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

Briefing quotidien

8 novembre 2026 · 5 histoires

🔥 À la une

1

Les vieux tickets de bug font travailler les agents pour rien

Google a regardé des centaines de millions d'étapes d'agents de programmation dans ses propres équipes. Le résultat devrait être connu de tous : dans 13 % des sessions, l'agent tombe sur un commentaire du type « à corriger plus tard, ticket 12345 », resté dans le code alors que le problème date de plusieurs années. Six fois sur cent, il s'en empare, et dans 83 % de ces cas personne ne le lui avait demandé. Il part alors chercher un bug déjà résolu, ou élargit un travail que personne ne voulait. Le prix : 70 % d'étapes en plus, 77 % de texte traité en plus, et un temps d'attente supérieur de 105 %. Google a répondu en envoyant ses propres agents de nettoyage dans ses dépôts pour supprimer les vieux tickets avant qu'ils ne posent problème. Source : https://developers.googleblog.com/agent-distraction/

2

Un petit laboratoire américain a retiré la propagande d'un modèle chinois

Nous Research, un petit laboratoire américain, a repris un modèle chinois très utilisé, Qwen3.8-27B, et l'a réentraîné pour retirer ses réponses alignées sur la position officielle de Pékin. Le résultat, Arete-27B, est publié sous la licence libre Apache 2.0, donc utilisable commercialement, et les poids ont été téléchargés et vérifiés ce matin. Les réponses « propagandistes » tombent de 22 % à moins de 1 %, tandis que la précision factuelle monte de 2,32 à 2,98 sur 5. Le plus frappant n'est pas le résultat, c'est le prix : 53 millions de mots et deux tours d'entraînement, sans apprentissage par renforcement. L'alignement devient une couche que l'on achète séparément de la capacité. Une réserve : les chiffres viennent des évaluations de l'éditeur, qui écrit aussi ne pas avoir corrigé tous les comportements liés. Source : https://nousresearch.com/arete

3

Les agents font 80 % du trafic sur la plateforme de partage de modèles

Le rapport annuel de Menlo Ventures, un fonds d'investissement américain, change l'ordre de force. Les agents représentent 80 % de tout le texte consommé sur OpenRouter, la plateforme par où passent les demandes adressées aux modèles : sept fois l'usage humain. La dépense des entreprises pour l'IA atteint 176,8 milliards de dollars en septembre, multipliée par 5,4 en un an. Et sur le marché libre des modèles aux poids ouverts, les modèles chinois pèsent 89 % de la dépense mondiale, la famille Kimi de Moonshot AI captant à elle seule 61 %. Un paradoxe que le rapport assume : les modèles ouverts traitent 19 % des mots mais ne reçoivent que 4 % de l'argent. Une réserve : Menlo investit dans Anthropic et dans la plateforme qui fournit les chiffres de trafic. Source : https://menlovc.com/2026-the-state-of-enterprise-ai/

4

Un modèle local très prometteur, une licence qui bloque le commerce

Le 28 octobre, ce modèle de Liquid AI était présenté comme le plus exploitable pour faire tourner des agents sur un téléphone : il tient dans un gigaoctet et garde 256 000 mots de texte en tête. Restait une question laissée ouverte, celle de la licence. Elle est aujourd'hui lue, dans le dépôt : l'usage commercial est interdit aux entités qui réalisent 10 millions de dollars ou plus de chiffre d'affaires annuel. Les poids restent utilisables, l'entraînement sur mesure et la recherche restent libres, mais notre propre usage commercial au-delà de ce seuil ne l'est pas. Le seuil porte sur le chiffre d'affaires de l'entité qui utilise le modèle, pas sur la taille du projet. À comparer avec le modèle publié le même jour sous licence libre Apache 2.0, sans aucun seuil. Source : https://huggingface.co/LiquidAI/LFM3-1.7B/blob/main/LICENSE

5

Une couche de contrôle libre pour décider quel modèle répond à qui

Buoyant, l'éditeur du logiciel de réseau Linkerd, sort un composant libre qui se place devant une flotte de machines et décide où va chaque demande envoyée à un modèle. On peut y écrire des règles simples : qui a droit à quel modèle, combien de mots par minute, quelles données ne doivent jamais quitter la maison, et quoi faire quand les serveurs locaux sont saturés. Le point clé : une règle peut refuser la requête au lieu de l'exécuter. Sur les mesures publiées par l'éditeur, le délai avant le premier mot tombe de 6,88 à 0,31 seconde quand plusieurs demandes partagent le même début de texte. Licence libre, écrit en Rust, déployable sur Kubernetes. Les chiffres viennent de l'éditeur, qui reconnaît que d'autres outils sont plus rapides : la différence revendiquée est le contrôle, pas la vitesse. Source : https://kinference.ai/docs/

📡 À surveiller

Ocient lève 100 millions de dollars grâce aux agents qui veulent tout, pas un échantillon

Ocient, un éditeur de moteur d'analyse de Chicago, lève 100 millions de dollars. Le motif est plus intéressant que le montant : les clients qui viennent à lui rassemblent toutes leurs données pour y interroger des agents, sans échantillonnage. Sur des dizaines de pétaoctets, un échantillon fait perdre la trace d'une intrusion, et c'est précisément ce que l'on cherche. L'entreprise dit que ses clients n'avaient ni le débit ni le stockage à prix raisonnable pour absorber ce volume. Réserve : le communiqué ne donne ni calendrier ni base chiffrée du triplement de son chiffre d'affaires annoncé. Source : https://ocient.com/newsroom/press-releases/ocient-raises-100m-in-series-c-funding/

Anthropic et ses alliés ont payé 63 millions de dollars pour élire des députés

Un groupe de politiques publique soutenu par Anthropic a dépensé plus de 63 millions de dollars aux élections intermédiaires américaines du 3 novembre, et dix de ses dix-sept candidats ont été élus. C'est la première fois qu'un laboratoire d'intelligence artificielle finance des élections à cette échelle. Le groupe concurrent, soutenu par un cofondateur d'OpenAI, a engagé environ 54 millions de dollars. Le renversement est là : des élus du camp « code source ouvert » défendent désormais des lois plus sévères, dont une qui vise les agents de conversation. Source : https://publicfirstaction.us/news/pro-safeguards-candidates-win-in-both-parts-as-voters-reject-big-techs-bid-to-buy-congress

Des entreprises sans bureau réel ont obtenu l'autorisation d'acheter des puces H200 en Chine

Le New York Times a visité les adresses de plusieurs entreprises chinoises autorisées par Washington à acheter ou à assembler les puces Nvidia H200. Dans les deux cas visités, les locaux étaient vides. L'une est liée à un fonds d'investissement américain sanctionné ; l'autre partage son personnel et ses brevets avec Inspur, que les États-Unis ont inscrit parmi les entités liées à l'armée chinoise. L'enquête ne dit pas que les puces sont arrivées : elle dit que le contrôle repose sur des formulaires, jamais sur une vérification des lieux. Source : https://www.nytimes.com/2026/11/07/business/economy/nvidia-chips-chinese-firms.html

Perplexity lance des agents qui continuent de travailler quand vous dormez

Perplexity lance des agents permanents : on leur donne un objectif, ils travaillent en continu, se transmettent le travail entre eux et préviennent quand ils ont besoin d'une décision. Chacun tourne sur sa propre machine virtuelle, avec son écran et son navigateur, et reste joignable depuis Slack ou l'application. Le service est réservé aux abonnés de l'offre Max, à 200 dollars par mois, et gratuit pendant une période promotionnelle avant facturation à l'usage. L'éditeur avait déjà un outil pour une seule fois ; celui-ci vise les projets qui durent des jours. Source : https://www.perplexity.ai/hub/blog/teammates-are-agents-for-complex-ongoing-work

📊 Tendance

Deux chiffres se font face ce matin. D'un côté, 80 % de tout le texte traité par la principale plateforme de modèles vient d'agents, et la dépense des entreprises dans l'IA a été multipliée par 5,4 en un an : les agents sont devenus le premier poste d'usage de l'IA. De l'autre, Google mesure qu'un vieux commentaire oublié dans le code peut faire perdre 77 % de texte traité à un agent qui part chasser un bug déjà résolu. Entre les deux, une décision juridique : la licence d'un modèle qui tient dans un gigaoctet interdit l'usage commercial passé 10 millions de dollars de chiffre d'affaires. Le score ne décide plus de rien ; la licence, le périmètre et la mesure de nos propres agents décident. Notre budget doit donc suivre le volume réellement consommé, pas le nombre d'appels. Et la question du mois n'est plus « quel modèle est le meilleur », mais « jusqu'où laissons-nous nos agents agir seuls ». Le 12 novembre, la politique d'usage d'Anthropic rend exigibles des règles sur les agents reliés à du matériel qui agit dans le monde physique. C'est un calendrier, pas une menace.