Briefing quotidien
19 juin 2026 · 7 actus (site) · 9 actus (base)
🔥 À la une
Kimi Work : Moonshot AI lance l'agent desktop en essaim — jusqu'à 300 agents parallèles
Moonshot AI a lancé Kimi Work le 8 juin, un agent desktop intégrant navigation web autonome (WebBridge), exécution Python en arrière-plan, un moteur de planification et une architecture en essaim supportant jusqu'à 300 agents parallèles. Conçu pour tourner la nuit. Intégration native des données financières (A-shares, HK, US). Mémoire locale persistante qui conserve préférences et décisions. Compatible macOS (Apple Silicon) et Windows. Si la coordination en essaim tient ses promesses, Kimi Work redéfinit la productivité individuelle assistée par IA.
Google Cloud standardise le contexte agent avec l'Open Knowledge Format (OKF)
Google Cloud a publié la spécification OKF v0.1 : la connaissance d'entreprise représentée comme un répertoire de fichiers Markdown avec frontmatter YAML — lisible par humains et machines, portable entre systèmes. Un seul champ requis (type). Implémentations de référence : un agent d'enrichissement BigQuery et un visualiseur HTML. Résout le problème du contexte fragmenté que chaque développeur d'agents réinvente. Code sur GitHub sous licence ouverte. Sans vendor lock-in — fonctionne avec n'importe quel cloud, base de données ou framework d'agents.
Microsoft SkillOpt : +23 points sur GPT-5.5 avec juste un fichier Markdown entraîné
Microsoft et trois universités chinoises présentent SkillOpt, une méthode qui traite un document Markdown d'instructions comme des paramètres entraînables pour un agent IA — sans toucher aux poids. Un LLM optimiseur lit les logs d'exécution, identifie les échecs, et propose des modifications textuelles bornées validées. +23 points en moyenne sur 6 benchmarks (recherche, tableurs, analyse de documents, maths, action incarnée). Les skills font 300-2000 tokens, restent lisibles, et se transfèrent entre modèles et environnements (Codex → Claude Code). Emprunte des concepts au deep learning : learning rate, scheduler, lissage façon gradient.
GNAP : orchestrer des agents IA avec juste Git — zéro serveur, zéro base de données
L'équipe Farol a publié GNAP (Git-Native Agent Protocol) sous licence MIT : un protocole où les agents IA se coordonnent via un simple dépôt Git avec quatre types de fichiers JSON (agents, tâches, runs, messages). Chaque agent exécute une boucle heartbeat : git pull → vérifier les assignations → travailler → git push. L'historique Git = piste d'audit. Tout agent capable de git push peut participer. Les humains sont participants de première classe. Fonctionne hors ligne. Contraste avec CrewAI et LangGraph qui nécessitent serveurs et 5-30 min de setup. GNAP : 30 secondes.
DeepSeek recrute l'équipe Harness pour construire le « Claude Code chinois »
DeepSeek a formé une nouvelle équipe Harness à Beijing pour construire DeepSeek Code — une plateforme de codage desktop positionnée face à Claude Code et Cursor. Thèse interne : « Model + Harness = Agent. » Le lead technique Tianyi Cui a passé ~9 ans chez Jane Street. Les offres exigent une expérience pratique de Claude Code, Cursor, Codex, Manus, Hermes et OpenClaw. DeepSeek-TUI a gagné 21 000+ étoiles GitHub en une semaine. V4-Pro coûte 10-15× moins cher par token qu'Opus 4.7, avec poids sous licence MIT. Lancement visé : H2 2026.
Nex N2-Pro : modèle agentique open source, 17B actifs, API gratuite
Nex AGI sort du mode furtif avec Nex N2-Pro, un modèle MoE sous licence Apache 2.0 post-entraîné sur Qwen3.5-397B (17B actifs / 397B totaux). Construit autour d'un framework Agentic Thinking qui unifie raisonnement, utilisation d'outils et exécution en boucle fermée. Fenêtre de contexte 262K tokens. Benchmarks : 75.3 Terminal-Bench 2.1, 90.7 GPQA Diamond. Supporte function calling, sorties structurées, entrées texte+image. Gratuit via l'API Puter.js — tarification agressive ciblant développeurs indépendants et startups. Tourne sur matériel grand public.
Économie des agents IA 2026 : l'argent est dans les workflows verticaux, pas les agents viraux
The Operator Collective analyse l'économie agent 2026 : l'argent va aux agents verticaux (santé, juridique, finance) avec données propriétaires et connaissance réglementaire — pas aux agents généralistes viraux. Freelances : 5 000-15 000$/projet + 500-2 000$/mois de retainer. Une « classe moyenne » d'opérateurs émerge : 100K-500K$/an. Prix : 9-29$/mois grand public, 50-200$/mois business. Marketplaces : Google Cloud AI Agent Marketplace, MuleRun Creator Studio, Poe. Prédiction : les agents verticaux surperformeront (62.7% CAGR) et les startups agent-hype sans revenu subiront une correction sous 12 mois.
📡 À surveiller
GPT-5.5 (Spud) : pretraining terminé, sortie imminente — Sam Altman donne le signal
Sam Altman a confirmé la fin du pretraining fin mars 2026. Le timing est critique face à la domination benchmark de Fable 5 (88% vs 75% sur FrontierMath tier 4). Spud devrait être le modèle le plus agentique d'OpenAI à ce jour — le marché attend de voir s'il peut combler l'écart.
DeepSeek Code Harness : lancement produit visé H2 2026
Le recrutement de l'équipe Harness signale un calendrier agressif. DeepSeek-TUI a déjà 25 000+ étoiles GitHub. Si DeepSeek Code sort avec les poids MIT de V4-Pro et une inférence 10-15× moins chère, il devient une menace directe pour Claude Code et Cursor — surtout pour les développeurs sensibles au prix et les équipes avec contraintes de résidence des données.
📊 Tendance
La stack agentique se cristallise à toutes les couches simultanément. Le 19 juin 2026 montre des agents au niveau desktop (Kimi Work en essaim), contexte/infrastructure (Google OKF), optimisation (Microsoft SkillOpt), orchestration (GNAP), plateformes (DeepSeek Code Harness), modèles (Nex N2-Pro) et économie (monétisation agents verticaux). Le stack agentique chinois (Moonshot + DeepSeek + Nex AGI) est désormais une alternative complète à l'occidental — pas seulement sur les modèles, mais sur toute la chaîne construire-déployer-monétiser.