Toxicité politique

Depuis son retour, Fable 5 est la cible de critiques virulentes sur ses performances. Le modèle ne semble pas présenter les mêmes capacités qu’avant son blocage, suite à la directive de la Maison-Blanche. Même Mythos 5 semble perdre de sa superbe.

Rappelons rapidement quelques éléments chronologiques. Le 9 juin 2026, Anthropic lance Claude Fable 5, une version de Mythos 5 disposant de garde-fous et présenté alors comme le modèle le plus « capables » de l’histoire de l’entreprise. Trois jours plus tard, une directive de contrôle des exportations, signée par la Maison-Blanche et juridiquement contraignante, force Anthropic à suspendre l’accès aux deux modèles pour tout ressortissant étranger, y compris ses propres employés non-américains. Le décret conduit l’entreprise à un arrêt mondial pour tous les clients, Anthropic ayant jugé impossible de filtrer les utilisateurs par nationalité en temps réel.

Le déclencheur invoqué était un rapport de chercheurs d’Amazon selon lequel Fable 5 aurait pu être manipulé (jailbreaké) pour livrer des informations exploitables dans des cyberattaques. En toile de fond, des soupçons qu’un groupe lié à la Chine ait pu accéder à Mythos, ce qui faisait craindre une rétro-ingénierie ou une distillation par un adversaire étranger.

Fin juin, le Department of Commerce lève ces contrôles. L’accès à Fable 5 est restauré le 1ᵉʳ juillet sur Claude Platform, Claude.ai, Claude Code et Claude Cowork. Mythos 5, lui, reste réservé aux partenaires vérifiés du programme Glasswing, comme on l’a vu avec Mozilla.

Au-delà du temps perdu par Anthropic (environ trois semaines), le retour de Fable 5 ne s’est pas fait sous les cotillons. Ses performances, selon les cas d’utilisation, semblent en fort retrait. Pendant ce temps, l’utilisation des modèles chinois grimpe rapidement.

Kaboum !

Dans la plupart des résultats obtenus avant le retrait de Fable 5, de nombreux sites ont relevé les excellentes performances du modèle, notant souvent un saut générationnel significatif. Parmi les notes obtenues : 80,3 % sur SWE-Bench Pro (contre 69,2 % pour Opus 4.8), 64,5 % sur Humanity’s Last Exam avec outils (contre 57,9 % pour Opus 4.8 et 52,2 % pour GPT-5.5), et ainsi de suite pour tous les benchmarks majeurs (FrontierCode Diamond, OSWorld-Verified, GDPval-AA, Terminal-Bench 2.1), comme relevé notamment par Datacamp.

Pour Every, le résultat était encore plus tranché : Fable 5 était tout simplement « le meilleur modèle de programmation ». La société en tenait pour preuve le score de 91/100 obtenu sur leur propre benchmark « Senior Engineer », contre 63 pour Opus 4.8 et 62 pour GPT-5.5. Même son de cloche chez BenchLM.

C’est là que le tableau se complique singulièrement depuis le 1ᵉʳ juillet. Le retour de Fable 5 s’est accompagné d’un nouveau classificateur de cybersécurité, et selon des données publiées le 2 juillet par la plateforme de test BridgeMind, les scores de débogage TypeScript de Fable 5 se sont effondrés de 70 %, comme relevé par Tech Times.

Pourquoi une telle chute ? A priori, pas parce que le modèle en lui-même est devenu moins performant. La faute semble bien incomber au nouveau classificateur, qui redirige une part des requêtes liées à la programmation vers Opus 4.8, sans que les utilisateurs en soient toujours informés.

L'étincelle Spark n'a pas mis le feu

Une salle, deux ambiances. Lors d’un town hall qui s’est tenu ce jeudi, Mark Zuckerberg a déploré le retard pris par Meta dans le développement d’agents IA… tandis que le patron du labo IA interne, Alexandr Wang, a fait miroiter des gains substantiels pour les futurs modèles maison Spark.

Lors d’une réunion générale avec ses employés ce jeudi 2 juillet, la direction de Meta a fait le point sur ses efforts en matière d’IA. D’après les fuites, il y a eu deux sons de cloche. Mark Zuckerberg a ainsi admis que l’entreprise n’allait pas suffisamment vite en matière d’agents IA. « La trajectoire du développement agentique au cours des quatre derniers mois au moins ne s’est pas vraiment accélérée comme nous l’espérions », a-t-il déclaré.

Meta a pourtant mis le paquet pour aller vite, en transférant 7 000 salariés aux équipes chargées du développement de l’IA. Quitte à créer beaucoup d’incompréhension et de colère en interne. À cela s’est ajoutée une énième charrette de licenciements en début d’année (le groupe a supprimé environ 10 % de ses effectifs). Une restructuration lourde qui reposait sur l’idée que les outils d’IA allaient rapidement améliorer la productivité et l’efficacité au travail.

• Chez Meta, la bascule vers l’IA entraîne une « merdification » des conditions de travail

Si Meta a bougé aussi vite, c’est parce que les dirigeants craignaient de ne pas pouvoir s’adapter suffisamment rapidement face aux outils agentiques concurrents, comme Claude Code. Le fondateur de Facebook a reconnu que cette nouvelle organisation n’a pas porté les résultats attendus et qu’elle n’avait pas été aussi « propre » qu’elle aurait dû l’être.

Malgré tout, pas question de changer de cap : le groupe a annoncé un investissement colossal cette année, compris entre 125 et 145 milliards de dollars, pour financer ses infrastructures IA. Mark Zuckerberg espère que les bénéfices finiront par être tangibles dans les trois à six prochains mois.

La petite musique d’Alexandr Wang

Durant le même town hall, Alexandr Wang a joué une toute autre partition. Le transfuge de Scale AI, dans lequel Meta a investi 14 milliards de dollars, est à la tête du Meta Superintelligence Labs. Le labo compte dans ses rangs plusieurs des meilleurs spécialistes mondiaux de l’IA – des profils que Mark Zuckerberg a attiré dans ses filets en leur construisant des ponts d’or.

Wang a annoncé que le prochain modèle IA de Meta, nom de code « Watermelon », est actuellement en cours d’entraînement. « Watermelon mobilise une puissance de calcul très supérieure à celle d’Avocado », a-t-il ajouté. Avocado est le nom de code interne de Muse Spark, le premier nouveau modèle de l’entreprise après le fiasco de Llama.

Ce prochain modèle serait au niveau de GPT-5.5, a-t-il aussi affirmé (OpenAI en est à GPT-5.6, mais en accès limité). La confiance du jeune dirigeant est telle qu’il a fait monter la sauce autour de l’IA de Meta.

Sur les réseaux sociaux, il fait miroiter non seulement une API pour Muse Spark – l’interface n’existe actuellement que sous la forme d’un aperçu privé – mais aussi une mise à jour substantielle. Au menu : « D’importantes améliorations en matière de programmation et de capacités agentiques afin d’être plus compétitif face aux autres modèles de premier plan. » Il a aussi promis que les capacités de code de Muse seront « très bientôt » similaires à celles de Claude Code.

Loue puissance de calcul, pas cher

En attendant les lendemains qui chantent, Meta chercherait à rentabiliser une infrastructure IA de plus en plus imposante, et onéreuse. Selon une indiscrétion de Bloomberg, l’entreprise aurait l’intention de vendre ou de louer de la puissance de calcul et du cloud à d’autres. Une nouvelle activité qui positionnerait Meta en rival d’AWS, Google Cloud et Microsoft Azure.

Une des propositions de Meta serait de vendre un accès à différents modèles IA (dont Muse Spark) hébergés sur des serveurs de Meta, à l’image de ce que propose Bedrock d’AWS. Le groupe pourrait aussi commercialiser des capacités de calcul brutes. Cette nouvelle offre serait gérée par Meta Compute, une structure interne chargée de bâtir les infras IA de l’entreprise.

Dans ce secteur, Meta pourrait aussi se retrouver en concurrence directe face à SpaceX. Google et Anthropic louent ainsi les serveurs de Colossus, le datacenter construit dans le Tennessee par SpaceX pour les besoins initiaux de xAI.

Mark Zuckerberg avait expliqué en mai dernier à des investisseurs que cette activité était « définitivement » envisagée. « Presque chaque semaine, différentes entreprises extérieures viennent nous voir pour nous demander soit de mettre en place un service d’API, soit si nous avons de la puissance de calcul qu’elles pourraient nous acheter avec une prime par rapport au prix auquel nous l’avons acquise », a-t-il ajouté.

Il indiquait aussi que Meta avait pour le moment besoin de cette puissance de calcul pour ses propres besoins. « Si nous en arrivons à un point où nous estimons avoir surdimensionné nos capacités, cela reste une option à notre disposition ».

L'étincelle Spark n'a pas mis le feu

Une salle, deux ambiances. Lors d’un town hall qui s’est tenu ce jeudi, Mark Zuckerberg a déploré le retard pris par Meta dans le développement d’agents IA… tandis que le patron du labo IA interne, Alexandr Wang, a fait miroiter des gains substantiels pour les futurs modèles maison Spark.

Lors d’une réunion générale avec ses employés ce jeudi 2 juillet, la direction de Meta a fait le point sur ses efforts en matière d’IA. D’après les fuites, il y a eu deux sons de cloche. Mark Zuckerberg a ainsi admis que l’entreprise n’allait pas suffisamment vite en matière d’agents IA. « La trajectoire du développement agentique au cours des quatre derniers mois au moins ne s’est pas vraiment accélérée comme nous l’espérions », a-t-il déclaré.

Meta a pourtant mis le paquet pour aller vite, en transférant 7 000 salariés aux équipes chargées du développement de l’IA. Quitte à créer beaucoup d’incompréhension et de colère en interne. À cela s’est ajoutée une énième charrette de licenciements en début d’année (le groupe a supprimé environ 10 % de ses effectifs). Une restructuration lourde qui reposait sur l’idée que les outils d’IA allaient rapidement améliorer la productivité et l’efficacité au travail.

• Chez Meta, la bascule vers l’IA entraîne une « merdification » des conditions de travail

Si Meta a bougé aussi vite, c’est parce que les dirigeants craignaient de ne pas pouvoir s’adapter suffisamment rapidement face aux outils agentiques concurrents, comme Claude Code. Le fondateur de Facebook a reconnu que cette nouvelle organisation n’a pas porté les résultats attendus et qu’elle n’avait pas été aussi « propre » qu’elle aurait dû l’être.

Malgré tout, pas question de changer de cap : le groupe a annoncé un investissement colossal cette année, compris entre 125 et 145 milliards de dollars, pour financer ses infrastructures IA. Mark Zuckerberg espère que les bénéfices finiront par être tangibles dans les trois à six prochains mois.

La petite musique d’Alexandr Wang

Durant le même town hall, Alexandr Wang a joué une toute autre partition. Le transfuge de Scale AI, dans lequel Meta a investi 14 milliards de dollars, est à la tête du Meta Superintelligence Labs. Le labo compte dans ses rangs plusieurs des meilleurs spécialistes mondiaux de l’IA – des profils que Mark Zuckerberg a attiré dans ses filets en leur construisant des ponts d’or.

Wang a annoncé que le prochain modèle IA de Meta, nom de code « Watermelon », est actuellement en cours d’entraînement. « Watermelon mobilise une puissance de calcul très supérieure à celle d’Avocado », a-t-il ajouté. Avocado est le nom de code interne de Muse Spark, le premier nouveau modèle de l’entreprise après le fiasco de Llama.

Ce prochain modèle serait au niveau de GPT-5.5, a-t-il aussi affirmé (OpenAI en est à GPT-5.6, mais en accès limité). La confiance du jeune dirigeant est telle qu’il a fait monter la sauce autour de l’IA de Meta.

Sur les réseaux sociaux, il fait miroiter non seulement une API pour Muse Spark – l’interface n’existe actuellement que sous la forme d’un aperçu privé – mais aussi une mise à jour substantielle. Au menu : « D’importantes améliorations en matière de programmation et de capacités agentiques afin d’être plus compétitif face aux autres modèles de premier plan. » Il a aussi promis que les capacités de code de Muse seront « très bientôt » similaires à celles de Claude Code.

Loue puissance de calcul, pas cher

En attendant les lendemains qui chantent, Meta chercherait à rentabiliser une infrastructure IA de plus en plus imposante, et onéreuse. Selon une indiscrétion de Bloomberg, l’entreprise aurait l’intention de vendre ou de louer de la puissance de calcul et du cloud à d’autres. Une nouvelle activité qui positionnerait Meta en rival d’AWS, Google Cloud et Microsoft Azure.

Une des propositions de Meta serait de vendre un accès à différents modèles IA (dont Muse Spark) hébergés sur des serveurs de Meta, à l’image de ce que propose Bedrock d’AWS. Le groupe pourrait aussi commercialiser des capacités de calcul brutes. Cette nouvelle offre serait gérée par Meta Compute, une structure interne chargée de bâtir les infras IA de l’entreprise.

Dans ce secteur, Meta pourrait aussi se retrouver en concurrence directe face à SpaceX. Google et Anthropic louent ainsi les serveurs de Colossus, le datacenter construit dans le Tennessee par SpaceX pour les besoins initiaux de xAI.

Mark Zuckerberg avait expliqué en mai dernier à des investisseurs que cette activité était « définitivement » envisagée. « Presque chaque semaine, différentes entreprises extérieures viennent nous voir pour nous demander soit de mettre en place un service d’API, soit si nous avons de la puissance de calcul qu’elles pourraient nous acheter avec une prime par rapport au prix auquel nous l’avons acquise », a-t-il ajouté.

Il indiquait aussi que Meta avait pour le moment besoin de cette puissance de calcul pour ses propres besoins. « Si nous en arrivons à un point où nous estimons avoir surdimensionné nos capacités, cela reste une option à notre disposition ».

Is the UN into doomerism ?

Dans un rapport préliminaire, des scientifiques commissionnés par l’ONU estiment que la rapidité des progrès de l’IA pourrait empêcher les États de la gouverner correctement. L’institution appelle ses membres à lancer une coopération internationale sur le sujet.

Une semaine à peine après que le secrétaire général de l’Organisation des Nations Unies (ONU), António Guterres, a appelé l’industrie de l’IA à « dire la vérité » sur ses impacts environnementaux, l’institution en remet une couche. Dans un rapport préliminaire publié ce 1^er juillet, le Groupe scientifique international indépendant des Nations Unies sur l’intelligence artificielle alerte sur le fait que les « capacités de l’IA progressent désormais plus rapidement que la science et les gouvernements ne sont capables de les comprendre et de les encadrer ».

L’enjeu est d’autant plus important que « plus l’intelligence artificielle progresse sans règles communes, moins les gouvernements et les peuples auront leur mot à dire sur son devenir », a déclaré António Guterres. Le document évoque une rupture plus forte que l’arrivée de modèles génératifs comme ChatGPT dans les mondes économiques et numériques. Il alerte en particulier sur l’émergence d’« agents » capables, de manière relativement autonome, de naviguer en ligne, écrire du code, lancer des actions sur des logiciels, etc. Et souligne qu’« aucune garantie scientifique » ne permet d’en assurer le contrôle à long terme.

Un panel de scientifiques diversifié

Parmi les auteurs de ce document figurent des scientifiques connus de l’industrie de l’IA et reconnus pour leurs projets d’ « alignement » (Yoshua Bengio, lauréat du prix-Turing en 2018, Joëlle Barral, directrice de recherche chez Google DeepMind) ou leur implication en matière de défense de l’information (Maria Ressa, cofondatrice de Rappler et prix Nobel de la paix en 2021). Avec des spécialistes venus du Nigeria (Rita Orji), du Brésil (Teresa Ludermir), d’Inde (Balaraman Ravindran), du Pakistan (Bilal Mateen) ou d’Égypte (Mennetallah El-Assady), parmi d’autres nations, il constitue surtout un travail collectif riche d’une bien plus grande diversité que l’essentiel de la littérature sur les enjeux relatifs à l’IA. À l’échelle internationale, cette dernière est en effet largement dominée par des travaux venus des États-Unis, et dans une moindre mesure d’Europe et de Chine.

Collectivement, les auteurs du rapport saluent certains bénéfices apportés par l’intelligence artificielle, comprise comme « des systèmes qui perçoivent, apprennent et agissent », qui « infèrent à partir de données d’entrée comment générer des données de sortie », parmi lesquelles « des prédictions, du contenu, des recommandations, des actions ou des décisions, avec divers degrés d’autonomie et d’adaptabilité ». Parmi ces intérêts : des « applications utiles dans les sciences, la santé, l’agriculture, l’accessibilité, le travail de la connaissance et les technologies de l’information, y compris pour le développement de l’IA elle-même ». En exemple, ils citent le modèle de Google Deepmind AlphaFold, capable de prédire la structure des protéines à partir de leur séquence en acides aminés.

Le rapport précise par ailleurs qu’il se concentre sur les « modèles de fondation », compris comme des systèmes généralistes capables de réaliser une variété de tâches. Il souligne néanmoins que des systèmes spécialisés existent, et que ces derniers « fournissent des bénéfices mesurables lorsque la tâche est bien définie, les données disponibles et que les institutions peuvent le déployer volontairement ».

• IA : les « modèles de fondation » et leur index de transparence critiqués

Progrès inégaux et dangers évidents

Il souligne cela dit l’absence d’égalité dans l’évolution de ce type de technologies : trois quarts de la puissance des supercalculateurs d’IA les plus performants est disponible aux États-Unis, la Chine en compte 15 %, et le reste du monde se partage le solde. De même, ces deux pays concentrent l’essentiel des modèles les plus avancés. Nombre de pays en développement, en revanche, manquent des infrastructures leur permettant de participer à la construction des modèles ou de les auditer. Le risque, alertent les scientifiques : que le déploiement accéléré de l’IA n’aggrave les inégalités et dépendances préexistantes à l’échelle du globe.

Côté usages, les auteurs du rapport soulignent les enjeux soulevés par la multiplication de contenus pédopornographiques et de deepfakes à caractère sexuel, tous générés par IA. Ils constatent la facilité avec laquelle l’IA générative permet de fabriquer du faux, de manière crédible, et alertent sur les effets que cela a sur les débats publics, ou encore de son rôle pour faciliter divers types de cyberattaques. Ils soulignent, enfin, comment la « complaisance » des modèles grands public peut renforcer les convictions des internautes, y compris lorsque celles-ci sont dangereuses.

Étonnamment, le document n’évoque à aucun moment l’opposition croissante à l’intelligence artificielle (notamment générative), quelquefois incarnée plus localement par une opposition à ses infrastructures. Celle-ci est pourtant visible jusque dans le pays leader de l’industrie, que sont les États-Unis.

• Aux États-Unis, la multiplication de data centers suscite une opposition locale croissante

Il n’évoque pas, non plus, les travailleurs des données, certes souvent invisibilisés, dont le rôle est pourtant essentiel à la fabrication des systèmes d’IA évoqués. Parmi les pays qui, faute d’infrastructure, se retrouvent privés des capacités d’« adapter » les modèles « à leurs propres réalités », certains comme le Venezuela, le Kenya ou Madagascar, sont aussi les foyers de clusters d’entraîneurs de données dont le travail est nécessaire pour faire fonctionner les modèles évoqués.

• Le système de production de l’IA reproduit et amplifie les dépendances économiques historiques

En revanche, pour António Guterres, la publication de ce rapport préliminaire doit être perçue comme la première étape d’un travail collectif, dans lequel il enjoint les États membres à construire un cadre international de coopération sur l’IA. Mais même ce travail promet d’être complexe : le rapport explique en effet que « la plupart des pays, y compris de nombreuses économies avancées, manquent d’expertise technique qui leur permettrait d’évaluer les modèles "frontière" les plus efficaces ou de participer à leur gouvernance de manière significative ».

Is the UN into doomerism ?

Dans un rapport préliminaire, des scientifiques commissionnés par l’ONU estiment que la rapidité des progrès de l’IA pourrait empêcher les États de la gouverner correctement. L’institution appelle ses membres à lancer une coopération internationale sur le sujet.

Une semaine à peine après que le secrétaire général de l’Organisation des Nations Unies (ONU), António Guterres, a appelé l’industrie de l’IA à « dire la vérité » sur ses impacts environnementaux, l’institution en remet une couche. Dans un rapport préliminaire publié ce 1^er juillet, le Groupe scientifique international indépendant des Nations Unies sur l’intelligence artificielle alerte sur le fait que les « capacités de l’IA progressent désormais plus rapidement que la science et les gouvernements ne sont capables de les comprendre et de les encadrer ».

L’enjeu est d’autant plus important que « plus l’intelligence artificielle progresse sans règles communes, moins les gouvernements et les peuples auront leur mot à dire sur son devenir », a déclaré António Guterres. Le document évoque une rupture plus forte que l’arrivée de modèles génératifs comme ChatGPT dans les mondes économiques et numériques. Il alerte en particulier sur l’émergence d’« agents » capables, de manière relativement autonome, de naviguer en ligne, écrire du code, lancer des actions sur des logiciels, etc. Et souligne qu’« aucune garantie scientifique » ne permet d’en assurer le contrôle à long terme.

Un panel de scientifiques diversifié

Parmi les auteurs de ce document figurent des scientifiques connus de l’industrie de l’IA et reconnus pour leurs projets d’ « alignement » (Yoshua Bengio, lauréat du prix-Turing en 2018, Joëlle Barral, directrice de recherche chez Google DeepMind) ou leur implication en matière de défense de l’information (Maria Ressa, cofondatrice de Rappler et prix Nobel de la paix en 2021). Avec des spécialistes venus du Nigeria (Rita Orji), du Brésil (Teresa Ludermir), d’Inde (Balaraman Ravindran), du Pakistan (Bilal Mateen) ou d’Égypte (Mennetallah El-Assady), parmi d’autres nations, il constitue surtout un travail collectif riche d’une bien plus grande diversité que l’essentiel de la littérature sur les enjeux relatifs à l’IA. À l’échelle internationale, cette dernière est en effet largement dominée par des travaux venus des États-Unis, et dans une moindre mesure d’Europe et de Chine.

Collectivement, les auteurs du rapport saluent certains bénéfices apportés par l’intelligence artificielle, comprise comme « des systèmes qui perçoivent, apprennent et agissent », qui « infèrent à partir de données d’entrée comment générer des données de sortie », parmi lesquelles « des prédictions, du contenu, des recommandations, des actions ou des décisions, avec divers degrés d’autonomie et d’adaptabilité ». Parmi ces intérêts : des « applications utiles dans les sciences, la santé, l’agriculture, l’accessibilité, le travail de la connaissance et les technologies de l’information, y compris pour le développement de l’IA elle-même ». En exemple, ils citent le modèle de Google Deepmind AlphaFold, capable de prédire la structure des protéines à partir de leur séquence en acides aminés.

Le rapport précise par ailleurs qu’il se concentre sur les « modèles de fondation », compris comme des systèmes généralistes capables de réaliser une variété de tâches. Il souligne néanmoins que des systèmes spécialisés existent, et que ces derniers « fournissent des bénéfices mesurables lorsque la tâche est bien définie, les données disponibles et que les institutions peuvent le déployer volontairement ».

• IA : les « modèles de fondation » et leur index de transparence critiqués

Progrès inégaux et dangers évidents

Il souligne cela dit l’absence d’égalité dans l’évolution de ce type de technologies : trois quarts de la puissance des supercalculateurs d’IA les plus performants est disponible aux États-Unis, la Chine en compte 15 %, et le reste du monde se partage le solde. De même, ces deux pays concentrent l’essentiel des modèles les plus avancés. Nombre de pays en développement, en revanche, manquent des infrastructures leur permettant de participer à la construction des modèles ou de les auditer. Le risque, alertent les scientifiques : que le déploiement accéléré de l’IA n’aggrave les inégalités et dépendances préexistantes à l’échelle du globe.

Côté usages, les auteurs du rapport soulignent les enjeux soulevés par la multiplication de contenus pédopornographiques et de deepfakes à caractère sexuel, tous générés par IA. Ils constatent la facilité avec laquelle l’IA générative permet de fabriquer du faux, de manière crédible, et alertent sur les effets que cela a sur les débats publics, ou encore de son rôle pour faciliter divers types de cyberattaques. Ils soulignent, enfin, comment la « complaisance » des modèles grands public peut renforcer les convictions des internautes, y compris lorsque celles-ci sont dangereuses.

Étonnamment, le document n’évoque à aucun moment l’opposition croissante à l’intelligence artificielle (notamment générative), quelquefois incarnée plus localement par une opposition à ses infrastructures. Celle-ci est pourtant visible jusque dans le pays leader de l’industrie, que sont les États-Unis.

• Aux États-Unis, la multiplication de data centers suscite une opposition locale croissante

Il n’évoque pas, non plus, les travailleurs des données, certes souvent invisibilisés, dont le rôle est pourtant essentiel à la fabrication des systèmes d’IA évoqués. Parmi les pays qui, faute d’infrastructure, se retrouvent privés des capacités d’« adapter » les modèles « à leurs propres réalités », certains comme le Venezuela, le Kenya ou Madagascar, sont aussi les foyers de clusters d’entraîneurs de données dont le travail est nécessaire pour faire fonctionner les modèles évoqués.

• Le système de production de l’IA reproduit et amplifie les dépendances économiques historiques

En revanche, pour António Guterres, la publication de ce rapport préliminaire doit être perçue comme la première étape d’un travail collectif, dans lequel il enjoint les États membres à construire un cadre international de coopération sur l’IA. Mais même ce travail promet d’être complexe : le rapport explique en effet que « la plupart des pays, y compris de nombreuses économies avancées, manquent d’expertise technique qui leur permettrait d’évaluer les modèles "frontière" les plus efficaces ou de participer à leur gouvernance de manière significative ».

Apple offre à Safari un pont officiel MCP. Il permet aux développeurs de donner à leurs agents IA un accès au navigateur pour débogguer et tester la compatibilité d’un site, consulter la console et les requêtes réseau, etc. Une vraie lacune finalement comblée par le constructeur.

La dernière version 247 de Safari Technology Preview du navigateur d’Apple ouvre la voie aux agents IA, avec le support d’un serveur MCP (Model Context Protocol) permettant à Claude, Codex et aux autres outils compatibles d’accéder à Safari. L’agent est donc en mesure d’ouvrir une page web, d’en lire le contenu, d’inspecter le DOM (Document Object Model), voir les logs de la console, prendre une capture d’écran, cliquer, taper du texte, changer la taille de la fenêtre, etc.

Les développeurs n’auront plus à décrire à l’IA ce qui se passe dans Safari. Elle peut maintenant constater le problème elle-même. Ce sera utile pour analyser les performances d’un site web, repérer des problèmes d’accessibilité, tester la compatibilité d’un site avec Safari et le moteur de rendu WebKit, faire la chasse aux bugs, réaliser une capture d’écran…

Le support MCP « accélère le processus de débogage et permet de rester dans le confort du terminal, avec moins d’allers-retours entre les fenêtres et moins de prompts à rédiger pour corriger le code », écrit Apple. Le constructeur fournit le mode d’emploi – des lignes de commande Terminal – pour brancher Safari MCP aux agents. « Il ne devrait pas être nécessaire de demander [à l’agent] d’utiliser explicitement le serveur MCP de Safari : il devrait s’en charger tout seul », précise-t-il.

Une fois Safari MCP installé, il sera possible de demander à son agent préféré : « Analyse les performances de mon site dans Safari » ou encore « Trouve des bugs sur mon site dans Safari ». Apple conclut : « Il existe de nombreuses façons de développer pour le web, avec ou sans IA. Si l’IA fait partie de votre flux de travail, nous pensons que cet outil contribuera à le rendre encore plus productif. Et si ce n’est pas le cas, ce n’est pas grave non plus. »

Avec Safari MCP, Apple prend à bras le corps la problématique de l’accès des agents IA à son navigateur web. Il existe des outils similaires pour Chrome (Chrome DevTools MCP de Google), qui fonctionnent aussi avec les butineurs Chromium comme Edge. Mozilla planche de son côté sur des DevTools MCP pour Firefox.

• Firefox 148 introduit le kill switch IA promis par Mozilla

Apple offre à Safari un pont officiel MCP. Il permet aux développeurs de donner à leurs agents IA un accès au navigateur pour débogguer et tester la compatibilité d’un site, consulter la console et les requêtes réseau, etc. Une vraie lacune finalement comblée par le constructeur.

La dernière version 247 de Safari Technology Preview du navigateur d’Apple ouvre la voie aux agents IA, avec le support d’un serveur MCP (Model Context Protocol) permettant à Claude, Codex et aux autres outils compatibles d’accéder à Safari. L’agent est donc en mesure d’ouvrir une page web, d’en lire le contenu, d’inspecter le DOM (Document Object Model), voir les logs de la console, prendre une capture d’écran, cliquer, taper du texte, changer la taille de la fenêtre, etc.

Les développeurs n’auront plus à décrire à l’IA ce qui se passe dans Safari. Elle peut maintenant constater le problème elle-même. Ce sera utile pour analyser les performances d’un site web, repérer des problèmes d’accessibilité, tester la compatibilité d’un site avec Safari et le moteur de rendu WebKit, faire la chasse aux bugs, réaliser une capture d’écran…

Le support MCP « accélère le processus de débogage et permet de rester dans le confort du terminal, avec moins d’allers-retours entre les fenêtres et moins de prompts à rédiger pour corriger le code », écrit Apple. Le constructeur fournit le mode d’emploi – des lignes de commande Terminal – pour brancher Safari MCP aux agents. « Il ne devrait pas être nécessaire de demander [à l’agent] d’utiliser explicitement le serveur MCP de Safari : il devrait s’en charger tout seul », précise-t-il.

Une fois Safari MCP installé, il sera possible de demander à son agent préféré : « Analyse les performances de mon site dans Safari » ou encore « Trouve des bugs sur mon site dans Safari ». Apple conclut : « Il existe de nombreuses façons de développer pour le web, avec ou sans IA. Si l’IA fait partie de votre flux de travail, nous pensons que cet outil contribuera à le rendre encore plus productif. Et si ce n’est pas le cas, ce n’est pas grave non plus. »

Avec Safari MCP, Apple prend à bras le corps la problématique de l’accès des agents IA à son navigateur web. Il existe des outils similaires pour Chrome (Chrome DevTools MCP de Google), qui fonctionnent aussi avec les butineurs Chromium comme Edge. Mozilla planche de son côté sur des DevTools MCP pour Firefox.

• Firefox 148 introduit le kill switch IA promis par Mozilla

Du code, pas d'IA

Comme d’autres projets open source, Godot est noyé par l’arrivée massive de code généré par IA dans les contributions. Le moteur de jeu vidéo a décidé de prendre le taureau par les cornes : interdiction des agents IA autonomes et du vibe coding, durcissement généralisé des règles.

Godot, fameux moteur de jeu open source utilisé surtout par les indépendants et les petits studios, croule sous les pull requests (PR) générées par IA. En règle générale, un volume de contributions en forte hausse est bon signe : cela indique que le projet intéresse de plus en plus d’utilisateurs, et qu’ils sont de plus en plus nombreux à vouloir participer au développement du moteur.

Noyade sous les PR

Sauf que comme pour bien d’autres projets open source, Godot souffre d’un manque de mainteneurs et que l’explosion des contributions générées par IA – qu’elles proviennent d’agents IA ou d’humains soumettant du code produit par IA – représente un goulot d’étranglement. « L’effort nécessaire pour créer une pull request a diminué (et le nombre de PR a augmenté en conséquence) », explique la fondation Godot.

Mais dans le même temps, la quantité de travail nécessaire pour examiner ces PR, et le nombre de personnes disponibles pour ce traitement, n’ont pas changé. « Cette pénurie de relecteurs était déjà un problème, mais nous étions parvenus à l’ignorer. Ce n’est plus possible. »

Ces contributions IA ont un effet démoralisant pour les troupes de Godot : relire des pull requests est certes une tâche fastidieuse, mais elle est aussi gratifiante car « les relecteurs ont généralement le sentiment que leurs efforts servent à former un nouveau contributeur ». Un contributeur qui pourra, peut-être un jour, devenir à son tour relecteur et mainteneur du code. Mais voilà : ça ne sert à rien de perdre du temps à former une IA.

C’est pourquoi plusieurs mesures vont être mises en œuvre dans les règles de contribution. Il faudra s’assurer que tout le code est écrit par des humains, qui prennent la responsabilité de leur code et sont capables de le corriger au besoin. « L’IA ne peut pas assumer de responsabilité, et nous ne pouvons pas faire confiance aux utilisateurs intensifs de l’IA pour comprendre suffisamment leur code pour le corriger. »

• GenAI : Daniel Stenberg (cURL) en a ras le bol des rapports de vulnérabilité bidons

Principe élémentaire de respect

La fondation entend aussi ajouter des obstacles aux contributions « bâclées et sans effort », quitte à rendre plus difficile le processus de PR. La politique de Godot va également proscrire les agents IA autonomes et le vibe coding – des usages qui entraînent d’ores et déjà un bannissement automatique du dépôt GitHub.

Tout le code du projet doit être écrit par des humains, ce qui ne veut pas dire l’interdiction complète de l’IA. Seulement, elle devra se limiter à des tâches annexes : autocomplétion de code, regex ou recherche-remplacement. « Si vous utilisez l’IA d’une manière ou d’une autre pour écrire du code, vous devez le signaler dans la discussion de la pull request. » Enfin, les discussions avec les mainteneurs devront se faire entre humains. Les mainteneurs « ne veulent pas parler à une machine, c’est un principe élémentaire de respect. »

En février, Rémi Verschelde, l’un des principaux mainteneurs du dépôt GitHub de Godot, tirait la sonnette d’alarme. « On finit par remettre en question chaque pull request soumis par de nouveaux contributeurs, plusieurs fois par jour. La description de la PR ressemble à une logorrhée typique de LLM, mais le code a-t-il été écrit au moins en partie par un humain ? L’ « auteur » comprend-t-il le code qu’il envoie ? L’a-t-il testé ? »

À l’époque, il soulevait d’intéressantes objections aux restrictions. Il s’interrogeait en effet sur la réponse à donner à un auteur de pull request ayant utilisé l’IA pour discuter avec le mainteneur : « que faire […] s’ils répondent tous : “oui, je l’ai utilisée pour rédiger la description de la PR parce que je ne suis pas bon en anglais” ? » Et si le code est faux, est-ce parce qu’il a été généré par une IA, « ou s’agit-il d’une erreur honnête de la part d’un contributeur humain inexpérimenté ? ». Mais visiblement, trop c’est trop.

• Avec l’Unreal Engine 6, Epic veut connecter tous les jeux

Du code, pas d'IA

Comme d’autres projets open source, Godot est noyé par l’arrivée massive de code généré par IA dans les contributions. Le moteur de jeu vidéo a décidé de prendre le taureau par les cornes : interdiction des agents IA autonomes et du vibe coding, durcissement généralisé des règles.

Godot, fameux moteur de jeu open source utilisé surtout par les indépendants et les petits studios, croule sous les pull requests (PR) générées par IA. En règle générale, un volume de contributions en forte hausse est bon signe : cela indique que le projet intéresse de plus en plus d’utilisateurs, et qu’ils sont de plus en plus nombreux à vouloir participer au développement du moteur.

Noyade sous les PR

Sauf que comme pour bien d’autres projets open source, Godot souffre d’un manque de mainteneurs et que l’explosion des contributions générées par IA – qu’elles proviennent d’agents IA ou d’humains soumettant du code produit par IA – représente un goulot d’étranglement. « L’effort nécessaire pour créer une pull request a diminué (et le nombre de PR a augmenté en conséquence) », explique la fondation Godot.

Mais dans le même temps, la quantité de travail nécessaire pour examiner ces PR, et le nombre de personnes disponibles pour ce traitement, n’ont pas changé. « Cette pénurie de relecteurs était déjà un problème, mais nous étions parvenus à l’ignorer. Ce n’est plus possible. »

Ces contributions IA ont un effet démoralisant pour les troupes de Godot : relire des pull requests est certes une tâche fastidieuse, mais elle est aussi gratifiante car « les relecteurs ont généralement le sentiment que leurs efforts servent à former un nouveau contributeur ». Un contributeur qui pourra, peut-être un jour, devenir à son tour relecteur et mainteneur du code. Mais voilà : ça ne sert à rien de perdre du temps à former une IA.

C’est pourquoi plusieurs mesures vont être mises en œuvre dans les règles de contribution. Il faudra s’assurer que tout le code est écrit par des humains, qui prennent la responsabilité de leur code et sont capables de le corriger au besoin. « L’IA ne peut pas assumer de responsabilité, et nous ne pouvons pas faire confiance aux utilisateurs intensifs de l’IA pour comprendre suffisamment leur code pour le corriger. »

• GenAI : Daniel Stenberg (cURL) en a ras le bol des rapports de vulnérabilité bidons

Principe élémentaire de respect

La fondation entend aussi ajouter des obstacles aux contributions « bâclées et sans effort », quitte à rendre plus difficile le processus de PR. La politique de Godot va également proscrire les agents IA autonomes et le vibe coding – des usages qui entraînent d’ores et déjà un bannissement automatique du dépôt GitHub.

Tout le code du projet doit être écrit par des humains, ce qui ne veut pas dire l’interdiction complète de l’IA. Seulement, elle devra se limiter à des tâches annexes : autocomplétion de code, regex ou recherche-remplacement. « Si vous utilisez l’IA d’une manière ou d’une autre pour écrire du code, vous devez le signaler dans la discussion de la pull request. » Enfin, les discussions avec les mainteneurs devront se faire entre humains. Les mainteneurs « ne veulent pas parler à une machine, c’est un principe élémentaire de respect. »

En février, Rémi Verschelde, l’un des principaux mainteneurs du dépôt GitHub de Godot, tirait la sonnette d’alarme. « On finit par remettre en question chaque pull request soumis par de nouveaux contributeurs, plusieurs fois par jour. La description de la PR ressemble à une logorrhée typique de LLM, mais le code a-t-il été écrit au moins en partie par un humain ? L’ « auteur » comprend-t-il le code qu’il envoie ? L’a-t-il testé ? »

À l’époque, il soulevait d’intéressantes objections aux restrictions. Il s’interrogeait en effet sur la réponse à donner à un auteur de pull request ayant utilisé l’IA pour discuter avec le mainteneur : « que faire […] s’ils répondent tous : “oui, je l’ai utilisée pour rédiger la description de la PR parce que je ne suis pas bon en anglais” ? » Et si le code est faux, est-ce parce qu’il a été généré par une IA, « ou s’agit-il d’une erreur honnête de la part d’un contributeur humain inexpérimenté ? ». Mais visiblement, trop c’est trop.

• Avec l’Unreal Engine 6, Epic veut connecter tous les jeux

Capitammunist

OpenAI aurait proposé à l’administration Trump d’entrer à son capital, avec une prise de participation publique à hauteur de 5 %. La manœuvre est présentée comme une façon de permettre une forme de redistribution de la valeur générée par l’IA vers le public américain. Difficile toutefois de ne pas y voir, aussi, une forme de précaution face aux possibles évolutions du cadre réglementaire, voire un garde-fou face au risque d’explosion de la bulle IA…

À contre-courant des processus habituels de nationalisation, la proposition aurait cette fois émané directement d’OpenAI. D’après le Financial Times, l’éditeur des modèles ChatGPT aurait proposé à l’administration Trump d’entrer à son capital à hauteur de 5 %. La prise de participation représenterait ainsi quelque 43 milliards de dollars, si l’on se base sur la valorisation de l’entreprise estimée à 852 milliards de dollars lors de son dernier tour de table, début avril.

Capital contre influence ?

D’après deux sources proches du dossier mentionnées par le FT, Sam Altman aurait lui même porté ce message auprès de Washington, en arguant qu’une prise de participation publique était le meilleur moyen de garantir une forme de redistribution de la valeur générée par l’IA en direction des contribuables états-uniens.

L’administration Trump a déjà manifesté des velléités d’investissement direct dans les grandes entreprises de la tech. En 2025, elle est ainsi entrée au capital d’Intel à hauteur de 10 %, une opération dont ne manque d’ailleurs pas de s’enorgueillir Donald Trump puisque le cours en bourse de l’entreprise est depuis largement reparti à la hausse.

Du côté d’OpenAI, difficile de ne pas imaginer qu’une telle proposition recouvre des enjeux autres que le simple partage de la valeur. Une participation financière au capital serait une façon de consolider les relations entre l’entreprise et l’administration. Un entregent particulièrement utile lorsqu’on sait que les États-Unis réfléchissent à encadrer le développement et la distribution des modèles d’IA de pointe, après des mois de polémique liées aux capacités offensives de ces derniers en matière de cybersécurité, sur fond de concurrence accrue avec la Chine.

Donald Trump a en effet signé le 2 juin dernier un executive order qui ordonne aux grandes agences fédérales, dont la NSA, de construire un « processus d’évaluation comparative classifié visant à évaluer les capacités cyber avancées des modèles d’IA ». Selon le Financial Times, le cadre en question pourrait être annoncé dès la semaine prochaine, et il pourrait fortement contraindre la façon dont les laboratoires IA sont autorisés à distribuer leurs modèles les plus avancés.

Rassurer les investisseurs

L’appel du pied d’OpenAI à la Maison-Blanche peut également être interprété comme une recherche de garanties sur le plan financier, alors que la course aux investissements dans l’IA ne cesse de raviver les craintes d’une possible bulle. Disposer de l’État à son capital confèrerait en effet à OpenAI une forme de statut « too big to fail » (trop gros pour faire faillite), c’est-à-dire d’entreprise dont le poids et le caractère systémique sont devenus trop importants pour que l’administration puisse la laisser tomber, même en cas de retournement de marché.

L’argument n’est pas anodin pour OpenAI, qui a déposé début juin le premier formulaire préparatoire à son introduction en bourse mais hésite encore, d’après les rumeurs, sur le calendrier exact de l’opération, notamment parce que le grand concurrent Anthropic affiche une croissance supérieure à la sienne, et lorgne lui aussi vers Wall Street.

Les partenaires d’OpenAI lui réclament peut-être par ailleurs ce genre de garanties. Oracle, très impliqué dans le projet Stargate, a admis dans son dernier bilan financier annuel que son engagement dans l’IA était désormais tellement massif qu’il semblait difficile de faire marche arrière. Alors qu’il s’était envolé en bourse, le groupe de Larry Ellison suscite désormais la défiance des marchés. Il a ainsi perdu 40 % de sa valeur en seulement un mois avec une action passé de 250 à 142 dollars, alors même qu’il vient de procéder à une vague de 21 000 licenciements en seulement un an.

Softbank, bras armé historique d’OpenAI sur le plan financier, semble lui aussi avoir besoin de gages de confiance. Reuters a ainsi révélé mercredi que le groupe japonais devait renégocier les modalités d’un prêt de 10 milliards de dollars destiné à financer ses investissements dans OpenAI, précisément parce que les créanciers émettaient des doutes sur la valorisation réelle de l’entreprise.

Une idée qui fait son chemin

Sam Altman a déjà publiquement défendu l’hypothèse d’une prise de participation publique dans OpenAI au nom du bien commun en avril dernier, dans un manifeste (PDF) qui développe l’idée d’une prospérité partagée et heureuse rendue possible grâce aux apports de l’intelligence artificielle. Bien que les bénéfices réels de cette dernière pour l’économie états-unienne soient régulièrement remis en question, y compris par des banques qui financent le développement de l’IA, l’idée revient régulièrement depuis dans le débat public. Elle a notamment été relancée par le sénateur démocrate Bernie Sanders début juin, lequel propose que les États-Unis créent un fonds souverain destiné à accueillir 50 % des actions des sociétés liées à l’IA.

• Le fonds IA de Bernie Sanders ? Une idée plus courante qu’on le croit

Capitammunist

OpenAI aurait proposé à l’administration Trump d’entrer à son capital, avec une prise de participation publique à hauteur de 5 %. La manœuvre est présentée comme une façon de permettre une forme de redistribution de la valeur générée par l’IA vers le public américain. Difficile toutefois de ne pas y voir, aussi, une forme de précaution face aux possibles évolutions du cadre réglementaire, voire un garde-fou face au risque d’explosion de la bulle IA…

À contre-courant des processus habituels de nationalisation, la proposition aurait cette fois émané directement d’OpenAI. D’après le Financial Times, l’éditeur des modèles ChatGPT aurait proposé à l’administration Trump d’entrer à son capital à hauteur de 5 %. La prise de participation représenterait ainsi quelque 43 milliards de dollars, si l’on se base sur la valorisation de l’entreprise estimée à 852 milliards de dollars lors de son dernier tour de table, début avril.

Capital contre influence ?

D’après deux sources proches du dossier mentionnées par le FT, Sam Altman aurait lui même porté ce message auprès de Washington, en arguant qu’une prise de participation publique était le meilleur moyen de garantir une forme de redistribution de la valeur générée par l’IA en direction des contribuables états-uniens.

L’administration Trump a déjà manifesté des velléités d’investissement direct dans les grandes entreprises de la tech. En 2025, elle est ainsi entrée au capital d’Intel à hauteur de 10 %, une opération dont ne manque d’ailleurs pas de s’enorgueillir Donald Trump puisque le cours en bourse de l’entreprise est depuis largement reparti à la hausse.

Du côté d’OpenAI, difficile de ne pas imaginer qu’une telle proposition recouvre des enjeux autres que le simple partage de la valeur. Une participation financière au capital serait une façon de consolider les relations entre l’entreprise et l’administration. Un entregent particulièrement utile lorsqu’on sait que les États-Unis réfléchissent à encadrer le développement et la distribution des modèles d’IA de pointe, après des mois de polémique liées aux capacités offensives de ces derniers en matière de cybersécurité, sur fond de concurrence accrue avec la Chine.

Donald Trump a en effet signé le 2 juin dernier un executive order qui ordonne aux grandes agences fédérales, dont la NSA, de construire un « processus d’évaluation comparative classifié visant à évaluer les capacités cyber avancées des modèles d’IA ». Selon le Financial Times, le cadre en question pourrait être annoncé dès la semaine prochaine, et il pourrait fortement contraindre la façon dont les laboratoires IA sont autorisés à distribuer leurs modèles les plus avancés.

Rassurer les investisseurs

L’appel du pied d’OpenAI à la Maison-Blanche peut également être interprété comme une recherche de garanties sur le plan financier, alors que la course aux investissements dans l’IA ne cesse de raviver les craintes d’une possible bulle. Disposer de l’État à son capital confèrerait en effet à OpenAI une forme de statut « too big to fail » (trop gros pour faire faillite), c’est-à-dire d’entreprise dont le poids et le caractère systémique sont devenus trop importants pour que l’administration puisse la laisser tomber, même en cas de retournement de marché.

L’argument n’est pas anodin pour OpenAI, qui a déposé début juin le premier formulaire préparatoire à son introduction en bourse mais hésite encore, d’après les rumeurs, sur le calendrier exact de l’opération, notamment parce que le grand concurrent Anthropic affiche une croissance supérieure à la sienne, et lorgne lui aussi vers Wall Street.

Les partenaires d’OpenAI lui réclament peut-être par ailleurs ce genre de garanties. Oracle, très impliqué dans le projet Stargate, a admis dans son dernier bilan financier annuel que son engagement dans l’IA était désormais tellement massif qu’il semblait difficile de faire marche arrière. Alors qu’il s’était envolé en bourse, le groupe de Larry Ellison suscite désormais la défiance des marchés. Il a ainsi perdu 40 % de sa valeur en seulement un mois avec une action passé de 250 à 142 dollars, alors même qu’il vient de procéder à une vague de 21 000 licenciements en seulement un an.

Softbank, bras armé historique d’OpenAI sur le plan financier, semble lui aussi avoir besoin de gages de confiance. Reuters a ainsi révélé mercredi que le groupe japonais devait renégocier les modalités d’un prêt de 10 milliards de dollars destiné à financer ses investissements dans OpenAI, précisément parce que les créanciers émettaient des doutes sur la valorisation réelle de l’entreprise.

Une idée qui fait son chemin

Sam Altman a déjà publiquement défendu l’hypothèse d’une prise de participation publique dans OpenAI au nom du bien commun en avril dernier, dans un manifeste (PDF) qui développe l’idée d’une prospérité partagée et heureuse rendue possible grâce aux apports de l’intelligence artificielle. Bien que les bénéfices réels de cette dernière pour l’économie états-unienne soient régulièrement remis en question, y compris par des banques qui financent le développement de l’IA, l’idée revient régulièrement depuis dans le débat public. Elle a notamment été relancée par le sénateur démocrate Bernie Sanders début juin, lequel propose que les États-Unis créent un fonds souverain destiné à accueillir 50 % des actions des sociétés liées à l’IA.

• Le fonds IA de Bernie Sanders ? Une idée plus courante qu’on le croit

Avec de vrais morceaux de Chine dedans

L’éditeur suisse passe la seconde avec la nouvelle version majeure de son LLM et de l’assistant qui l’accompagne. Lumo 2.0 marque surtout un gros rattrapage sur les produits existants, avec des fonctions comme la mémoire et la recherche sur le web.

Proton a lancé la première version de son assistant IA en juillet 2025, avec la promesse d’une confidentialité totale basée sur le chiffrement de bout en bout, zéro accès, et l’absence de logs. Selon l’entreprise, son assistant est utilisé par dix millions de personnes aujourd’hui.

Pour fêter son premier anniversaire, Proton lance la version 2.0. L’éditeur affirme que cette mouture est le changement le plus important sur l’assistant depuis sa création, avec une nouvelle architecture.

L’assistant peut être utilisé selon quatre modes :

• Lumo 2.0 Lite : gère les questions générales, l’aide à la rédaction, le résumé et les autres tâches courantes
• Lumo 2.0 Max : offre un raisonnement plus poussé, une compréhension contextuelle plus large et des réponses plus précises, pour les tâches complexes
• Mode Fast : conçu pour les requêtes simples, les recherches rapides et les tâches bénéficiant de réponses immédiates
• Mode Thinking : réponses plus détaillées pour les problèmes nécessitant une analyse multi-étapes plus profonde, avec le classique raisonnement visible en temps réel

Nombreuses nouvelles fonctions

Lumo 2.0 apparait comme une vaste mise à jour visant à rattraper le retard sur les modèles existants. Le nouveau modèle prend ainsi en charge la multimodalité, capable de traiter du texte et des images. On peut envoyer une image à analyser, créer des visuels à partir d’un prompt ou d’une esquisse, éditer des images existantes, le tout dans la même conversation. Proton assure que toutes les données envoyées bénéficient de la garantie zéro accès.

L’un des plus gros changements de Lumo 2.0 est la possibilité de chercher – enfin – des informations sur le web pour répondre à des questions, avec citation des sources. L’assistant reçoit également une mémoire persistante, qui lui permet d’apprendre les préférences et le style, pour que chaque conversation démarre avec plus de contexte. Comme dans les autres fonctions du même acabit, l’utilisateur décide de ce qui est retenu ou oublié.

Puisque l’on parle de contexte, Proton indique dans son billet d’annonce que la fenêtre a doublé avec Lumo 2.0, permettant des conversations plus longues et cohérentes ainsi qu’un raisonnement sur des documents et jeux de données plus volumineux. L’entreprise ne donne malheureusement aucun chiffre.

Les Projects deviennent des espaces de travail chiffrés dédiés regroupant conversations, fichiers et instructions. S’y ajoutent les Custom Lumos, décrits comme des assistants sur mesure adaptés à des tâches spécifiques, comparables aux « Gems » de Gemini.

Performances : les gros chiffres

Proton communique des gains de performance mesurés sur l’Artificial Analysis Intelligence Index, un benchmark indépendant agrégeant neuf évaluations dont GDPval-AA v2, Terminal-Bench v2.1, Humanity’s Last Exam et GPQA Diamond. Les résultats annoncés : Lumo 2.0 Lite obtient un score supérieur de 127 % à Lumo 1.4, et Lumo 2.0 Max de 240 %. Sur les mêmes résultats, on peut voir que Lumo 2.0 Max obtient 51 points, à mi-chemin entre les 44 points de Claude Sonnet 4.6 et les 55 points de GPT 5.5 (56 pour Claude Opus 4.8).

Sur la latence, Proton annonce que les requêtes courantes sont traitées jusqu’à 76 % plus rapidement que sous Lumo 1.4. Andy Yen, PDG de Proton, affirme (via 9to5Mac) que les tests utilisateurs montrent que l’écart s’est réduit au point que, pour de nombreux cas d’usage, les utilisateurs ne perçoivent plus de différence qualitative entre Lumo 2.0 Max et les derniers modèles d’OpenAI et d’Anthropic. Il s’agit toutefois d’une déclaration du fabricant, non d’un benchmark tiers indépendant.

Le court test publié par It’s FOSS relativise ce discours marketing : sur une tâche d’édition d’image (correction d’une faute de frappe dans une bannière), Lumo 2.0 Max en mode Thinking n’a pas détecté l’erreur, puis a fini par abandonner après plusieurs tentatives.

Confidentialité, disponibilité et prix

Comme on pouvait s’y attendre, Proton met largement l’accent sur la confidentialité. L’éditeur suisse s’est spécialisé depuis longtemps dans les services chiffrés de bout en bout. Il pointe le contraste avec les fournisseurs dominants et affirme que Lumo repose sur cinq principes : aucun log, chiffrement zéro accès (en transit et au repos), aucun partage de données, aucune utilisation des conversations pour l’entraînement, et modèles de langage open source.

Quels modèles ? Dans une page du support, Proton le précise : Qwen 3.5, GLM 5.2, Image-Turbo et FireRed-Image-Edit-1.1. Dans cette configuration, Qwen est très probablement utilisé pour la version Light et GLM pour Max. Pour rappel, le modèle chinois GLM 5.2 fait sensation depuis sa sortie, pour ses performances autant que ses poids ouverts. Proton prend bien soin d’ajouter que tous les modèles fonctionnent exclusivement sur ses serveurs et que les données ne sont jamais envoyées chez un tiers.

L’infrastructure reste entièrement européenne, protégée par le droit suisse sur la confidentialité et le chiffrement zéro accès, « ce qui signifie que l’accès à Lumo ne peut pas être soumis aux décrets exécutifs américains et que les données des utilisateurs ne sont pas soumises aux demandes de collecte américaine ».

Lumo 2.0 est déjà disponible avec l’ensemble de ses fonctions. La formule Free permet d’utiliser la version Lite pour les fonctions de base, pour un « usage privé quotidien ». Il faut la formule Plus, vendue 12,99 euros par mois, pour avoir la version max du modèle avec discussions illimitées, Projects, génération d’images et accès au modèle Max.

Des formules Professional (14,99 euros par utilisateur et par mois) et Business (24,99 euros par utilisateur et par mois) sont disponibles pour les entreprises, la seconde apportant une administration centralisée et des garanties de conformité pour les organisations.

Enfin, sur Reddit, on note des signalements de fonctions absentes et que des utilisateurs aimeraient avoir, notamment l’API correspondante, le support MCP et un Lumo CLI.

Avec de vrais morceaux de Chine dedans

L’éditeur suisse passe la seconde avec la nouvelle version majeure de son LLM et de l’assistant qui l’accompagne. Lumo 2.0 marque surtout un gros rattrapage sur les produits existants, avec des fonctions comme la mémoire et la recherche sur le web.

Proton a lancé la première version de son assistant IA en juillet 2025, avec la promesse d’une confidentialité totale basée sur le chiffrement de bout en bout, zéro accès, et l’absence de logs. Selon l’entreprise, son assistant est utilisé par dix millions de personnes aujourd’hui.

Pour fêter son premier anniversaire, Proton lance la version 2.0. L’éditeur affirme que cette mouture est le changement le plus important sur l’assistant depuis sa création, avec une nouvelle architecture.

L’assistant peut être utilisé selon quatre modes :

• Lumo 2.0 Lite : gère les questions générales, l’aide à la rédaction, le résumé et les autres tâches courantes
• Lumo 2.0 Max : offre un raisonnement plus poussé, une compréhension contextuelle plus large et des réponses plus précises, pour les tâches complexes
• Mode Fast : conçu pour les requêtes simples, les recherches rapides et les tâches bénéficiant de réponses immédiates
• Mode Thinking : réponses plus détaillées pour les problèmes nécessitant une analyse multi-étapes plus profonde, avec le classique raisonnement visible en temps réel

Nombreuses nouvelles fonctions

Lumo 2.0 apparait comme une vaste mise à jour visant à rattraper le retard sur les modèles existants. Le nouveau modèle prend ainsi en charge la multimodalité, capable de traiter du texte et des images. On peut envoyer une image à analyser, créer des visuels à partir d’un prompt ou d’une esquisse, éditer des images existantes, le tout dans la même conversation. Proton assure que toutes les données envoyées bénéficient de la garantie zéro accès.

L’un des plus gros changements de Lumo 2.0 est la possibilité de chercher – enfin – des informations sur le web pour répondre à des questions, avec citation des sources. L’assistant reçoit également une mémoire persistante, qui lui permet d’apprendre les préférences et le style, pour que chaque conversation démarre avec plus de contexte. Comme dans les autres fonctions du même acabit, l’utilisateur décide de ce qui est retenu ou oublié.

Puisque l’on parle de contexte, Proton indique dans son billet d’annonce que la fenêtre a doublé avec Lumo 2.0, permettant des conversations plus longues et cohérentes ainsi qu’un raisonnement sur des documents et jeux de données plus volumineux. L’entreprise ne donne malheureusement aucun chiffre.

Les Projects deviennent des espaces de travail chiffrés dédiés regroupant conversations, fichiers et instructions. S’y ajoutent les Custom Lumos, décrits comme des assistants sur mesure adaptés à des tâches spécifiques, comparables aux « Gems » de Gemini.

Performances : les gros chiffres

Proton communique des gains de performance mesurés sur l’Artificial Analysis Intelligence Index, un benchmark indépendant agrégeant neuf évaluations dont GDPval-AA v2, Terminal-Bench v2.1, Humanity’s Last Exam et GPQA Diamond. Les résultats annoncés : Lumo 2.0 Lite obtient un score supérieur de 127 % à Lumo 1.4, et Lumo 2.0 Max de 240 %. Sur les mêmes résultats, on peut voir que Lumo 2.0 Max obtient 51 points, à mi-chemin entre les 44 points de Claude Sonnet 4.6 et les 55 points de GPT 5.5 (56 pour Claude Opus 4.8).

Sur la latence, Proton annonce que les requêtes courantes sont traitées jusqu’à 76 % plus rapidement que sous Lumo 1.4. Andy Yen, PDG de Proton, affirme (via 9to5Mac) que les tests utilisateurs montrent que l’écart s’est réduit au point que, pour de nombreux cas d’usage, les utilisateurs ne perçoivent plus de différence qualitative entre Lumo 2.0 Max et les derniers modèles d’OpenAI et d’Anthropic. Il s’agit toutefois d’une déclaration du fabricant, non d’un benchmark tiers indépendant.

Le court test publié par It’s FOSS relativise ce discours marketing : sur une tâche d’édition d’image (correction d’une faute de frappe dans une bannière), Lumo 2.0 Max en mode Thinking n’a pas détecté l’erreur, puis a fini par abandonner après plusieurs tentatives.

Confidentialité, disponibilité et prix

Comme on pouvait s’y attendre, Proton met largement l’accent sur la confidentialité. L’éditeur suisse s’est spécialisé depuis longtemps dans les services chiffrés de bout en bout. Il pointe le contraste avec les fournisseurs dominants et affirme que Lumo repose sur cinq principes : aucun log, chiffrement zéro accès (en transit et au repos), aucun partage de données, aucune utilisation des conversations pour l’entraînement, et modèles de langage open source.

Quels modèles ? Dans une page du support, Proton le précise : Qwen 3.5, GLM 5.2, Image-Turbo et FireRed-Image-Edit-1.1. Dans cette configuration, Qwen est très probablement utilisé pour la version Light et GLM pour Max. Pour rappel, le modèle chinois GLM 5.2 fait sensation depuis sa sortie, pour ses performances autant que ses poids ouverts. Proton prend bien soin d’ajouter que tous les modèles fonctionnent exclusivement sur ses serveurs et que les données ne sont jamais envoyées chez un tiers.

L’infrastructure reste entièrement européenne, protégée par le droit suisse sur la confidentialité et le chiffrement zéro accès, « ce qui signifie que l’accès à Lumo ne peut pas être soumis aux décrets exécutifs américains et que les données des utilisateurs ne sont pas soumises aux demandes de collecte américaine ».

Lumo 2.0 est déjà disponible avec l’ensemble de ses fonctions. La formule Free permet d’utiliser la version Lite pour les fonctions de base, pour un « usage privé quotidien ». Il faut la formule Plus, vendue 12,99 euros par mois, pour avoir la version max du modèle avec discussions illimitées, Projects, génération d’images et accès au modèle Max.

Des formules Professional (14,99 euros par utilisateur et par mois) et Business (24,99 euros par utilisateur et par mois) sont disponibles pour les entreprises, la seconde apportant une administration centralisée et des garanties de conformité pour les organisations.

Enfin, sur Reddit, on note des signalements de fonctions absentes et que des utilisateurs aimeraient avoir, notamment l’API correspondante, le support MCP et un Lumo CLI.

La vie trouve toujours un chemin

Anthropic l’a annoncé le 30 juin : Mythos 5 est de retour et Fable 5 à partir de ce 1ᵉʳ juillet. L’entreprise s’explique dans un billet, mais elle a perdu un temps précieux face à la Chine et ses modèles à poids ouvert. L’image d’Anthropic est également entachée par des rumeurs de surveillance d’utilisateurs chinois.

Petit rappel des faits sur les dernières semaines. Le 9 juin 2026, Anthropic lance Claude Fable 5 (version publique de son architecture Mythos, avec garde-fous). Mythos 5 (version sans ces garde-fous) reste soumis à un accès via son programme Glasswing, réservé à des organisations vérifiées.

Trois jours plus tard, le 12 juin, le Département du Commerce, par l’intermédiaire du secrétaire Howard Lutnick, envoie à Anthropic une directive de contrôle des exportations exigeant la suspension de tout accès à Fable 5 et Mythos 5 pour tout ressortissant étranger, où qu’il se trouve dans le monde, y compris les employés étrangers d’Anthropic. Techniquement incapable de filtrer les utilisateurs par nationalité en temps réel, Anthropic coupe l’accès aux deux modèles pour l’ensemble de ses clients, sur Claude.ai, l’API, AWS Bedrock, Google Cloud et Microsoft Foundry.

• La Fable, le Mythos et la raison d’État

Le 26 juin, le gouvernement autorise le rétablissement de Mythos 5 pour environ 100 organisations vérifiées, centrées sur les infrastructures critiques et la cyberdéfense. Fable 5, la version grand public, reste hors service. Désormais, les modèles sont de retour, dans la même situation qu’avant le blocage imposé par Washington. Anthropic a cependant perdu un temps précieux et la situation reste floue.

Une relation complexe avec la Maison-Blanche

Les raisons qui ont poussé la Maison-Blanche ne sont pas entièrement claires aujourd’hui. Selon le propre billet d’Anthropic, la lettre reçue ne fournissait pas de détails précis sur la préoccupation de sécurité nationale, mais l’entreprise a compris que le gouvernement avait eu connaissance d’une méthode permettant de contourner, ou de « jailbreaker », Fable 5. Ce qui revenait presque à dire que l’on pouvait obtenir Mythos facilement. La technique en question consistait, selon Anthropic, à demander au modèle de lire une base de code spécifique et d’en corriger les failles logicielles.

Bien que certaines rumeurs aient évoqué un modèle si puissant qu’il avait fait tomber les défenses de la NSA, il est difficile d’établir le sérieux de ces bruits de couloir. Anthropic, dans tous les cas, a vigoureusement contesté la proportionnalité de la mesure. L’entreprise a ainsi affirmé que le niveau de capacité démontré était largement disponible chez d’autres fournisseurs, y compris GPT-5.5 d’OpenAI. En outre, les tests menés avant le lancement, pendant des milliers d’heures avec le gouvernement américain, l’AISI britannique et des tiers, n’avaient identifié aucun jailbreak universel.

Pour Anthropic, cela revient à dire qu’un contournement spécifique et non-universel, permettant d’obtenir dans un cas précis des informations de type « recherche de vulnérabilité », a suffi à déclencher le retrait mondial de deux modèles commerciaux déployés auprès de centaines de millions d’utilisateurs.

Un Sonnet, pas une Fable

Anthropic a dévoilé une mise à jour importante pour son modèle « milieu de gamme » Sonnet, désormais proposé en version 5. Il gagne en capacités agentiques et il est proposé avec un rabais jusqu’à la fin de l’été.

Anthropic décline ses différents modèles en trois familles principales : Haiku, le plus rapide et le plus économique ; Sonnet, le polyvalent qui vise le meilleur compromis prix/vitesse/intelligence ; et Opus, le haut de gamme et donc, le plus cher. Le labo IA a également lancé Mythos, son modèle expérimental le plus avancé, dont la version « grand public », Fable, a été temporairement bloquée par l’administration Trump jusqu’au 30 juin (on y reviendra dans un autre article).

• Anthropic déploie de nouveau Mythos 5, Fable 5 attend son feu vert

En attendant que Fable puisse faire l’objet d’un déploiement commercial à plus grande échelle, Anthropic a entrepris d’améliorer Sonnet qui passe de la version 4.6 à la 5 directement, probablement pour se caler sur la nomenclature des nouveaux modèles. Sonnet 5 est censé mieux gérer les tâches dites « agentiques » : planifier une suite d’actions, utiliser un navigateur, manipuler un terminal, écrire ou corriger du code, vérifier son propre travail, poursuivre une tâche sans s’arrêter trop tôt.

L’entreprise affirme que cette nouvelle version de Sonnet réduit l’écart avec Opus 4.8, le modèle supérieur actuel. Ce dernier se montre toujours plus performant que son petit frère comme le montrent les benchmarks d’Anthropic, que ce soit sur le code agentique (63,2 % sur SWE-bench Pro, contre 69,2 % pour Opus 4.8 par exemple). Cela n’en reste pas moins un gain substantiel par rapport à Sonnet 4.6, sur tous les plans.

Un rabais estival avant la douloureuse

Anthropic insiste beaucoup sur la partie prix : Sonnet 5 revient à 3 dollars par million de tokens en entrée et 15 $/M en sortie. C’est le même tarif que Sonnet 4.6, mais il y a un mais. Le modèle reprend le tokenizer inauguré par Opus 4.7 qui fait consommer davantage de tokens au modèle. Anthropic admet que Sonnet 5 peut brûler jusqu’à 35 % de tokens supplémentaires pour un même texte.

Résultat : utiliser le nouveau modèle Sonnet va coûter plus cher. Pour faire passer la pilule, Anthropic offre généreusement un rabais sur le token (2 $/M en entrée, 10 $/M en sortie), mais… jusqu’au 31 août. Opus 4.8 est toujours le plus onéreux, à 5 $/M en entrée, et 25 $/M en sortie.

• #Nextquick : Pourquoi et comment Opus 4.7 crame ses tokens beaucoup plus vite qu’Opus 4.6

Sur le plan de la sécurité, Anthropic affirme que les hallucinations de Sonnet 5 sont moins fréquentes. Le modèle est aussi présenté comme plus résistant que Sonnet 4.6 aux injections de prompts et à certaines requêtes malveillantes. La société reconnait néanmoins que sur certains tests de comportement indésirable, Opus 4.8 lui reste supérieur, tout comme (évidemment, pourrait-on dire) Mythos Preview.

Puisqu’on parle du champion toutes catégories de la cybersécurité, restons encore un peu sur le sujet. Sonnet 5 n’a pas été entraîné pour ce genre de tâches, il est donc beaucoup moins capable qu’Opus 4.8 ou Mythos 5. Anthropic l’a doté de garde-fous activés par défaut, mais qui restent moins stricts que ceux de Fable 5. « [Sonnet 5] peut effectuer certaines tâches de cybersécurité courantes et non nuisibles », explique l’entreprise, mais ses performances en matière de développement d’outils exploitant des vulnérabilités sont « largement inférieures » à celles des deux modèles hauts de gamme.

Sonnet 5 devient le modèle par défaut pour les utilisateurs gratuits et les abonnés Pro. Il est aussi disponible pour les clients Max, Team et Enterprise, ainsi que dans Claude Code et pour l’API.

Un Sonnet, pas une Fable

Anthropic a dévoilé une mise à jour importante pour son modèle « milieu de gamme » Sonnet, désormais proposé en version 5. Il gagne en capacités agentiques et il est proposé avec un rabais jusqu’à la fin de l’été.

Anthropic décline ses différents modèles en trois familles principales : Haiku, le plus rapide et le plus économique ; Sonnet, le polyvalent qui vise le meilleur compromis prix/vitesse/intelligence ; et Opus, le haut de gamme et donc, le plus cher. Le labo IA a également lancé Mythos, son modèle expérimental le plus avancé, dont la version « grand public », Fable, a été temporairement bloquée par l’administration Trump jusqu’au 30 juin (on y reviendra dans un autre article).

• Anthropic déploie de nouveau Mythos 5, Fable 5 attend son feu vert

En attendant que Fable puisse faire l’objet d’un déploiement commercial à plus grande échelle, Anthropic a entrepris d’améliorer Sonnet qui passe de la version 4.6 à la 5 directement, probablement pour se caler sur la nomenclature des nouveaux modèles. Sonnet 5 est censé mieux gérer les tâches dites « agentiques » : planifier une suite d’actions, utiliser un navigateur, manipuler un terminal, écrire ou corriger du code, vérifier son propre travail, poursuivre une tâche sans s’arrêter trop tôt.

L’entreprise affirme que cette nouvelle version de Sonnet réduit l’écart avec Opus 4.8, le modèle supérieur actuel. Ce dernier se montre toujours plus performant que son petit frère comme le montrent les benchmarks d’Anthropic, que ce soit sur le code agentique (63,2 % sur SWE-bench Pro, contre 69,2 % pour Opus 4.8 par exemple). Cela n’en reste pas moins un gain substantiel par rapport à Sonnet 4.6, sur tous les plans.

Un rabais estival avant la douloureuse

Anthropic insiste beaucoup sur la partie prix : Sonnet 5 revient à 3 dollars par million de tokens en entrée et 15 $/M en sortie. C’est le même tarif que Sonnet 4.6, mais il y a un mais. Le modèle reprend le tokenizer inauguré par Opus 4.7 qui fait consommer davantage de tokens au modèle. Anthropic admet que Sonnet 5 peut brûler jusqu’à 35 % de tokens supplémentaires pour un même texte.

Résultat : utiliser le nouveau modèle Sonnet va coûter plus cher. Pour faire passer la pilule, Anthropic offre généreusement un rabais sur le token (2 $/M en entrée, 10 $/M en sortie), mais… jusqu’au 31 août. Opus 4.8 est toujours le plus onéreux, à 5 $/M en entrée, et 25 $/M en sortie.

• #Nextquick : Pourquoi et comment Opus 4.7 crame ses tokens beaucoup plus vite qu’Opus 4.6

Sur le plan de la sécurité, Anthropic affirme que les hallucinations de Sonnet 5 sont moins fréquentes. Le modèle est aussi présenté comme plus résistant que Sonnet 4.6 aux injections de prompts et à certaines requêtes malveillantes. La société reconnait néanmoins que sur certains tests de comportement indésirable, Opus 4.8 lui reste supérieur, tout comme (évidemment, pourrait-on dire) Mythos Preview.

Puisqu’on parle du champion toutes catégories de la cybersécurité, restons encore un peu sur le sujet. Sonnet 5 n’a pas été entraîné pour ce genre de tâches, il est donc beaucoup moins capable qu’Opus 4.8 ou Mythos 5. Anthropic l’a doté de garde-fous activés par défaut, mais qui restent moins stricts que ceux de Fable 5. « [Sonnet 5] peut effectuer certaines tâches de cybersécurité courantes et non nuisibles », explique l’entreprise, mais ses performances en matière de développement d’outils exploitant des vulnérabilités sont « largement inférieures » à celles des deux modèles hauts de gamme.

Sonnet 5 devient le modèle par défaut pour les utilisateurs gratuits et les abonnés Pro. Il est aussi disponible pour les clients Max, Team et Enterprise, ainsi que dans Claude Code et pour l’API.

De grandes responsabilités

La stratégie américaine d’embargo pour contrer le secteur technologique chinois serait-elle contreproductive ? La question se pose, alors qu’une société chinoise pourrait bouleverser la cybersécurité en diffusant un modèle capable de rivaliser avec les LLM d’OpenAI et Anthropic.

La Chine parvient à égaler les performances du modèle Mythos d’Anthropic dans certains scénarios de cybersécurité. Une affirmation du Wall Street Journal ce 27 juin, qui se demande dans quelle mesure les décisions de la Maison-Blanche ont pu jouer dans une telle remontée. Depuis DeepSeek et la vaporisation temporaire de 600 milliards de dollars de capitalisation pour NVIDIA, on pouvait cependant s’attendre à ce que la Chine égalise de nouveau le score. Ou en tout cas vienne flirter une nouvelle fois avec les performances des grands modèles de frontière américains.

Le nouveau modèle chinois qui attire les regards se nomme GLM-5.2, lancé le 13 juin par l’entreprise Zhipu AI, renommée Z.ai. Plusieurs benchmarks lui attribuent de très bons résultats, particulièrement en cybersécurité. Au point de rebattre les cartes d’une situation déjà fébrile dans ce domaine, avec un modèle disponible gratuitement depuis HuggingFace.

GLM-5.2, le trublion

GLM-5.2 est un modèle conséquent de 753 milliards de paramètres. Son architecture est de type MoE (Mixture of Experts) avec environ 40 milliards de paramètres actifs à la fois par token (jeton). Un ratio d’activation de 5,4 % qui peut le rendre beaucoup moins onéreux à exécuter qu’un modèle dense (non-MoE) de taille équivalente. La fenêtre contextuelle est d’un million de tokens.

Si l’on parle de ce modèle, c’est qu’au-delà de ses performances, il est également open source (licence MIT) et à poids ouverts. Traduction : en plus d’un accès commercial par l’API de l’entreprise (1,40 dollar par million de jetons en entrée, 4,40 dollars en sortie), n’importe qui peut récupérer le modèle et le modifier à volonté avant de l’utiliser. À condition bien sûr d’avoir le matériel nécessaire.

Quelles performances ?

Dans sa communication, Z.ai met en avant les très bons résultats généraux de GLM-5.2 de manière générale. S’agissant initialement d’un modèle pensé pour la programmation, les benchmarks utilisés sont classiques : 62,1 % pour SWE-bench Pro (résolution de problèmes sur GitHub), 81 sur Terminal-Bench 2.1 (tâches d’agents), ou encore 99,2 sur AIME 2026 (problèmes mathématiques).

Sur les travaux de longue durée, les résultats obtenus sont proches de ceux d’Opus 4.8 d’Anthropic. Par exemple, sur FrontierSWE, GLM-5.2 obtient 74,4 %, contre 75,1 % pour Opus. Sur PostTrainBench, le score est de 34,3 contre 37,2. Sur SWE-Marathon en revanche, le modèle chinois accuse un retard : 13 %, se faisant largement distancer par les 26 % d’Opus 4.8.

L’entreprise chinoise met en avant certains choix architecturaux, dont l’utilisation d’une technique baptisée IndexShare (publication arXiv), permettant d’optimiser le coût de fonctionnement. Cela permet, selon Z.ai, de diviser par trois le coût en calculs par token quand on grimpe jusqu’au maximum de la fenêtre de contexte (un million). Elle affirme qu’au sein du modèle, 75 % des couches sautent entièrement l’étape d’indexation coûteuse, tout en maintenant la qualité des schémas d’attention adaptative.

L’ensemble fait dire à certains observateurs, comme Flowtivity, que GLM-5.2 est en fait meilleur que la grande majorité des grands modèles de frontières américains, car son fonctionnement est nettement moins onéreux (six fois moins cher que GPT-5.5 selon Z.ai). L’ajout d’IndexShare permettrait au modèle de fonctionner sur du matériel « accessible » (mais pas un MacBook Pro avec 16 Go de RAM, tel que celui utilisé pour nos tests de RAG).

• IA générative : le RAG par l’exemple, avec 15 000 actus Next et Mistral 7B

Et dans la cybersécurité ?

C’est ici que les choses sérieuses commencent, peut-on dire. Dans une évaluation comparative réalisée par Semgrep, GLM-5.2 a obtenu un score F1 de 39 % sur la détection IDOR, battant Claude Code (32 %) pour environ 0,17 dollar par vulnérabilité trouvée, tout en restant inférieur au pipeline multimodal de Semgrep (53 - 61 % F1).

Même son de cloche chez Graphistry le 23 juin : avec un taux de résolution de 28 sur 59 sur les benchmarks CTF (Capture The Flag) de cybersécurité, GLM-5.2 est le « top modèle » à poids ouverts et rivalise directement avec les modèles propriétaires. Dans les tests, on peut voir par exemple que Claude Code avec Opus 4.7 est 19 % plus rapide, mais il est aussi 2,2 fois plus cher à l’utilisation.

C’est ce qui fait dire à Graphistry que GLM-5.2 est le premier modèle à poids ouverts testé par leurs soins pouvant être recommandé pour une « expérience de cybersécurité de qualité frontière ».

Comment de tels résultats ont-ils été obtenus si rapidement ?

C’est l’une des grandes questions autour de GLM-5.2. Les soupçons n’ont d’ailleurs pas tardé, dans les jours qui ont suivi la publication du modèle : Z.ai a-t-elle distillé agressivement les grands modèles de frontière américains ? Pour rappel, la distillation est initialement une technique légitime d’apprentissage machine : un modèle étudiant apprend à imiter les sorties d’un modèle enseignant. Cependant, il y a problème quand elle est faite en violation des conditions d’utilisation des API, via des comptes proxy et à l’échelle industrielle. Une technique formellement interdite dans les conditions pour toutes les API commerciales. Pour les « copieurs », le résultat obtenu est un transfert de capacités sans garde-fous.

Après d’autres services de streaming musical, Tidal a dévoilé sa politique relative à l’IA générative, qui prévoit la démonétisation des morceaux 100 % IA, et dans certains cas une suppression pure et simple. Mais la plateforme reste ouverte à cette technologie.

Tidal va démonétiser complètement la musique entièrement générée par IA. La priorité de la plateforme de streaming est de verser les redevances aux œuvres originales « directement produites, écrites et interprétées par des êtres humains ». Ce changement intervient alors que la filière débat toujours pour savoir si certaines musiques générées par IA doivent donner lieu à des royalties – par exemple, celles reposant sur des licences appropriées et équitables.

La musique générée par IA devra montrer patte blanche

Le service va continuer à accepter et héberger de la musique générée par IA. « Les artistes doivent être libres de créer à l’aide d’outils d’IA et les auditeurs doivent avoir la liberté de choisir le type de contenu qu’ils consomment », écrit l’entreprise. En revanche, au vu de l’afflux de ces contenus, Tidal serre la vis avec des normes plus strictes en matière d’intégrité.

Par conséquent, les morceaux 100 % générés par IA seront signalés par des icônes et ce, à partir de la mi-juillet. Cet étiquetage s’étendra au fur et à mesure que les méthodes de détection de l’IA « gagneront en fiabilité ». Les distributeurs seront mis à contribution : ils vont en effet devoir identifier les contenus IA avant qu’ils n’arrivent sur la plateforme.

En plus de la démonétisation, Tidal affirme ne plus tolérer de musique IA exploitant la musique, le nom ou l’image d’une personne ou d’un groupe, « qui trompe les auditeurs ou nuit à la qualité de notre service ». Ces « activités frauduleuses », qui impliquent également des téléversements massifs ou une activité inhabituelle, seront bloquées ou supprimées là aussi à partir de la mi-juillet.

Tidal ne fait que suivre la vague ici. Spotify a lancé fin avril un badge « Verified » pour les artistes et les chansons qui ne sont pas générés par IA. Deezer est très actif sur le sujet : le service estime que 44 % des morceaux téléversés sur ses serveurs sont générés par IA… Néanmoins, très peu sont écoutés et quand c’est le cas, c’est souvent en lien avec des cas de fraude.

• Deezer : les chansons générées par IA, « un problème pour toute la filière musicale »

Après d’autres services de streaming musical, Tidal a dévoilé sa politique relative à l’IA générative, qui prévoit la démonétisation des morceaux 100 % IA, et dans certains cas une suppression pure et simple. Mais la plateforme reste ouverte à cette technologie.

Tidal va démonétiser complètement la musique entièrement générée par IA. La priorité de la plateforme de streaming est de verser les redevances aux œuvres originales « directement produites, écrites et interprétées par des êtres humains ». Ce changement intervient alors que la filière débat toujours pour savoir si certaines musiques générées par IA doivent donner lieu à des royalties – par exemple, celles reposant sur des licences appropriées et équitables.

La musique générée par IA devra montrer patte blanche

Le service va continuer à accepter et héberger de la musique générée par IA. « Les artistes doivent être libres de créer à l’aide d’outils d’IA et les auditeurs doivent avoir la liberté de choisir le type de contenu qu’ils consomment », écrit l’entreprise. En revanche, au vu de l’afflux de ces contenus, Tidal serre la vis avec des normes plus strictes en matière d’intégrité.

Par conséquent, les morceaux 100 % générés par IA seront signalés par des icônes et ce, à partir de la mi-juillet. Cet étiquetage s’étendra au fur et à mesure que les méthodes de détection de l’IA « gagneront en fiabilité ». Les distributeurs seront mis à contribution : ils vont en effet devoir identifier les contenus IA avant qu’ils n’arrivent sur la plateforme.

En plus de la démonétisation, Tidal affirme ne plus tolérer de musique IA exploitant la musique, le nom ou l’image d’une personne ou d’un groupe, « qui trompe les auditeurs ou nuit à la qualité de notre service ». Ces « activités frauduleuses », qui impliquent également des téléversements massifs ou une activité inhabituelle, seront bloquées ou supprimées là aussi à partir de la mi-juillet.

Tidal ne fait que suivre la vague ici. Spotify a lancé fin avril un badge « Verified » pour les artistes et les chansons qui ne sont pas générés par IA. Deezer est très actif sur le sujet : le service estime que 44 % des morceaux téléversés sur ses serveurs sont générés par IA… Néanmoins, très peu sont écoutés et quand c’est le cas, c’est souvent en lien avec des cas de fraude.

• Deezer : les chansons générées par IA, « un problème pour toute la filière musicale »

Depuis quelques semaines, des libraires se demandent sur Reddit si l’entreprise canadienne Zoom Books n’achètent pas de vieux livres en masse pour entrainer ses modèles d’IA génératives. Les ouvrages seraient détruits dans la foulée…

Comme l’expliquent les médias suisses RTS et SRF et le média allemand taz, cette entreprise a récemment passé commande à des librairies en Allemagne mais aussi en Espagne, aux États-Unis, en Nouvelle-Zélande, en Australie, en Bulgarie ou encore en Grande-Bretagne.

Zoom Books scanne le texte des livres achetés légalement, en détruisant l’ouvrage au passage. La société pourrait plus facilement invoquer le « fair use », un argument souvent repris par les entreprises d’IA générative pour justifier la légalité de l’entrainement de leurs modèles sur une masse de données.

Zoom Books a expliqué à nos confrères de taz qu’elle fait de l’achat et de la revente mais aussi du recyclage de livres lorsqu’ils sont en trop mauvais état. « On a acheté de manière ciblée des ouvrages documentaires datant de 1970 et postérieurs, dotés d’un numéro ISBN – des invendus poussiéreux dont personne ne voulait depuis des années. Toute revente est totalement exclue : ces livres n’ont aucune valeur, et on n’a acheté qu’un seul exemplaire par titre », affirme encore l’entreprise à SRF.

« Mais nous tenons à préciser que, contrairement à certaines spéculations récentes, Zoom Books ne numérise ni ne détruit aucun livre », assure-t-elle à taz. Mais les libraires se demandent si Zoom Books ne serait pas un simple intermédiaire. Questionné sur le sujet, l’un des responsables de l’entreprise se contente de répéter qu’il ne peut fournir aucune information sur les acheteurs.