Briefing quotidien
16 novembre 2026 · 5 histoires
🔥 À la une
1OpenBot 1.0 : l'agent travaille sur votre machine, mais il doit demander la permission
CopilotKit sort OpenBot 1.0, un atelier où l'on installe des agents qui font le travail à votre place. Chaque agent a son propre ordinateur : un navigateur que l'on peut regarder travailler, des fichiers, une ligne de commande. Vous lui donnez trois types de droits : il peut agir seul, il doit demander votre accord, ou il n'a pas le droit de toucher. Toutes ses tentatives sont inscrites dans un journal. L'exemple donné par l'éditeur : un agent qui vérifie les notes de frais. Il va chercher la règle en vigueur, affiche la ligne du reçu qui pose question et signale ce qui demande un jugement humain. Il n'a pas le droit de déclencher le remboursement. Le code est libre, sous licence MIT, et le poste de pilotage qui assure la mémoire et la gouvernance est vendu séparément. Source : https://www.copilotkit.ai/blog/introducing-openbot-1-0
2Stanford apprend à un modèle à ne garder que 16 souvenirs d'une bibliothèque entière
Des chercheurs de Stanford ouvrent le code d'un module de mémoire pour modèles figés, sous licence Apache 2.0. Le principe : le modèle ne lit plus tous les documents à chaque question. Il n'en garde que 16 jetons, choisis selon la question posée, comme si vous gardiez 16 fiches dans un carnet au lieu de traîner toute une bibliothèque. Sur un banc de questions factuelles, il obtient 84,33 % avec ces 16 jetons, contre 80,43 % quand on lui donne tout. Le nombre de jetons de documents est 108 fois plus faible. Sur 512 documents, la latence mesurée tombe de 19,9 secondes à 0,74 seconde, soit 27 fois moins. Les auteurs signalent aussi les limites : le module perd sur trois bancs, quand les documents sont trop courts pour que la compression apporte quelque chose. Source : https://memory.stanford.edu/
3Des Mac loués à la journée pour les agents qui doivent travailler sur un vrai ordinateur
Mount Thor lève 45 millions de dollars pour vendre des Mac en location, comme on loue des serveurs. L'idée vient d'un constat simple : un agent qui pilote un ordinateur a besoin du même environnement qu'un humain, avec ses applications, ses fichiers et son écran. Beaucoup de tâches n'existent que sur le système d'exploitation d'Apple. L'entreprise vend donc des machines complètes et des machines virtuelles isolées, facturées à la journée. Elle a déjà posé son premier centre de données en moins de six mois. Parmi les investisseurs figurent des noms connus du secteur : Meta, OpenAI et Vercel, aux côtés de CRV et Conviction qui mènent la série A. L'équipe a déjà construit de l'infrastructure chez Cerebras, CoreWeave, OpenAI et xAI. Source : https://blog.mountthor.com/a
4Kindo lève 30 millions de dollars pour savoir ce que coûte chaque agent
Kindo lève 30 millions de dollars, menés par Crosspoint Capital et Forgepoint Capital, pour un total de 57,6 millions depuis sa création. L'entreprise vend un poste de pilotage pour les agents d'entreprise : savoir ce qu'ils font, ce qu'ils touchent et ce qu'ils coûtent. Le volet le plus concret, c'est la facture. La console enregistre chaque jeton consommé et le résultat de chaque exécution, y compris les échecs, puis consolide les coûts par personne, par agent, par service et par projet. Les équipes financières peuvent poser des plafonds. Kindo dit avoir fait croître son chiffre d'affaires d'environ 800 % en un an, et cite un client qui dit économiser plus de 2 millions de dollars par an. Ces chiffres viennent de l'éditeur, sans audit. Le produit marche avec n'importe quel agent, chez le client, sans connexion. Source : https://www.kindo.ai/resources/press-kindo-raises-57-million-ai-agent-management
5Blue J lève 176 millions de dollars pour des agents qui font le travail fiscal
Blue J lève 176 millions de dollars en série E, menés par JMI Equity, et vise plus de 700 millions de dollars de valorisation. L'entreprise vend un agent qui fait le travail du fiscaliste, pas seulement celui qui répond à ses questions. On lui confie une tâche entière : relire une déclaration avant dépôt, préparer une réponse à un avis du fisc, analyser un pacte d'associés, rédiger une lettre au client. Il produit un document prêt à être revu, avec ses sources et ses étapes consultables, et l'humain garde le jugement. La plateforme a déjà répondu à plus de 14 millions de questions fiscales. Le revenu annuel récurrent a progressé de 165 % en quinze mois. Plus de 6 500 organisations et 45 000 professionnels l'utilisent. Le fondateur résume : une réponse n'est presque jamais la fin du travail du client. Source : https://www.bluej.com/blog/blue-j-announces-series-e-funding
📡 À surveiller
Solo.io veut qu'une session d'agent se mette en pause au lieu de consommer un serveur
Solo.io annonce la version d'entreprise de deux briques pour faire tourner des agents en production. L'idée : une session d'agent se met en pause quand elle n'a rien à faire et reprend à la demande, au lieu de laisser tourner un poste de serveur vide en permanence. Chaque session est isolée, et une passerelle vérifie qui l'appelle et ce qu'elle peut atteindre. OutSystems et Swissquote l'utilisent déjà. Source : https://www.solo.io/press-releases/announcing-kagent-1-0-ga
Mirantis donne un bouton d'arrêt et des plafonds de dépense pour les agents en production
Mirantis met en vente une plateforme pour faire tourner des agents chez soi, sur ses propres serveurs. Elle permet de définir ce que chaque agent peut atteindre, de fixer des plafonds de dépense à trois niveaux, de tout enregistrer, et de couper d'un coup le réseau de toute la flotte en cas d'incident. Un agent peut proposer une réparation sur une machine en production, mais un humain doit l'approuver avant qu'elle soit appliquée. L'éditeur s'appuie sur deux études : 49,8 % des organisations interrogées ont subi ou soupçonnent une action non voulue d'un agent, et seules 17,5 % d'entre elles peuvent l'arrêter automatiquement. Source : https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents
AT&T fait tourner près de 500 processus par agents, sans retirer l'humain tout de suite
Le opérateur AT&T a mis près de 500 processus gérés par des agents en production, et prévoit de tripler ce nombre en 2027. Sa plateforme traite plus d'un million de transactions par mois. Le point intéressant n'est pas le chiffre, c'est la règle : chaque processus démarre avec un humain qui valide, et l'autonomie complète n'arrive que si la précision atteint le milieu des années 90 et que le risque est jugé acceptable. Un groupe interne, Business Agent Foundry, cartographie les processus et fait passer les plus sensibles par des revues de sécurité et de conformité. Source : https://siliconangle.com/2026/11/14/att-uses-agentic-ai-to-reinvent-business-processes-from-the-ground-up
Un modèle vocal qui sait à qui l'on parlait, même quand la télévision répond
Bland présente Tofu-1, un modèle qui écoute et parle en même temps, sans passer par la transcription. L'éditeur vise les appels difficiles : depuis une voiture, dans un service d'hôpital, avec plusieurs personnes qui parlent. Son test fétiche est le cas de la télévision. L'agent demande si l'appelant veut résilier, l'appelant ne répond pas parce qu'il cherche son numéro de contrat, et la télévision dit « oui ». Un modèle qui ne lit que le texte prendrait ce « oui » pour une confirmation. Tofu-1 est conçu pour attribuer la phrase à la télévision et redemander. L'accès est en avant-première, pour quelques entreprises. Source : https://www.bland.ai/speech-to-speech
📊 Tendance
Aujourd'hui, les agents s'installent et se contrôlent autant qu'ils répondent. OpenBot 1.0 donne à chaque agent son propre ordinateur, ses droits et son journal, et Stanford montre qu'un modèle figé peut tenir une collection entière de documents avec 16 souvenirs, ce qui rend le coût prévisible quel que soit le volume. En face, la facture devient un sujet de gestion : Kindo consolide ce que coûte chaque agent, Mirantis permet de couper le réseau de toute une flotte d'un clic, et Solo.io veut qu'une session d'agent se mette en pause au lieu de consommer un serveur en permanence. AT&T applique la même règle à grande échelle : l'humain valide au départ, l'autonomie n'arrive qu'après une précision mesurée. Enfin, l'argent se déplace vers l'application métier : Blue J vend un agent qui fait le travail fiscal, pas une réponse de plus.