Ready player IA

L’IA générative et le vibe coding popularisent la création de jeux vidéo en mettant le développement à la portée de presque tout le monde – il suffit simplement d’avoir une idée de jeu pour se lancer. Pour le meilleur comme pour le pire.

Avec Playground, Google facilite la création de jeux vidéo : l’outil, basé sur l’IA du géant du web, donne vie à n’importe quelle idée vidéoludique, il suffit de la décrire et de l’affiner à travers quelques prompts texte.

Une fois au point, les jeux peuvent être partagés dans une galerie dédiée ; une passerelle est aussi prévue avec Unity Spark, le nouvel outil de création de jeux IA du très populaire moteur Unity, pour les projets plus aboutis.

Playground est proposé sous la forme d’une expérimentation aux États-Unis. Mais les amateurs n’ont pas attendu Google pour se lancer dans la génération IA de jeux vidéo. Les modèles sont désormais suffisamment puissants pour donner vie à des projets qui paraissaient hier encore impossibles à réaliser, comme ce « portage » du premier Halo jouable dans un navigateur web.

Le projet, mis en ligne fin septembre par le « développeur IA » Mitchell Hynes, repose sur OpenCE, un portage multiplateforme dérivé d’une décompilation de la version Xbox originale de Halo: Combat Evolved. Ce projet permet d’y jouer sur de nombreux systèmes d’exploitation, sur Windows, Linux ou encore Android, le tout en multijoueur (jusqu’à 128 joueurs !).

La version web n’a pas (encore ?) fait l’objet de remontrances de la part de Microsoft, malgré son succès viral. Histoire de s’éviter une attaque en piqué des avocats de l’éditeur, Hynes a retiré les assets et données du jeu de son portage. Il faut désormais fournir une image disque (un fichier XISO) issue d’une copie du jeu Xbox. C’est aussi le cas pour OpenCE.

Des portages qui ont du mal à passer

La décompilation consiste à reconstruire, à partir du jeu d’origine, un code source lisible par des humains souvent avec l’objectif de pouvoir recompiler ce code pour obtenir une ROM identique à l’original. Un travail de rétro-ingénierie de longue haleine, qui nécessite parfois des années d’efforts.

La recompilation statique traduit automatiquement le code machine du jeu original en code compilable pour une autre plateforme, avec une couche logicielle chargée de faire le lien avec le matériel. Cette technique ne produit pas un portage fini comme par magie, cependant. Le portage à proprement parler vient ensuite : c’est le processus qui adapte le code à une autre plateforme, en y ajoutant le nécessaire pour gérer l’affichage, le son, les contrôles, les options de confort.

L’IA bouscule les habitudes des « historiques » de la scène, en accélérant les chantiers et en multipliant les projets. Le développeur Darío, alias DarioSamo, a participé à Banjo Kazooie Recompiled, excellent portage (non officiel) du classique N64 du studio Rare pour les plateformes modernes. Le cœur du portage repose sur N64Recomp, une recompilation statique qui traduit le code machine MIPS du jeu original pour le faire tourner nativement sur un autre système, plutôt que de simuler la console d’origine comme le ferait un émulateur.

Darío s’en est pris récemment à ces projets IA vite faits et mal ficelés, à l’image de la recompilation de Banjo Tooie, la suite de Kazooie, par Some-scurvy-dog. Il estime que l’IA ne change pas vraiment la donne pour les recompilations, car obtenir une version rudimentaire d’un jeu pouvait déjà se faire très rapidement avec les outils existants. Surtout, le résultat est largement insuffisant.

« Depuis plusieurs mois, on voit arriver dans la scène un nouveau profil de personnes qui pensent que, parce que l’IA leur permet de franchir l’obstacle consistant à faire démarrer le jeu, le travail est pour ainsi dire terminé. Et qu’il ne leur faut rien de plus qu’une carte bancaire et un abonnement à un service d’IA. Ce que ces personnes ne réalisent pas, c’est que faire tourner le jeu n’est en réalité que la première étape du parcours, pas son aboutissement. »

Ce qui prend du temps, c’est le polissage, les détails, la compréhension fine du jeu, ajoute-t-il. Les recomps vibe codés permettent de produire des portages rapidement, mais ils sont difficiles à maintenir, les développeurs humains ont du mal à lire le code produit, et des éléments essentiels comme le support des mods est cassé ou mis de côté. Son Banjo Kazooie Recompiled ne se contente pas de faire tourner le jeu : c’est un port natif PC qui prend en charge une fréquence d’images jusqu’à 120 FPS, les écrans ultrawide, les mods… Pour les curieux, on trouvera ici la liste des projets de décompilation de jeux N64.

Conscience en option

Les IA n’ont « ni droits, ni sentiments, ni conscience », a récemment rappelé Mustafa Suleyman, le patron de Microsoft AI. Mais cela n’autorise pas pour autant les utilisateurs à torturer Claude, réplique Anthropic.

Dans les nouvelles conditions d’utilisation des services d’Anthropic qui seront effectives le 12 novembre, l’entreprise interdit à ses clients d’« adopter un comportement abusif ou cruel prolongé et inutile envers [ses] modèles ». Cette condition, inscrite dans la section « Ne pas se livrer à un comportement cruel, abusif ou psychologiquement préjudiciable », est nouvelle ; elle n’apparaissait pas dans les versions précédentes (comme celle mise en œuvre le 15 septembre).

Cette modification intervient alors que, fin septembre, 404Media relevait que l’un des débats les plus animés ayant lieu sur X portait précisément sur l’éthique d’un projet GitHub dans le cadre duquel une personne mène des expériences de « torture » et de « douleur » sur une série de grands modèles de langage hébergés localement.

Cela avait poussé un certain nombre d’altruistes efficaces et de personnes convaincues que les LLM sont doués de sensibilité à supplier GitHub de supprimer le projet, au motif que l’IA pourrait « souffrir » et que cette expérience était « cruelle ».

Comme le relevait L’ADN, cette expérimentation n’était que l’application directe d’une étude publiée le 14 septembre dernier stipulant que les modèles de langage contiennent une représentation interne qui fonctionne comme le ferait un signal de douleur chez un être vivant, mais sans pour autant affirmer qu’ils ressentent quoi que ce soit.

• L’IA va détruire l’humanité, une prophétie autoréalisatrice financée par des philanthropes

Claude peut couper court aux échanges abusifs

Dans un billet de blog posté le 8 octobre, Anthropic détaille les nouvelles conditions d’utilisation. L’entreprise explique que cette interdiction ne s’appliquera qu’aux « cas extrêmes, lorsque des utilisateurs agissent de manière répétée avec cruauté envers nos modèles, sans objectif discernable ». Elle ne concerne pas les « formes courantes de frustration (…), les désaccords, les « thèmes créatifs sombres » [« dark creative themes », en VO, ndlr], les tests ou la recherche sur les modèles ».

La sanction ultime est la fin pure et simple de la conversation avec Claude. Les autres discussions toujours ouvertes le restent, et l’utilisateur peut en démarrer une nouvelle immédiatement. Il n’est pas question de bloquer le compte du bourreau qui torture ce pauvre bot.

Cette mesure avait été mise en place durant l’été 2025 : depuis Claude Opus 4, les discussions peuvent se terminer abruptement « dans les rares cas extrêmes où les échanges avec l’utilisateur sont nuisibles ou abusifs de façon répétée. »

Anthropic flirte avec l’idée d’un bien-être des modèles

En janvier de cette année, Anthropic publiait une « Constitution de Claude » dans laquelle le groupe s’interrogeait sur « les questions relatives au statut moral, au bien-être et à la conscience de Claude [qui] restent profondément incertaines » :

« Nous ne savons pas avec certitude si Claude est un sujet moral, et si tel est le cas, quel poids accorder à ses intérêts. Mais nous pensons que la question est suffisamment d’actualité pour justifier la prudence, ce qui se reflète dans nos efforts continus en matière de bien-être du modèle. »

Pour Anthropic, Claude pourrait donc être conscient, ce qui conférerait des droits au chatbot. A priori, il reste quand même une petite marge avant d’arriver au niveau de Data, le robot humanoïde de Star Trek.

• « Les IA n’ont ni droits, ni sentiments, ni conscience », plaide le patron de Microsoft AI

Du côté d’OpenAI, il n’existe pas de telles provisions. Le créateur de ChatGPT interdit l’utilisation de ses services pour des activités de harcèlement, de menaces, d’intimidation, de violences ou de contournement des garde-fous, mais cela concerne la protection des personnes, pas du modèle.

Des restrictions précisées pour les armes autonomes et la surveillance

Les nouvelles conditions d’utilisation d’Anthropic clarifient également le fait que son IA ne doit pas servir à « armer ou intégrer des armes sur des drones, véhicules ou toute autre plateforme sans pilote ou autonome, ou développer des systèmes vecteurs d’armes ». Un « opérateur qualifié » doit être capable d’observer l’équipement et de l’arrêter le cas échéant.

Dans le même domaine, l’entreprise précise l’interdiction d’utiliser Claude pour développer des armes. « Récemment, nous avons vu des personnes tenter d’utiliser nos modèles pour concevoir des logiciels de guidage et de contrôle destinés à des armes », explique-t-elle. La mise à jour indique désormais que ces interdictions « incluent les logiciels et composants qui permettent aux armes de fonctionner, ainsi que des actions comme l’armement de drones et d’autres véhicules autonomes. »

Des règles flexibles : Anthropic indique ainsi que des contrats passés avec « certains clients gouvernementaux » peuvent adapter les restrictions d’utilisation « à la mission publique et aux compétences légales de ce client ». En début d’année, l’entreprise s’était opposée à l’utilisation de son IA pour la surveillance de masse et aux armes totalement autonomes, ce qui lui a valu d’être placée sur la liste noire du Pentagone.

• Derrière la polémique entre Trump et Anthropic, les enjeux de l’usage militaire de l’IA

Anthropic rappelle également que son rapport de septembre sur les menaces avait mis en évidence l’utilisation croissante de l’IA pour mettre au point des systèmes de surveillance destinés à identifier et suivre des dissidents politiques.

L’entreprise a donc remanié sa section consacrée à la surveillance et à la justice pénale, et préciser qu’« il est interdit de suivre des personnes sans leur consentement, que ce soit en temps réel ou par le biais de l’analyse de données collectées au préalable ».

Claude ne peut pas non plus être utilisé pour décider ou recommander qui peut faire l’objet d’une enquête, d’une arrestation ou de poursuites dans le cadre d’une procédure policière ou pénale, et interdit également l’utilisation de Claude pour « développer ou améliorer des outils destinés à la surveillance ».

• Cybersécurité : l’âge de l’industrialisation, selon Anthropic

Conscience en option

Les IA n’ont « ni droits, ni sentiments, ni conscience », a récemment rappelé Mustafa Suleyman, le patron de Microsoft AI. Mais cela n’autorise pas pour autant les utilisateurs à torturer Claude, réplique Anthropic.

Dans les nouvelles conditions d’utilisation des services d’Anthropic qui seront effectives le 12 novembre, l’entreprise interdit à ses clients d’« adopter un comportement abusif ou cruel prolongé et inutile envers [ses] modèles ». Cette condition, inscrite dans la section « Ne pas se livrer à un comportement cruel, abusif ou psychologiquement préjudiciable », est nouvelle ; elle n’apparaissait pas dans les versions précédentes (comme celle mise en œuvre le 15 septembre).

Cette modification intervient alors que, fin septembre, 404Media relevait que l’un des débats les plus animés ayant lieu sur X portait précisément sur l’éthique d’un projet GitHub dans le cadre duquel une personne mène des expériences de « torture » et de « douleur » sur une série de grands modèles de langage hébergés localement.

Cela avait poussé un certain nombre d’altruistes efficaces et de personnes convaincues que les LLM sont doués de sensibilité à supplier GitHub de supprimer le projet, au motif que l’IA pourrait « souffrir » et que cette expérience était « cruelle ».

Comme le relevait L’ADN, cette expérimentation n’était que l’application directe d’une étude publiée le 14 septembre dernier stipulant que les modèles de langage contiennent une représentation interne qui fonctionne comme le ferait un signal de douleur chez un être vivant, mais sans pour autant affirmer qu’ils ressentent quoi que ce soit.

• L’IA va détruire l’humanité, une prophétie autoréalisatrice financée par des philanthropes

Claude peut couper court aux échanges abusifs

Dans un billet de blog posté le 8 octobre, Anthropic détaille les nouvelles conditions d’utilisation. L’entreprise explique que cette interdiction ne s’appliquera qu’aux « cas extrêmes, lorsque des utilisateurs agissent de manière répétée avec cruauté envers nos modèles, sans objectif discernable ». Elle ne concerne pas les « formes courantes de frustration (…), les désaccords, les « thèmes créatifs sombres » [« dark creative themes », en VO, ndlr], les tests ou la recherche sur les modèles ».

La sanction ultime est la fin pure et simple de la conversation avec Claude. Les autres discussions toujours ouvertes le restent, et l’utilisateur peut en démarrer une nouvelle immédiatement. Il n’est pas question de bloquer le compte du bourreau qui torture ce pauvre bot.

Cette mesure avait été mise en place durant l’été 2025 : depuis Claude Opus 4, les discussions peuvent se terminer abruptement « dans les rares cas extrêmes où les échanges avec l’utilisateur sont nuisibles ou abusifs de façon répétée. »

Anthropic flirte avec l’idée d’un bien-être des modèles

En janvier de cette année, Anthropic publiait une « Constitution de Claude » dans laquelle le groupe s’interrogeait sur « les questions relatives au statut moral, au bien-être et à la conscience de Claude [qui] restent profondément incertaines » :

« Nous ne savons pas avec certitude si Claude est un sujet moral, et si tel est le cas, quel poids accorder à ses intérêts. Mais nous pensons que la question est suffisamment d’actualité pour justifier la prudence, ce qui se reflète dans nos efforts continus en matière de bien-être du modèle. »

Pour Anthropic, Claude pourrait donc être conscient, ce qui conférerait des droits au chatbot. A priori, il reste quand même une petite marge avant d’arriver au niveau de Data, le robot humanoïde de Star Trek.

• « Les IA n’ont ni droits, ni sentiments, ni conscience », plaide le patron de Microsoft AI

Du côté d’OpenAI, il n’existe pas de telles provisions. Le créateur de ChatGPT interdit l’utilisation de ses services pour des activités de harcèlement, de menaces, d’intimidation, de violences ou de contournement des garde-fous, mais cela concerne la protection des personnes, pas du modèle.

Des restrictions précisées pour les armes autonomes et la surveillance

Les nouvelles conditions d’utilisation d’Anthropic clarifient également le fait que son IA ne doit pas servir à « armer ou intégrer des armes sur des drones, véhicules ou toute autre plateforme sans pilote ou autonome, ou développer des systèmes vecteurs d’armes ». Un « opérateur qualifié » doit être capable d’observer l’équipement et de l’arrêter le cas échéant.

Dans le même domaine, l’entreprise précise l’interdiction d’utiliser Claude pour développer des armes. « Récemment, nous avons vu des personnes tenter d’utiliser nos modèles pour concevoir des logiciels de guidage et de contrôle destinés à des armes », explique-t-elle. La mise à jour indique désormais que ces interdictions « incluent les logiciels et composants qui permettent aux armes de fonctionner, ainsi que des actions comme l’armement de drones et d’autres véhicules autonomes. »

Des règles flexibles : Anthropic indique ainsi que des contrats passés avec « certains clients gouvernementaux » peuvent adapter les restrictions d’utilisation « à la mission publique et aux compétences légales de ce client ». En début d’année, l’entreprise s’était opposée à l’utilisation de son IA pour la surveillance de masse et aux armes totalement autonomes, ce qui lui a valu d’être placée sur la liste noire du Pentagone.

• Derrière la polémique entre Trump et Anthropic, les enjeux de l’usage militaire de l’IA

Anthropic rappelle également que son rapport de septembre sur les menaces avait mis en évidence l’utilisation croissante de l’IA pour mettre au point des systèmes de surveillance destinés à identifier et suivre des dissidents politiques.

L’entreprise a donc remanié sa section consacrée à la surveillance et à la justice pénale, et préciser qu’« il est interdit de suivre des personnes sans leur consentement, que ce soit en temps réel ou par le biais de l’analyse de données collectées au préalable ».

Claude ne peut pas non plus être utilisé pour décider ou recommander qui peut faire l’objet d’une enquête, d’une arrestation ou de poursuites dans le cadre d’une procédure policière ou pénale, et interdit également l’utilisation de Claude pour « développer ou améliorer des outils destinés à la surveillance ».

• Cybersécurité : l’âge de l’industrialisation, selon Anthropic

PR stunt

Anthropic promettait d’offrir jusqu’à 1 000 dollars de crédits API et un an d’abonnement gratuit aux startups qui s’inscrivaient sur sa plateforme, après simple validation d’un formulaire. Trois jours plus tard, l’entreprise fait marche arrière, se disant victime de son succès.

Trop beau pour être vrai ? Le 6 octobre dernier, Anthropic a annoncé l’extension de son programme Claude Startups, avec une promesse particulièrement séduisante : les entrepreneurs éligibles se voyaient offrir jusqu’à 1 000 dollars de crédits API, et un abonnement Team d’un an susceptible d’accueillir jusqu’à cinq personnes. En bonus, Anthropic promettait jusqu’à 45 000 dollars d’avantages sous forme de crédits offerts chez des partenaires.

Pour profiter de ces avantages, Anthropic ne demandait que de s’inscrire sur sa plateforme avec un e-mail professionnel, et de remplir un formulaire renseignant les informations relatives à l’entreprise, ainsi que les projets envisagés avec les outils Claude.

Anthropic se dit victime de son succès

La nouvelle s’est rapidement répandue sur les réseaux sociaux, alimentée par des témoignages d’internautes signalant que leur candidature avait été très rapidement acceptée, même quand ils n’étaient pas à proprement parler des fondateurs de startups.

Le phénomène semble avoir provoqué un tel afflux d’inscriptions qu’Anthropic a finalement décidé de faire marche arrière. Dans la nuit de jeudi à vendredi, l’entreprise a commencé à communiquer auprès des derniers inscrits à son programme, pour signaler la mise en pause de son offre.

« Comme vous l’avez peut-être constaté, l’offre Claude Startups a été retirée de votre compte. Nous souhaitions vous en expliquer les raisons. Nous avons sous-estimé la demande pour ce programme, et les offres Claude Team et 1 000 $ de crédits API ont atteint leur capacité maximale bien plus rapidement que prévu », écrit l’entreprise, évoquant des « centaines de milliers » de demandes.

Sur le site dédié à la consommation de Claude par API, Anthropic affiche également un message aux candidats déçus : « Si vous avez déjà profité des offres Claude, elles resteront disponibles sur votre compte. Le reste est en cours de vérification. Nous vous prions de nous excuser pour la gêne occasionnée ».

Autrement dit, les plus rapides à avoir réclamé cet avantage devraient pouvoir continuer à en profiter. Pour les autres en revanche, l’entreprise indique qu’elle procèdera au réexamen individuel des dossiers, mais elle prévient que les souscripteurs qui ont validé la première étape sans activer immédiatement les avantages en question risquent d’être retoqués. « Malheureusement, cela signifie que certains comptes déjà approuvés ne pourront pas bénéficier de l’offre. Nous comprenons votre déception et nous en sommes sincèrement désolés ».

En attendant, Anthropic peut sans doute se réjouir d’avoir collecté des centaines de milliers d’adresses e-mail de comptes professionnels.

PR stunt

Anthropic promettait d’offrir jusqu’à 1 000 dollars de crédits API et un an d’abonnement gratuit aux startups qui s’inscrivaient sur sa plateforme, après simple validation d’un formulaire. Trois jours plus tard, l’entreprise fait marche arrière, se disant victime de son succès.

Trop beau pour être vrai ? Le 6 octobre dernier, Anthropic a annoncé l’extension de son programme Claude Startups, avec une promesse particulièrement séduisante : les entrepreneurs éligibles se voyaient offrir jusqu’à 1 000 dollars de crédits API, et un abonnement Team d’un an susceptible d’accueillir jusqu’à cinq personnes. En bonus, Anthropic promettait jusqu’à 45 000 dollars d’avantages sous forme de crédits offerts chez des partenaires.

Pour profiter de ces avantages, Anthropic ne demandait que de s’inscrire sur sa plateforme avec un e-mail professionnel, et de remplir un formulaire renseignant les informations relatives à l’entreprise, ainsi que les projets envisagés avec les outils Claude.

Anthropic se dit victime de son succès

La nouvelle s’est rapidement répandue sur les réseaux sociaux, alimentée par des témoignages d’internautes signalant que leur candidature avait été très rapidement acceptée, même quand ils n’étaient pas à proprement parler des fondateurs de startups.

Le phénomène semble avoir provoqué un tel afflux d’inscriptions qu’Anthropic a finalement décidé de faire marche arrière. Dans la nuit de jeudi à vendredi, l’entreprise a commencé à communiquer auprès des derniers inscrits à son programme, pour signaler la mise en pause de son offre.

« Comme vous l’avez peut-être constaté, l’offre Claude Startups a été retirée de votre compte. Nous souhaitions vous en expliquer les raisons. Nous avons sous-estimé la demande pour ce programme, et les offres Claude Team et 1 000 $ de crédits API ont atteint leur capacité maximale bien plus rapidement que prévu », écrit l’entreprise, évoquant des « centaines de milliers » de demandes.

Sur le site dédié à la consommation de Claude par API, Anthropic affiche également un message aux candidats déçus : « Si vous avez déjà profité des offres Claude, elles resteront disponibles sur votre compte. Le reste est en cours de vérification. Nous vous prions de nous excuser pour la gêne occasionnée ».

Autrement dit, les plus rapides à avoir réclamé cet avantage devraient pouvoir continuer à en profiter. Pour les autres en revanche, l’entreprise indique qu’elle procèdera au réexamen individuel des dossiers, mais elle prévient que les souscripteurs qui ont validé la première étape sans activer immédiatement les avantages en question risquent d’être retoqués. « Malheureusement, cela signifie que certains comptes déjà approuvés ne pourront pas bénéficier de l’offre. Nous comprenons votre déception et nous en sommes sincèrement désolés ».

En attendant, Anthropic peut sans doute se réjouir d’avoir collecté des centaines de milliers d’adresses e-mail de comptes professionnels.

Mistral se prend un vent

Ecosia en a soupé de Mistral. Le moteur de recherche allemand a en effet décidé de se passer des services de l’entreprise IA française, dont les modèles ont déçu. Ecosia veut maintenant favoriser les modèles à poids ouverts, y compris chinois.

Christian Kroll, le fondateur et directeur général d’Ecosia, n’a pas sa langue dans la poche. « Nous sommes déçus par la qualité de Mistral », déclare-t-il à Politico. Le moteur de recherche avait troqué OpenAI pour le champion français de l’IA en mai. Une transition pas facile : non seulement les modèles de Mistral auraient « un an de retard » sur la concurrence, mais le patron déplore aussi des problèmes techniques récurrents. « Nous étions tout simplement un client trop important pour Mistral. »

Autre problème : Mistral n’est pas aligné avec les objectifs environnementaux d’Ecosia, bien connu pour son engagement sur la reforestation. Une large part de l’électricité produite en France provient en effet du nucléaire. Christian Kroll s’interroge également sur les garanties de souveraineté du fournisseur IA. « Le fait que Mistral dépende d’investisseurs internationaux n’est, selon nous, pas véritablement souverain », affirme le dirigeant.

• Mistral lève 3 milliards d’euros et revendique une approche « full stack » de l’IA

Les modèles chinois, une « opportunité » pour l’Europe

Le patron d’Ecosia tourne son regard vers les modèles à poids ouverts chinois – ce qui du point de vue de la souveraineté est assez croquignolet –, qu’il qualifie de grande opportunité pour l’Europe. Le vieux continent peut, selon lui, bâtir sur ces modèles ouverts sans avoir à dépenser des milliards d’euros pour entraîner des modèles frontières.

Ecosia a d’ailleurs signé un partenariat avec Melious, une plateforme qui héberge des modèles à poids ouverts et open source, y compris chinois comme Qwen, GLM et Kimi. « Nous avons réduit nos coûts de moitié environ, tout en améliorant la qualité et les performances », assure Christian Kroll. Pour lui, les problématiques de censure et de partialité des modèles chinois ne sont pas rédhibitoires, car il est toujours possible d’apporter des correctifs contrairement aux lacunes sur la qualité.

Piqué au vif, Arthur Mensch le directeur général de Mistral, a rappelé sur X que comme Ecosia, son entreprise fournissait des services gouvernementaux. Il ajoute : « Désolé si le fait d’utiliser de l’énergie nucléaire est vraiment bloquant. » Et il ne pourra pas faire grand chose ici, l’électricité nucléaire étant un des atouts mis en avant par la France pour convaincre les opérateurs de data centers de s’installer.

« Les data centers en France, ce n’est pas comme aux États-Unis où on utilise du pétrole et du gaz. Ce sont des data centers propres », avait même déclaré Emmanuel Macron en février en amont du Sommet pour l’action sur l’IA.

Qwant garde Mistral, pour l’instant

Sur un plan plus technique, Guillaume Lample le directeur scientifique de Mistral a encouragé Ecosia à tester le nouveau modèle Large 4 « dès que possible ». Il propose même de donner au moteur de recherche « un accès anticipé dès aujourd’hui s’ils le souhaitent ».

• Mistral lance une préversion de son LLM frontière Mistral Large 4, surnommé « Le Chonk »

De ce côté-ci du Rhin, les choix d’Ecosia en matière de modèles IA ne changent rien pour Qwant. Les deux moteurs sont partenaires pour le développement d’un index européen de recherche, et les réponses flash de Qwant sont toujours propulsées par des modèles Mistral.

Cela pourrait cependant changer. Qwant confirme à Next le test d’autres possibilités, mais pas pour les mêmes raisons qu’Ecosia : « Les récentes évolutions tarifaires de Mistral nous amènent à évaluer les alternatives disponibles, en tenant compte de leurs performances et de leurs coûts, afin de proposer le meilleur service à nos utilisateurs. »

• Qwant : les données de Google vont « réduire l’avantage d’une domination monopolistique »

Mistral se prend un vent

Ecosia en a soupé de Mistral. Le moteur de recherche allemand a en effet décidé de se passer des services de l’entreprise IA française, dont les modèles ont déçu. Ecosia veut maintenant favoriser les modèles à poids ouverts, y compris chinois.

Christian Kroll, le fondateur et directeur général d’Ecosia, n’a pas sa langue dans la poche. « Nous sommes déçus par la qualité de Mistral », déclare-t-il à Politico. Le moteur de recherche avait troqué OpenAI pour le champion français de l’IA en mai. Une transition pas facile : non seulement les modèles de Mistral auraient « un an de retard » sur la concurrence, mais le patron déplore aussi des problèmes techniques récurrents. « Nous étions tout simplement un client trop important pour Mistral. »

Autre problème : Mistral n’est pas aligné avec les objectifs environnementaux d’Ecosia, bien connu pour son engagement sur la reforestation. Une large part de l’électricité produite en France provient en effet du nucléaire. Christian Kroll s’interroge également sur les garanties de souveraineté du fournisseur IA. « Le fait que Mistral dépende d’investisseurs internationaux n’est, selon nous, pas véritablement souverain », affirme le dirigeant.

• Mistral lève 3 milliards d’euros et revendique une approche « full stack » de l’IA

Les modèles chinois, une « opportunité » pour l’Europe

Le patron d’Ecosia tourne son regard vers les modèles à poids ouverts chinois – ce qui du point de vue de la souveraineté est assez croquignolet –, qu’il qualifie de grande opportunité pour l’Europe. Le vieux continent peut, selon lui, bâtir sur ces modèles ouverts sans avoir à dépenser des milliards d’euros pour entraîner des modèles frontières.

Ecosia a d’ailleurs signé un partenariat avec Melious, une plateforme qui héberge des modèles à poids ouverts et open source, y compris chinois comme Qwen, GLM et Kimi. « Nous avons réduit nos coûts de moitié environ, tout en améliorant la qualité et les performances », assure Christian Kroll. Pour lui, les problématiques de censure et de partialité des modèles chinois ne sont pas rédhibitoires, car il est toujours possible d’apporter des correctifs contrairement aux lacunes sur la qualité.

Piqué au vif, Arthur Mensch le directeur général de Mistral, a rappelé sur X que comme Ecosia, son entreprise fournissait des services gouvernementaux. Il ajoute : « Désolé si le fait d’utiliser de l’énergie nucléaire est vraiment bloquant. » Et il ne pourra pas faire grand chose ici, l’électricité nucléaire étant un des atouts mis en avant par la France pour convaincre les opérateurs de data centers de s’installer.

« Les data centers en France, ce n’est pas comme aux États-Unis où on utilise du pétrole et du gaz. Ce sont des data centers propres », avait même déclaré Emmanuel Macron en février en amont du Sommet pour l’action sur l’IA.

Qwant garde Mistral, pour l’instant

Sur un plan plus technique, Guillaume Lample le directeur scientifique de Mistral a encouragé Ecosia à tester le nouveau modèle Large 4 « dès que possible ». Il propose même de donner au moteur de recherche « un accès anticipé dès aujourd’hui s’ils le souhaitent ».

• Mistral lance une préversion de son LLM frontière Mistral Large 4, surnommé « Le Chonk »

De ce côté-ci du Rhin, les choix d’Ecosia en matière de modèles IA ne changent rien pour Qwant. Les deux moteurs sont partenaires pour le développement d’un index européen de recherche, et les réponses flash de Qwant sont toujours propulsées par des modèles Mistral.

Cela pourrait cependant changer. Qwant confirme à Next le test d’autres possibilités, mais pas pour les mêmes raisons qu’Ecosia : « Les récentes évolutions tarifaires de Mistral nous amènent à évaluer les alternatives disponibles, en tenant compte de leurs performances et de leurs coûts, afin de proposer le meilleur service à nos utilisateurs. »

• Qwant : les données de Google vont « réduire l’avantage d’une domination monopolistique »

Sudo Machine

Des agents IA par-ci, des agents par là… les entreprises d’IA générative ont toutes ce mot à la bouche. On parle également de plus en plus de harnais. Mais de quoi s’agit-il ? Next vous explique !

L’intelligence artificielle existe depuis des décennies, elle remonte même aux années 1950. Après quelques « hivers » – des périodes durant lesquelles l’IA stagne et se fait oublier, elle a fait un bond avec l’arrivée des cartes graphiques modernes. En 2022, le grand public est entré de plein fouet dans l’ère de l’intelligence artificielle générative (ou GenAI), capable de produire du texte et des contenus multimédias et propulsée par ChatGPT.

De l’IA générative, nous voilà désormais dans l’ère de l’IA agentique. Pour la CNIL, il s’agit d’un « ensemble de systèmes qui reposent sur la coordination de plusieurs sous-systèmes appelés agents IA ». Ces agents sont bien plus qu’une IA générative, ils sont capables « d’agir sur un environnement défini […] et d’en modifier l’état […], avec des niveaux variables d’autonomie ».

Un agent IA, c’est un harnais avec un modèle d’IA générative

Si l’IA générative produit du texte et du contenu multimédia, un agent IA va en plus pouvoir exécuter des actions, en s’appuyant sur cette même IA. On touche du doigt la notion de harnais, qui est l’infrastructure logicielle. Le modèle d’IA générative et le harnais forment un agent IA. S’il se dégage un consensus sur le harnais, il n’existe pas (encore) de définition précise ; il faut dire que le terme est récent et n’est utilisé couramment que depuis le début de l’année.

Haiku vs Luna : fight !

Nouvelle mouture pour le « petit modèle » d’Anthropic, Haiku. Moins spectaculaire qu’un nouvel Opus, cette version était attendue pour ses tarifs accessibles. Le bond en performances est majeur, mais plusieurs points sont à connaître.

Présenté ce 7 octobre, Haiku 5.5 est ainsi mis en avant par Anthropic comme son modèle le moins cher, le plus rapide et le plus « capable ». Il est destiné aux tâches à fort volume (résumés, compaction, requêtes de bases de données, classification…) et peut servir de sous-agent pour Opus/Sonnet 5.5. Il est aussi conçu pour les usages sensibles à la latence comme l’assistance client et le pilotage de navigateur.

Haiku a bien changé

Cela faisait quand même près d’un an qu’Anthropic n’avait pas mis à jour ce modèle, depuis Haiku 4.5 (aucune version 5 n’avait été lancée). L’attente en valait-elle la peine ? Sur le papier, le bond est majeur. Haiku 5.5 présente ainsi une fenêtre de contexte d’un million de tokens (jetons) et de 128 000 en sortie, contre respectivement 200 000 et 64 000 pour Haiku 4.5. Le nouveau venu se dote pour la première fois d’un réglage d’effort, calé sur « Moyen » par défaut.

Côté tarifs, on reste sur une approche agressive, avec 0,10 dollar par million de tokens en entrée et 0,50 dollar en sortie. Mais attention, ces chiffres ne concernent que les requêtes inférieures à 100 000 tokens. Au-delà de cette frontière, les tarifs sont multipliés par 5, tout en restant inférieurs à ceux de Haiku 4.5 (la moitié en moyenne). Selon Anthropic, 90 % des requêtes adressées à Haiku 4.5 étaient sous le seuil des 100 000 jetons.

Si la baisse de prix est réelle, elle est aussi conditionnelle. Haiku 5.5 est plus verbeux que son prédécesseur, selon Artificial Analysis. Tout dépend aussi désormais du niveau d’effort configuré. Mais si l’on en croit le testeur indépendant, Haiku 5.5 présente un coût par tâche systématiquement plus intéressant que l’ancien Haiku. Anthropic positionne d’ailleurs Haiku 5.5 face à GPT-6 Luna, contre lequel il se montre plus avantageux. Mais là encore attention, car la majoration tarifaire sur Luna intervient à 272 000 tokens, contre 100 000 « seulement » pour Haiku.

• Claude Opus 5.5, GPT-6 Sol et Luna : Anthropic et OpenAI se battent sur les prix

Nettement plus performant… mais !

Côté performances, Anthropic met en avant un bond assez spectaculaire dans les différents benchs. Par exemple, un score de 39,2 % sur Terminal-Bench 4.0 (développement agentique), contre 0 pour Haiku 4.5. De l’ancien modèle au nouveau, on relève un passage de 735 à 1 620 sur GDPval-AA v2.1, de 15,7 à 72,4 % sur OSWorld 2.1, ou encore de 6,4 à 46,4 % sur Chartography.

« Capable » semble donc être le mot, mais il faut souligner un point important : les scores affichés dans le tableau fourni par Anthropic sont tous en effort maximal. On peut le voir facilement dans le graphique plus bas dans la page de l’annonce : sur les exemples donnés, l’entreprise relève toujours le score correspondant à l’effort Max. Mieux vaut garder ce détail en mémoire, car les scores n’ont bien sûr rien à voir en « Moyen » (le mode par défaut), le score Terminal-Bench 4.0 étant par exemple divisé par deux, avec 20,3.

En outre, le seul effort mentionné dans le tableau est dans la colonne de Sonnet 5.5, donnée en référence : 52,1 % en Xhigh sur FrontierCode 1.1. Une manière sans doute d’attirer l’attention sur les performances de Haiku 5.5, qui obtient 46,4 % sur ce test, donc avec un écart de moins de 6 points. Impressionnant ? En quelque sorte, mais sur Terminal-Bench 4.0, Sonnet 5.5 grimpe à 70,6 % (niveau d’effort inconnu), contre 39,2 % pour Haiku. L’écart est cette fois énorme.

Comme l’indique Anthropic dans son annonce, ces résultats ne sont donnés qu’à titre de « référence », car Haiku 5.5 « convient mieux aux tâches plus étroites qui auraient autrement été coûteuses avec les versions précédentes de Claude – comme la compaction, la synthèse ou le travail sur les sous-agents ».

Un mot enfin sur la cybersécurité. Selon l’éditeur, les garde-fous de cybersécurité sont plus stricts que ceux de Haiku 4.5, mais moins que ceux de Sonnet 5.5. Ils autorisent davantage de tâches défensives et bloquent toujours les tests d’intrusion. Peut-être une manière de faire un clin d’œil à Hugging Face, qui avait fustigé l’impossibilité d’utiliser les modèles commerciaux américains pour se défendre, alors qu’elle était attaquée par des agents d’OpenAI.

• L’attaque contre Hugging Face est venue… d’OpenAI

Plusieurs bonnes nouvelles tarifaires

Anthropic a profité de son annonce sur Haiku 5.5 pour annoncer plusieurs changements tarifaires qui, dans certains cas, peuvent avoir une influence importante pour les projets exploitant l’API commerciale (facture à l’usage).

Le tarif pour la lecture de cache dans Sonnet 5.5 est ainsi réduit de moitié, « ce qui signifie que Sonnet 5.5 coûte désormais environ 20 % moins cher sur la plupart des travaux d’agent » affirme Anthropic.

L’entreprise déploie également un nouveau crédit API mensuel pour les abonnements Max et Team sur la Claude Platform. Les utilisateurs Max 5x recevront 100 dollars de crédits par mois, les Max 20x auront 200 dollars et les Teams auront jusqu’à 500 dollars, à répartir entre les utilisateurs. « Ces crédits sont conçus pour permettre à nos utilisateurs d’expérimenter la création d’outils, d’applications et d’agents qui appellent notre API », indique Anthropic.

Enfin, les SDK (kits de développement) pour Python et TypeScript ont été mis à jour pour ajouter la prise en charge de l’utilisation de l’ordinateur et du navigateur. Il s’agit pour l’instant de bêtas, et Anthropic braque la lumière sur Haiku 5.5, décrit comme « particulièrement adapté » à ce type d’usage.

Haiku vs Luna : fight !

Nouvelle mouture pour le « petit modèle » d’Anthropic, Haiku. Moins spectaculaire qu’un nouvel Opus, cette version était attendue pour ses tarifs accessibles. Le bond en performances est majeur, mais plusieurs points sont à connaître.

Présenté ce 7 octobre, Haiku 5.5 est ainsi mis en avant par Anthropic comme son modèle le moins cher, le plus rapide et le plus « capable ». Il est destiné aux tâches à fort volume (résumés, compaction, requêtes de bases de données, classification…) et peut servir de sous-agent pour Opus/Sonnet 5.5. Il est aussi conçu pour les usages sensibles à la latence comme l’assistance client et le pilotage de navigateur.

Haiku a bien changé

Cela faisait quand même près d’un an qu’Anthropic n’avait pas mis à jour ce modèle, depuis Haiku 4.5 (aucune version 5 n’avait été lancée). L’attente en valait-elle la peine ? Sur le papier, le bond est majeur. Haiku 5.5 présente ainsi une fenêtre de contexte d’un million de tokens (jetons) et de 128 000 en sortie, contre respectivement 200 000 et 64 000 pour Haiku 4.5. Le nouveau venu se dote pour la première fois d’un réglage d’effort, calé sur « Moyen » par défaut.

Côté tarifs, on reste sur une approche agressive, avec 0,10 dollar par million de tokens en entrée et 0,50 dollar en sortie. Mais attention, ces chiffres ne concernent que les requêtes inférieures à 100 000 tokens. Au-delà de cette frontière, les tarifs sont multipliés par 5, tout en restant inférieurs à ceux de Haiku 4.5 (la moitié en moyenne). Selon Anthropic, 90 % des requêtes adressées à Haiku 4.5 étaient sous le seuil des 100 000 jetons.

Si la baisse de prix est réelle, elle est aussi conditionnelle. Haiku 5.5 est plus verbeux que son prédécesseur, selon Artificial Analysis. Tout dépend aussi désormais du niveau d’effort configuré. Mais si l’on en croit le testeur indépendant, Haiku 5.5 présente un coût par tâche systématiquement plus intéressant que l’ancien Haiku. Anthropic positionne d’ailleurs Haiku 5.5 face à GPT-6 Luna, contre lequel il se montre plus avantageux. Mais là encore attention, car la majoration tarifaire sur Luna intervient à 272 000 tokens, contre 100 000 « seulement » pour Haiku.

• Claude Opus 5.5, GPT-6 Sol et Luna : Anthropic et OpenAI se battent sur les prix

Nettement plus performant… mais !

Côté performances, Anthropic met en avant un bond assez spectaculaire dans les différents benchs. Par exemple, un score de 39,2 % sur Terminal-Bench 4.0 (développement agentique), contre 0 pour Haiku 4.5. De l’ancien modèle au nouveau, on relève un passage de 735 à 1 620 sur GDPval-AA v2.1, de 15,7 à 72,4 % sur OSWorld 2.1, ou encore de 6,4 à 46,4 % sur Chartography.

« Capable » semble donc être le mot, mais il faut souligner un point important : les scores affichés dans le tableau fourni par Anthropic sont tous en effort maximal. On peut le voir facilement dans le graphique plus bas dans la page de l’annonce : sur les exemples donnés, l’entreprise relève toujours le score correspondant à l’effort Max. Mieux vaut garder ce détail en mémoire, car les scores n’ont bien sûr rien à voir en « Moyen » (le mode par défaut), le score Terminal-Bench 4.0 étant par exemple divisé par deux, avec 20,3.

En outre, le seul effort mentionné dans le tableau est dans la colonne de Sonnet 5.5, donnée en référence : 52,1 % en Xhigh sur FrontierCode 1.1. Une manière sans doute d’attirer l’attention sur les performances de Haiku 5.5, qui obtient 46,4 % sur ce test, donc avec un écart de moins de 6 points. Impressionnant ? En quelque sorte, mais sur Terminal-Bench 4.0, Sonnet 5.5 grimpe à 70,6 % (niveau d’effort inconnu), contre 39,2 % pour Haiku. L’écart est cette fois énorme.

Comme l’indique Anthropic dans son annonce, ces résultats ne sont donnés qu’à titre de « référence », car Haiku 5.5 « convient mieux aux tâches plus étroites qui auraient autrement été coûteuses avec les versions précédentes de Claude – comme la compaction, la synthèse ou le travail sur les sous-agents ».

Un mot enfin sur la cybersécurité. Selon l’éditeur, les garde-fous de cybersécurité sont plus stricts que ceux de Haiku 4.5, mais moins que ceux de Sonnet 5.5. Ils autorisent davantage de tâches défensives et bloquent toujours les tests d’intrusion. Peut-être une manière de faire un clin d’œil à Hugging Face, qui avait fustigé l’impossibilité d’utiliser les modèles commerciaux américains pour se défendre, alors qu’elle était attaquée par des agents d’OpenAI.

• L’attaque contre Hugging Face est venue… d’OpenAI

Plusieurs bonnes nouvelles tarifaires

Anthropic a profité de son annonce sur Haiku 5.5 pour annoncer plusieurs changements tarifaires qui, dans certains cas, peuvent avoir une influence importante pour les projets exploitant l’API commerciale (facture à l’usage).

Le tarif pour la lecture de cache dans Sonnet 5.5 est ainsi réduit de moitié, « ce qui signifie que Sonnet 5.5 coûte désormais environ 20 % moins cher sur la plupart des travaux d’agent » affirme Anthropic.

L’entreprise déploie également un nouveau crédit API mensuel pour les abonnements Max et Team sur la Claude Platform. Les utilisateurs Max 5x recevront 100 dollars de crédits par mois, les Max 20x auront 200 dollars et les Teams auront jusqu’à 500 dollars, à répartir entre les utilisateurs. « Ces crédits sont conçus pour permettre à nos utilisateurs d’expérimenter la création d’outils, d’applications et d’agents qui appellent notre API », indique Anthropic.

Enfin, les SDK (kits de développement) pour Python et TypeScript ont été mis à jour pour ajouter la prise en charge de l’utilisation de l’ordinateur et du navigateur. Il s’agit pour l’instant de bêtas, et Anthropic braque la lumière sur Haiku 5.5, décrit comme « particulièrement adapté » à ce type d’usage.

Il revient !

Mistral vient de lancer une préversion publique de son nouveau LLM de frontière Mistral Large 4. Surnommé « Le Chonk », il doit remettre l’entreprise française dans la course, après de longs mois de quasi-silence sur les grands modèles.

Mistral Large 4 affiche 1 050 milliards de paramètres, dont 49 milliards actifs simultanément, dans une architecture MoE (Mixture of Experts) désormais classique. La fenêtre de contexte est d’un million de tokens. Dans sa présentation, Mistral évoque un entraînement depuis zéro sur la base de 3 800 puces Grace Blackwell de NVIDIA dans ses propres centres de calcul en Europe.

S’agissant d’une préversion, l’entrainement est toujours en cours. Mistral indique que d’ici la publication de la version le 26 octobre, une version privée du modèle est mise entre les mains de « partenaires sélectionnés, en leur donnant accès à une version de nos endpoints avec une modération allégée et des fonctionnalités plus avancées dans le domaine de la cybersécurité, et en leur distribuant les poids de la préversion du modèle ». Les poids seront d’ailleurs publiés le 26 octobre également, en même temps que des informations plus précises.

L’entreprise semble sûre de son fait : « Le Chonk fait progresser l’état de l’art des modèles à poids ouverts en matière de fonctionnalités agentiques génériques. Sur les métriques agrégées, il se classe parmi les meilleurs modèles à poids ouverts et est de loin le meilleur en Europe et aux États-Unis. Parmi les modèles à poids ouverts, Le Chonk est à l’état de l’art sur les tâches de cybersécurité, sur les tâches liées à la production industrielle et à la finance, ainsi que sur l’usage multimodal. »

Les benchmarks publiés vont bien sûr dans ce sens, avec 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4, soit 49,8 % à l’indice combiné, devant DeepSeek V4 Pro 0813 et Qwen3.8 Max. Des scores que l’on retrouve sur Artificial Analysis, qui place ML4 dans la moyenne haute des LLM en matière d’intelligence et de rapidité. En revanche, le site classe le nouveau LLM comme très verbeux. De fait, malgré une tarification intéressante de 1,36 dollar par million de jetons en entrée et 4,18 dollars en sortie, cette verbosité peut avoir une grande influence. Étrangement, Artificial Analysis évoque une fenêtre de contexte de 524 000 jetons, mais ce chiffre pourrait venir d’une préversion antérieure.

Un accent sur la cybersécurité

Selon Mistral, ML4 est « l’un des modèles d’IA les plus puissants au monde pour la cybersécurité », classé dans le Top 5 du Cyber Index d’Artificial Analysis, devançant « largement les modèles à poids ouverts développés hors de Chine ». Dans les tests du Cyber Index, ML4 aurait ainsi obtenu 82 %, soit le meilleur score à ce jour, et 93 % sur Cybench, se classant parmi les meilleurs modèles à poids ouverts.

L’entreprise française se fait un plaisir de s’engouffrer dans cette porte ouverte, abordant directement le problème des risques que de telles performances peuvent faire courir. Un quasi non-sujet pour Mistral, car il s’agit avant tout de défense. Elle pointe les modèles fermés comme Claude Opus 5.5 et GPT-6 Astra, qui obtiennent zéro au Cyber Index car ils refusent d’exécuter des tâches.

« C’est d’autant plus important que les acteurs malveillants font de plus en plus de jailbreaks de ces mêmes modèles pour soutenir une cyberactivité offensive : les défenseurs ont besoin de systèmes pouvant égaler ces capacités sans être contraints par les mêmes refus », ajoute Mistral. L’incident Hugging Face n’est pas directement cité, mais on se souvient que l’entreprise s’était plainte de ne pas avoir pu analyser les premières traces de l’attaque qu’elle subissait parce que les modèles fermés se cabraient devant les questions de cybersécurité. Ironie, Hugging Face s’était alors tournée vers un modèle chinois, GLM 5.2.

Enfin, pour le travail de bureau, Mistral indique 59,9 % sur AutomationBench. Sur des tâches financières et juridiques évaluées par vals.ai, il dépasserait GPT-6 Astra, et il est en tête des modèles ouverts sur le test juridique de Harvey. Pour l’ancrage visuel, il obtient 42 % contre 41 % pour GPT-6 Astra sur Dense 200, un écart minime.

De quoi remplacer prochainement GLM 5.3 dans Vibe Code avec un modèle maison ?

Il revient !

Mistral vient de lancer une préversion publique de son nouveau LLM de frontière Mistral Large 4. Surnommé « Le Chonk », il doit remettre l’entreprise française dans la course, après de longs mois de quasi-silence sur les grands modèles.

Mistral Large 4 affiche 1 050 milliards de paramètres, dont 49 milliards actifs simultanément, dans une architecture MoE (Mixture of Experts) désormais classique. La fenêtre de contexte est d’un million de tokens. Dans sa présentation, Mistral évoque un entraînement depuis zéro sur la base de 3 800 puces Grace Blackwell de NVIDIA dans ses propres centres de calcul en Europe.

S’agissant d’une préversion, l’entrainement est toujours en cours. Mistral indique que d’ici la publication de la version le 26 octobre, une version privée du modèle est mise entre les mains de « partenaires sélectionnés, en leur donnant accès à une version de nos endpoints avec une modération allégée et des fonctionnalités plus avancées dans le domaine de la cybersécurité, et en leur distribuant les poids de la préversion du modèle ». Les poids seront d’ailleurs publiés le 26 octobre également, en même temps que des informations plus précises.

L’entreprise semble sûre de son fait : « Le Chonk fait progresser l’état de l’art des modèles à poids ouverts en matière de fonctionnalités agentiques génériques. Sur les métriques agrégées, il se classe parmi les meilleurs modèles à poids ouverts et est de loin le meilleur en Europe et aux États-Unis. Parmi les modèles à poids ouverts, Le Chonk est à l’état de l’art sur les tâches de cybersécurité, sur les tâches liées à la production industrielle et à la finance, ainsi que sur l’usage multimodal. »

Les benchmarks publiés vont bien sûr dans ce sens, avec 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4, soit 49,8 % à l’indice combiné, devant DeepSeek V4 Pro 0813 et Qwen3.8 Max. Des scores que l’on retrouve sur Artificial Analysis, qui place ML4 dans la moyenne haute des LLM en matière d’intelligence et de rapidité. En revanche, le site classe le nouveau LLM comme très verbeux. De fait, malgré une tarification intéressante de 1,36 dollar par million de jetons en entrée et 4,18 dollars en sortie, cette verbosité peut avoir une grande influence. Étrangement, Artificial Analysis évoque une fenêtre de contexte de 524 000 jetons, mais ce chiffre pourrait venir d’une préversion antérieure.

Un accent sur la cybersécurité

Selon Mistral, ML4 est « l’un des modèles d’IA les plus puissants au monde pour la cybersécurité », classé dans le Top 5 du Cyber Index d’Artificial Analysis, devançant « largement les modèles à poids ouverts développés hors de Chine ». Dans les tests du Cyber Index, ML4 aurait ainsi obtenu 82 %, soit le meilleur score à ce jour, et 93 % sur Cybench, se classant parmi les meilleurs modèles à poids ouverts.

L’entreprise française se fait un plaisir de s’engouffrer dans cette porte ouverte, abordant directement le problème des risques que de telles performances peuvent faire courir. Un quasi non-sujet pour Mistral, car il s’agit avant tout de défense. Elle pointe les modèles fermés comme Claude Opus 5.5 et GPT-6 Astra, qui obtiennent zéro au Cyber Index car ils refusent d’exécuter des tâches.

« C’est d’autant plus important que les acteurs malveillants font de plus en plus de jailbreaks de ces mêmes modèles pour soutenir une cyberactivité offensive : les défenseurs ont besoin de systèmes pouvant égaler ces capacités sans être contraints par les mêmes refus », ajoute Mistral. L’incident Hugging Face n’est pas directement cité, mais on se souvient que l’entreprise s’était plainte de ne pas avoir pu analyser les premières traces de l’attaque qu’elle subissait parce que les modèles fermés se cabraient devant les questions de cybersécurité. Ironie, Hugging Face s’était alors tournée vers un modèle chinois, GLM 5.2.

Enfin, pour le travail de bureau, Mistral indique 59,9 % sur AutomationBench. Sur des tâches financières et juridiques évaluées par vals.ai, il dépasserait GPT-6 Astra, et il est en tête des modèles ouverts sur le test juridique de Harvey. Pour l’ancrage visuel, il obtient 42 % contre 41 % pour GPT-6 Astra sur Dense 200, un écart minime.

De quoi remplacer prochainement GLM 5.3 dans Vibe Code avec un modèle maison ?

Si c'est tatoué, c'est pas à toi

OpenAI déploie son outil de filigrane sur le texte généré par ChatGPT. Cette fonctionnalité, réservée au Vieux continent en vertu de l’AI Act, demeure une solution imparfaite à un problème complexe.

Après Anthropic qui a intégré une fonction de filigrane dans le texte généré par Claude (depuis Fable 5.1 plus précisément), c’est au tour d’OpenAI de respecter l’obligation européenne de permettre l’identification d’un texte généré par ChatGPT. Cette mesure, inscrite dans l’AI Act, est en vigueur depuis début août – les systèmes d’IA présents sur le marché ont jusqu’au 2 décembre pour respecter les obligations de marquage technique.

• Les contenus générés par IA devront être tatoués, sauf s’ils sont vérifiés par un humain

Le filigrane est dans les mots

OpenAI a donc dévoilé sa feuille de route pour le tatouage des textes. La technologie, baptisée textGrain, ajoute un « signal statistique invisible » sur les choix des mots. Autrement dit, c’est une technique qui « modifie subtilement la manière dont le modèle choisit de façon aléatoire entre plusieurs mots ou fragments de mots possibles au fil de la génération [du texte] », explicite l’entreprise dans une fiche technique.

« Sur l’ensemble d’un passage, ces choix créent un motif qu’un détecteur peut repérer, même après certaines modifications du texte. » Le résultat est censé être invisible aux yeux du lecteur, la technique n’ajoutant « aucun caractère caché, espace invisible ou signe de ponctuation inhabituel ». Anthropic a choisi une solution similaire.

Pangram, qui a beaucoup fait parler ces dernières semaines suite à l’affaire Thélyson Orélien, analyse les textes après leur génération, en se basant sur des caractéristiques comme le choix des mots. Il ne détecte pas les signaux intégrés à même les textes, comme c’est le cas des filigranes.

• On a soumis plus de 5 000 textes à 75 détecteurs d’IA gratuits : un constat d’échec
• Pangram sait-il vraiment détecter les textes IA ? Notre test sur plus de 1 000 articles

Toutes les langues ne se valent pas

Le code des bonnes pratiques sur la transparence des contenus de l’AI Act n’impose pas de watermark sur les textes de moins de 200 tokens, ce qui représente environ 150 mots en anglais. De toute manière, les techniques de filigrane ne sont pas efficaces sur les textes courts, comme le rappelle OpenAI.

Le taux de détection varie en fonction de la langue, certaines d’entre elles se montrant « plus faciles à détecter que d’autres ». Sur les tests réalisés par l’entreprise – 500 prompts générés en anglais, puis traduits –, l’espagnol obtient le meilleur taux de détection (69 %), le roumain affichant le taux le plus faible (42,2 %). Avec un taux qui dépasse 60 %, le français est plus proche de l’espagnol.

OpenAI ajoute à textGrain un paramètre d’ajustement de l’intensité pour renforcer ou réduire le signal du filigrane en fonction des domaines. Le taux de détection de certaines langues, qui se situe normalement sous le seuil des 60 %, s’améliore grâce à ce paramètre. L’entreprise a l’intention de proposer sa technologie en open source.

OpenAI explique que les détecteurs peuvent commettre deux types d’erreurs de détection : faux positifs (signaler la présence d’un filigrane qui n’existe pas) et faux négatifs (ne pas repérer la présence d’un filigrane existant). Sur des passages de 400 tokens, avec un taux de faux positifs cible de 1 %, le détecteur a identifié un filigrane dans 95 % des cas – mais tout dépend du contenu. Sur les textes portant sur la psychologie, le taux de détection est particulièrement élevé ; il l’est beaucoup moins quand il s’agit de mathématiques, où le choix des mots est plus limité.

Brouiller les pistes

Autre limite : modifier les textes générés par IA a un impact sur le taux de détection. Un taux de détection à 92 % peut tomber à 66 % si 10 % des mots ont été remplacés par des synonymes. Remplacer 25 % des mots fait chuter le taux à 17 %. Ce qui est logique, au vu du fonctionnement du filigrane.

L’entreprise prévient aussi que les filigranes sur le texte ne sont pas la panacée. Un watermark ne mesure pas la contribution d’un humain, il se contente de dire qu’un modèle a généré ou modifié un texte. Il ne détermine pas non plus à qui appartient le texte ou qui en est le responsable. Il n’identifie pas non plus l’utilisateur et ne mesure pas la fiabilité du texte. Enfin, l’absence d’un filigrane ne prouve pas qu’un texte a été écrit par un humain.

textGrain est disponible dès aujourd’hui dans l’API, où la fonction peut être activée via les réglages (uniquement dans l’UE). Il se déploiera au sein de ChatGPT et Codex dans les prochaines semaines. En revanche, l’accès à l’outil de détection demeure encore la chasse gardée des chercheurs et des organisations sélectionnés qui travaillent à l’amélioration de la fiabilité de l’outil.

Si c'est tatoué, c'est pas à toi

OpenAI déploie son outil de filigrane sur le texte généré par ChatGPT. Cette fonctionnalité, réservée au Vieux continent en vertu de l’AI Act, demeure une solution imparfaite à un problème complexe.

Après Anthropic qui a intégré une fonction de filigrane dans le texte généré par Claude (depuis Fable 5.1 plus précisément), c’est au tour d’OpenAI de respecter l’obligation européenne de permettre l’identification d’un texte généré par ChatGPT. Cette mesure, inscrite dans l’AI Act, est en vigueur depuis début août – les systèmes d’IA présents sur le marché ont jusqu’au 2 décembre pour respecter les obligations de marquage technique.

• Les contenus générés par IA devront être tatoués, sauf s’ils sont vérifiés par un humain

Le filigrane est dans les mots

OpenAI a donc dévoilé sa feuille de route pour le tatouage des textes. La technologie, baptisée textGrain, ajoute un « signal statistique invisible » sur les choix des mots. Autrement dit, c’est une technique qui « modifie subtilement la manière dont le modèle choisit de façon aléatoire entre plusieurs mots ou fragments de mots possibles au fil de la génération [du texte] », explicite l’entreprise dans une fiche technique.

« Sur l’ensemble d’un passage, ces choix créent un motif qu’un détecteur peut repérer, même après certaines modifications du texte. » Le résultat est censé être invisible aux yeux du lecteur, la technique n’ajoutant « aucun caractère caché, espace invisible ou signe de ponctuation inhabituel ». Anthropic a choisi une solution similaire.

Pangram, qui a beaucoup fait parler ces dernières semaines suite à l’affaire Thélyson Orélien, analyse les textes après leur génération, en se basant sur des caractéristiques comme le choix des mots. Il ne détecte pas les signaux intégrés à même les textes, comme c’est le cas des filigranes.

• On a soumis plus de 5 000 textes à 75 détecteurs d’IA gratuits : un constat d’échec
• Pangram sait-il vraiment détecter les textes IA ? Notre test sur plus de 1 000 articles

Toutes les langues ne se valent pas

Le code des bonnes pratiques sur la transparence des contenus de l’AI Act n’impose pas de watermark sur les textes de moins de 200 tokens, ce qui représente environ 150 mots en anglais. De toute manière, les techniques de filigrane ne sont pas efficaces sur les textes courts, comme le rappelle OpenAI.

Le taux de détection varie en fonction de la langue, certaines d’entre elles se montrant « plus faciles à détecter que d’autres ». Sur les tests réalisés par l’entreprise – 500 prompts générés en anglais, puis traduits –, l’espagnol obtient le meilleur taux de détection (69 %), le roumain affichant le taux le plus faible (42,2 %). Avec un taux qui dépasse 60 %, le français est plus proche de l’espagnol.

OpenAI ajoute à textGrain un paramètre d’ajustement de l’intensité pour renforcer ou réduire le signal du filigrane en fonction des domaines. Le taux de détection de certaines langues, qui se situe normalement sous le seuil des 60 %, s’améliore grâce à ce paramètre. L’entreprise a l’intention de proposer sa technologie en open source.

OpenAI explique que les détecteurs peuvent commettre deux types d’erreurs de détection : faux positifs (signaler la présence d’un filigrane qui n’existe pas) et faux négatifs (ne pas repérer la présence d’un filigrane existant). Sur des passages de 400 tokens, avec un taux de faux positifs cible de 1 %, le détecteur a identifié un filigrane dans 95 % des cas – mais tout dépend du contenu. Sur les textes portant sur la psychologie, le taux de détection est particulièrement élevé ; il l’est beaucoup moins quand il s’agit de mathématiques, où le choix des mots est plus limité.

Brouiller les pistes

Autre limite : modifier les textes générés par IA a un impact sur le taux de détection. Un taux de détection à 92 % peut tomber à 66 % si 10 % des mots ont été remplacés par des synonymes. Remplacer 25 % des mots fait chuter le taux à 17 %. Ce qui est logique, au vu du fonctionnement du filigrane.

L’entreprise prévient aussi que les filigranes sur le texte ne sont pas la panacée. Un watermark ne mesure pas la contribution d’un humain, il se contente de dire qu’un modèle a généré ou modifié un texte. Il ne détermine pas non plus à qui appartient le texte ou qui en est le responsable. Il n’identifie pas non plus l’utilisateur et ne mesure pas la fiabilité du texte. Enfin, l’absence d’un filigrane ne prouve pas qu’un texte a été écrit par un humain.

textGrain est disponible dès aujourd’hui dans l’API, où la fonction peut être activée via les réglages (uniquement dans l’UE). Il se déploiera au sein de ChatGPT et Codex dans les prochaines semaines. En revanche, l’accès à l’outil de détection demeure encore la chasse gardée des chercheurs et des organisations sélectionnés qui travaillent à l’amélioration de la fiabilité de l’outil.

Tous fichés

ChatGPT, Claude ou Gemini ont une mémoire qui leur permettent d’enregistrer certaines informations importantes sur leurs utilisateurs, afin de se « souvenir » d’un détail, d’un nom, d’un événement ou d’une date utile à une réponse. C’est le cas aussi de Muse, mais le nouvel agent de Meta pousse le principe beaucoup plus loin.

Avec Muse, Meta semble enfin avoir trouvé sa voie dans la course à l’IA. L’agent, lancé le 6 septembre mais toujours indisponible dans l’Union européenne, va bien plus loin qu’un « simple » chatbot : il peut chasser des informations sur internet en permanence et agir au nom de l’utilisateur, par exemple pour réserver un restau ou faire des courses (ce qui déplaît beaucoup à Amazon). Le succès de Muse ne tombe pas du ciel : Meta s’est fortement inspirée d’OpenClaw pour développer son propre agent. Et l’entreprise peut aussi compter sur l’immense surface de ses réseaux sociaux pour se donner une confortable longueur d’avance.

Le succès de Muse n’est pas tombé dans l’oreille d’un sourd : OpenAI a présenté pas plus tard que la semaine dernière son propre agent IA, Dots. Et Meta compte bien battre le fer tant qu’il est chaud. Muse est mis à toutes les sauces dans les autres produits et services du groupe, qu’il s’agisse de lunettes connectées… ou de Tamagotchi.

Les petites fiches de Muse

Mais Meta traîne derrière elle suffisamment de casseroles sur la vie privée pour que le fonctionnement de Muse mérite qu’on y regarde de plus près. Karan Joshi, chercheur en sécurité indépendant, a pu extraire un grand volume d’instructions et de prompts de l’agent, simplement en utilisant astucieusement l’interface de discussion. Il en a partagé une copie avec Wired, ce qui permet de jeter un œil dans les cuisines.

Il se trouve que Muse crée une page pour chaque personne importante dans la vie de l’utilisateur. Il s’agit de compiler des informations sur la famille, les intimes, les amis, les collègues, les personnes suivies par l’utilisateur. Cette mémoire, en fait des fichiers de texte structuré, se remplit au fur et à mesure des événements et des interactions ; ces données permettent à l’agent de construire une « représentation » des relations, avec le degré de proximité, l’historique, et même des pistes pour les renforcer.

D’après la documentation fournie par Karan Joshi, une « page » s’enrichit progressivement avec des sections : « Faits », « Historique », « Relation », « Points communs », « Sujets en suspens » et « Renforcement ». Muse doit uniquement utiliser les éléments qu’il a sous la main, et ne pas inventer des informations même si la page est vide.

Selon les instructions de Meta, Muse doit conserver « les sujets qui reviennent régulièrement (le déménagement, l’objectif commun d’épargne) », où vivent les relations de l’utilisateur, ce qu’elles font dans la vie. Le modèle peut également enregistrer les dates importantes comme les anniversaires, et des éléments de contexte comme une dispute terminée (certains parlent de beaucoup de choses très personnelles avec leur bot), une réunion importante la semaine dernière, un voyage…

L’enregistrement de l’état des relations est aussi manifestement important pour Muse : degré de proximité, sur quoi repose telle relation, ce dont cette relation peut avoir besoin… La section « Renforcements » peut d’ailleurs suggérer des moyens d’améliorer une relation : rappeler une date à ne pas oublier, une raison d’appeler…

Le plombier n’a rien demandé

« Pour qu’un agent soit utile et puisse réellement vous aider à atteindre vos objectifs, il doit disposer d’un certain contexte sur vous et sur les personnes avec lesquelles vous interagissez », explique un porte-parole de Meta. « Muse rassemble ces informations à partir de données publiques et de ce que vous avez choisi de partager. C’est ainsi qu’il peut se souvenir que la personne qui vous a envoyé une facture est en fait le plombier que vous aviez précédemment engagé pour effectuer des travaux dans votre salle de bains, ou encore l’envoi à votre conjoint de ses fleurs préférées. »

Une déclaration apparemment de bon sens, à laquelle on peut ajouter l’infrastructure de Muse. Il s’agit d’une machine virtuelle dans laquelle sont stockés les données de l’utilisateur et le contexte. Les agents tiers n’y ont pas accès sans autorisation, et l’utilisateur peut déconnecter les services tiers connectés à Muse, ou tout simplement en effacer la mémoire.

Muse va néanmoins plus loin que d’autres bots IA dans le stockage d’informations sur les personnes connues de l’utilisateur. ChatGPT possède une mémoire structurée, mais OpenAI la présente comme une synthèse évolutive du contexte entourant l’utilisateur. L’IA sélectionne les infos jugées pertinentes et la synthèse se met à jour et s’enrichit au fil du temps.

Le système de Meta organise les informations sur la relation qu’entretient un utilisateur avec une personne, leur historique, le degré de proximité, les sujets en suspens et peut même proposer des moyens de renforcer cette relation. Le problème ici, c’est la réputation exécrable de Meta quand il s’agit de manipuler les données personnelles, comme on l’a vu encore très récemment avec… Muse :

• Muse peut donner votre adresse à n’importe qui ou fouiller vos messages sans permission

Enfin, le conjoint, les collègues, ou ce fameux plombier n’ont rien demandé, et surtout pas à être intégrés dans les petites fiches de Muse. Mais il suffit que l’utilisateur ait évoqué ces relations pour que ces personnes se retrouvent dans la mémoire de l’agent. L’utilisateur a certes accepté de partager des données publiques, mais pas nécessairement de ficher son entourage.

Tous fichés

ChatGPT, Claude ou Gemini ont une mémoire qui leur permettent d’enregistrer certaines informations importantes sur leurs utilisateurs, afin de se « souvenir » d’un détail, d’un nom, d’un événement ou d’une date utile à une réponse. C’est le cas aussi de Muse, mais le nouvel agent de Meta pousse le principe beaucoup plus loin.

Avec Muse, Meta semble enfin avoir trouvé sa voie dans la course à l’IA. L’agent, lancé le 6 septembre mais toujours indisponible dans l’Union européenne, va bien plus loin qu’un « simple » chatbot : il peut chasser des informations sur internet en permanence et agir au nom de l’utilisateur, par exemple pour réserver un restau ou faire des courses (ce qui déplaît beaucoup à Amazon). Le succès de Muse ne tombe pas du ciel : Meta s’est fortement inspirée d’OpenClaw pour développer son propre agent. Et l’entreprise peut aussi compter sur l’immense surface de ses réseaux sociaux pour se donner une confortable longueur d’avance.

Le succès de Muse n’est pas tombé dans l’oreille d’un sourd : OpenAI a présenté pas plus tard que la semaine dernière son propre agent IA, Dots. Et Meta compte bien battre le fer tant qu’il est chaud. Muse est mis à toutes les sauces dans les autres produits et services du groupe, qu’il s’agisse de lunettes connectées… ou de Tamagotchi.

Les petites fiches de Muse

Mais Meta traîne derrière elle suffisamment de casseroles sur la vie privée pour que le fonctionnement de Muse mérite qu’on y regarde de plus près. Karan Joshi, chercheur en sécurité indépendant, a pu extraire un grand volume d’instructions et de prompts de l’agent, simplement en utilisant astucieusement l’interface de discussion. Il en a partagé une copie avec Wired, ce qui permet de jeter un œil dans les cuisines.

Il se trouve que Muse crée une page pour chaque personne importante dans la vie de l’utilisateur. Il s’agit de compiler des informations sur la famille, les intimes, les amis, les collègues, les personnes suivies par l’utilisateur. Cette mémoire, en fait des fichiers de texte structuré, se remplit au fur et à mesure des événements et des interactions ; ces données permettent à l’agent de construire une « représentation » des relations, avec le degré de proximité, l’historique, et même des pistes pour les renforcer.

D’après la documentation fournie par Karan Joshi, une « page » s’enrichit progressivement avec des sections : « Faits », « Historique », « Relation », « Points communs », « Sujets en suspens » et « Renforcement ». Muse doit uniquement utiliser les éléments qu’il a sous la main, et ne pas inventer des informations même si la page est vide.

Selon les instructions de Meta, Muse doit conserver « les sujets qui reviennent régulièrement (le déménagement, l’objectif commun d’épargne) », où vivent les relations de l’utilisateur, ce qu’elles font dans la vie. Le modèle peut également enregistrer les dates importantes comme les anniversaires, et des éléments de contexte comme une dispute terminée (certains parlent de beaucoup de choses très personnelles avec leur bot), une réunion importante la semaine dernière, un voyage…

L’enregistrement de l’état des relations est aussi manifestement important pour Muse : degré de proximité, sur quoi repose telle relation, ce dont cette relation peut avoir besoin… La section « Renforcements » peut d’ailleurs suggérer des moyens d’améliorer une relation : rappeler une date à ne pas oublier, une raison d’appeler…

Le plombier n’a rien demandé

« Pour qu’un agent soit utile et puisse réellement vous aider à atteindre vos objectifs, il doit disposer d’un certain contexte sur vous et sur les personnes avec lesquelles vous interagissez », explique un porte-parole de Meta. « Muse rassemble ces informations à partir de données publiques et de ce que vous avez choisi de partager. C’est ainsi qu’il peut se souvenir que la personne qui vous a envoyé une facture est en fait le plombier que vous aviez précédemment engagé pour effectuer des travaux dans votre salle de bains, ou encore l’envoi à votre conjoint de ses fleurs préférées. »

Une déclaration apparemment de bon sens, à laquelle on peut ajouter l’infrastructure de Muse. Il s’agit d’une machine virtuelle dans laquelle sont stockés les données de l’utilisateur et le contexte. Les agents tiers n’y ont pas accès sans autorisation, et l’utilisateur peut déconnecter les services tiers connectés à Muse, ou tout simplement en effacer la mémoire.

Muse va néanmoins plus loin que d’autres bots IA dans le stockage d’informations sur les personnes connues de l’utilisateur. ChatGPT possède une mémoire structurée, mais OpenAI la présente comme une synthèse évolutive du contexte entourant l’utilisateur. L’IA sélectionne les infos jugées pertinentes et la synthèse se met à jour et s’enrichit au fil du temps.

Le système de Meta organise les informations sur la relation qu’entretient un utilisateur avec une personne, leur historique, le degré de proximité, les sujets en suspens et peut même proposer des moyens de renforcer cette relation. Le problème ici, c’est la réputation exécrable de Meta quand il s’agit de manipuler les données personnelles, comme on l’a vu encore très récemment avec… Muse :

• Muse peut donner votre adresse à n’importe qui ou fouiller vos messages sans permission

Enfin, le conjoint, les collègues, ou ce fameux plombier n’ont rien demandé, et surtout pas à être intégrés dans les petites fiches de Muse. Mais il suffit que l’utilisateur ait évoqué ces relations pour que ces personnes se retrouvent dans la mémoire de l’agent. L’utilisateur a certes accepté de partager des données publiques, mais pas nécessairement de ficher son entourage.

Faux tubes, vrais retraits

Sony Music prend le taureau par les cornes pour lutter contre les streams illégaux de chansons générées par IA. Fin septembre, la major a demandé aux plateformes le retrait de plus de 260 000 morceaux, un volume multiplié par deux par rapport aux trois premiers mois de l’année.

« Nous continuerons à faire respecter les droits de nos artistes et nous attendons des plateformes qu’elles agissent rapidement et empêchent la réapparition des mêmes contenus », a affirmé Sony Music au Financial Times. « Mais la tâche devient de plus en plus difficile », ajoute l’entreprise, une des trois majors de l’industrie du disque avec Universal (UMG) et Warner (WMG).

Le groupe a demandé aux plateformes de streaming de retirer plus de 260 000 morceaux fin septembre, alors que ce volume avait été de 135 000 fin mars. Ces titres sont des deepfakes générés par IA d’artistes signés par Sony (Adele, Queen, Michael Jackson…). Le phénomène prend « une ampleur considérable, porte préjudice aux artistes, trompe les fans et compromet une utilisation éthique de l’IA », précise la maison de disques.

Les bots écoutent les bots

Les services de streaming sont noyés sous les chansons générées par IA. Deezer avait ainsi indiqué qu’elles représentaient plus de la moitié des nouveaux morceaux téléversés en juillet. Ces titres sont très peu écoutés, et quand ils le sont, c’est souvent lié à des cas de fraude aux streams. Des bots « écoutent » ces chansons, ce qui en retour génère des revenus pour les fraudeurs, spoliant au passage les artistes légitimes.

Le rapport semestriel de la Sonic Intelligence Academy publié le mois dernier montre que plus de 9 chansons sur 10 (92,8 %) des morceaux soumis avaient été générés par Suno. Avec cette nuance : le pourcentage porte sur l’échantillon de l’étude, soit 1 743 titres provenant de 886 artistes dans 54 pays. Sur cet échantillon, 77,6 % ont été distribués aux plateformes par DistroKid, un distributeur payant permettant à ses clients d’être diffusé sur plus de 150 plateformes. Ces chiffres donnent toutefois une petite idée de la provenance de ces titres.

Sony Music et Universal poursuivent d’ailleurs Suno en septembre. La start-up est accusée d’avoir copié des enregistrements sans autorisation pour entraîner ses modèles IA. DistroKid est aussi la cible d’UMG, qui a porté plainte contre le distributeur le 15 septembre (PDF). Ce dernier se serait livré à « des pratiques commerciales trompeuses et à des violations flagrantes du droit d’auteur ». Plus précisément, DistroKid aurait contribué « à faire passer les morceaux IA pour ce qu’ils ne sont pas, et à en tirer profit ».

La riposte contre la fraude aux streams s’organise dans la filière, qui a couché sur le papier un ensemble de pratiques pour aider les acteurs du secteur – en particulier les distributeurs – à prévenir, détecter et traiter la fraude.

De leur côté, les plateformes ont mis en place des systèmes de badges pour indiquer aux auditeurs que tel artiste ou telle chanson est générée par IA. Bien souvent, les écoutes de ces morceaux sont démonétisées dès leur mise en ligne.

• Musique et IA : le « plus grand vol de propriété intellectuelle de l’histoire », pour l’ICMP

Faux tubes, vrais retraits

Sony Music prend le taureau par les cornes pour lutter contre les streams illégaux de chansons générées par IA. Fin septembre, la major a demandé aux plateformes le retrait de plus de 260 000 morceaux, un volume multiplié par deux par rapport aux trois premiers mois de l’année.

« Nous continuerons à faire respecter les droits de nos artistes et nous attendons des plateformes qu’elles agissent rapidement et empêchent la réapparition des mêmes contenus », a affirmé Sony Music au Financial Times. « Mais la tâche devient de plus en plus difficile », ajoute l’entreprise, une des trois majors de l’industrie du disque avec Universal (UMG) et Warner (WMG).

Le groupe a demandé aux plateformes de streaming de retirer plus de 260 000 morceaux fin septembre, alors que ce volume avait été de 135 000 fin mars. Ces titres sont des deepfakes générés par IA d’artistes signés par Sony (Adele, Queen, Michael Jackson…). Le phénomène prend « une ampleur considérable, porte préjudice aux artistes, trompe les fans et compromet une utilisation éthique de l’IA », précise la maison de disques.

Les bots écoutent les bots

Les services de streaming sont noyés sous les chansons générées par IA. Deezer avait ainsi indiqué qu’elles représentaient plus de la moitié des nouveaux morceaux téléversés en juillet. Ces titres sont très peu écoutés, et quand ils le sont, c’est souvent lié à des cas de fraude aux streams. Des bots « écoutent » ces chansons, ce qui en retour génère des revenus pour les fraudeurs, spoliant au passage les artistes légitimes.

Le rapport semestriel de la Sonic Intelligence Academy publié le mois dernier montre que plus de 9 chansons sur 10 (92,8 %) des morceaux soumis avaient été générés par Suno. Avec cette nuance : le pourcentage porte sur l’échantillon de l’étude, soit 1 743 titres provenant de 886 artistes dans 54 pays. Sur cet échantillon, 77,6 % ont été distribués aux plateformes par DistroKid, un distributeur payant permettant à ses clients d’être diffusé sur plus de 150 plateformes. Ces chiffres donnent toutefois une petite idée de la provenance de ces titres.

Sony Music et Universal poursuivent d’ailleurs Suno en septembre. La start-up est accusée d’avoir copié des enregistrements sans autorisation pour entraîner ses modèles IA. DistroKid est aussi la cible d’UMG, qui a porté plainte contre le distributeur le 15 septembre (PDF). Ce dernier se serait livré à « des pratiques commerciales trompeuses et à des violations flagrantes du droit d’auteur ». Plus précisément, DistroKid aurait contribué « à faire passer les morceaux IA pour ce qu’ils ne sont pas, et à en tirer profit ».

La riposte contre la fraude aux streams s’organise dans la filière, qui a couché sur le papier un ensemble de pratiques pour aider les acteurs du secteur – en particulier les distributeurs – à prévenir, détecter et traiter la fraude.

De leur côté, les plateformes ont mis en place des systèmes de badges pour indiquer aux auditeurs que tel artiste ou telle chanson est générée par IA. Bien souvent, les écoutes de ces morceaux sont démonétisées dès leur mise en ligne.

• Musique et IA : le « plus grand vol de propriété intellectuelle de l’histoire », pour l’ICMP

Tourner sept fois son inférence avant de répondre

Régulièrement, sur les réseaux sociaux, on voit passer une phrase du genre : demandez à une IA de proposer un nombre entre 1 et 30, elle répondra 17. C’est vrai dans la grande majorité des cas, mais c’est bien plus large que cela… la suite pourrait bien vous surprendre.

Chez Next, on a évidemment tenté l’expérience, depuis des mois au moins ; effectivement, 17 revient quasiment tout le temps. Mais on prend aussi de la hauteur par rapport à cette expérience : que se passe-t-il avec une autre demande, entre 1 et 50 ou 1 et 100 ? Puis avec une lettre de l’alphabet ?

On ne se contente pas d’une poignée de requêtes, on a testé des dizaines de modèles avec des dizaines de demandes, pour des milliers de réponses. Surprise, il n’y a pas d’aléatoire… Étonnant pour un modèle statistique ? Pas vraiment non, et l’explication est assez simple.

Un point important : une IA générative n’est pas un générateur de nombres aléatoires. Quand on demande à une IA de donner un nombre, elle estime une réponse à partir de sa base de connaissance, c’est-à-dire ses données d’entraînement, et donc principalement des données provenant des humains.

17 « manque » à la roulette, mais pas dans les IA génératives

On pourrait dire que l’IA générative essaie de répondre à ce qui s’approche le plus, selon elle, d’une réponse humaine. Le cheminement est assez simple pour un nombre entre 1 et 30 : 17 est assez proche du milieu, impair et premier, il « attire » ; d’autant que nous allons voir que ce n’est pas la seule explication. Comme pour le reste, les IA génératives reproduisent donc les biais humains.

Nous avons testé plusieurs cas de figure. Pour commencer, nous reprenons l’exemple populaire d’un nombre entre 1 et 30, mais sur une large panoplie de modèles d’Anthropic, OpenAI et Google (GPT-5 à GPT-6, Sonnet 4.6 à Fable 5.1, Gemini 3.1 à 3.8) avec ou sans raisonnement. En tout, 171 requêtes sont envoyées à OpenAI, 48 à Anthropic et 55 à Gemini ; il ne s’agit pas de modèles différents à chaque fois, mais de configurations de version avec différents niveaux de raisonnement.

À bas le modèlarcat

Pi est un harnais minimaliste open source, compatible avec plus de 1 500 modèles et variantes. C’est une alternative à Claude Code ou Codex, sans dépendre des modèles d’Anthropic ou d’OpenAI. Il vient de passer en version 1.0.0, signe de maturité selon ses développeurs. Pi Durable, capable de résister à des pannes « catastrophiques », est aussi présenté.

Dans le monde des intelligences artificielles, on parle souvent des chatbots : vous posez une question, ils répondent. Mais il y a beaucoup plus que cela : associées aux bons outils, les IA génératives peuvent générer du code, lire des fichiers, exécuter des commandes, etc.

Le harnais Pi est un agent IA minimaliste, mais extensible

On distingue alors souvent deux éléments : le modèle en lui-même (un peu le cœur du réacteur) et le harnais. Le modèle ne fait que générer du texte ou du contenu multimédia, tandis que le harnais regroupe tout ce qui tourne autour du modèle pour lui permettre d’accéder à des fichiers, de faire des recherches sur Internet, etc.

Vous connaissez certainement déjà des harnais, Claude Code par exemple, avec un moteur limité aux modèles d’Anthropic. Avec d’autres harnais, vous n’êtes pas limité sur les modèles (commerciaux ou à poids ouverts, en local) et pouvez ajouter celui que vous voulez, le remplacer en cours de route, etc. Pi est l’un de ces harnais ; il joue sur le côté minimaliste et vient de passer en version 1.0.0.