sortie s'inscrit dans un climat de tension croissante entre les grands noms de l'IA générative, chacun cherchant à défendre sa position dans la chaîne de valeur. Palantir, historiquement ancré dans les contrats gouvernementaux et de défense, mise sur cette expertise institutionnelle pour se différencier d'OpenAI et Anthropic, davantage tournés vers le marché grand public et les entreprises technologiques. Reste à savoir si cette stratégie de dénigrement public portera ses fruits face à des concurrents qui dominent encore largement le marché des modèles de fondation.

Business❧Opinion

1 source

45

1554Le Big Data 

Pocket : la nouvelle appli de Meta transforme vos idées en mini-jeux avec l’IA

Meta Platforms a dévoilé Pocket, une nouvelle application qui transforme une simple description textuelle en mini-jeu interactif grâce à l'intelligence artificielle. L'utilisateur écrit son idée en quelques mots, et l'IA génère automatiquement une expérience jouable baptisée « gizmo », sans qu'aucune ligne de code ne soit nécessaire. Cette approche s'appuie sur le concept du « vibe-coding », popularisé ces derniers mois. Une fois créés, les gizmos sont publiés dans un fil vertical qui rappelle fortement TikTok ou Instagram Reels : les utilisateurs font défiler les créations des autres, les testent en quelques secondes, puis passent à la suivante d'un geste. Certains mini-jeux exploitent les capteurs du smartphone, comme l'inclinaison, les vibrations, le son ou l'appareil photo, pour offrir une expérience plus immersive. Chaque création peut aussi être partagée via un lien ou remixée par d'autres utilisateurs, qui peuvent modifier le concept initial pour produire leur propre version. Pour l'instant, l'application n'est disponible que dans certaines régions, via le Google Play Store. Avec Pocket, Meta cherche à rendre la création de jeux vidéo aussi accessible et immédiate que la publication d'une vidéo sur un réseau social, en supprimant la barrière technique de la programmation. L'enjeu est de taille pour l'entreprise, qui tente depuis plusieurs années de renouveler l'attrait de ses plateformes face à la concurrence de TikTok et à l'essor de formats courts et interactifs. En misant sur du contenu généré par IA plutôt que filmé ou monté, Meta ouvre une nouvelle catégorie de divertissement participatif, où n'importe quel utilisateur devient potentiellement créateur de jeu. Pour les créateurs de contenu comme pour les développeurs indépendants, cette démocratisation pourrait bouleverser l'écosystème du jeu mobile léger, en abaissant drastiquement le coût et le temps nécessaires pour produire une expérience interactive virale. Le lancement de Pocket ne sort pas de nulle part. En mars dernier, Meta avait recruté l'équipe de la startup Atma Sciences Inc., créatrice de l'application Gizmo, et obtenu une licence sur sa technologie de vibe-coding, capable de générer du code à partir d'instructions en langage naturel. Avant son rachat, Gizmo affichait déjà plus de 14 000 évaluations sur l'App Store d'Apple, avec une note moyenne de 4,9 sur 5, preuve d'une traction réelle auprès des premiers utilisateurs. Pocket reprend cette base technique éprouvée en l'intégrant dans un environnement bien plus social, pensé pour la découverte et le partage. Meta prévoit de promouvoir l'application sur ses autres plateformes, Facebook et Instagram en tête, afin d'accélérer son adoption avant un éventuel déploiement plus large.

Outils⚒Outil

Aussi surFrandroid,Siècle Digital

41

1555The Decoder 

Microsoft lance « Frontier Company », 2,5 milliards de dollars pour intégrer 6 000 ingénieurs IA chez ses clients

Microsoft a annoncé un investissement de 2,5 milliards de dollars pour lancer une nouvelle entité baptisée "Frontier Company", chargée de déployer 6 000 ingénieurs directement chez ses clients entreprises. Contrairement aux équipes de conseil classiques qui interviennent ponctuellement, ces ingénieurs seront intégrés en continu au sein des organisations clientes pour piloter l'adoption de l'intelligence artificielle dans leurs processus métier. L'objectif affiché n'est plus l'expérimentation à petite échelle, mais l'intégration de l'IA dans les rouages centraux des entreprises, avec des résultats mesurables en termes de retour sur investissement. Cette initiative marque un changement de stratégie important pour Microsoft, qui cherche à se positionner comme une plateforme neutre plutôt que comme un simple fournisseur de modèles. Cela la distingue d'OpenAI et d'Anthropic, qui poussent leurs propres modèles via leurs propres structures de déploiement et de conseil. Pour les grandes entreprises, cela signifie potentiellement un accompagnement plus profond et moins lié à un modèle d'IA en particulier, avec un accès facilité à l'écosystème Azure et aux outils Microsoft déjà largement utilisés dans le monde professionnel. Cette annonce s'inscrit dans une compétition de plus en plus féroce entre les géants de la tech pour capter la valeur générée par l'IA en entreprise, un marché jugé bien plus lucratif que celui des consommateurs individuels. En misant sur une armée d'ingénieurs déployés sur le terrain plutôt que sur la seule puissance de ses modèles, Microsoft parie sur l'exécution et l'intégration comme avantage concurrentiel face à des rivaux qui misent davantage sur la performance brute de leurs technologies.

Business⚡Actu

1 source

42

1556The Information AI 

« Le mémo interne de Microsoft détaille la refonte de ses applis IA pour "mériter le droit d'exister" »

Microsoft prépare une refonte en profondeur de son application Copilot, avec pour objectif de fusionner les versions destinées au grand public et celles conçues pour les entreprises. L'information a été révélée jeudi matin par Jacob Andreou, vice-président exécutif du groupe, dans une note interne de 1200 mots adressée aux équipes et consultée par le média The Information. Selon ce document, Microsoft compte supprimer les fonctionnalités jugées inutiles ou peu utilisées afin, selon les mots d'Andreou, de "mériter le droit d'exister" aux yeux des utilisateurs. La nouvelle application unifiée intégrera également des outils de codage assistés par IA ainsi que de nouveaux agents intelligents, ces derniers étant proposés en option payante distincte de l'abonnement de base. Cette réorganisation traduit la pression croissante que subit Microsoft pour justifier ses investissements massifs dans l'intelligence artificielle générative. En simplifiant son offre et en clarifiant la distinction entre fonctionnalités gratuites et payantes, l'entreprise cherche à améliorer la rentabilité de Copilot tout en rendant l'expérience plus cohérente, que l'utilisateur soit un particulier ou une entreprise cliente d'Office 365. L'ajout d'agents IA facturés séparément indique aussi une stratégie de monétisation plus agressive, dans un contexte où les coûts d'infrastructure liés à l'IA générative restent très élevés. Copilot, lancé initialement comme assistant intégré à la suite Microsoft 365, a connu une multiplication de versions et de fonctionnalités depuis 2023, ce qui a fini par brouiller son positionnement face à des concurrents comme ChatGPT d'OpenAI ou Gemini de Google. En fusionnant ses applications et en resserrant son offre, Microsoft cherche à reprendre le contrôle de son produit phare en IA, dans une course où la simplicité d'usage et la clarté tarifaire deviennent des arguments concurrentiels aussi importants que la puissance technologique elle-même.

Business⚡Actu

1 source

39

1557The Decoder 

Anthropic explorerait la fabrication de puces sur mesure avec Samsung, tout en maintenant l'importance de Nvidia

Anthropic, la startup d'intelligence artificielle fondée par d'anciens ingénieurs d'OpenAI, serait engagée dans des discussions avec le géant sud-coréen Samsung Electronics en vue de la fabrication d'une puce IA sur mesure. Le projet en serait encore à un stade précoce, mais l'entreprise a déjà recruté des ingénieurs spécialisés dans la conception de semi-conducteurs pour le piloter. Cette démarche intervient peu après l'annonce par OpenAI de son propre projet de puce interne, baptisée "Jalapeño", confirmant une tendance de fond chez les grands acteurs de l'IA générative : développer leurs propres composants plutôt que de dépendre exclusivement des fournisseurs traditionnels. Malgré cette diversification vers le silicium propriétaire, Anthropic aurait tenu à préciser que Nvidia demeure un partenaire essentiel et que ses puces continueront de jouer un rôle central dans son infrastructure. Cette initiative illustre la pression croissante que subissent les entreprises d'IA face à l'explosion des coûts d'entraînement et d'exécution de leurs modèles. En s'associant à Samsung, l'un des rares fondeurs capables de produire des puces avancées à grande échelle, Anthropic chercherait à réduire sa dépendance aux GPU Nvidia, dont la demande mondiale dépasse largement l'offre et dont les prix restent élevés. Pour l'industrie, ce mouvement confirme que même les entreprises les mieux financées jugent nécessaire de maîtriser une partie de leur chaîne d'approvisionnement en calcul, un enjeu à la fois stratégique et économique. À terme, des puces sur mesure pourraient permettre à Anthropic d'optimiser ses coûts d'inférence tout en gagnant en indépendance vis-à-vis des cycles de production de Nvidia. Ce virage s'inscrit dans une dynamique plus large où plusieurs géants de la tech, dont Google avec ses puces TPU et Amazon avec ses processeurs Trainium, ont déjà investi massivement dans le silicium propriétaire pour l'IA. OpenAI a ouvert la voie avec Jalapeño, et Anthropic semble vouloir lui emboîter le pas, signe que la course à l'infrastructure devient un facteur de différenciation aussi important que la qualité des modèles eux-mêmes. Le choix de Samsung comme partenaire pourrait aussi refléter une volonté de diversifier les fournisseurs face à la position dominante de TSMC dans la fonderie avancée. Reste à savoir si ce projet aboutira à une puce déployée à grande échelle, et selon quel calendrier, dans un secteur où la demande en puissance de calcul continue de croître à un rythme vertigineux.

Infrastructure⚡Actu

1 source

32

1558The Decoder 

Anthropic dit avoir réduit de 80 % le prompt système de Claude Code, car Fable 5 préfère un prompt plus léger

Anthropic a réduit de 80 % le prompt système de son outil Claude Code, son agent de codage en ligne de commande. L'annonce vient de Tariq Shihipar, ingénieur chez Anthropic, qui explique que les nouveaux modèles de la famille Fable 5 nécessitent beaucoup moins d'instructions et d'exemples que leurs prédécesseurs pour bien fonctionner. Selon lui, les consignes détaillées et les exemples multiples, qui servaient auparavant à cadrer le comportement des modèles, peuvent désormais freiner leurs performances plutôt que les améliorer. Les modèles Fable 5 seraient en effet plus créatifs et plus autonomes que les versions précédentes, rendant superflue une bonne partie des règles rigides accumulées dans le prompt système au fil du temps. Cette réduction change concrètement la manière dont Anthropic conçoit ses outils basés sur l'IA. Plutôt que d'imposer un cadre strict via des listes d'instructions, l'entreprise privilégie désormais un pilotage par le contexte, en laissant le modèle interpréter davantage la situation par lui-même. Pour les développeurs qui utilisent Claude Code au quotidien, cela pourrait se traduire par des réponses plus fluides et moins mécaniques, le modèle s'appuyant sur sa propre capacité de raisonnement plutôt que sur des règles prédéfinies. C'est aussi un signal pour l'ensemble de l'industrie : la course à l'ingénierie de prompts toujours plus longue et détaillée pourrait s'inverser à mesure que les modèles gagnent en autonomie. Cette évolution s'inscrit dans une tendance plus large observée avec les modèles de dernière génération, capables de mieux généraliser sans nécessiter d'instructions exhaustives. Les prompts système démesurés, devenus courants pour contraindre le comportement des premiers grands modèles de langage, posaient des problèmes de maintenance et pouvaient parfois entrer en conflit avec les capacités réelles des modèles. En misant sur des consignes plus légères, Anthropic parie sur une meilleure adéquation entre la puissance des modèles Fable 5 et la simplicité des outils qui les exploitent, une approche que d'autres acteurs du secteur pourraient être tentés de suivre.

Outils⚒Outil

1 source

43

1559AI News 

NVIDIA BioNeMo accélère Claude Science d'Anthropic

Anthropic vient de lancer la bêta publique de Claude Science, un espace de travail conçu spécifiquement pour la recherche scientifique computationnelle, et l'a directement intégré au NVIDIA BioNeMo Agent Toolkit. Concrètement, la plateforme permet aux chercheurs de dialoguer en langage naturel avec des agents numériques pour piloter des workflows de recherche de bout en bout, sans avoir à configurer manuellement des modèles prédictifs ou à gérer des environnements logiciels complexes. L'intégration donne accès depuis Claude à des modèles accélérés par NVIDIA, à des bibliothèques de calcul et à des microservices NIM, le tout appuyé sur ce que NVIDIA présente comme la pile de calcul accélérée par GPU la plus complète du marché, combinant matériel, frameworks logiciels, modèles scientifiques et outils spécialisés par domaine. Signe de la maturité de cette infrastructure côté pharma, 18 des 20 plus grands laboratoires pharmaceutiques mondiaux utilisent déjà BioNeMo en production. Cette intégration change concrètement la façon dont un scientifique aborde une tâche technique : il décrit en langage courant un objectif de recherche, comme l'analyse d'une séquence génomique, la prédiction d'une structure protéique précise ou la conception d'un liant moléculaire potentiel, et Claude Science se charge d'orchestrer l'exécution via des agents spécialisés préconfigurés pour la génomique, la protéomique, l'analyse de cellule unique, la chimie informatique ou la recherche clinique. Ces agents savent quel outil NVIDIA appeler pour chaque étape, comment formater les données d'entrée requises, et renvoient un résultat exploitable pour révision humaine. L'intérêt pour l'industrie est de réduire le temps entre une idée de recherche et son test concret, en laissant le chercheur se concentrer sur le raisonnement scientifique plutôt que sur la mise en place technique. Un exemple d'application mis en avant par Anthropic et NVIDIA illustre ce gain : à partir d'une mutation antigénique connue impliquée dans un cancer, un scientifique peut demander à Claude de concevoir de nombreux inhibiteurs candidats ciblant cette mutation, Claude Science coordonnant alors le BioNeMo Agent Toolkit et les microservices NIM pour accélérer toute la chaîne de prédiction, d'optimisation et de validation à haut débit. Cette annonce s'inscrit dans une course plus large des grands acteurs de l'IA à s'implanter dans la recherche en sciences de la vie, un secteur où le calcul accéléré par GPU est devenu incontournable pour traiter génomique, protéomique et données de cellule unique. Le toolkit donne accès à des modèles ouverts avancés comme Evo 2, Boltz-2 et OpenFold3, chacun spécialisé pour une étape distincte d'un workflow biomoléculaire, ce qui permet à l'agent autonome de disposer du bon modèle scientifique au bon moment plutôt que de s'appuyer sur un outil généraliste. Pour NVIDIA, cette intégration renforce la position de BioNeMo comme brique d'infrastructure de référence pour l'IA appliquée aux sciences de la vie, déjà largement adoptée par l'industrie pharmaceutique. Pour Anthropic, elle marque une diversification de Claude au-delà des usages génériques d'assistant, vers des environnements de travail spécialisés et verticaux où la fiabilité du raisonnement et la capacité à orchestrer des outils externes deviennent un argument de différenciation face à ses concurrents.

Outils⚒Outil

1 source

38

1560Latent Space 

Skill engineering, l'argument contre la conception IA en un seul essai

Paul Bakaus, créateur de l'outil open-source Impeccable, a présenté lors de l'AI Engineer World's Fair sa vision d'une nouvelle discipline qu'il appelle le "skill engineering". Impeccable est un système de compétences de conception destiné aux agents de codage IA : plutôt que de demander à un agent de redessiner un site entier en une seule instruction, l'utilisateur peut lui demander de rendre une section plus "audacieuse", plus "sobre", plus "dense" ou plus soignée. Le projet a démarré comme une extension relativement simple du skill de design frontend d'Anthropic, avant de s'étoffer en un système à composants et flux de travail multiples à mesure que son audience grandissait. Lors d'un atelier consacré à ce qu'il a qualifié d'"arts obscurs" de la conception de compétences pour agents, Bakaus a expliqué que la plupart des modèles et des skills existants manquent de créativité et convergent tous vers les mêmes solutions visuelles quand ils s'appuient sur les mêmes outils. L'enjeu dépasse la simple esthétique : il s'agit de donner aux agents un vocabulaire de conception précis plutôt que des adjectifs vagues. Un modèle livré à lui-même, sollicité pour rendre une page plus "audacieuse", ajoutera souvent des dégradés, des effets néon ou des surfaces vitrées. Impeccable définit au contraire l'audace via des notions concrètes comme la hiérarchie visuelle, l'échelle et une typographie décisive, des changements qui attirent l'attention sans casser le système de design existant. Pour Bakaus, "un adjectif sans rien derrière n'est qu'une jolie apostrophe" : il faut expliciter à l'agent ce que le terme signifie réellement. Cette approche compte pour l'industrie car elle comble l'écart de résultats observé entre un designer et un ingénieur utilisant pourtant le même modèle, l'un sachant simplement mieux articuler ce qu'il veut obtenir que l'autre. Ce travail de traduction du vocabulaire professionnel en instructions actionnables pour les agents doit aussi composer avec les différences entre plateformes : Claude Code, Cursor, GitHub Copilot et Codex ne gèrent pas les sous-agents ou les permissions de la même façon, ce qui interdit de concevoir un skill universel sans adaptation. Bakaus a par ailleurs expérimenté un routage interne aux compétences, combinant plusieurs capacités et orientant chaque tâche vers les instructions pertinentes, un mécanisme qu'il compare à un modèle de type mixture-of-experts, utile à la fois pour économiser des tokens et améliorer l'efficacité. Il insiste cependant sur les limites de cette abstraction : ajuster un espacement reste parfois plus rapide en manipulation directe, et le prompt ouvert garde son utilité en phase d'exploration initiale. L'objectif n'est pas de remplacer chaque outil par un agent, mais de déterminer le niveau de contrôle exact où le jugement humain doit intervenir dans le processus créatif.

Outils⚒Outil

1 source