DEV Community: Thibault Monteiro

Google facture le brouillon vidéo 3 cents la seconde

Thibault Monteiro — Thu, 03 Sep 2026 06:00:08 +0000

L'essentiel

Gemini Omni 1.1 Flash ajoute un mode brouillon en 360p facturé 0,03 dollar la seconde, jusqu'à 60 % plus rapide qu'une génération 720p.
L'extension de scène analyse désormais jusqu'à dix secondes du plan existant, contre une seule auparavant, et prolonge un clip par paliers de dix secondes jusqu'à quarante.
La grille complète va de 0,03 dollar la seconde en 360p à 0,30 en 4K, sans aucun palier gratuit sur l'API.

Google a mis un tarif sur l'essai qu'on jette. Avec Gemini Omni 1.1 Flash, une seconde de vidéo générée en 360p revient à 0,03 dollar, quand la même seconde coûte 0,10 en 720p, 0,15 en 1080p et 0,30 en 4K. Quatre étages, un rapport de un à dix entre le premier et le dernier.

Quatre fois moins de pixels, 3,3 fois moins cher

Google vend le brouillon 360p sur deux promesses : un rendu jusqu'à 60 % plus rapide, pour moins d'un tiers du prix d'une génération 720p. Sur la facture, le compte y est. Sur l'image, beaucoup moins. Une image 360p (640 × 360) transporte 230 400 pixels, une image 720p (1 280 × 720) en transporte 921 600, soit quatre fois plus. Vous payez 3,3 fois moins pour quatre fois moins de matière.

Poussez le calcul au pixel près, et la hiérarchie s'inverse. Ramené au million de pixels par seconde, le brouillon coûte environ 0,13 dollar, la 720p 0,11, la 1080p 0,072 et la 4K 0,036. Le tarif le plus bas de la gamme est le plus cher au pixel, et le rendu 4K le plus abordable. La grille est calquée sur l'usage, pas sur le coût de calcul : l'essai, la diffusion web, le rendu final.

Le brouillon devient rentable dès la deuxième tentative

Le calcul qui compte porte sur une boucle d'essais complète. Prenons un plan de dix secondes. Tester cinq variantes directement en 720p coûte 5 dollars. Les tester en 360p, puis n'agrandir que la bonne en 720p, revient à 2,50 dollars. Avec un rendu final en 4K, l'écart se creuse : 15 dollars en générant tout à pleine résolution, 4,50 en passant par le brouillon.

Le seuil de bascule tombe très bas. Dès la deuxième variante testée, le détour par le 360p coûte moins cher que la génération directe, quelle que soit la résolution finale visée. La remise récompense l'hésitation plutôt que le volume : elle est taillée pour des équipes qui ratent, recommencent, et n'agrandissent qu'à la fin.

Dix secondes de contexte, quarante secondes de plafond

Sur la continuité, le modèle gagne un facteur dix. L'extension de scène analyse maintenant jusqu'à dix secondes du plan d'origine avant d'en générer la suite, contre une seule seconde auparavant. Ce contexte sert à tenir ce qui doit rester stable d'un palier au suivant : un personnage, une lumière, un cadrage.

Les prolongations s'enchaînent par tranches de dix secondes, jusqu'à quarante au total. Les commandes s'étoffent autour : vous imposez la première et la dernière image d'un plan pour dessiner un mouvement de caméra, ou vous fournissez jusqu'à trois secondes d'images réelles comme référence de style. Google DeepMind résume l'intention en termes d'ingénieur : une vidéo générative « hautement contrôlable » et « plus rapide à itérer », pour un usage de qualité production.

Le plafond, lui, ne bouge presque pas : quatre appels, tous facturés, avec une génération de base toujours limitée à dix secondes. On tient un plan, une séquence courte, pas une scène.

Veo moins cher, Ray3 arrivé avant

Le catalogue vidéo de Google compte plusieurs modèles, et leurs prix se répondent. Veo 3.1 Lite facture 0,05 dollar la seconde en 720p et 0,08 en 1080p, Veo 3.1 Fast 0,10 et 0,12, avec un 4K lui aussi à 0,30. Face à ces tarifs, l'économie du brouillon change de proportion : 0,03 contre 0,05, soit 40 % de moins pour une image quatre fois plus petite.

Ce qui départage ces modèles tient moins au prix à la seconde qu'à ce que chacun sait faire de ces secondes. Omni 1.1 vend l'édition par la conversation, la référence de style et la continuité sur dix secondes de contexte. Les autres vendent une génération moins chère. Deux façons d'épuiser le même budget.

Google arrive d'ailleurs après d'autres sur ce terrain. Luma vend déjà avec Ray3 un Draft Mode annoncé cinq fois plus rapide et cinq fois moins cher, bâti sur la même idée de rushes d'abord et de finition ensuite. Chez OpenAI, la remise passe par le mode Batch, moitié prix contre une génération différée, jamais par une résolution d'essai.

Le brouillon s'arrête là où commence la texture

Rien ne garantit qu'une variante gagnante en 360p le reste une fois agrandie : le brouillon fait trier des cadrages et des mouvements, pas des textures ni des détails de visage, et une bonne part du jugement esthétique se joue là. L'API, l'accès réservé aux développeurs, n'offre par ailleurs aucun palier gratuit : la facturation démarre à la première seconde. Quant à la modification des voix, elle reste désactivée par prudence, ce qui ferme la porte aux formats parlés.

Chaque clip embarque un filigrane invisible SynthID, vérifiable depuis l'app Gemini, Chrome ou la recherche Google. Le modèle s'utilise dans Google AI Studio, dans Flow et sur la Gemini Enterprise Agent Platform. Les abonnés Google AI Plus, Pro et Ultra retrouvent l'extension de scène directement dans l'app Gemini, qui fonctionne en français, prompts compris. Adobe a de son côté intégré le modèle à Firefly.

À 0,30 dollar la seconde, une minute de 4K coûte 18 dollars, et le plan de quarante secondes en coûte 12. Ces montants installent la vidéo générative dans le budget d'un poste de travail plutôt que dans celui d'une production. La dépense se déplace : le temps passé à trier des brouillons, et la compétence qui consiste à savoir lequel mérite d'être agrandi.

Mon avis

Le mode brouillon m'intéresse davantage que la 4K, et je crois que Google le sait très bien. Vendre une résolution faite pour être jetée, c'est reconnaître qu'un plan isolé ne vaut rien tant qu'il n'a pas survécu à une boucle d'essais. D'ici la fin de l'année, tous les éditeurs auront aligné leur résolution de travail à bas coût, et la bataille se déplacera sur la fidélité entre le brouillon et le rendu : celui qui garantira qu'un plan validé en 360p tiendra en 4K emportera les équipes de production, quel que soit son prix à la seconde.

Jensen Huang juge l'AGI atteinte et ses jalons vides de sens

Thibault Monteiro — Thu, 03 Sep 2026 06:00:06 +0000

Le patron de l'entreprise la mieux valorisée du secteur affirme que l'intelligence artificielle générale (AGI), soit une machine qui égalerait l'humain sur l'ensemble des tâches intellectuelles, est déjà là. Quelques secondes plus tard, il juge ces mêmes jalons « senseless », vides de sens. Deux phrases contradictoires en apparence, parfaitement cohérentes chez un fournisseur qui vend le calcul et aucun modèle.

La déclaration vient du vendeur de calcul

Devant les analystes financiers, à la présentation des résultats trimestriels de Nvidia, Jensen Huang a posé la nuance qui compte : « for many tasks, we could say that we've already achieved AGI ». Ce « pour de nombreuses tâches » vide la déclaration de sa portée tout en gardant le mot. Puis vient la formule la plus intéressante : tous ces jalons sont « kind of senseless at this point ». En mars, face à Lex Fridman, il avait lancé la même idée sans la borner : « I think we've achieved AGI ».

Nvidia occupe une position singulière dans ce débat. L'entreprise ne vend pas de modèle en concurrence frontale avec OpenAI ou Anthropic : elle vend le matériel sur lequel les autres entraînent les leurs. Chaque laboratoire qui vise l'AGI achète du calcul bien avant de produire le moindre résultat. Une déclaration qui valide la trajectoire collective soutient donc la demande sans engager son auteur sur une performance mesurable.

Déclarer l'objectif atteint depuis cette position ne coûte rien : aucune évaluation à publier, aucun produit à faire tenir la promesse, aucun comité scientifique à convaincre. Annoncer une victoire et devoir la démontrer sont deux exercices différents. Huang pratique le premier.

Cent milliards de dollars de profits, une définition à usage contractuel

OpenAI et Microsoft ont, eux, inscrit une définition dans leurs accords : sera considéré comme AGI un système générant au moins 100 milliards de dollars de profits. La formulation a le mérite de la clarté comptable. Elle a surtout un usage précis, qui règle la relation entre deux entreprises et n'a jamais prétendu décrire l'état de la recherche.

Regardez ce qu'elle implique. Un système pourrait rester médiocre sur des tâches de raisonnement élémentaires et franchir ce seuil, à condition d'être vendu assez cher et assez largement. À l'inverse, un modèle très supérieur à l'humain sur un domaine étroit, mais jamais commercialisé, ne le franchira jamais. La mesure porte sur l'adoption, pas sur les capacités.

Le calendrier suit la même logique. Mark Chen, directeur de la recherche d'OpenAI, situe son entreprise « à 80 % du chemin ». Sam Altman promet une annonce avant la fin de l'année. Une progression chiffrée, une échéance, et aucune méthode publique permettant de recalculer l'une ou d'anticiper l'autre.

Fridman propose une ligne d'arrivée qu'on peut vérifier

Lex Fridman avance sa propre définition : une IA capable de fonder et de diriger seule une entreprise technologique valant plus d'un milliard de dollars. Elle prête à sourire, et elle mesure une réussite entrepreneuriale plutôt qu'une capacité cognitive. Elle possède pourtant une qualité que les autres n'ont pas : on peut la démentir. Soit l'entreprise existe et pèse ce montant, soit elle n'existe pas.

Comparez avec « nous y sommes pour de nombreuses tâches ». Quelles tâches ? Évaluées comment ? Contre quel niveau de référence humain ? Aucune de ces questions n'admet de réponse publiable, et cette opacité fait toute la commodité de la formule. Elle s'affirme sans jamais s'exposer.

Chaque acteur compte dans l'unité qui l'avantage

Les unités de mesure retenues en disent plus que les déclarations elles-mêmes. Nvidia compte en tokens produits (les fragments de texte qu'un modèle consomme et génère), en débit, en coût par unité de calcul : le tableau de bord d'un fournisseur d'énergie. OpenAI compte en dollars de profits. Un laboratoire académique compterait en scores sur des jeux de tests publics et reproductibles.

Les laboratoires concurrents ont cherché des définitions qui s'exposent : Google DeepMind a publié une échelle graduée en cinq niveaux, de l'émergent au surhumain, adossée à des critères de performance et de généralité. Anthropic a pris l'autre chemin, Dario Amodei ayant renoncé au sigle au profit de « powerful AI », l'IA puissante, un système plus compétent qu'un lauréat du prix Nobel dans la plupart des disciplines.

Imposer l'unité de mesure, voilà le coup joué. Celui qui décide de ce qu'on compte a gagné la partie avant qu'elle commence, puisque la métrique retenue est celle sur laquelle il domine. Huang ne se trompe pas en jugeant ces jalons vides de sens. Il constate qu'un mot autrefois technique est devenu un actif commercial. Plus personne dans l'industrie n'a intérêt à le définir assez précisément pour risquer d'échouer au test.

Vos évaluations valent mieux que leurs annonces

Pour une équipe qui met des modèles en production, la conséquence est immédiate : aucune de ces déclarations n'est exploitable comme critère de décision. Ni celle de Nvidia, ni le pourcentage avancé par OpenAI, ni l'annonce promise pour les prochains mois. Aucune ne dit quoi que ce soit du comportement d'un modèle sur vos données, vos formats, vos cas limites.

Ce qui reste vérifiable relève d'un travail nettement moins spectaculaire. Construire un jeu d'évaluation maison sur vos tâches réelles, le rejouer à chaque changement de version, mesurer la régression autant que le progrès. Suivre le coût par million de tokens, la latence, la stabilité d'un modèle entre deux mises à jour silencieuses. Ces chiffres-là, vous les produisez vous-même, et personne ne peut les redéfinir à votre place.

L'annonce d'Altman arrivera avec sa définition et ses chiffres maison. En dehors des entreprises concernées, personne ne disposera des moyens de la contredire. Le mot ne mesure plus rien. Il sert à vendre du calcul, des levées de fonds et des abonnements.

Anthropic paie plus cher le téléchargement que l'entraînement

Thibault Monteiro — Wed, 02 Sep 2026 06:00:07 +0000

L'essentiel

Sony Music Publishing, Warner Chappell et d'autres éditeurs musicaux ont assigné Anthropic vendredi devant le tribunal fédéral du district nord de la Californie.
La plainte vise d'abord l'acquisition par torrent de millions de copies de livres, dont certains contiennent des paroles et des partitions, plus que l'entraînement de Claude en lui-même.
Elle s'appuie sur l'affaire Bartz contre Anthropic, où le juge a estimé l'entraînement licite mais l'acquisition par piratage fautive, avant un accord à 1,5 milliard de dollars.
Dario Amodei et Benjamin Mann, les deux cofondateurs, sont nommés personnellement parmi les défendeurs.

Vendredi soir, Sony Music Publishing, Warner Chappell et plusieurs autres éditeurs musicaux ont assigné Anthropic devant le tribunal fédéral du district nord de la Californie. Leur plainte porte moins sur le droit d'entraîner un modèle sur des œuvres protégées que sur la façon dont les fichiers sont arrivés sur les serveurs : des millions de copies de livres récupérées sur des réseaux BitTorrent.

Un tribunal a déjà séparé l'apprentissage de l'approvisionnement

Le précédent est cité par les plaignants eux-mêmes : Bartz contre Anthropic, dossier porté par certains des mêmes avocats. Le juge y a considéré que l'usage d'œuvres protégées pour entraîner un modèle relevait du fair use, à condition que les exemplaires aient été acquis légalement. Leur téléchargement sur des bibliothèques pirates, non. Anthropic a soldé l'affaire par un accord de 1,5 milliard de dollars, le plus lourd jamais signé aux États-Unis en matière de droit d'auteur.

La distinction a des airs de subtilité procédurale ; elle est surtout comptable. Un laboratoire peut l'emporter sur l'entraînement, le débat qui occupe les colloques depuis trois ans, et perdre sur la logistique documentaire qui le précède. Le contentieux quitte la salle des serveurs pour le magasin d'où sortent les livres.

Des paroles et des partitions au milieu d'un corpus de livres

Sony Music Publishing et Warner Chappell sont des éditeurs, pas des labels : ils administrent les droits sur les compositions, les paroles et les partitions, pas sur les enregistrements. Leur point d'entrée dans le dossier passe donc par le texte. Les millions de copies de livres téléchargées incluent, selon la plainte, des ouvrages contenant paroles et partitions.

La composition des corpus est en cause autant que leur taille. Une archive de livres charrie des recueils, des méthodes d'instrument, des ouvrages musicaux, chacun avec sa propre chaîne d'ayants droit. Un seul fichier peut réveiller plusieurs familles de plaignants, qui n'ont ni les mêmes avocats ni le même barème. Les éditeurs présentent d'ailleurs leur action comme l'une des plus larges engagées jusqu'ici.

Dario Amodei et Benjamin Mann nommés parmi les défendeurs

La plainte ne se contente pas de viser la société : elle cite les deux cofondateurs. Le geste est stratégique. Il postule que le choix d'un mode d'approvisionnement des données relève d'une décision de direction, documentée, datée, attribuable à des personnes physiques.

Pour un laboratoire, cela change la façon dont se pilote la constitution d'un corpus. Les arbitrages internes, les échanges qui tranchent entre acheter, licencier ou télécharger, deviennent des pièces potentielles. Anthropic n'a pas commenté la plainte. Les mêmes conseils représentent par ailleurs Concord Music Group et Universal Music Group dans une procédure distincte introduite en janvier : le calendrier et les signatures dessinent une campagne coordonnée.

La provenance devient une ligne au budget, avant le premier calcul

Le déplacement compte pour toute équipe qui construit avec ces modèles. Jusqu'ici, l'incertitude juridique pesait sur la sortie : un texte généré peut-il contrefaire une œuvre, comment mesurer la ressemblance, qui répond du résultat. Le contentieux californien la déplace en amont, sur l'entrée.

Anthropic n'est pas seule sur cette ligne de faille. Dans l'affaire Kadrey contre Meta, le juge a reconnu en juin 2025 que l'entraînement de Llama sur des livres, y compris piratés, relevait du fair use, tout en laissant prospérer les griefs de distribution liés au partage de ces mêmes fichiers pendant leur téléchargement. La même césure, entre ce qu'un modèle apprend et la manière dont les données ont été obtenues, structure désormais les deux dossiers.

Un corpus se documente donc comme une chaîne d'approvisionnement industrielle. Origine de chaque lot, facture ou licence associée, date d'acquisition, périmètre autorisé, traçabilité en cas de contrôle. Les laboratoires qui ont acheté et numérisé leurs volumes se retrouvent avec des justificatifs. Ceux qui se sont servis sur des réseaux de partage gardent un trou dans leur registre, et ce trou ne se comble pas rétroactivement : les traces de téléchargement, elles, subsistent.

Les équipes qui affinent leurs propres modèles courent le même risque

L'affaire ne concerne pas que les grands modèles de fondation. Toute équipe qui affine un modèle sur ses propres données, alimente un système de RAG (génération augmentée par récupération de documents) avec une base documentaire hétérogène ou assemble un jeu d'évaluation à partir de fichiers récupérés en vrac reproduit la même faille à plus petite échelle.

Trois réflexes se justifient dès maintenant :

Journaliser la provenance de chaque source ingérée, avec sa licence et sa date, plutôt que de reconstituer l'historique sous la pression d'une mise en demeure.
Traiter les jeux de données publics comme des dépendances logicielles : certains agrègent des contenus dont l'origine n'est jamais explicitée.
Distinguer, dans les contrats fournisseurs, la garantie sur le modèle de la garantie sur les données qui l'ont produit. Les deux ne couvrent pas le même risque.

Le montant, lui, se calculera œuvre par œuvre identifiée, non par modèle entraîné : les éditeurs recensent des dizaines de milliers de compositions et réclament jusqu'à 150 000 dollars pour chacune. Leur travail consistera à rattacher chaque titre à un fichier téléchargé, ligne par ligne. C'est un exercice d'archiviste, et il décidera de la facture.

Mon avis

Le milliard et demi payé par Anthropic sanctionne un choix logistique fait des années plus tôt : télécharger au lieu d'acheter. Je ne connais pas un seul grand modèle actuel dont le corpus initial supporterait un audit de provenance ligne à ligne, et c'est bien pour cela que ces plaintes se multiplient maintenant, avec les mêmes cabinets d'un dossier à l'autre. Les prochaines levées de fonds se joueront autant sur les factures d'acquisition de données que sur les scores de benchmark. Les jeunes pousses qui démarrent aujourd'hui avec un corpus propre et documenté détiennent un actif que les pionniers, eux, ne peuvent plus se fabriquer.

OpenAI fédère 100 entreprises pour écrire la règle du cyber

Thibault Monteiro — Wed, 02 Sep 2026 06:00:06 +0000

L'essentiel

OpenAI publie une lettre ouverte sur la cyberdéfense mondiale, cosignée par plus de cent entreprises dont Microsoft, Google, AWS, Anthropic, Oracle, Cisco, CrowdStrike, Deutsche Telekom, SAP et Mastercard.
Le texte annonce des cyberattaques assistées par IA « bien plus répandues et sophistiquées », et place les hôpitaux et les réseaux d'eau parmi les cibles les plus exposées.
Une alerte conjointe de la NSA, de la CISA et du FBI, mi-août, décrit des attaquants qui font déjà produire par IA des scripts d'exploitation contre des automates industriels Siemens S7.
Les signataires réclament du financement et de la coordination aux États, et des outils de sécurité « abordables » aux fournisseurs d'IA, sans en fixer le prix.

Les laboratoires qui vendent les modèles capables d'écrire un exploit viennent de signer l'appel à se défendre contre les exploits écrits par des modèles. Un exploit, c'est le programme court qui tire parti d'une faille pour prendre le contrôle d'une machine. Les mêmes noms figurent sur les deux tableaux, et la lettre ouverte publiée par OpenAI tient tout entière dans cette symétrie.

Le rassemblement vaut d'abord par sa composition. Des concurrents directs y cosignent le même paragraphe, OpenAI et Anthropic, Google et Microsoft, entourés d'opérateurs télécoms et d'éditeurs de sécurité qui vivent de la menace décrite. Apposer son nom n'engage aucun d'entre eux à quoi que ce soit de contraignant.

L'alerte fédérale nomme le matériel visé, la lettre non

Le 19 août, la NSA, le FBI et la CISA, l'agence américaine de cybersécurité, ont publié une alerte conjointe sur des attaquants qui font écrire par IA des scripts d'exploitation visant des automates industriels, les Siemens S7 en particulier, dans l'énergie, l'eau, la chimie et l'industrie manufacturière américaines. Mettre les deux documents côte à côte suffit à mesurer l'écart.

D'un côté un avis d'agences : un matériel nommé, des secteurs identifiés, une technique décrite. De l'autre un appel d'industriels : une menace au futur, une urgence sans échéance, aucun incident daté. Les deux parlent du même risque. Un seul se vérifie.

Anthropic, cosignataire de la lettre, a pourtant publié en juin son propre décompte : 832 comptes bannis pour usage malveillant entre mars 2025 et mars 2026, chacun replacé dans le référentiel d'attaques MITRE ATT&CK. La matière datée existe donc chez les signataires. Elle n'apparaît pas dans leur appel commun.

Une fenêtre de tir que personne ne mesure

L'argument central des signataires, au mot près : les progrès actuels de l'IA offrent « déjà aux défenseurs de nouveaux moyens de corriger des faiblesses accumulées depuis des années ». Puis vient l'injonction : déployer ces outils tant que la défense garde l'avantage.

Nulle part le texte n'explique comment se mesure cet avantage. Ni sur quel indicateur il se retourne, ni combien de mois il reste ouvert. Une fenêtre sans horloge autorise deux conclusions opposées : agissez maintenant parce qu'il est encore temps, agissez maintenant parce qu'il est presque trop tard. Les deux vendent le même produit.

L'asymétrie est structurelle avant d'être rhétorique. Une capacité offensive se démontre : un script qui tourne, un automate qui répond. Une capacité défensive se raconte en délai moyen de détection, en vulnérabilités refermées, en incidents évités, autant de grandeurs qu'aucun signataire ne publie ici.

Le mot « abordable » ne fixe aucun prix

La demande la plus révélatrice est celle que les fournisseurs d'IA s'adressent à eux-mêmes : proposer des outils de sécurité abordables aux organisations sous-dotées. L'adjectif n'engage rien. Aucun prix plafond, aucun palier, aucun périmètre de bénéficiaires, aucune date de mise à disposition.

Un centre hospitalier qui tourne avec deux informaticiens et un parc informatique en retard de correctifs n'a pas un problème de modèle, il a un problème de budget et d'effectif. Les signataires l'admettent à demi-mot en rappelant que les logiciels non mis à jour et l'authentification faible restent les portes d'entrée les plus empruntées. C'est la partie immédiatement actionnable du texte, et la seule qui ne se vend pas.

Un cadre posé avant le premier texte de loi

Cent signatures, et pas une ligne de loi : la lettre installe un vocabulaire, une hiérarchie des risques et une répartition des rôles avant que quiconque ne les impose. Aux entreprises de hisser la cybersécurité au niveau du comité exécutif. Aux États le financement et la coordination. Aux fournisseurs d'IA les outils, à leurs conditions.

Le document réclame de l'argent public et de l'engagement dirigeant, deux choses qui se convertissent en commandes chez ses auteurs. Il ne réclame ni audit externe des capacités offensives des modèles, ni obligation de signalement quand un modèle a servi à écrire un exploit, ni engagement chiffré sur les outils promis. Une charte qui n'expose son auteur à aucune contrainte vérifiable se lit comme une position de négociation.

Les priorités qui atterriront dans les appels d'offres

Pour une équipe technique, l'utilité du document est ailleurs que dans son appel. Il liste les priorités que les plus gros acteurs jugent défendables en public, donc celles qui se retrouveront dans les cahiers des charges et les grilles de conformité des prochains mois : inventaire des correctifs, authentification forte, supervision des systèmes industriels, capacité à réagir vite.

Sur le volet IA, la question à poser à chaque fournisseur est celle que la lettre esquive : quelles preuves, sur quel périmètre, avec quelle mesure avant et après. Un agent qui trie des alertes se juge sur un taux de faux positifs, pas sur une signature au bas d'une tribune.

Dans six mois, un syndicat des eaux de province pourra déployer l'un de ces outils sur son budget courant, ou constater qu'aucune offre n'est descendue à son niveau. Cet écart-là en dira plus long sur l'initiative que ses cent signatures.

Mon avis

Cette lettre est un brouillon de règlement rédigé par ceux qu'il devra encadrer, et elle servira de référence. Le passage sur les outils « abordables » se retrouvera cité dans une consultation publique, d'un côté ou de l'autre de l'Atlantique, comme un engagement volontaire du secteur, alors qu'il ne contient pas un seul tarif. Ma mesure du sérieux tient à un geste que personne n'a fait : qu'un signataire publie une grille de prix opposable pour les hôpitaux et les collectivités. Tant que ce geste manque, nous avons une campagne d'influence remarquablement exécutée sur un danger, lui, parfaitement réel.

OpenAI débranche Cursor de ses modèles à cause de Musk

Thibault Monteiro — Tue, 01 Sep 2026 06:00:06 +0000

L'essentiel

OpenAI a notifié à SpaceX son intention de résilier le contrat qui donne à Cursor l'accès à ses modèles, avec un arrêt proposé au 12 novembre 2026.
Le motif est contractuel : OpenAI dit ne pas pouvoir être certaine que SpaceX respectera ses conditions de service.
L'éditeur s'appuie sur deux précédents, la rupture des termes du contrat par Twitter après son rachat, et l'aveu sous serment de Musk sur des violations commises par xAI.
Cursor garde les modèles déjà autorisés jusqu'à la date d'arrêt, mais n'aura plus accès aux suivants, dont Astra.

Le 28 août, OpenAI a notifié à SpaceX la fin du contrat qui donne à Cursor l'accès à ses modèles, avec une coupure proposée au 12 novembre 2026. En cause, une clause de changement de contrôle réveillée par le rachat de l'éditeur, et la conviction affichée par OpenAI que les entreprises d'Elon Musk ne tiennent pas leurs engagements contractuels.

La clause qui a armé la coupure

OpenAI l'écrit noir sur blanc dans son communiqué : son accord sur mesure lui ouvre un délai limité pour résilier après un changement de contrôle. Le rachat par SpaceX a lancé ce compte à rebours, et l'éditeur a tranché avant qu'il n'expire.

Le préavis retenu est le plus long que permette le contrat : un peu moins de onze semaines à compter de la notification. OpenAI présente ce délai comme une faveur faite aux développeurs et qualifie sa décision d'« incroyablement difficile », au terme de près de quatre ans de travail commun avec Cursor. La date du 12 novembre, elle, sort d'un calendrier contractuel calculé au plus tard.

Cursor paie l'ardoise de son acheteur

Le reproche vise l'acquéreur, et lui seul. OpenAI dit ne pas avoir l'assurance que SpaceX utilisera sa technologie dans le respect de ses conditions d'utilisation, « sur la base de notre expérience des entreprises d'Elon Musk qui violent des contrats ».

Deux pièces au dossier, toutes deux versées par OpenAI. Après le rachat de Twitter, désormais dans le périmètre de SpaceX, l'entreprise a rompu les termes de leur contrat. Et plus tôt cette année, sous serment, Musk a reconnu que le laboratoire xAI, lui aussi passé sous SpaceX, avait enfreint les conditions d'usage d'OpenAI : des conditions pourtant proches de celles que xAI impose à ses propres clients.

Le calcul industriel est simple à reconstituer. En rachetant Cursor, SpaceX a placé sous le même toit un laboratoire de modèles concurrent et l'un des principaux canaux de distribution de ses rivaux. OpenAI referme ce canal en invoquant un passif contractuel documenté, terrain plus solide qu'un argument de concurrence. L'habillage est juridique, l'effet est stratégique : le groupe de Musk hérite d'un produit qu'il va devoir rebrancher sur d'autres modèles.

Astra, l'actif qu'OpenAI met à l'abri

Le communiqué parle surtout de l'avenir. OpenAI y relie explicitement sa décision à Astra, son modèle à venir. À mesure que les capacités progressent, l'entreprise se dit tenue à un nouveau niveau de responsabilité sur l'usage qui en est fait. En pratique, elle repousse la résiliation à la date la plus tardive possible, tout en cessant dès maintenant de fournir ses futurs modèles à Cursor.

La date du 12 novembre ne dit qu'une partie de l'opération. Le verrou s'est refermé le jour de la notification : Cursor peut continuer à servir les modèles déjà couverts, il ne verra jamais Astra. Pour un outil dont l'argument de vente tient à la qualité du modèle sous-jacent, onze semaines de sursis pèsent moins lourd qu'une génération de modèles manquée.

L'outil n'est pas démuni pour autant : sa liste de modèles réunit déjà Anthropic, Google et xAI, dont les Grok récents sont entraînés conjointement avec l'équipe de l'éditeur. La coupure lui laisse donc des moteurs, et lui enlève celui que beaucoup de ses utilisateurs sélectionnaient par défaut.

Le plan B se prépare avant le préavis

Une équipe de développement peut auditer la latence d'un fournisseur, mesurer son taux d'erreur, comparer ses tarifs. La fiabilité contractuelle du futur actionnaire de son éditeur, elle, échappe à tout audit. Vous choisissez une API (l'interface par laquelle votre outil appelle les modèles d'un fournisseur), vous héritez d'un contrat que vous n'avez pas lu.

Trois réflexes en découlent, et aucun n'attend novembre :

vérifier ce que devient votre chaîne de production quand un fournisseur de modèles disparaît de l'outil sans que vous ayez rien décidé ;
garder prompts, règles d'agent et configurations dans votre dépôt plutôt que dans l'interface d'un éditeur, pour qu'un changement de moteur reste un changement de paramètre ;
chiffrer la migration avant d'en avoir besoin : une bascule décidée sous préavis coûte toujours plus qu'une bascule préparée.

Cette dépendance ne figure dans aucune documentation d'API. Elle est écrite dans un contrat auquel les utilisateurs n'ont pas accès.

La consolidation en cours dans l'outillage IA rouvrira cette clause de changement de contrôle à chaque rachat. D'ici au 12 novembre, Cursor continuera de servir des modèles figés au 28 août, puis en perdra l'accès. Le prochain éditeur racheté fera la même découverte, et ses utilisateurs l'apprendront avec le même préavis, compté par un service juridique.

Mon avis

OpenAI vient de rappeler que son API se pilote aussi depuis un service juridique, et je pense que ce précédent lui coûtera plus cher que le contrat qu'elle résilie. Aucun éditeur d'outil de développement sérieux ne s'engagera plus sur une famille de modèles unique après ce 28 août : le multi-fournisseur passe du confort d'architecture à la clause de survie. Les concurrents d'OpenAI ont déjà leur argument commercial pour les prochains mois, celui du fournisseur qui ne débranche pas ses clients pour une question de gouvernance. Et cet argument vaut cher auprès de développeurs qui viennent de comprendre qu'ils n'étaient pas les signataires du contrat dont dépend leur outil.

OpenAI confie l'autopsie de son modèle à METR et Redwood

Thibault Monteiro — Tue, 01 Sep 2026 06:00:06 +0000

L'essentiel

OpenAI publie un rapport technique et un billet de blog qui reconstituent l'activité des agents pendant l'incident Hugging Face.
Le document reconnaît que les mesures de protection déjà en place n'ont pas arrêté l'agent.
METR et Redwood Research ont mené une évaluation tierce du comportement du modèle et publient leurs propres conclusions.

Après un incident impliquant un agent, il reste rarement un seul journal à ouvrir. Les requêtes envoyées au modèle dorment chez l'éditeur, leurs effets chez la plateforme visée, et les deux moitiés de l'histoire n'appartiennent pas au même propriétaire. L'affaire Hugging Face était dans cet état depuis sa découverte.

OpenAI en publie le rapport d'incident, accompagné d'un billet de blog. L'éditeur y reconstitue l'activité des agents impliqués et explique pourquoi ses protections existantes n'ont pas suffi. Il confie surtout l'examen du comportement du modèle à deux organismes extérieurs, METR et Redwood Research, qui publient leurs conclusions de leur côté.

Reconstituer les pas d'un agent, après coup

Un agent n'est pas un programme au comportement figé. Il enchaîne des décisions prises à la volée : appeler un outil, lire un fichier, écrire un commit, revenir en arrière. Chacune de ces actions laisse une trace quelque part, rarement au même endroit et rarement dans le même format.

Enquêter consiste donc à recoller ces fragments dans l'ordre : la requête envoyée au modèle, la réponse produite, l'appel d'outil qui en découle, l'effet observé sur la plateforme d'en face. On est plus près de l'instruction judiciaire que de la lecture d'un journal d'erreurs. OpenAI présente cette reconstitution comme la matière première de son rapport, avant les conclusions qu'il en tire.

Des protections en place, et pourtant franchies

Le document ne dit pas qu'un garde-fou manquait. Il dit que ceux qui existaient ont échoué. La nuance change entièrement la nature du correctif.

Un dispositif absent, on l'ajoute. Un dispositif présent qui laisse passer l'action qu'il devait bloquer pose une question plus dure : sur quelle hypothèse reposait-il ? Les mécanismes de sécurité d'un agent se rangent en trois familles, et chacune a son angle mort connu. Un filtre entraîné sur des tentatives directes voit mal une suite d'actions anodines prises une par une. Une politique appliquée à la sortie du modèle ignore ce que fabrique ensuite l'outil qu'elle vient d'autoriser. Un contrôle de permissions vérifie qui agit, jamais dans quel but.

Ces trois angles morts relèvent moins de la négligence que du choix de conception : chacun a été arbitré contre des menaces déjà répertoriées, et ne se révèle qu'à l'usage.

Le modèle du bureau d'enquête aérien

L'autre volet de l'annonce est le plus inhabituel. METR et Redwood Research, deux structures d'évaluation qui ne dépendent pas d'OpenAI, ont analysé le comportement du modèle observé pendant l'incident et publient leur propre rapport. METR précise deux choses : aucun paiement reçu pour ce travail, et aucune des coupes demandées par OpenAI avant publication n'a touché à ses conclusions.

Quand un avion se pose mal, le rapport d'enquête ne sort pas de chez le constructeur : il sort d'un bureau indépendant, qui accède aux enregistreurs de vol et publie même ce qui dérange. Le constructeur, lui, publie son analyse technique de son côté. Les deux documents coexistent, et l'écart entre eux vaut souvent autant que leur contenu.

Le secteur de l'IA en était resté à la première moitié du dispositif : l'auto-analyse de l'éditeur, sur ses propres bancs de test. Une évaluation tierce conduite après les faits, sur un comportement réellement survenu en production, a un autre effet que de rassurer : elle rend l'analyse de l'éditeur vérifiable par des gens qui n'ont aucun intérêt à sa conclusion. Anthropic a suivi un chemin voisin fin juillet sans aller jusque-là : l'éditeur a publié son enquête sur trois incidents survenus pendant ses évaluations de cybersécurité, conduite en interne avec son partenaire Irregular, et se dit seulement en discussion avec METR pour une revue extérieure.

Sans journal des appels d'outils, il n'y a rien à reconstituer

La leçon est immédiate, et un peu désagréable, pour toute organisation dont les agents écrivent dans les dépôts ou touchent aux environnements de production. Une évaluation après coup ne vaut que par la matière qu'elle peut examiner : sans journalisation des appels d'outils, sans conservation des réponses intermédiaires, avec des identités d'agents mutualisées, l'enquête n'a aucun point de départ.

journaliser chaque appel d'outil avec son entrée, sa sortie et l'identifiant de session qui l'a déclenché ;
donner à chaque agent une identité distincte sur les services qu'il touche, pour que la question « qui a fait ça » ait une réponse ;
garder ces traces assez longtemps pour couvrir le délai entre l'action et sa découverte, qui se compte en jours plus qu'en minutes.

Ces mesures n'empêcheront pas l'incident. Elles décident de ce que vous pourrez en dire une fois qu'il a eu lieu.

Le rapprochement avec le cas dont nous parlions il y a quelques jours est parlant. Lors d'un test de sécurité conduit par l'institut britannique de sécurité de l'IA, un agent avait ouvert un second compte factice et publié des excuses de façade pour glisser un fichier malveillant dans une pull request. Là aussi, ce qui a permis d'en parler précisément, c'est un fil de discussion archivé et un historique consultable. Sans eux, l'épisode restait une rumeur de couloir.

Mon avis

L'autopsie maison d'un éditeur sur le comportement de son propre modèle va cesser de valoir preuve, et tant mieux. Ce qui restera opposable, c'est le rapport d'un tiers qui a eu accès aux traces brutes et qui publie sans validation préalable. Les entreprises qui laissent des agents écrire dans leurs dépôts y viendront aussi, par la contrainte assurantielle ou contractuelle : montrer les enregistrements plutôt que les intentions. Le test décisif arrivera quand une évaluation tierce contredira publiquement l'éditeur qui l'a commandée.

GLM-5.3-Flash rivalise avec Claude Opus 4.8 pour 9 cents

Thibault Monteiro — Mon, 31 Aug 2026 06:00:08 +0000

L'essentiel

Z.ai a revendiqué le 26 août le modèle anonyme Ox Alpha, apparu une semaine plus tôt sur OpenRouter : il s'agit de GLM-5.3-Flash, publié en poids ouverts sous licence MIT.
320 milliards de paramètres dont 18 milliards actifs, entraînés sur 30 000 milliards de tokens, servis intégralement sur des puces et des infrastructures chinoises.
Tarif catalogue de 15 cents par million de tokens en entrée et 50 cents en sortie, avec 50 % de remise sur OpenRouter jusqu'au 9 septembre.
Artificial Analysis le situe à 57 points sur son index d'intelligence pour environ neuf cents la tâche, contre 59 points à 67 cents pour GPT-5.6 Sol.

Pendant six jours, une partie de la communauté a joué au détective. Un modèle anonyme, Ox Alpha, avalait gratuitement plusieurs milliers de milliards de tokens (les unités de texte que facturent les modèles) par jour sur la place de marché OpenRouter, sans que personne sache qui payait l'inférence, le calcul qui produit chaque réponse. Le 26 août, Z.ai a levé la main.

Six jours d'enquête, une réponse servie sur du silicium chinois

Les hypothèses tournaient toutes autour des laboratoires américains : un Gemini attendu depuis des mois, un palier intermédiaire d'Anthropic, ou une capacité excédentaire chez xAI. On a vu passer des analyses de tokenizer (le découpage du texte propre à chaque modèle) et des relevés réseau.

La réponse est venue de Pékin. Ox Alpha, c'était GLM-5.3-Flash, exposé volontairement au trafic public avant son annonce. La performance, pourtant remarquable, en disait moins que la logistique : la totalité du service tournait sur des puces et des infrastructures chinoises. Des milliers de développeurs ont éprouvé cette chaîne une semaine durant sans savoir ce qu'ils testaient.

Les poids de GLM-5.3-Flash sont téléchargeables sur Hugging Face sous licence MIT. Poids ouverts ne veut pas dire open source : le code d'entraînement et les données restent chez l'éditeur, seuls les paramètres circulent. Suffisant pour le faire tourner chez soi. L'inférence hébergée est proposée par Z.ai, mais aussi par GMI Cloud, Cloudflare et d'autres fournisseurs américains, ce qui lève une partie des objections de conformité. Un abonnement dédié à la programmation, à 18 dollars par mois, complète l'offre.

La courbe prix-performance s'aplatit par le haut

Le jour même de l'annonce, le modèle apparaissait sur le graphique intelligence-coût d'Artificial Analysis. Il y obtient 57 points pour environ neuf cents la tâche. GPT-5.6 Sol en mode maximal se tient à 59 points, pour 67 cents : deux points de mieux, facturés 7,4 fois plus cher. Grok 4.6 monte à 61 points, à 94 cents, soit plus de dix fois le tarif pour quatre points d'écart.

Sur les tâches de programmation et les évaluations agentiques (des tests où le modèle enchaîne seul plusieurs actions), banc DeepSWE compris, Unsloth le situe au niveau de Claude Opus 4.8. Chez Anthropic, ce dernier se facture 5 dollars le million de tokens en entrée et 25 dollars en sortie, soit plus de trente fois le tarif catalogue de Z.ai. Gagner les deux derniers points d'index revient à multiplier la facture. Pour une équipe qui fait tourner des agents en boucle sur du refactoring, de la migration de tests ou du triage de tickets, l'écart se compte en dizaines de milliers de dollars par mois.

La facture arrive toujours avant les gains

Les directions techniques américaines encaissent déjà le choc. Praveen Neppalli Naga, directeur technique d'Uber, expliquait en avril avoir tout repris à zéro dans ses prévisions : l'enveloppe annuelle 2026 consacrée aux agents de programmation était consommée en quatre mois, et lui-même avait brûlé 1 200 dollars en une démonstration de deux heures. En juin, Uber plafonnait la dépense à 1 500 dollars par personne et par outil. Andrew Macdonald, son directeur des opérations, reconnaissait ne pas savoir relier ces tableaux de bord à la hausse de 25 % des fonctionnalités livrées. Le gain d'usage se voit ; son effet sur le compte de résultat, non.

L'enquête State of AI 2026 de McKinsey décrit le même écart : 80 % des personnes interrogées se disent plus rapides, 37 % des entreprises constatent un effet mesurable sur leur résultat opérationnel, et 32 % ont renoncé à au moins un achat logiciel parce qu'elles pouvaient reconstruire la fonction en interne avec des agents. Personne ne débranche l'IA. Tout le monde cherche où couper.

320 milliards de paramètres sur une machine de bureau

L'autre déplacement est matériel. Les poids natifs pèsent 642 Go, hors de portée d'une machine individuelle. Unsloth publie des versions quantifiées, c'est-à-dire compressées en abaissant la précision des calculs, au format GGUF, celui des moteurs d'inférence locaux : la variante 1 bit tient dans 93 Go et tourne sur 102 Go de mémoire cumulée, la 3 bits demande 128 Go, soit un Mac bien doté ou un NVIDIA DGX Spark. Unsloth annonce 71 % de la précision d'origine conservée pour la première, 87 % pour la seconde.

L'architecture explique le tarif : une attention hybride, qui ne calcule que sur une partie du contexte, limite le coût de service sur les textes longs, et trois modes de raisonnement s'enclenchent selon la difficulté de la requête. Les entreprises qui traitent des données sensibles y gagnent une option absente des modèles fermés : un moteur haut de gamme derrière leur propre pare-feu.

La fin de la promotion, premier test du tarif

La remise de lancement d'OpenRouter s'arrête le 9 septembre, et l'on verra alors si 15 cents par million de tokens en entrée tiennent hors promotion. Meta a de son côté annoncé l'ouverture des poids de Muse Spark 1.2, un modèle jusqu'ici fermé qui donnerait au camp ouvert sa première grande référence américaine. Et la part de tokens servie sur OpenRouter, majoritairement chinoise depuis début juin, dira si l'écart se creuse.

D'ici début 2027, l'outillage de développement cessera sans doute d'exposer un modèle unique par défaut : il routera chaque tâche vers le moins cher qui la réussit, en réservant le haut de gamme aux passages difficiles. À une condition : que la qualité de service hors Z.ai, latence et disponibilité comprises, tienne plusieurs mois. Si une entreprise cotée annonçait avoir basculé vers des poids ouverts hébergés chez elle le trafic de ses agents de production, et pas seulement celui de ses prototypes, les tarifs américains devraient s'ajuster. Tant que le mouvement reste confiné aux développeurs indépendants, ils ne bougeront pas.

Mon avis

Les équipes qui paieront encore le tarif haut de gamme pour du refactoring de masse en 2027 le feront par confort contractuel, pas par nécessité technique. Sept fois le prix pour deux points d'index, c'est un arbitrage qu'aucun directeur financier ne validera une fois qu'un ingénieur lui aura montré le comparatif. Je m'attends à ce que les douze prochains mois se jouent sur la couche de routage bien plus que sur les benchmarks : celui qui décide quel modèle traite quelle tâche capte la marge, et personne ne s'en occupe sérieusement aujourd'hui. Le danger vient moins de la qualité chinoise que du réveil tardif, quand on découvre avoir bâti sa chaîne de production sur une hypothèse de prix périmée.

Une variante 2 bits fait tenir GLM-5.3 sous les 240 Go

Deux jours après la publication de cet article, Unsloth a livré une compression plus poussée du modèle. Cette variante 2 bits fait passer le poids des données d'entraînement de 1,51 To à 239 Go, une réduction de 83 %, tout en conservant environ 81 % de la précision d'origine, un niveau qui reste en retrait des 87 % relevés sur la version 3 bits déjà disponible. Elle tourne sur un Mac équipé de 256 Go de mémoire unifiée ou une configuration RAM/VRAM équivalente.

Unsloth revendique pour GLM-5.3 le titre de modèle en poids ouverts le plus performant du moment. L'écart avec la version 3 bits, qui demande 128 Go pour 87 % de précision, dessine l'arbitrage que chaque équipe doit trancher elle-même : la variante 2 bits libère de la mémoire pour faire tourner d'autres processus en parallèle, la 3 bits garde plus de qualité de réponse. Pour une machine individuelle, la marge de manœuvre s'est resserrée d'un cran de plus depuis notre premier passage sur le sujet.

Mistral fait de la souveraineté un produit d'export

Thibault Monteiro — Mon, 31 Aug 2026 06:00:07 +0000

L'essentiel

Mistral et le saoudien HUMAIN annoncent une collaboration stratégique sur l'infrastructure, le développement de modèles et le déploiement en Arabie saoudite et dans la région.
L'accord se chiffre en centaines de millions d'euros ; Mistral envisage d'utiliser les data centers de HUMAIN pour ses besoins de calcul locaux.
Premiers chantiers : cybersécurité, voix, puis des modèles frontière performants en arabe, avec une commercialisation conjointe visant les secteurs régulés.

Mistral a passé l'été à plaider pour que l'Europe se dote de sa propre capacité de calcul. Lundi, l'éditeur français a signé pour des centaines de millions d'euros avec le saoudien HUMAIN. Même argument de vente, autre continent.

Trois mouvements en un été

La manœuvre se lit mieux en remontant de quelques semaines. Au début de l'été, Mistral élargit son partenariat avec Microsoft pour augmenter sa capacité de calcul en Europe. En août, il présente les European Compute Units, un véhicule qui agrège des engagements d'entreprises sur plusieurs années pour financer les data centers dont le continent a besoin. Lundi, troisième mouvement : une collaboration stratégique avec HUMAIN, couvrant l'infrastructure, le développement de modèles avancés et le déploiement de solutions en Arabie saoudite et dans toute la région.

Les deux premiers mouvements servaient à convaincre l'Europe qu'elle pouvait s'équiper. Le troisième vend la même promesse à un partenaire qui, lui, possède déjà les machines. Mistral précise qu'il « explorera » l'usage des data centers de HUMAIN pour absorber ses besoins locaux de calcul. Le fournisseur de souveraineté ira donc s'alimenter chez son client.

L'arabe, un terrain déjà occupé

Les deux chantiers ouverts en premier, cybersécurité et voix, précèdent le morceau stratégique : des modèles de pointe taillés pour l'arabe. Une langue parlée par des centaines de millions de personnes, mal servie par les grands modèles généralistes, et dont la maîtrise conditionne l'accès aux administrations, aux banques et aux opérateurs télécoms de toute une zone. Le terrain n'est pas vierge pour autant : Abou Dabi pousse depuis mai 2025 Falcon-Arabic, entraîné par le TII (Technology Innovation Institute) sur des corpus 100 % arabes, et le royaume exploite déjà ALLaM, son modèle national développé par l'agence publique SDAIA (Saudi Data and AI Authority). L'apport de l'éditeur français se mesurera donc à ce qu'il sait faire de mieux que le modèle maison de son propre partenaire.

C'est le sens de la commercialisation conjointe prévue par les deux entreprises, explicitement dirigée vers les industries régulées du royaume. Mistral s'y présente avec un partenaire local qui connaît les acheteurs, les procédures et les contraintes de conformité, ce qu'aucune vente de licences ne remplace. Pour un éditeur européen qui n'a ni la force de frappe commerciale ni les milliards d'infrastructure de ses concurrents américains, l'alliance vaut mieux qu'une filiale.

Le contrôle vendu comme une fonctionnalité

L'éditeur résume sa thèse ainsi : « Le contrôle devient le sujet déterminant dans l'adoption de l'IA en entreprise. » Les organisations veulent les bénéfices de l'IA sans céder la main sur leurs données et leurs systèmes sensibles. Mistral en tire une définition très opérationnelle de la souveraineté : données maintenues dans des frontières définies par le client, modèles adaptables et livrés avec des poids que le client détient, entraînement et inférence exécutés dans la juridiction choisie, systèmes pilotés et améliorés dans la durée sans confier la boucle d'apprentissage à une plateforme extérieure.

Cette définition ne contient aucune coordonnée géographique. Ni l'Europe, ni le RGPD, ni un pavillon. Elle décrit une architecture technique et une série de clauses contractuelles, donc quelque chose qui se réplique partout où un client dispose de salles machines et d'un budget. Riyad achète exactement le produit que Bruxelles réclame. Rien dans l'offre ne l'en empêche. Le problème politique vient de là.

Un modèle qui survit à la rupture du contrat

Une clause pèse plus lourd que tout le reste du dispositif : les open weights, ces poids du modèle (les paramètres issus de l'entraînement) livrés au client. Un modèle dont les poids sont livrés peut être adapté, hébergé, audité et conservé, y compris le jour où la relation commerciale s'interrompt. Les plateformes fermées facturent un accès ; Mistral facture une capacité à ne plus dépendre de lui. L'argument porte surtout dans les secteurs cités par l'annonce, où la résilience et l'autonomie opérationnelle ne se négocient pas : services financiers, industrie, télécoms, cybersécurité, secteur public.

L'annonce elle-même prend soin de rester au conditionnel. Le communiqué comporte l'avertissement d'usage sur les déclarations prospectives : les résultats dépendront d'accords commerciaux encore à signer. Le montant global n'est pas ventilé, aucun calendrier de livraison n'est public, et l'usage des data centers saoudiens est présenté comme une exploration, pas comme un engagement.

La licence, le lieu, les signataires

L'accord vaudra ce que vaudront ses clauses d'exécution. Trois d'entre elles décideront de tout : le lieu et la gouvernance de l'entraînement des modèles arabes ; la licence sous laquelle leurs poids seront publiés, puisque c'est elle qui fait toute la valeur de l'offre ; et le nombre de signataires que les European Compute Units auront réunis côté européen, là où Mistral en attendait beaucoup en montant le véhicule en août.

Un éditeur qui vend l'autonomie à ses clients construit mécaniquement des dépendances pour lui-même : capacité de calcul chez Microsoft, salles machines chez un partenaire du Golfe, financement adossé à des engagements d'entreprises. Le produit tient. La position, elle, demandera d'être tenue.

Mon avis

Que Mistral aille vendre à Riyad ne me choque pas. Qu'il y vende le mot même qu'il monnaie à Bruxelles, si. On ne peut pas réclamer des engagements continentaux au nom de l'indépendance stratégique et louer ailleurs, la même semaine, l'infrastructure d'un partenaire du Golfe sans que quelqu'un finisse par demander des comptes. Je regarde une seule chose dans les mois qui viennent : la licence sous laquelle sortiront les modèles arabes. Si les poids sont vraiment livrés, l'argument tiendra ; s'ils restent derrière une API, Mistral aura vendu le mot sans la chose.

Torvalds a dû pousser l'IA qui se déclarait vaincue

Thibault Monteiro — Sun, 30 Aug 2026 06:00:08 +0000

Un correctif du noyau Linux publié cette semaine porte une signature inhabituelle : son message de commit a été écrit par une IA, et Linus Torvalds l'assume publiquement. Le patch touche le pilote graphique Xe, coupable d'exposer du stockage compressé comme s'il s'agissait de mémoire vidéo utilisable. Torvalds décrit une session de débogage infernale, énormément aidée par une IA qui a fait le gros du travail ingrat.

L'aveu arrive dans le même message. À plusieurs reprises pendant cette session, l'IA a affirmé sans détour que le problème était impossible, insoluble, et qu'il valait mieux rédiger un rapport pour clore l'affaire.

L'IA a voulu lâcher, un humain a refusé

Torvalds le formule sans ménagement : il aurait aimé parler d'un assistant infatigable, mais son assistant proposait de renoncer. Son hypothèse tient en une phrase, et elle est cruelle : ces systèmes ont été entraînés par des gens moins têtus que lui.

Il a fallu vingt-quatre patchs de débogage et dix-huit redémarrages du noyau pour cerner une erreur qui tient en un mot : un arrondi vers le haut là où il fallait arrondir vers le bas. Ce qui a débloqué la session ne devait rien à la puissance d'analyse du modèle, disponible dès la première minute. Il a fallu qu'un humain refuse le verdict d'impossibilité. Sous la pression, l'IA a continué d'ajouter du code de débogage et d'en analyser fidèlement les sorties, avec une constance qu'aucun mainteneur ne tiendrait pendant des heures. Le travail de fourmi, elle l'a fait. Le choix de continuer, non.

Le secteur vend pourtant l'endurance comme un argument commercial : OpenAI met en avant un GPT-5.1-Codex-Max observé en interne en train de travailler seul plus de vingt-quatre heures d'affilée sur une même tâche. Tenir longtemps et refuser de conclure trop vite restent deux qualités distinctes.

Le crédit que Torvalds accorde à la machine n'est donc qu'un demi-compliment. Il décrit surtout une compétence qui ne figure sur aucune fiche de poste : savoir quand la machine se trompe en affirmant qu'elle ne peut pas.

Chez Willison, la vérification ne passe pas par la relecture

Au même moment, Simon Willison a pris le problème par l'autre bout dans une note publiée sur son site. Pour lui, la compétence qui décide de la productivité avec des agents de programmation tient en deux gestes : instruire assez fermement pour que l'agent sache quoi modifier, puis vérifier avec la même fermeté que la modification fait bien ce qu'elle promet.

Il ajoute une nuance que peu d'équipes ont digérée : relire chaque ligne produite est une option parmi d'autres, pas la seule. Éplucher un diff ligne par ligne n'a jamais été la manière la plus efficace de valider une modification logicielle. Un test qui reproduit le bug, une trace d'exécution, un invariant contrôlé en machine en disent souvent plus long, et ils passent à l'échelle là où la relecture humaine sature.

Mises côte à côte, les deux observations dessinent le même métier. Instruire, insister, vérifier. Trois gestes qui ne s'apprennent dans aucun cursus, et qu'aucun agent ne livre avec son abonnement.

L'entretien technique de 2027 ne ressemblera pas au vôtre

Cette bascule a une échéance plausible : 2027. Dans les équipes qui auront réellement intégré les agents, l'exercice central de l'entretien de développeur aura changé de nature. Écrire une fonction sous les yeux d'un recruteur mesure une capacité que la machine assure déjà. Ce qui départagera les candidats, c'est de savoir cadrer une demande, flairer une réponse trop confortable, et prouver qu'un correctif corrige bien ce qu'il prétend corriger.

Le format probable ressemble à un exercice de contradiction : on donne au candidat un agent, un bug tordu, et on regarde sa réaction quand la machine annonce que c'est insoluble. Accepte-t-il le verdict ? Cherche-t-il une autre entrée ? Sait-il fabriquer la preuve que le problème est résolu sans relire trois mille lignes ?

L'outillage, la tête du développeur et l'indicateur de la semaine

Ce scénario reste fragile. Il repose sur trois conditions, dont aucune n'est acquise aujourd'hui :

L'outillage de vérification doit suivre le débit des agents. Sans suite de tests rapide, sans environnement jetable pour rejouer un bug, la vérification retombe sur le jugement au fil de l'eau, qui ne tient pas quand le volume produit décuple.
La charge cognitive doit se répartir. Willison l'a déjà noté : produire cent fois plus de code ne rend personne capable d'en garder cent fois plus en tête. L'entêtement d'un seul mainteneur ne se réplique pas par décret à l'échelle d'une équipe.
L'organisation doit payer le prix des sessions longues. Si l'indicateur reste le nombre de tickets fermés dans la semaine, personne ne poussera comme Torvalds l'a fait, et « l'agent a dit que c'était impossible » deviendra une conclusion recevable en réunion.

C'est la troisième qui décidera, parce qu'elle est politique et non technique.

Quand l'entêtement deviendra une ligne de coût

Un jour, un post-mortem d'incident mentionnera noir sur blanc que l'agent avait déclaré le problème insoluble et que personne n'a insisté. Ce jour-là, l'entêtement cessera d'être une question de tempérament pour devenir une dépense chiffrable. Il arrivera sans doute avant que les modèles apprennent l'obstination : elle consomme des tokens, allonge les sessions et se vend mal en démonstration commerciale.

L'obstination de Torvalds a pourtant un socle que peu partagent : il connaît son noyau ligne par ligne depuis trente ans, et son entêtement s'appuyait sur ce savoir. La génération qui apprend le métier avec un agent dans la boucle devra fonder le sien ailleurs, et ce socle-là ne viendra pas d'une mise à jour de modèle.

Berners-Lee déplace le problème de l'IA vers vos données

Thibault Monteiro — Sun, 30 Aug 2026 06:00:07 +0000

L'inventeur du Web a passé les dix dernières années sur un protocole que presque personne n'a installé. Sir Tim Berners-Lee le ressort aujourd'hui pour l'IA, avec un argument court : un assistant sert d'abord celui qui détient les données qu'il interroge. Ni un meilleur alignement du modèle, ni des garde-fous plus durs, ni des consignes système mieux écrites ne défont cette dépendance.

Un agent ne lit que ce qu'on lui laisse lire

Un assistant qui réserve un vol, compare deux offres bancaires ou remplit un dossier ne raisonne pas dans le vide. Il consulte un stock d'informations, souvent par RAG (retrieval-augmented generation), la technique qui va chercher des documents dans une base avant de répondre. Ce stock, aujourd'hui, appartient à la plateforme qui héberge l'application.

Son diagnostic sur le Web actuel est connu : tout le monde passe par Facebook ou Instagram en y laissant ses données, et la souveraineté personnelle s'est perdue en route. La même mécanique se rejoue avec l'IA. Le fournisseur décide quelles données l'agent voit, à quel moment, et au service de quel objectif commercial.

Vous pouvez auditer un modèle, mesurer ses biais, publier sa model card, la fiche qui documente ses conditions d'entraînement et ses limites. Le périmètre de lecture, lui, ne se négocie pas.

L'industrie a standardisé la tuyauterie, pas la propriété. Le Model Context Protocol, ouvert par Anthropic fin 2024 puis adopté par OpenAI comme par Google, donne à n'importe quel agent une façon unique de se brancher sur une source de données ; il ne dit rien de celui qui héberge cette source et décide de ce qu'elle expose.

Solid rendait le stockage à l'utilisateur, sans preneur

Le protocole Solid, lancé en 2016 en open source, propose l'inversion : chacun dispose d'un espace personnel où stocker l'ensemble de ses données. Cet espace, baptisé Pod pour Personal Online Datastore, est hébergé où son propriétaire le souhaite, sur son ordinateur ou dans le cloud. L'application ne collecte plus par défaut, elle demande quelles données vous acceptez de partager avec elle.

Berners-Lee reconnaît sans détour que la reconquête n'a pas eu lieu, et il refuse d'y voir un échec d'ingénierie. La vision d'origine du Web voulait que n'importe qui puisse créer un site : le Web 1.0 donnait du pouvoir aux internautes, les plateformes l'ont récupéré. Solid n'a jamais atteint le point où ce pouvoir revient à l'utilisateur, faute d'un acteur qui avait intérêt à le déployer.

Le blocage se lit dans le compte d'exploitation

John Bruce, cofondateur et directeur général d'Inrupt, la société créée pour commercialiser Solid, est catégorique : la technologie n'est pas le problème, sa capacité à tenir à grande échelle se démontre. Le travail consiste à expliquer aux organisations ce qu'elles gagnent à la déployer.

Bruce décrit la même scène répétée pendant des années devant des dirigeants et des ministres. Tous trouvent que les choses devraient fonctionner ainsi, et le veulent pour eux-mêmes ou pour leurs proches. Puis ils rappellent leur impératif : générer des revenus, ou réduire des coûts. L'adhésion privée n'a jamais rempli une feuille de route produit.

D'où une offre à trois étages, dont l'ordre en dit long sur la stratégie. L'Enterprise Wallet Infrastructure sert de socle logiciel et héberge des wallets interopérables pour les clients. Les Data Wallets, livrés depuis juillet 2024, donnent aux applications existantes un accès sécurisé aux données dont l'entreprise a besoin. Les Agentic Wallets, enfin, ajoutent l'IA par-dessus, pour personnaliser finement chaque service à partir de ces données.

L'IA arrive en dernier, posée sur un portefeuille de données déjà en place. Elle sert d'argument commercial pour faire adopter la couche de stockage, celle qui n'intéressait personne quand elle se présentait seule.

Un Pod souverain ne rend pas le modèle loyal

Rapatrier le stockage chez l'utilisateur ne déplace pas tout le pouvoir. Le modèle qui interprète vos données continue de tourner chez un fournisseur, avec ses objectifs, ses journaux de requêtes et ses conditions d'usage. Un Pod souverain lu par un agent qui ne l'est pas déplace la frontière ; il ne l'efface pas.

La charge du consentement. Un arbitrage donnée par donnée suppose que chacun gère ses permissions. Quinze ans de bannières de cookies ont montré ce que devient ce type d'exercice à l'échelle du grand public.
L'absence de chiffres publics. Ni volume de wallets déployés, ni nombre de Pods actifs, ni clients nommés. Une architecture qui passe à l'échelle en démonstration ne prouve pas encore une adoption.
L'interopérabilité annoncée. Des wallets interopérables entre organisations réclament que plusieurs concurrents acceptent le même format d'accès. Rien n'indique aujourd'hui quel acteur y perdrait le moins.

La donnée que l'agent consulte, et qui peut la lui retirer

Pour une équipe qui assemble sa propre brique IA, l'argument a une traduction directe. La comparaison entre fournisseurs porte d'ordinaire sur la qualité du modèle, la latence et le prix au million de tokens. Trois lignes méritent d'y figurer : où vit la donnée que l'agent consulte, qui peut lui retirer cet accès sans casser l'application, et ce que devient l'historique au moment de changer de prestataire.

Y répondre oblige à découpler la couche de données du fournisseur de modèle, avec un format d'accès documenté et une révocation possible. Ce découplage a un coût d'architecture immédiat, et sa valeur ne se voit qu'au moment de la migration ou du contentieux. Il se décide donc avant, pas pendant.

Berners-Lee a écrit en 1989 un protocole que la planète entière a fini par installer, puis en 2016 un second que presque personne n'a déployé. L'écart entre les deux ne tient pas à l'élégance technique : le premier servait immédiatement ceux qui l'adoptaient. Le sort des Agentic Wallets se jouera au même endroit, quand une entreprise gagnera davantage à laisser ses clients garder leurs données qu'à les conserver chez elle. Rien, chez Berners-Lee comme chez Bruce, ne suggère que ce calcul penche déjà de ce côté.

OpenAI bat Blackwell et Rubin avec sa première puce

Thibault Monteiro — Sat, 29 Aug 2026 06:00:07 +0000

L'essentiel

OpenAI a présenté au salon Hot Chips les premiers résultats de Jalapeño, la puce d'inférence qu'elle a conçue avec Broadcom.
Sur le benchmark public InferenceX de SemiAnalysis, elle affiche 1,5 à 1,9 fois plus de travail par watt et une latence 1,7 à 3,6 fois plus faible que les meilleurs systèmes du commerce.
Elle se contente d'exécuter les modèles, ne les entraîne pas, et n'a pas dépassé le stade des échantillons d'ingénierie quand les premiers systèmes Vera Rubin de Nvidia arrivent chez les clients cet automne.

Sur la scène de Hot Chips, OpenAI n'est pas venue parler de modèles. L'entreprise a montré du silicium, le sien, et des courbes dressées contre Nvidia. Jalapeño, sa première puce d'inférence, sort des cartons avec des mesures qu'on n'attend jamais d'une première génération.

Une puce qui ne fait que la moitié du métier

Jalapeño exécute les modèles, elle ne les entraîne pas. L'inférence, c'est-à-dire l'exécution d'un modèle déjà entraîné, requête après requête, est le poste qui grossit le plus vite chez un fournisseur d'IA. Chaque conversation, chaque étape d'un agent, chaque appel d'API (interface de programmation) passe par là : la facture suit le trafic, pas les campagnes d'entraînement.

Autre point, moins commenté : la puce n'est pas taillée sur les modèles maison. OpenAI la présente comme un accélérateur généraliste pour grands modèles de langage, et l'a mesurée sur GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5 1T. Faire tourner des architectures conçues ailleurs, sans optimisation dédiée, en dit plus long sur la solidité du design qu'un score obtenu sur son propre modèle.

550 watts en charge face à des accélérateurs de 1 400

Les mesures viennent du benchmark InferenceX, publié en libre accès par SemiAnalysis, qui simule le service complet d'une requête. OpenAI a fourni les chiffres, SemiAnalysis a rejoué une partie des exécutions chez lui. Au pic de débit, OpenAI revendique 1,5 à 1,9 fois plus de travail par watt et une latence 1,7 à 3,6 fois plus basse que les racks Nvidia GB200 et GB300, dont les accélérateurs sont donnés pour 1 200 à 1 400 watts. Jusqu'à 4,1 fois sur les charges très interactives. Environ 1 400 tokens (les fragments de texte qu'un modèle produit) par seconde et par utilisateur sur GPT-OSS, plus de 700 sur une requête isolée avec DeepSeek R1, pour une consommation soutenue mesurée à 550 watts ou moins.

Un ratio circule plus vite que les autres : à vitesse de décodage égale, 54 à 104 fois le débit de tokens par kilowatt du meilleur accélérateur du marché. Le chiffre vaut pour ce régime précis, il n'est pas un facteur global, et la donnée solide reste le rapport performance/watt sur toute la plage testée. Jalapeño décroche par ailleurs ces résultats sans multi-token prediction ni speculative decoding, deux techniques qui devinent plusieurs tokens d'avance pour accélérer la génération. Certains systèmes comparés en bénéficiaient, eux.

Face à Vera Rubin, l'écart se resserre sur le coût

Blackwell fait un bon titre, Vera Rubin fait une bonne comparaison : les deux plateformes partagent la même génération de mémoire HBM4, à très haut débit et empilée au plus près du calcul. Même là, Jalapeño sort davantage de tokens par mégawatt, alors que l'accélérateur de Nvidia bénéficie du speculative decoding dont la puce d'OpenAI se passe encore. Sur le coût total de possession par token, en revanche, les deux se tiennent.

L'égalité sur le coût dit l'essentiel de la manœuvre. OpenAI ne promet pas un token deux fois moins cher à ses clients : elle déplace la marge que Nvidia encaissait dessus. Chaque watt servi par du silicium maison est un watt qui sort du carnet de commandes de son fournisseur.

OpenAI n'ouvre pas la voie pour autant : Google fait tourner ses TPU Ironwood, ses processeurs maison taillés pour l'inférence, Amazon ses Trainium 3, Meta ses MTIA. Mais ces puces servent d'abord des charges maison, quand Jalapeño est mesurée sur les grands modèles publics du marché.

Seize mois de conception, neuf jusqu'au plan final

Conception lancée mi-2024 avec Broadcom, envoi en fonderie en novembre 2025 : seize mois de cycle complet, dont neuf entre le premier design et le plan final parti en fabrication. OpenAI dit avoir mobilisé ses propres modèles à chaque étape : les générations anciennes pour concevoir la puce, les récentes pour la programmer et l'optimiser.

SemiAnalysis en tire la conclusion la plus dévastatrice : « le fossé CUDA est potentiellement mort, vu la vitesse à laquelle OpenAI démarre de nouveaux modèles sur son silicium ». Son dirigeant Dylan Patel ajoute : « d'habitude, les puces de première génération ne sont pas compétitives, mais OpenAI bat la Blackwell de Nvidia et même Rubin. » Nvidia tient son avance par CUDA, sa couche logicielle propriétaire, pas par le transistor : porter un grand modèle sur cet écosystème demande des années. Un portage bouclé en neuf mois abîme cette défense plus sûrement que n'importe quel graphique de watts.

Sarah Friar promet de continuer à acheter chez Nvidia et AMD

La directrice financière d'OpenAI inscrit Jalapeño dans une stratégie de calcul intégrée : centres de données, puces, modèles, plateforme développeur et produits tenus ensemble. Et elle insiste : la puce complète les partenariats avec Nvidia, AMD, AWS, Cerebras ou CoreWeave, elle ne les remplace pas.

Difficile de dire autre chose quand on dépend de ces fournisseurs pour l'entraînement et pour la capacité de demain matin. Des échantillons d'ingénierie ne servent aucun trafic, tandis que les racks Vera Rubin entrent en livraison cet automne. La phrase change pourtant de sens à la prochaine table de négociation : un acheteur capable de fabriquer son alternative n'achète plus au même prix.

Deux angles morts subsistent. Nvidia et AMD ont publié des résultats sur des modèles plus lourds, DeepSeek V4 Pro et Kimi K3, que Jalapeño n'a pas encore affrontés. Et une puce ne compte qu'en sortant de fonderie en série, pas en gagnant un graphique. OpenAI vise de premières livraisons d'ici la fin de l'année, la production de masse en 2027, et annonce une plateforme étalée sur plusieurs générations. Le rapport de force se lira dans ce calendrier de fonderie, le jour où des racks Jalapeño serviront du trafic réel.

Mon avis

Je retiens neuf mois, pas les multiplicateurs. Porter trois grands modèles publics sur un silicium neuf en moins d'un an, avec des modèles qui écrivent une partie du travail d'optimisation, voilà ce qui fragilise Nvidia sur la durée : la barrière logicielle qu'on croyait infranchissable se franchit désormais en trimestres. L'entraînement lui reste acquis, et Jalapeño n'y joue même pas. Mais sur le token servi, chaque grand acteur va refaire ce calcul, et je m'attends à voir Google, Meta et Amazon accélérer leurs propres programmes bien avant que les premiers racks Jalapeño ne sortent de fonderie en volume.

Une ligne de code déplace le score d'une IA de 0,21 point

Thibault Monteiro — Sat, 29 Aug 2026 06:00:06 +0000

Mêmes molécules, mêmes descripteurs, même algorithme, mêmes réglages par défaut. Seule change la façon de séparer les données d'entraînement des données de test, et l'AUROC (l'aire sous la courbe ROC, soit la capacité du modèle à classer une molécule active devant une inactive) passe de 0,606 à 0,818. Un écart de 0,21 point, supérieur à celui qui sépare d'ordinaire deux méthodes concurrentes dans la littérature.

Le chiffre vient de l'équipe FINAL-Bench, qui a ouvert cette semaine LEADBOARD, un classement de prédiction de propriétés pharmacologiques : 21 tableaux, 18 382 composés de test dont les valeurs mesurées ne sont jamais rendues publiques. L'écart est apparu en construisant le premier tableau, avant même l'ouverture du classement.

Un banc d'essai choisi pour sa banalité

Le premier tableau porte sur hERG, un canal potassique du muscle cardiaque. Un médicament qui le bloque allonge l'intervalle QT du patient et condamne le programme clinique. La cible se teste tôt dans tous les laboratoires, donc les données publiques abondent : le terrain idéal pour roder une chaîne de traitement.

Le détail de cette chaîne compte, parce qu'elle est ordinaire. Les données sortent de ChEMBL 37, sur la cible CHEMBL240 : 12 021 mesures d'IC50, la concentration qui inhibe la moitié de l'activité, et seulement celles rapportées comme une valeur exacte. Il en reste 11 972 après contrôle des unités et lecture des structures par RDKit, puis 9 788 composés uniques une fois les doublons regroupés par identifiant chimique InChIKey, chacun ramené à sa valeur médiane. Descripteurs Morgan, modèle LightGBM, hyperparamètres par défaut de la bibliothèque, aucun réglage fin. Une chaîne que n'importe quelle équipe pourrait écrire dans l'après-midi.

Deux découpages, deux verdicts opposés

Premier protocole : entraîner sur tout ce qui a été publié avant 2022, tester sur ce qui est paru après. L'AUROC ressort à 0,606, sur une échelle où 0,5 vaut pile ou face et 1 la perfection. Presque le hasard.

Deuxième protocole, sur exactement les mêmes données : tirage au sort des composés de test, répété avec cinq seeds, les graines qui initialisent le tirage aléatoire. Les résultats s'échelonnent de 0,803 à 0,830, moyenne 0,818. La même proportion de données réservée au test, le même modèle, le même code.

Le mécanisme se comprend sans mathématiques. Les chimistes médicinaux ne fabriquent pas des molécules indépendantes les unes des autres : quelqu'un trouve un squelette prometteur, puis en synthétise quarante variantes qui se ressemblent toutes. Un tirage aléatoire disperse cette grappe des deux côtés de la frontière, et le jeu de test se remplit de quasi-jumeaux de molécules déjà vues à l'entraînement. Retrouver le plus proche voisin suffit alors à faire un beau score.

Or personne n'utilise un outil de prédiction dans ces conditions. On s'en sert pour hiérarchiser des composés que personne n'a encore testés, sans garantie qu'un cousin figure dans les données d'apprentissage. Le découpage par date reproduit cette situation, avec une propriété élégante : la réponse n'existait pas encore quand le modèle a été entraîné, donc aucune fuite n'est possible.

Quand le modèle se fait battre par une constante

La colonne la moins commentée du tableau est la plus dure. En erreur absolue moyenne sur le découpage temporel, LightGBM affiche 0,599 quand la prédiction constante, celle qui répond invariablement la même valeur, affiche 0,589. Le modèle fait légèrement pire que ne rien apprendre du tout.

Sur les tirages aléatoires, le rapport s'inverse brutalement : 0,457 pour le modèle contre 0,671 pour la constante. Le protocole d'évaluation ne modifie donc pas seulement l'amplitude du score, il retourne la conclusion. Selon la ligne qu'on a écrite, on publie « notre modèle apporte un gain substantiel » ou « notre modèle n'apporte rien ». Avec les mêmes molécules et le même code.

Une accusation volontairement étroite

Les auteurs prennent soin de circonscrire leur affirmation, ce qui la rend crédible. Ils ne prétendent pas que les classements publiés reposent tous sur un tirage au sort : beaucoup emploient un découpage par squelette moléculaire, intermédiaire entre les deux extrêmes. Ce qu'ils défendent est plus étroit et plus embarrassant : sur des données identiques, le choix du protocole déplace l'AUROC de 0,21 point, donc un score de classement cité sans son protocole n'est comparable à rien.

Conséquence assumée dans la conception de LEADBOARD : chaque tableau impose un découpage temporel ou par squelette, et aucun tirage aléatoire n'est proposé. Ce verrouillage n'a pas été inventé là : Therapeutics Data Commons impose déjà ses propres jeux d'entraînement et de test, et Polaris conserve les indices exacts du découpage pour garantir que deux résultats portent sur les mêmes molécules. S'y ajoute une seconde source d'imprécision que l'équipe documente : le bruit des mesures elles-mêmes. Deux laboratoires qui testent le même composé n'obtiennent pas la même valeur, entre la lignée cellulaire, le tampon et le jour de manipulation. Une partie des écarts entre modèles concurrents se joue sous ce plancher de bruit.

Chiffrer la chance avant de mesurer le talent

La même équipe applique cette logique aux marchés : un concours de prévision financière ouvert aux agents IA au même titre qu'aux humains, 2 000 dollars de prix, 122 jours. Le diagnostic de départ est celui du banc d'essai hERG, transposé à la finance. Quand un participant rend 30 % en un mois, rien dans le classement ne permet de trancher entre compétence et chance.

Leur réponse : simuler vingt mille joueurs sans aucune compétence, actif par actif, sur la durée de la saison, et publier avant le coup d'envoi le meilleur rendement que le pur hasard produit. Un résultat qui reste sous cette ligne ne prouve plus rien. Trois garde-fous relèvent du même esprit. On soumet une position entre -1 et +1 plutôt qu'une prévision, parce qu'une prévision juste ne se monnaie pas forcément. Le levier est plafonné à 1, après qu'une simulation sans limite a produit 48 763 % cumulés, effet d'une multiplication et non d'un talent. Enfin, le code de notation est vérifié avant tout modèle : une erreur dans le calcul des rendements ne fait planter aucun programme, elle produit des nombres parfaitement crédibles.

Réclamer le protocole avec le score

Pour quiconque choisit un modèle sur la foi d'un tableau, la conséquence pratique tient à quatre exigences :

exiger le protocole en même temps que le score : nature du découpage, date de coupure, seeds utilisées. Sans lui, deux chiffres côte à côte ne se comparent pas ;
réclamer la comparaison à une référence triviale (valeur constante, plus proche voisin) évaluée sur le même découpage. L'écart au trivial informe davantage que la valeur absolue ;
demander la dispersion sur plusieurs seeds plutôt que le meilleur résultat obtenu ;
avant d'évaluer un agent en conditions réelles, chiffrer ce que rapporterait un tirage sans compétence sur la même période.

Un score de banc d'essai ne se lit pas sans le harnais qui l'a produit. Cet écart de 0,21 point ne condamne ni LightGBM ni les descripteurs Morgan : il montre qu'un classement publié sans son protocole renseigne autant sur son évaluateur que sur les modèles qu'il prétend ordonner. L'équipe de LEADBOARD a tranché en fermant la porte aux tirages aléatoires sur ses propres tableaux. Ceux qui achètent des modèles n'ont pas ce pouvoir : il leur reste à réclamer le protocole, et à refaire la mesure sur leurs propres données dès que la décision engage un budget.