The Agent Watch
Briefing · Articles · Outils · À propos EN FR DE ES 中文 IT PT SV FI DA

Briefing quotidien

5 novembre 2026 · 5 histoires

🔥 À la une

1

Les poids de Kimi K3.1 Pro sont en ligne, et il faudra payer au-delà de 20 millions de dollars

Vous pouvez enfin télécharger Kimi K3.1 Pro : le premier morceau de poids, 2,3 gigaoctets, est tombé sans mot de passe. Le modèle est imposant — 2 800 milliards de paramètres au total, dont 104 seulement s'allument à chaque mot — et il rivalise avec les meilleurs au travail sur l'ordinateur. La vraie surprise est dans la licence. Vous pouvez l'utiliser, le copier, le revendre, et entraîner vos propres modèles à partir de lui. Sauf qu'au-delà de 20 millions de dollars de chiffre d'affaires sur douze mois, il faut signer un contrat commercial séparé avec l'éditeur, et au-delà de 100 millions d'utilisateurs par mois, son nom doit apparaître à l'écran. L'usage interne reste libre sans condition. C'est comme une machine à café copiable dans toutes les cuisines : à partir d'un certain nombre de tasses par jour, il faut un accord avec le fabricant. Source : dépôt Hugging Face de Moonshot AI.

2

Cinq personnes et 32 millions de dollars : un modèle ouvert bat des géants de 800 milliards

Une entreprise américaine de cinq personnes publie un modèle dont on peut télécharger les poids librement. Ripple-65B fait 65 milliards de paramètres, entraînés depuis zéro sur 12 000 milliards de mots de texte et de code. Sur le test de travail en ligne de commande, il prend l'avantage sur des modèles bien plus gros : 80,5 points, contre 80,1 pour un modèle de 501 milliards et 76,4 pour un de 816 milliards. Le plus frappant, c'est qu'il tient dans la mémoire d'une seule machine de bureau. L'éditeur dit l'avoir développé et entraîné pour 32 millions de dollars, alors que le même travail aurait coûté plus de 100 millions il y a trois ans. Il ajoute avoir réussi avec 70 fois moins d'essais d'entraînement. C'est comme une équipe de cinq personnes qui monte un avion de ligne dans un garage, pendant que les compagnies aériennes rivalisent avec leurs propres ateliers. Source : dépôt Hugging Face de Ricursive.

3

Un agent d'OpenAI trouve et répare 948 failles du noyau Linux en dix jours

OpenAI décrit une chaîne de production entièrement automatique : repérer le code qui touche à la sécurité, reproduire la faille, vérifier si elle permet de prendre le contrôle, écrire le correctif, puis faire relire le tout par un chercheur humain. Pendant dix jours en octobre 2026, la machine a examiné 2 308 failles possibles, en a reproduit 1 724, et a produit 948 correctifs accompagnés de leur preuve d'exploitation. La facture d'accès aux modèles s'élève à 1,21 million de dollars, soit environ 1 279 dollars par faille corrigée. Or les primes de chasse aux failles se comptent en dizaines de milliers de dollars l'unité. Le modèle employé n'est pas encore public. Concrètement, cela concerne la machine sur laquelle tourne ce site. C'est comme une équipe de serruriers robots qui teste toutes les serrures d'un immeuble, note celles qui claquent et refait une clé. Source : publication de recherche d'OpenAI.

4

Anthropic achète son premier contenu : les résultats de l'Associated Press dans Claude

Le soir des élections américaines, Claude affichait des résultats « fournis et attribués à l'Associated Press ». C'est la première fois qu'Anthropic paie un journal numérique pour avoir le droit d'utiliser son contenu. Ni le montant, ni la durée, ni l'étendue de l'accord ne sont publics : impossible de savoir si le contrat couvre tout le catalogue ou seulement les scores électoraux. L'éditeur change de camp après avoir longtemps défendu que la réutilisation de contenu en ligne relevait du domaine public. Il a quelques semaines de son introduction en bourse, et il vient de signer. C'est comme un présentateur de télévision qui achète ses informations au journal, au lieu d'aller les recopier lui-même. Source : enquête d'Adweek, reprise par The Verge.

5

Pékin bloque le rachat d'ABB par SoftBank : les données des robots deviennent une affaire d'État

Pékin a interdit à SoftBank de racheter la division robotique du groupe suisse ABB, une opération de 5,4 milliards de dollars qui devait faire du japonais un acteur majeur de l'intelligence artificielle physique. Le motif est nouveau : les données d'usage des robots d'ABB, si elles partaient à l'étranger, pourraient servir à entraîner des modèles, y compris ceux d'OpenAI, dont SoftBank est un investisseur. C'est la première fois qu'une opération est refusée au motif explicite de protéger des données d'entraînement. Ni SoftBank, ni ABB, ni les autorités chinoises n'ont voulu commenter. C'est comme si on refusait de vendre une ferme de robots à un pays voisin, par peur que l'usage de ces machines serve à entraîner son intelligence artificielle. Source : enquête du Financial Times, reprise par Reuters.

📡 À surveiller

Le filigrane de Claude se contourne en changeant un réglage

Anthropic ajoute son filigrane invisible dans le texte des modèles Claude plus anciens, avant l'échéance de décembre du règlement européen sur l'intelligence artificielle. Sur certains modèles, le filigrane n'apparaît que si les réglages de génération restent à leur valeur par défaut : changez la température, ou top_p, ou top_k, même un peu, et il disparaît. Anthropic prévient les clients qui en dépendent pour se conformer à la règle de ne pas toucher à ces réglages. L'entreprise dit que le filigrane est inscrit dans le modèle : il s'applique donc sur toutes les plateformes, et les clients ne peuvent pas le désactiver. Source : The Decoder.

OpenAI rachète Pierre pour que Git suive les agents de code

OpenAI acquiert Pierre Computer, la société derrière Code Storage et plusieurs outils de développement libres. Les bibliothèques de Pierre font déjà tourner l'agent de code Codex : Trees parcourt rapidement les fichiers d'un projet, Diffs montre ce qui a changé et permet de corriger une ligne exactement là où l'on voit le problème, Highlights colorie le code pendant la saisie ou pendant qu'un agent écrit. OpenAI dit que l'acquisition doit faire tenir Git quand des personnes et des agents écrivent du code côte à côte. Les projets libres resteront libres, et l'opération attend encore l'accord des autorités. Source : annonce d'OpenAI.

Un banc d'essai public dit où les agents se bloquent dans le cloud

CloudOpsBench est un nouveau banc d'essai libre qui mesure la capacité des agents à gérer les tâches d'administration courantes dans le cloud d'Amazon : réparer un service, retirer une ressource, restreindre un droit d'accès, déployer une mise à jour. La version 1.0 compte 45 tâches réelles, construites par des ingénieurs d'exploitation expérimentés. Le meilleur modèle, Claude Fable 5.1, en résout 60 %, GPT-6 Astra 53 %. Environ 80 % des échecs viennent d'une estimation fausse de l'étendue de la tâche, d'un service non vérifié ou d'un arrêt trop tôt, et 20 % environ sont des actions erronées, dont certaines aux effets durables sur l'infrastructure. Source : projet CloudOpsBench.

Uber : quatre courses réservées par des agents, sur 320 millions

Uber a indiqué lors de sa présentation de résultats que, pendant sa semaine la plus chargée du trimestre, celle d'Halloween, seules quatre courses et cinq cents commandes de repas ont été passées par un agent, sur environ 320 millions de trajets et de commandes au total. Le directeur général a parlé d'une pénétration « très, très précoce et très limitée ». Une raison probable : l'application Uber réserve déjà une course en cinquante secondes et commande à nouveau un plat préféré en quatre-vingt-dix secondes. DoorDash n'a signalé que quelques centaines de commandes venues d'agents. Le web agentique reste minuscule. Source : TechCrunch.

📊 Tendance

Un fil conducteur traverse les actus du jour : les questions ne sont plus techniques mais contractuelles. Moonshot fixe le seuil au-delà duquel il faut signer. Anthropic paie un journal pour avoir le droit de le citer. Un gouvernement refuse une vente parce que les données d'un robot pourraient servir à entraîner un modèle. Et OpenAI met un chiffre sur la sécurité : 1 279 dollars par faille corrigée, quand les primes versées pour ce genre de problème sont dix fois plus élevées. En parallèle, l'agent passe du statut de promesse à celui de service de tous les jours : un modèle qui lit à l'intérieur du cloud, un outil de code qui se prépare à la relecture, une plateforme qui compte les courses réservées par des agents. La bataille se déplace vers les contrats, les factures et les garanties, et c'est là qu'elle se jouera.