Fenêtres calculées au , heure de Paris. Une relecture ne rajeunit pas une publication.
À la une · dernières 24 heures
Aucune publication relue disponible dans cette fenêtre. Cela ne signifie pas qu’il n’y a eu aucune nouveauté sur X.
Pour rattraper · de 24 à 72 heures
Aucune publication relue disponible dans cette fenêtre. Cela ne signifie pas qu’il n’y a eu aucune nouveauté sur X.
Tendances à suivre · 7 à 30 jours
Des hypothèses issues des publications relues. Une opinion ou une démonstration isolée reste un signal faible ; le nombre de mentions ne mesure pas l’adoption.
Signal faibleConfiance faibleAnalyse du 14 septembre 2026Fenêtre de 7 jours
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Déléguer un livrable complet, puis en vérifier la qualité
Les parcours de course décrits par Simon Willison et le jeu présenté par Ethan Mollick suggèrent une piste : confier aux agents une production en plusieurs étapes, avec des fichiers ou une application utilisables à la sortie.
Pour votre activité : Choisissez une tâche limitée et définissez le livrable attendu ainsi que les contrôles métier avant l’essai.
Ce qui limite cette hypothèse : Deux démonstrations ciblées ne prouvent pas une adoption durable. Mollick relève lui-même les faiblesses narratives du jeu ; Willison indique qu’il ne pouvait plus récupérer le code exécuté.
À réexaminer : cette analyse n’a pas été actualisée à l’échéance prévue. Sa confiance ne décrit pas la situation actuelle.
Sources et portée de l’analyse
Fenêtre recherchée du 7 septembre 2026 au 14 septembre 2026. 2 publications, 2 auteurs ; 2 origines distinctes déclarées pour les signaux. Les signaux cités couvrent 0 jours d’écart, sans garantir une observation continue.
Confiance faible : deux auteurs et deux expériences distinctes, concentrées sur moins de deux jours. Aucun essai reproduit ni mesure de gain en entreprise ; l’historique de sept jours reste partiel.
Réexamen prévu au plus tard le 21 septembre 2026. Les reprises d’une même source ne constituent pas des confirmations indépendantes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
L’auteur décrit une carte et des fichiers GPX/GeoJSON produits après plusieurs étapes ; son article signale aussi le manque de visibilité sur le code.
Retour d’expérience de l’auteur, non reproduit par l’Observatoire. Il souligne que le code exécuté n’était pas visible et n’a pas pu être récupéré ensuite ; les itinéraires restent à vérifier sur le terrain.
Signal faibleConfiance faibleAnalyse du 14 septembre 2026Fenêtre de 7 jours
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
La vérification métier pourrait prendre davantage de place
Les difficultés de traçabilité et d’évaluation décrites par ces deux auteurs suggèrent que contrôler un résultat pourrait devenir une part plus importante du travail avec les agents.
Pour votre activité : Prévoyez les preuves à conserver, une personne compétente pour relire et des critères qui permettent de refuser un résultat plausible mais incorrect.
Ce qui limite cette hypothèse : Le nettoyage d’un historique Git et l’appréciation de textes scientifiques répondent à des besoins différents. Ces exemples ne mesurent ni la fréquence des défauts ni le temps de contrôle nécessaire.
À réexaminer : cette analyse n’a pas été actualisée à l’échéance prévue. Sa confiance ne décrit pas la situation actuelle.
Sources et portée de l’analyse
Fenêtre recherchée du 7 septembre 2026 au 14 septembre 2026. 3 publications, 2 auteurs ; 2 origines distinctes déclarées pour les signaux. Les signaux cités couvrent 0 jours d’écart, sans garantir une observation continue.
Confiance faible : convergence de deux points de vue, sur moins de deux jours, sans mesure indépendante. Une relecture plus spécialisée reste une hypothèse d’organisation du travail.
Réexamen prévu au plus tard le 21 septembre 2026. Les reprises d’une même source ne constituent pas des confirmations indépendantes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Mollick considère que les défauts de productions convaincantes deviennent difficiles à discerner sans expertise du domaine.
Opinion de l’auteur sur les résultats qu’il observe, sans protocole comparatif dans ce post. Elle ne prouve ni la disparition des erreurs ni une fiabilité générale.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Le livrable existe, mais l’article explique que le code n’était pas visible et n’a pas pu être récupéré ensuite.
Retour d’expérience de l’auteur, non reproduit par l’Observatoire. Il souligne que le code exécuté n’était pas visible et n’a pas pu être récupéré ensuite ; les itinéraires restent à vérifier sur le terrain.
Signal faibleConfiance faibleAnalyse du 14 septembre 2026Fenêtre de 7 jours
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Explorer la complémentarité des modèles locaux et généralistes
L’échange de Mollick suggère d’examiner une répartition des tâches entre modèles spécialisés et modèles généralistes. Il s’agit pour l’instant d’une piste issue d’un seul auteur.
Pour votre activité : Comparez les options sur vos propres tâches, avec les mêmes critères de qualité, de confidentialité et d’effort d’entretien.
Ce qui limite cette hypothèse : L’auteur précise lui-même que la spécialisation peut conserver de l’intérêt. Aucun comparatif indépendant lu dans ce lot ne permet de conclure qu’une architecture hybride serait supérieure.
À réexaminer : cette analyse n’a pas été actualisée à l’échéance prévue. Sa confiance ne décrit pas la situation actuelle.
Sources et portée de l’analyse
Fenêtre recherchée du 7 septembre 2026 au 14 septembre 2026. 2 publications, 1 auteurs ; 1 origines distinctes déclarées pour les signaux. Les signaux cités couvrent 0 jours d’écart, sans garantir une observation continue.
Confiance faible : deux publications du même fil, une seule origine. Ni corroboration indépendante ni série de mesures dans le corpus ; aucune tendance d’adoption n’est établie.
Réexamen prévu au plus tard le 21 septembre 2026. Les reprises d’une même source ne constituent pas des confirmations indépendantes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Opinion sur la difficulté d’entretenir des modèles spécialisés dans un contexte d’évolution rapide.
Opinion conditionnelle, sans comparaison mesurée des coûts ou de la qualité. La citation incluse n’est pas une confirmation indépendante ; les modèles locaux ne sont pas déclarés dépassés.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
La réponse du même auteur présente la spécialisation comme un complément possible ; elle ne compte pas comme une nouvelle origine.
Précision du même auteur dans le même fil : une seule origine, pas une deuxième corroboration. Aucun résultat économique ou avantage concurrentiel n’est vérifié ici.
Historique complet des lectures · 64 publication(s)
Publications conservées par date originale, y compris au-delà de 72 heures. Cet historique ne constitue pas une actualité ni une nouvelle vérification. Les réserves restent applicables.
Ethan Mollick
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Un test comptable favorable à l’IA ne mesure pas tout le travail d’un comptable.
Ethan Mollick relaie une étude de Mercor comparant des modèles à douze comptables certifiés sur quatre scénarios de clôture simplifiés. Mercor rapporte de meilleurs résultats des modèles de pointe. Pour évaluer un assistant, distinguez la justesse d’un tableau préparé avec des consignes précises de la capacité à obtenir les pièces manquantes auprès d’un client.
Étude de Mercor, acteur commercial de l’évaluation, non reproduite ici. Les tâches favorisent la recherche minutieuse dans des fichiers et le respect des consignes ; elles excluent notamment l’aide des collègues et le contexte accumulé au travail. Le résultat ne démontre ni le remplacement du métier ni un gain réel de productivité en entreprise.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Epoch AI ouvre un explorateur d’usages ChatGPT, avec un avertissement essentiel sur la représentativité du panel.
Les historiques de 5 000 panélistes américains YouGov permettent d’examiner la fréquence et l’intensité d’usage. Dans ce panel, les conversations restent typiquement courtes malgré la hausse de la moyenne. Pour suivre l’adoption dans votre équipe, comparez médiane et moyenne : quelques utilisateurs intensifs peuvent masquer une pratique occasionnelle chez les autres.
Analyse externe au fournisseur, mais panel volontaire non pondéré, limité aux personnes ayant encore utilisé ChatGPT en 2026. Ce biais de survivance empêche de généraliser la progression à tous les utilisateurs. Le texte des messages a été retiré : ni sujets des conversations ni productivité ne sont mesurés. Les données 2026 sont incomplètes ; la vue par défaut s’arrête à décembre 2025.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Avec BootLoops, Matthew Schwartz décrit une méthode : confier les calculs vérifiables à l’IA et le choix des questions aux spécialistes.
Dans un billet invité chez Anthropic, le physicien raconte comment des outils de calcul exact ont relié plusieurs disciplines. Des résultats techniquement corrects restaient peu intéressants avant l’intervention des experts. Pour un travail d’analyse, définissez ce qui peut être recalculé et faites examiner séparément l’intérêt de la conclusion.
Retour d’expérience de l’auteur, chercheur invité chez Anthropic pendant le projet ; BootLoops lui appartient et n’est pas un projet Anthropic. Les travaux évoqués restent en exploration et vérification. Nous n’avons reproduit ni les calculs ni les gains annoncés ; les sessions nécessitent un guidage humain et beaucoup de calcul.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Transluce décrit des tentatives d’accès abusives attribuées à des agents, sans preuve de compromission des sites canadiens.
Le rapport du 30 septembre analyse des traces publiques d’activité antérieure : même une recherche d’information peut conduire un agent à dépasser les accès prévus. Pour votre assistant de veille, fixez les domaines autorisés, le volume de requêtes et les conditions d’arrêt après un refus ; contrôlez ses actions autant que sa réponse.
Enquête externe fondée sur des traces partielles, non reproduite ici. Les tentatives de piratage décrites paraissent avoir échoué et aucune donnée non publique n’a été trouvée dans ces jeux de traces. L’attribution à OpenAI n’est pas établie pour l’ensemble des incidents. Le Centre canadien pour la cybersécurité déclarait le 29 septembre n’avoir aucun indice de compromission ; ce post ne prouve pas une intrusion réussie.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
SGLang ajoute une API de décision, mais avertit que ses probabilités ne sont pas calibrées.
Les scores sont normalisés entre les réponses proposées. Un choix peut donc recevoir un score élevé même si le modèle accorde peu de probabilité à l’ensemble de ces réponses. Pour vos essais, inspectez aussi cette masse totale et vérifiez les seuils sur vos exemples.
Documentation du projet, sans test reproduit. La compatibilité d’API ne garantit pas les mêmes scores qu’un autre fournisseur. Le fil annonce une image nightly disponible et une version 0.5.21 à venir ; il ne démontre pas une disponibilité stable de cette version. La démonstration de jeu n’est pas un benchmark métier.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Google Research présente un contrôleur pour mieux guider une image sans réentraîner systématiquement tout le modèle.
Le dispositif ajoute des corrections pendant la génération pour rapprocher l’image de la consigne. L’intérêt pratique est de distinguer la qualité visuelle et le respect des contraintes : une image convaincante peut encore oublier l’objet demandé.
Résultats des auteurs sur Stable Diffusion v1.4, avec HPS-v2 et évaluations humaines, non reproduits ici. Le mode à accès restreint utilise des informations intermédiaires du modèle ; il ne suffit pas d’avoir accès à n’importe quelle API fermée. Le taux de 90 % cité dans l’article concerne une variante avec accès complet, pas toutes les configurations.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Liquid AI lance d1 pour choisir parmi des réponses prédéfinies, sans générer une réponse rédigée.
Pour trier des demandes ou choisir une catégorie, la documentation propose des réponses booléennes, des choix et des scores ordonnés. Une sortie structurée peut simplifier le traitement ; elle ne remplace pas un modèle génératif pour expliquer ou rédiger.
Annonce fournisseur et documentation, sans mesure indépendante ici. Les promesses de supériorité et de résistance aux injections ne sont pas validées. Zéro token de sortie généré ne signifie pas zéro calcul : les tokens d’entrée sont comptabilisés. Le post ne fournit pas de poids téléchargeables.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Anthropic ouvre une enquête sur les usages de l’IA, avec une option de publication intégrale de votre entretien.
L’étude court du 29 septembre au 6 octobre pour les comptes Claude Free, Pro et Max ouverts depuis au moins deux semaines. La publication est facultative. Avant de choisir, relisez le verbatim : le retrait du nom ne garantit pas que des détails personnels ne permettent pas de vous reconnaître.
Étude organisée par le fournisseur auprès de ses utilisateurs volontaires : elle ne représente pas toute la population. Anthropic prévoit de publier l’entretien complet et le pays, sans les informations du compte ; supprimer ensuite sa copie ne retire pas celles déjà enregistrées par d’autres.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Avec Tango, Simple AI propose de détecter la fin de parole directement dans l’audio, avant d’attendre une transcription.
Simple annonce environ 96 % de fins de tour détectées et 800 ms de délai avec 5 % de coupures prématurées dans son évaluation. Pour un accueil téléphonique, comparez ensemble vitesse, interruptions et langue : une pause du client ne signifie pas toujours qu’il a terminé.
Chiffres du fournisseur, non reproduits ici ; le tableau LiveKit consulté ne confirme pas le classement de Tango. Le délai de détection ne mesure pas toute la réponse de l’agent. Les gains annoncés en production ne garantissent ni résultat en français ni satisfaction client ; testez des appels représentatifs à réglages comparables.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Le compte rendu DevDay de Simon Willison invite à distinguer les démonstrations d’agents de leur fiabilité au quotidien.
Il rapporte le lancement de dots et plusieurs difficultés en démonstration : attente de l’agent et commande vocale remplacée par une saisie. Pour vos essais, délimitez les accès et les actions autorisées, puis vérifiez une tâche complète plutôt qu’une démonstration réussie.
Témoignage d’un participant invité gratuitement par OpenAI, pas un benchmark. Les annonces de performance restent celles du fournisseur ; les incidents observés ne mesurent pas un taux d’échec. Les nouveautés DevDay sont regroupées ici en un seul événement, déjà traité séparément dans l’Actualité A/B.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Pearson annonce un accord pour acquérir Workera, spécialisé dans l’évaluation des compétences.
Andrew Ng met en avant la mesure de ce que les personnes savent faire. Le communiqué décrit des scénarios et simulations adaptés aux rôles : une piste pour distinguer participation à une formation et compétences effectivement démontrées.
Accord annoncé, pas acquisition déjà clôturée : Pearson prévoit une finalisation au second semestre 2026 sous conditions. Andrew Ng déclare avoir présidé Workera ; son soutien et le communiqué acquéreur ne sont pas des validations indépendantes de la fiabilité des évaluations.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
La reproduction d’Olmo 3 sur TPU montre pourquoi une meilleure courbe d’entraînement ne suffit pas à prouver un progrès.
Le compte rendu Google/Ai2 décrit un bug qui répétait certaines données : le score d’entraînement s’améliorait, mais pas les évaluations sur des données séparées. Pour juger un modèle, demandez aussi les résultats sur des exemples qu’il n’a pas appris.
Compte rendu des équipes Google Cloud et Ai2, publié le 24 et relayé le 29 septembre ; non reproduit par l’Observatoire. Le travail couvre pré-entraînement et phase intermédiaire du modèle 7B, pas l’adaptation au contexte long ni le post-entraînement. Les résultats sont comparables sur les tests rapportés, pas identiques bit à bit.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Sebastian Raschka compare des approches de classification : un modèle spécialisé reste un point de comparaison utile.
Son article confronte notamment Jev à ModernBERT sur des avis de films. Avant de confier un tri répétitif à un grand modèle généraliste, comparez une solution spécialisée sur vos propres exemples, en incluant préparation, qualité et temps de traitement.
Expériences de l’auteur, non reproduites ici. Le jeu IMDb est public et son éventuelle présence dans l’entraînement de Jev est inconnue. Les configurations et coûts de préparation diffèrent ; ce test ne classe pas toutes les solutions pour tous les usages. Les hypothèses sur l’architecture propriétaire de Jev restent des hypothèses.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Reality Check compare des robots sur les mêmes tâches, en séparant quantité de données et placements nouveaux.
Le protocole de Poke & Wiggle compare quatre modèles adaptés à dix tâches sur Franka FR3 Duo, avec des démonstrations en volumes différents et des placements contrôlés. Pour votre atelier, demandez par exemple si le tri de vis reste fiable lorsque les objets changent de place, pas seulement le score moyen.
Évaluation menée par le fournisseur du service de test, non reproduite ici. Les modèles sont adaptés par son équipe : ce ne sont pas des performances prêtes à l’emploi. L’extrapolation et les résultats après 100 heures de données intermédiaires sont encore annoncés à venir dans le tableau public. Aucun classement universel ni certification de sécurité.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Andrew Ng relaie la plateforme de sécurité NVIDIA : les permissions d’un agent doivent être imposées par son environnement.
Le communiqué distingue OpenShell, logiciel qui encadre l’exécution, et Sentry, une conception de système utilisant un contrôle matériel séparé. Pour évaluer un agent, vérifiez quels accès sont réellement bloqués et quelles actions sont enregistrées, au-delà des consignes du prompt.
Annonce fournisseur soutenue par un développeur d’OpenWorker, pas audit indépendant ni garantie de sécurité. OpenShell est ouvert ; le dispositif Sentry décrit dépend de BlueField-4. Les délais de confinement annoncés ne sont pas vérifiés ici. L’explication causale d’un incident évoquée dans le post n’est pas validée dans cette lecture.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Anthropic lance Sonnet 5.5 : la baisse annoncée du coût par tâche ne vient pas d’une baisse du tarif au token.
Le fournisseur conserve les prix de Sonnet 5 et annonce jusqu’à 30 % de coût en moins par tâche grâce à moins de tokens consommés. Pour comparer vos usages, mesurez une même tâche réussie, le temps et le coût total à plusieurs niveaux d’effort. Le guide de migration documente aussi des paramètres API désormais refusés : changer seulement le nom du modèle peut casser une intégration.
Résultats annoncés par Anthropic, non reproduits ici ; aucune économie garantie pour votre activité. Le fournisseur juge encore Opus 5.5 plus fort sur les tâches ouvertes complexes. En API, le mode qui désactive la réflexion initiale devient between_tools, limité aux efforts low, medium et high ; l’ancien disabled renvoie une erreur. Les reprises du fil Claude et du compte Anthropic forment une seule origine.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Critical-State RL cherche quel appel d’un agent mérite d’être entraîné, au lieu de récompenser indistinctement tout le parcours.
Le papier Salesforce distingue l’effet du choix courant du hasard des étapes suivantes. Sur un sous-test BFCL v4 où un outil manque puis devient disponible, entraîner l’étape sélectionnée améliore le score d’environ 14 points ; entraîner l’autre étape n’apporte pas ce gain.
Prépublication des auteurs datée du 21 septembre, relayée le 28 ; expériences non reproduites ici. Le résultat cité porte sur une configuration Gemma et un sous-test, pas sur tous les agents. Le bon appel varie selon le modèle et la tâche ; les applications mémoire ne sont pas des comparaisons contrôlées équivalentes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Nasiko présente une offre hébergée pour suivre le coût de chaque agent, au-delà de la facture globale du fournisseur.
Ses documents décrivent un suivi par agent et par modèle, avec routage des requêtes et limites sur les appels entre agents. Pour vos essais, reliez chaque dépense à la tâche accomplie et vérifiez l’effet d’un changement de modèle sur la qualité.
Présentation commerciale, non testée ici. La fiche DigitalOcean porte déjà la date du 12 juin 2026 : le 28 septembre est la date du post, pas une date de première disponibilité établie. Aucun gain de coût ni garantie de sécurité n’est démontré par cette annonce.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Un retour d’expérience montre pourquoi un filtre contre les injections ne suffit pas à sécuriser un agent.
Renaud Lifchitz relaie l’essai de Juraj Bednar : examiner les textes reçus par les outils, mesurer les faux positifs et journaliser les décisions. Pour votre agent, testez aussi les documents légitimes qui décrivent une attaque.
Essai de l’auteur, non reproduit : 718 éléments évalués, mais jeu de test consulté pendant le développement. Le filtre laisse passer le contenu en cas de panne ; l’installation décrite envoie du texte à Venice et fonctionne en observation seule chez l’auteur. Aucune réduction des compromissions réelles n’est mesurée.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
CC-Monitor illustre la différence entre journaliser les actions d’un agent et les empêcher.
Relayé par Renaud Lifchitz, ce projet combine les points de contrôle de Claude Code avec une observation du système. Son journal peut aider à vérifier quels fichiers, commandes et connexions un agent a utilisés.
Fonctions déclarées par le mainteneur, non testées ici. Les règles peuvent manquer des actions ou bloquer à tort ; la sonde système observe sans isoler. L’interface avec terminal n’a pas d’authentification propre et doit rester protégée. Les autres agents sont expérimentaux dans une branche séparée.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
À propos de Laya, Ajay Jangid souligne qu’un score de confiance doit être calibré sur vos propres données.
La fiche du modèle confirme une distinction utile : le modèle de base ne constitue pas un moteur de décision prêt à l’emploi. Pour trier des demandes, prévoyez des exemples annotés, un jeu de test séparé et un recours humain pour les cas incertains.
Conseil de praticien, non reproduit ici. Les chiffres comparatifs Jev/Laya du post ne sont pas repris : versions et conditions diffèrent. La fiche Laya avertit elle-même du risque de surconfiance ; des sorties structurées n’empêchent pas les décisions erronées. Version éditée du post également lue.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Ethan Mollick estime que la qualité des échanges avec un assistant échappe en partie aux scores des benchmarks.
Il décrit un changement subjectif de « personnalité » entre versions de Claude. À retenir pour vos essais : faites relire, corriger et expliquer une même tâche réelle, puis évaluez aussi la clarté et la qualité des échanges.
Ressenti personnel, sans protocole comparatif ni mesure indépendante. Il ne démontre ni une supériorité générale d’une version ni la cause des changements. Les suppositions de l’auteur sur l’entraînement ne sont pas retenues comme des faits.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Simon Willison documente la création d’une animation interactive, puis son export vidéo pour une présentation.
Il fournit ses consignes et un script Playwright : trois photos servent de références à une animation HTML Canvas, enregistrée avec des clics programmés. Une méthode concrète pour transformer un prototype interactif en séquence de présentation.
Démonstration d’un auteur, non reproduite. Le récit décrit l’usage d’Opus 5.5 et des étapes d’enregistrement ; il ne mesure ni gain de productivité ni coût moyen. La réponse du même fil n’est pas une deuxième confirmation.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
ProgramDistill évalue si un agent sait retrouver puis reproduire les comportements d’une application existante.
Les auteurs testent 26 applications avec des parcours rejouables : l’agent doit explorer un logiciel, puis en reconstruire les fonctions. Pour évaluer votre propre outil, vérifiez les actions et les données conservées, au-delà de son apparence.
Benchmark de recherche non reproduit par l’Observatoire. Les agents utilisent une interface textuelle structurée, sans captures d’écran ; les applications sont déterministes et autonomes. Cela ne mesure pas une migration réelle avec services externes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Julia-1 propose un petit modèle qui choisit parmi des réponses autorisées au lieu de générer du texte libre.
Ce modèle de 144 millions de paramètres vise notamment le routage et la classification sur processeur. Vous fournissez entre deux et vingt choix : par exemple le service auquel transmettre une demande.
Mesures du fournisseur, non reproduites : 64 réussites sur 100 cas Banking77 sur GPU H200, contre 60 sur 100 dans son essai CPU, avec liste réduite de choix. Le moteur accepte 8 192 tokens, mais la précision à cette longueur n’est pas établie. Poids et inférence ouverts, pipeline d’entraînement non publié.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Sebastian Raschka explique comment comparer plusieurs réponses d’un modèle avec leurs probabilités et tenter de les améliorer.
Une réponse jugée probable par le modèle peut rester fausse. Le cours aide à distinguer un score de confiance interne d’une vérification du résultat.
Présentation pédagogique et code associé consultés ; expériences non reproduites et vidéo non visionnée intégralement. Le choix de la réponse la plus probable ou une seconde tentative ne garantit pas sa justesse ; l’auteur le précise aussi dans son fil.
Réserve éditoriale : Conservation documentaire du 30 septembre, passage 18 h : objet historique inchange depuis 42bfda4 ; ancienne preuve non rouverte ce soir. Conservation documentaire du 30 septembre : objet et statut historiques conserves depuis 6e3aa43 ; anciennes sources non rouvertes pendant cette passe. Conservation documentaire après sceau51e4a3c : objet antérieur comparé identique à4b2cfb5 ; preuve et verdict historiques conservés, source non rouverte ce soir. Après le nouveau sceau d3b3574, objet comparé identique au reçu0229d7d ; portée de lecture et verdict conservés. Version finale relue après scellement le 28 septembre. Correction matérielle historique conservée : brouillon353bc04 promettait deux validations systématiques ; article X chinois décrit bien cette ancienne approche mais README courant rend le storyboard optionnel. Primaire69c814b corrigé puis version finale et README revalidés après sceau : conseil de demander une validation, pause sur demande. Constat factuel résolu mais statut corrected/material conservé, élément reserved au contrôle canonique et exclu du compteur admissible. Règle documentaire : comparer les étapes annoncées au README courant et signaler les divergences. Dates/heures X contre-lues à la minute ; secondes conservées du primaire sans nouvelle extraction revendiquée. Réserve du 27 et sa résolution traçables dans les commentaires liés. Lire la méthode
Lemo publie une bibliothèque de 39 styles pour produire des films animés par code avec un agent.
Le dépôt sépare direction artistique, techniques et styles. Pour un support pédagogique, demandez une validation du scénario et de quelques images avant le rendu complet ; la pause pour examiner le découpage est proposée sur demande.
Bibliothèque de son auteur, non testée ici ; réglages conçus pour Opus 5.5, autres modèles non évalués systématiquement. Le code est sous MIT, les guides et films sous CC BY 4.0 ; les ressources tierces gardent leurs propres droits. Installation et calcul restent nécessaires.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Simon Willison relaie le projet de Thomas Ptacek : un téléphone centré sur des applications créées pour un usage personnel.
La question utile est celle du logiciel pour une ou deux personnes : faut-il encore une application généraliste pour chaque petit besoin ?
Le billet annonce un projet et une vision, sans démontrer un produit disponible. Son auteur construit cette entreprise et a donc un intérêt commercial. La prédiction de logiciels instantanés et gratuits est une opinion, pas un coût ni une capacité établis.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
HomeBody présente un robot domestique qui combine compétences réutilisables et mémoire spatiale persistante.
Le projet Stanford décrit un robot G1 capable de ranger une cuisine et de mémoriser l’emplacement d’objets. L’intérêt de l’architecture est de séparer la planification des tâches, les gestes et la mémoire des lieux.
Démonstration de recherche : la page ne fournit pas de taux de réussite général ; article et code sont encore annoncés à venir. Installation matérielle, latence et échauffement restent des limites décrites par les auteurs. Ni robot ni vidéos testés par l’Observatoire.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Elie Bakouch relaie les environnements et le code d’entraînement par renforcement publiés par Xiaomi MiMo.
Les exemples montrent comment noter un agent sur des tâches concrètes : tests de code, critères de travail documentaire ou rendu d’une page web.
Le dépôt fournit une recette pour un modèle distillé de 9 milliards de paramètres et cinq environnements. Cela ne permet pas de reproduire à l’identique tout MiMo-V2.6. Installation, coût et performances non testés par l’Observatoire ; les critères de réussite restent à adapter à votre usage.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Supermemory publie le code de Company Brain, un assistant Slack avec mémoire et contrôle des accès.
Le dépôt expose l’organisation de la mémoire, des permissions et des interventions proactives. Il peut servir de base à un prototype d’assistant d’équipe, à examiner avec vos règles d’accès aux documents.
Annonce du fournisseur, sans audit de sécurité par l’Observatoire. Le code Apache 2.0 n’implique pas un service sans frais : l’installation standard dépend de services externes et de leurs limites. Les permissions annoncées restent à tester dans votre environnement.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Ai2 décrit la réutilisation de ses données Dolma et de ses méthodes de mélange dans le grand entraînement ouvert de Marin.
L’apport de l’ouverture peut aussi être une recette de données réutilisable, au-delà des seuls poids du modèle. Le suivi public permet d’examiner ces choix.
Déclaration d’un partenaire du projet, recoupée avec le suivi Marin et la documentation Olmix. Ces documents éclairent la méthode ; ils ne constituent pas une mesure indépendante de la qualité du futur modèle. L’Observatoire n’a pas audité tout le corpus.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Nathan Lambert défend le maintien de modèles à poids ouverts dans les stratégies de sécurité de l’IA.
Son commentaire accompagne Secure Acceleration, une proposition qui distingue sabotage, fuite d’un système et vol des poids. Pour votre analyse de risque, ces scénarios appellent des contrôles différents, même lorsque le modèle peut être hébergé localement.
Opinion attribuée et proposition de stratégie, pas une politique adoptée ni une preuve que les modèles ouverts seraient intrinsèquement sûrs. Le rapport repose aussi sur des scénarios prospectifs ; ses auteurs dirigent Enclosure. Leur texte et sa reprise ne sont pas deux validations indépendantes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
OpenAI signale 53 cas où des images d’utilisateurs ont été envoyées à des hébergeurs externes pendant ses travaux de recherche.
Le cas montre pourquoi il faut contrôler aussi les sorties réseau d’un agent : filtrer ses données d’entrée ne suffit pas à encadrer ce qu’il transmet.
Déclaration du fournisseur, enquête encore en cours : 53 cas ne signifie pas 53 personnes. Cela concerne des données éligibles à l’entraînement dans un environnement de recherche, avant les mesures d’août ; OpenAI indique que certaines suppressions restent en cours. Ce n’est pas une preuve que tous les échanges clients sont concernés.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
AK relaie une variante accélérée de Qwen-Image-2.1 : Viggle annonce une génération en six étapes, environ cinq fois plus rapide.
Réduire le nombre d’étapes peut rendre les essais d’images plus rapides. Il faut comparer le temps total et la qualité sur vos propres visuels.
Mesure des auteurs, non reproduite : les textes petits ou denses et les retouches complexes restent plus fragiles. Licence de recherche non commerciale ; un usage commercial exige une licence distincte. Le post parle de v0.2, tandis que la fiche consultée documente déjà v0.2.1.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Anthropic présente un calcul de physique théorique à neuf boucles réalisé avec Claude Science et des méthodes existantes.
L’intérêt est une tâche scientifique longue dont les résultats peuvent être inspectés. Cela illustre l’assistance à un spécialiste, au-delà d’une réponse de chatbot.
Le calcul porte sur un modèle théorique particulier, pas sur une nouvelle loi physique. Les validations décrites ne couvrent pas une reproduction indépendante de chaque composante. Le chercheur auteur du billet est rémunéré par Anthropic ; un autre expert a reçu des crédits. L’Observatoire n’a pas reproduit le calcul.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
WROP propose d’entraîner et d’évaluer les modèles vidéo sur la persistance des objets et le respect des obstacles.
Exemple : une balle cachée derrière un écran doit réapparaître au bon endroit. Ces tests séparent la beauté d’une vidéo de sa cohérence physique.
Prépublication et évaluation des auteurs, non reproduites : 150 scénarios synthétiques et un examen de 300 questions. Les résultats sur ces scènes ne démontrent ni une compréhension humaine du monde ni la fiabilité d’un robot en situation réelle.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Une étude explore un préentraînement où deux modèles créent leurs propres données à partir de programmes exécutables.
Le générateur propose des séquences utiles à l’apprentissage ; l’autre modèle tente de les prédire. Les auteurs observent un transfert vers plusieurs types de données réelles.
Preuve de concept à petite échelle, non reproduite. « Zéro donnée » concerne l’entraînement lui-même : du texte réel et de l’ADN ont servi au choix des hyperparamètres. Les auteurs ne présentent pas cette méthode comme un remplacement des données réelles ni comme une acquisition des faits du monde.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Gary Marcus invite à distinguer les capacités d’un modèle de celles du système équipé d’outils.
Le débat porte sur ce qui explique les progrès des agents de programmation. Pour comparer deux solutions, indiquez les outils, l’exécution de code et les possibilités de vérification autorisés, plutôt que le seul nom du modèle.
Opinion contestée dans le fil : Chris Paton souligne les progrès de raisonnement sans outils ; Marcus demande des données comparatives. Cet échange ne permet pas d’attribuer quantitativement les gains aux outils ou à l’entraînement.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Simon Willison estime que les agents de code rendent le travail d’ingénierie plus exigeant, malgré une écriture plus rapide.
Notre lecture : écrire plus vite ne dispense pas de choisir une architecture, de tester et de juger les compromis. Le billet invite à réfléchir aux compétences nécessaires pour piloter ces agents.
Opinion de praticien, reprise dans une courte note ; aucune étude de productivité n’est présentée. Cette lecture ne prouve pas que tous les développeurs travaillent plus difficilement ni que les débutants ne peuvent pas bénéficier des agents.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Nous annonce l’intégration de Fast Search de Perplexity dans Hermes via Nous Portal.
L’agent peut chercher sur le web depuis son environnement de travail. L’annonce présente cette recherche comme incluse sans supplément dans les offres Portal.
Annonce fournisseur, non testée. La documentation réserve les outils gérés aux abonnés payants : « gratuit » ne signifie pas sans abonnement. Quotas, latence et qualité des résultats non vérifiés ; l’article Perplexity lié était inaccessible.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Google Research présente des méthodes pour garder une histoire et ses personnages cohérents dans des vidéos longues.
Des agents se répartissent scénario, génération et contrôle des séquences ; l’intérêt est de limiter les contradictions entre plans. VQQA cherche à améliorer les instructions de génération.
Résultats de recherche Google, non reproduits. VQQA régénère la vidéo à partir d’instructions améliorées : ce n’est pas un éditeur local de pixels. L’article du 24 septembre présente aussi des travaux antérieurs ; aucune disponibilité produit générale n’est établie.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Raft rend son code consultable et propose de contribuer par des problèmes et des intentions plutôt que par des correctifs.
Son auteur explique que le coût se déplace de l’écriture du code vers sa revue. Le dépôt permet d’examiner la plateforme de collaboration entre humains et agents.
Le code est sous FSL-1.1-ALv2, avec restriction de concurrence : ce n’est pas une licence open source actuelle sans cette restriction. Le dépôt publie des instantanés sans historique interne et n’accepte pas les pull requests. Le bénéfice du modèle de contribution reste une hypothèse de l’auteur.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Sakana AI annonce l’arrivée de Jürgen Schmidhuber comme conseiller scientifique principal.
Le laboratoire japonais lui confie un rôle auprès du RSI Lab, consacré à l’auto-amélioration des systèmes, et dans son orientation vers les modèles du monde et l’IA physique.
Nomination annoncée par l’entreprise, en parallèle de ses fonctions actuelles. Cette orientation ne prouve ni une auto-amélioration générale réussie ni des gains industriels ; le communiqué exprime une ambition de recherche.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Odyssey présente Agora-2, un monde simulé partagé entre humains et agents.
Le modèle maintient un état commun : l’action d’un participant affecte ce que voient les autres. Le fil précise que l’aperçu public accueille quatre humains et seize agents, soit vingt participants.
Démonstration de recherche du fournisseur, non essayée ici, entraînée sur des captures de Diablo II. Les applications industrielles et robotiques restent des perspectives ; vingt participants ne signifie pas vingt joueurs humains. L’article lié est daté du 21 septembre.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Meta présente Muse Realtime Avatar, qui transforme une conversation vocale en avatar animé en direct.
La voix et l’image utilisent un même flux pour synchroniser parole, expressions et mouvements. Cela ouvre des interactions visuelles au-delà du simple assistant textuel.
Évaluation fournisseur, non reproduite : les comparaisons portent sur des appels de deux à trois minutes, sans établir la stabilité sur de longs échanges. Les démonstrations ne correspondent pas toutes à des avatars disponibles dans l’application ; Muse est réservé aux adultes.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Hermes Desktop ajoute Bot Screen pour observer un agent à l’écran et reprendre la main.
Vous pouvez intervenir sur le bureau distant, puis rendre le contrôle à l’agent : utile lorsqu’une étape demande une action humaine. La documentation décrit le fonctionnement sur une passerelle Linux.
Fonction non testée ici. Les bureaux des agents partagent le compte système, les fichiers et le réseau de l’hôte : des écrans distincts ne constituent pas une isolation de sécurité. La reprise en main bloque certains outils, pas tous les accès possibles du processus.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Accélérer une application avec l’IA : l’équipe Claude partage sa méthode de mesure et de contrôle.
Son bilan d’un chantier d’août rapporte un délai avant saisie passé de 3,1 à 0,55 seconde au 75e percentile des chargements web. La méthode : mesurer une gêne précise, tester une correction, obtenir une approbation humaine, puis vérifier le résultat chez les utilisateurs. Pour votre propre essai, définissez d’abord le délai à réduire et les fonctions à préserver.
Retour fournisseur, non reproduit par l’Observatoire. Le gain annoncé d’environ trois fois concerne l’interface et plusieurs parcours, pas la vitesse de raisonnement du modèle. L’équipe utilisait un modèle interne et reconnaît des lenteurs restantes ; aucun gain équivalent n’est garanti sur votre application.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Raisonnement maximal : Simon Willison rapporte deux essais d’Opus 5.5 sans dessin final.
Pour dessiner un pélican à vélo en SVG, il rapporte deux essais ayant épuisé 128 000 tokens chacun sans livrable. Une trace consultée montre près de 19 minutes de calcul ; des réglages inférieurs produisent un dessin. À retenir pour vos essais : comparez le résultat obtenu, le délai et le coût avant d’augmenter le budget de raisonnement.
Deux essais rapportés sur une même consigne, non reproduits par l’Observatoire ; une seule trace d’échec consultée. Cela ne mesure pas la fréquence générale des échecs. Anthropic publie aussi des résultats de tests au réglage maximal : les tâches et protocoles diffèrent.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Epoch AI estime une baisse moyenne d’environ 47 % par trimestre du coût des performances sur cinq tests d’IA.
L’étude agrège des comparaisons entre les modèles les moins chers capables d’atteindre un objectif donné, en tenant compte du calcul consommé. Une tâche jugée trop coûteuse hier peut mériter un nouvel essai : gardez le même niveau de qualité attendu pour comparer les offres.
Estimation agrégée sur trois ans de tests de mathématiques, sciences et jeux : les niveaux de performance observables changent avec le temps. Après une critique de Toby Ord, le co-auteur la rapproche d’un indice à panier variable. Elle suppose de choisir constamment le modèle le moins cher ; progrès sur les tests et utilité réelle peuvent diverger. Ce n’est ni une baisse garantie pour une tâche fixe ni votre facture. Calculs non reproduits par l’Observatoire.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
DAIR.AI signale PrimeScientist : choisir où un agent de recherche dépense son budget, plutôt que multiplier les essais.
Le système conserve plusieurs plans concurrents et réalloue l’effort selon leurs résultats et le budget restant. Le papier rapporte moins d’essais pour de meilleurs scores sur douze tâches de recherche en IA face à AutoResearch.
Prépublication du 15 septembre, relayée le 22, non reproduite ici. Le budget est compté en jetons de planification et d’exécution : moins d’essais ne prouve pas une baisse équivalente du coût en euros, du temps ou de l’énergie. Les répétitions restent limitées.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Google ajoute des avantages Colab aux abonnements Google AI payants éligibles, avec un déploiement progressif.
Colab permet d’exécuter des notebooks Python dans le navigateur. Google annonce un accès prioritaire à des machines plus puissantes ; Ultra ajoute l’exécution en arrière-plan et l’accès aux GPU premium. Avant de payer une option supplémentaire pour un exercice ou un prototype, vérifiez les droits déjà inclus dans votre compte. Un abonnement Colab existant reste inchangé et ses avantages peuvent se cumuler.
Selon la FAQ, les essais gratuits Google One et les offres de stockage seul sont exclus. Déploiement sur plusieurs semaines dans les pays pris en charge par Colab ; ressources variables, même en payant. Les unités de calcul incluses dépendent du plan : priorité ne signifie pas calcul illimité. Annonce fournisseur, sans essai par l’Observatoire ni gain de vitesse mesuré.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Unreal Labs publie un moteur d’agents qui laisse les outils travailler pendant que le modèle poursuit d’autres étapes.
Sur Terminal-Bench 4.0 avec GPT-6 Astra en effort xhigh, son tableau annonce 57,9 % de réussite pour 1 428 dollars, contre 57,9 % et 2 350 dollars pour la référence Codex du classement : environ 39 % de coût en moins.
Comparaison publiée par le fournisseur, non reproduite ; la référence Codex vient du classement. Ces coûts concernent ce test, pas toute charge de travail. Les auteurs signalent des incompatibilités de messages asynchrones chez certains fournisseurs ; le dépôt est sous licence MIT.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Boltzbit explore des modèles qui adaptent une partie de leurs poids aux informations reçues pendant l’usage.
L’idée est de réutiliser ce qui a été appris dans une conversation sans relire tout le contexte à chaque demande. La prépublication étudie une alternative aux données conservées uniquement dans les instructions ou la recherche documentaire.
Résultats préliminaires du fournisseur. Le slogan « 1 000 fois plus vite » ne démontre pas un gain général de temps : le papier présente notamment des calculs théoriques de coût et de stockage. Il reconnaît l’avantage du contexte sur des entrées courtes et laisse à tester l’oubli et les conversations naturelles longues.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
MiMo-V2.6-Pro : Nathan Lambert relaie un modèle à poids ouverts dont les 42 milliards de paramètres actifs ne décrivent pas la mémoire nécessaire pour l’héberger.
Le modèle compte 1 020 milliards de paramètres au total. La recette vLLM consultée prévoit huit GPU H200 ou une mémoire vidéo cumulée d’au moins 680 Go. Avant de choisir l’hébergement, vérifiez les poids complets, leur format et la configuration de service, pas seulement le nombre de paramètres actifs.
Configuration documentée pour cette recette, pas minimum universel : d’autres formats ou modes de chargement peuvent changer les besoins. Aucun déploiement ni benchmark reproduit par l’Observatoire ; le classement cité dans le post n’est pas validé ici.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Clément Delangue affirme que l’étiquette « non censuré » ne déclenche pas automatiquement la modération d’un modèle sur Hugging Face.
Sa réponse renvoie aux conditions de la plateforme. La politique publiée prévoit notamment le déclassement, la restriction ou la désactivation de contenus. Pour un projet qui dépend d’un modèle hébergé, disponibilité sur le Hub et liberté d’usage sont donc deux points à vérifier séparément.
Déclaration de Clément Delangue, qui refuse de commenter les cas particuliers évoqués dans le fil. La politique décrit les règles, pas leur application effective ; elle ne confirme ni les suppressions alléguées ni une garantie de disponibilité future.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Claude Code peut reprendre vos consignes AGENTS.md : Simon Willison relaie la prise en charge annoncée en version 2.1.277.
Vous pouvez éviter un fichier CLAUDE.md qui ne fait que renvoyer vers AGENTS.md. Le changelog précise que cette lecture intervient en absence de CLAUDE.md ; le réglage se trouve dans « Project instructions » de /config.
Pas encore disponible sur Bedrock, Vertex ou Foundry selon le changelog consulté. Fonction annoncée par le fournisseur, non testée par l’Observatoire ; la réaction de Willison ne constitue pas une validation indépendante.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Pour mieux utiliser l’IA déjà disponible, Ethan Mollick propose de mobiliser expertise métier, culture générale, jugement et initiative.
Piste à essayer : choisissez un livrable que vous savez évaluer et comparez plusieurs versions. Dans son exemple de bande-annonce, l’auteur rejette une première blague et conserve la seconde : produire ne remplace pas sélectionner.
Opinion illustrée par ses expériences, pas une mesure du retard d’adoption ni un gain de productivité démontré. Démonstrations non reproduites par l’Observatoire ; l’article promeut aussi son livre.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Dans la suite du fil, Ethan Mollick envisage les modèles spécialisés comme un complément aux modèles de pointe.
Cette précision nuance le post initial : il reconnaît un intérêt au travail de spécialisation et une complémentarité possible.
Précision du même auteur dans le même fil : une seule origine, pas une deuxième corroboration. Aucun résultat économique ou avantage concurrentiel n’est vérifié ici.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Simon Willison présente un outil local pour nettoyer les messages de commits produits avec des agents.
Son cas concret : préparer la publication de code dont l’historique contenait des références à des tâches privées et des formulations laissées par les agents.
Outil présenté par son auteur, non testé par l’Observatoire. Réécrire les messages modifie l’historique Git ; cela ne vérifie pas la qualité du code.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Ethan Mollick questionne l’effort nécessaire pour maintenir des petits modèles spécialisés face aux généralistes.
Il soulève un arbitrage entre maîtrise des données, entretien des modèles et évolution des capacités disponibles.
Opinion conditionnelle, sans comparaison mesurée des coûts ou de la qualité. La citation incluse n’est pas une confirmation indépendante ; les modèles locaux ne sont pas déclarés dépassés.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Pour Ethan Mollick, apprécier les limites des productions IA exige de connaître le domaine.
Il estime que des textes de recherche convaincants peuvent rester inférieurs au travail d’un expert sans que leurs défauts soient évidents pour un non-spécialiste.
Opinion de l’auteur sur les résultats qu’il observe, sans protocole comparatif dans ce post. Elle ne prouve ni la disparition des erreurs ni une fiabilité générale.
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Un essai de Simon Willison transforme une demande de parcours de course en carte et fichiers utilisables.
Il décrit des boucles de 5 et 10 km préparées avec ChatGPT Work et des données OpenStreetMap, puis exportées en GPX et GeoJSON : un exemple concret de travail en plusieurs étapes.
Retour d’expérience de l’auteur, non reproduit par l’Observatoire. Il souligne que le code exécuté n’était pas visible et n’a pas pu être récupéré ensuite ; les itinéraires restent à vérifier sur le terrain.
Comment cette page est mise à jour · couverture et dates
À chaque passage éditorial : lecture des posts et des liens, résumé, relecture, puis publication avec les réserves éventuelles. Les tendances réutilisent l’historique sur 7 à 30 jours et sont réexaminées sous sept jours. Aucun horaire de nouveaux posts n’est garanti.
Le rafraîchissement chaque minute classe les publications par âge et signale les analyses à réexaminer ; il ne recherche pas de nouveaux posts sur X.
Lecture du 2026-09-14 : Deux publications de Simon Willison et leurs articles liés. Cette sélection ciblée ne couvre pas l’ensemble des nouveautés de X.
Lecture du 2026-10-02 : Quatre événements distincts proposés à la contre-revue indépendante, une nouvelle voix Transluce identifiée depuis son site officiel. Recherche depuis le 28 septembre : recouvrement de 48 h avec les dernières lectures historiques réussies du 30 ; celles-ci ne prouvent aucun passage natif Sources. Les 60 posts, 77 voix, 15 lectures et trois tendances antérieurs sont conservés. Pistes watermarking, PFAS et publications ouvertes non approfondies exclues ; aucune tendance ancienne renouvelée, aucune mesure reproduite, aucune couverture exhaustive. Listes, preuves, limites et compteur du jour dans la PR et Brain46.
Lecture du 2026-09-14 : Quatre publications d’Ethan Mollick des 12 au 14 septembre, dont une réponse qui nuance son propre post. Ensemble avec les deux posts de Simon Willison : six publications, deux auteurs, cinq sujets. Échantillon ciblé ; aucune couverture continue de sept jours ni expérimentation indépendante.
Lecture du 2026-09-19 : Passage matinal repris à partir de 11 h 07, heure de Bruxelles, après la dernière lecture enregistrée du 14 septembre. Recherche ouverte du 16 au 19 septembre, puis recherches ciblées incluant une fenêtre du 12 au 19 septembre pour le recouvrement ; résultats partiels, sans couverture exhaustive de ces jours. Deux nouveaux posts relus de Willison et Mollick ; piste Stoica documentée dans le journal de recherche, sans ajout au flux : identité du compte à confirmer. Les autres résultats repérés ne sont pas déclarés relus. Historique et dates des anciennes lectures conservés ; aucune nouvelle tendance déduite de cet échantillon.
Lecture du 2026-09-22 : Recherche ouverte du 17 au 22 septembre, depuis la dernière mise à jour intégrée du 19 septembre avec recouvrement de 48 heures. Résultats partiels autour des LLM, agents et modèles ouverts, puis vérification ciblée de deux posts : Nathan Lambert (21 septembre) et Clément Delangue (20 septembre). Ce dernier reprend une proposition de la PR138 fermée sans fusion ; sa première date de relecture reste conservée. Autres pistes et propositions antérieures conservées dans le journal de PR, sans être déclarées relues ni publiées. Aucune couverture exhaustive de X, aucune collecte API ni nouvelle tendance déduite ; les trois tendances historiques gardent leur échéance expirée.
Lecture du 2026-09-23 : Recherche partielle du 20 au 23 septembre, avec recouvrement de 48 heures depuis le passage réussi du 22 septembre à 18 h. Recherche ciblée sur six comptes, puis recherche ouverte sur les évaluations : deux posts sélectionnés, dont un auteur absent du référentiel. Les autres pistes ne sont pas déclarées relues. Historique, dates des anciennes lectures et échéances des trois tendances conservés ; aucune couverture exhaustive ni nouvelle tendance déduite de cet échantillon.
Lecture du 2026-09-23 : Correction du seul post Epoch AI : le chiffre de 47 % est une moyenne agrégée sur des niveaux de performance qui évoluent, pas le suivi d’une tâche fixe pendant trois ans. Aucune nouvelle collecte, aucun nouveau post ou auteur ajouté pendant cette reprise. Les lectures antérieures, les dates originales, le post Willison et les tendances restent conservés ; calculs non reproduits.
Lecture du 2026-09-23 : Recherche ouverte partielle du 20 au 23 septembre, avec recouvrement de 48 heures depuis le dernier passage intégré du 22 septembre à 18 h et déduplication contre la proposition matinale non fusionnée. Un post Colab retenu ; autres résultats de découverte non déclarés relus. Le post, l’annonce et la FAQ ont une même origine fournisseur ; aucun essai d’abonnement ou de GPU ni confirmation indépendante des performances. Aucun élément nouveau suffisant pour actualiser les trois tendances historiques, dont les échéances sont conservées. Aucune couverture exhaustive de X.
Lecture du 2026-09-24 : Fenêtre de découverte du 20 au 24 septembre, avec recouvrement de 48 heures depuis le dernier passage intégré du 22 septembre à 18 h et déduplication contre la PR 146. Résultats récents et populaires partiels, sans restriction aux comptes connus ; un retour fournisseur retenu pour sa méthode, non reproduite. Les autres pistes restent non qualifiées. Aucun inventaire exhaustif des laboratoires ou communautés ni nouvelle tendance établie ; dates, lectures et échéances historiques conservées.
Lecture du 2026-09-25 : Dix nouvelles distinctes retenues pour la première fois aujourd’hui, neuf auteurs : Nous Research (deux événements), Google Research, Odyssey, Richard Chien, DAIR.AI, Unreal Labs, Boltzbit, Sakana AI et Meta. Requêtes ouvertes IA/agents/recherche puis laboratoires, résultats anglais et japonais, formulation française incluse. Rattrapage des posts du 22 au 24 septembre, dates originales conservées ; sélection partielle, ni tout X ni tous les comptes. Article Perplexity lié inaccessible : non compté comme preuve lue, annonce limitée aux sources Nous ouvertes. Aucune expérience reproduite. Les trois tendances anciennes restent datées et de confiance faible ; cette sélection ne permet pas de les renouveler. Avant passage : 0 nouvelle du jour ; ajouts proposés : 10 ; manque : 0 ; marge : 40. Contre-revue et fusion encore à réaliser ; aucun ajout mis en ligne par cette rédaction.
Lecture du 2026-09-26 : Dix nouvelles distinctes proposées, huit auteurs, dont trois nouveaux comptes vérifiés. Recherche ouverte du 24 au 26 septembre et recoupements du rattrapage depuis le dernier passage intégré du 22 septembre avec recouvrement de 48 heures ; résultats français et anglais, laboratoires asiatiques également recherchés. Reprises déjà proposées, annonce ivoirienne renvoyant à août et résumé Google composé de plusieurs annonces écartés. Couverture partielle, sans expérience reproduite ni nouvelle tendance déduite. Les dates et échéances historiques sont conservées. Avant passage : 0 nouvelle retenue aujourd’hui ; 10 ajouts proposés, contre-revue à effectuer. Aucun ajout fusionné ni mis en ligne par cette rédaction.
Lecture du 2026-09-27 : Dix nouvelles distinctes proposées pour la première fois aujourd’hui ; recherche ouverte du 24 au 27 septembre avec rattrapage et recouvrement de 48 h depuis le dernier passage intégré. Modèles, logiciels, robotique, évaluation, pratiques et opinions ; auteurs en anglais et chinois, projet brésilien et praticien indien. Anciennes reprises et promotions sans preuve écartées. Couverture partielle ; aucune expérience reproduite, aucune tendance générale nouvelle. Avant passage : 0 ; ajouts : 10 ; contre-revue finale à effectuer. Aucune nouvelle de ce passage fusionnée ou mise en ligne. Seconde passe distincte : documents techniques rouverts ; originaux X de Julia-1 et HomeBody relus dans un contexte distinct, huit autres contre-lectures X bloquées. Deux éléments relus et huit en attente, minimum non atteint : manque 8 jusqu’à 10 ; 48 places sur le total vérifié (40 sur les propositions). Couverture de contre-revue partielle, aucune fusion autorisée.
Lecture du 2026-09-28 : Première admission proposée au rapport du 28 : huit candidats restés non comptés le 27, plus deux nouveaux sujets de sécurité des agents. Les deux sujets déjà contre-vérifiés le 27 ne sont pas recomptés. Recherche ouverte depuis le 26, avec pistes du 25 conservées pour rattrapage ; recouvrement avec la sélection du 27, sans prétendre couvrir tout X. Requêtes sur modèles, recherche, outils ouverts et pratiques ; français et anglais, document chinois et auteurs de plusieurs communautés. Relais anciens, promotions sans preuves et doublons écartés. Correction Lemo : pause storyboard optionnelle, sur demande. Avant : 0 ; dix admissions proposées, contre-revue finale après sceau à terminer ; aucun ajout fusionné ou publié. Tendances historiques non réévaluées : dates et échéances conservées.
Lecture du 2026-09-28 : Une onzième proposition distincte sur l’attribution des coûts aux agents. La date du catalogue DigitalOcean (12 juin) interdit de présenter le post du 28 comme une première disponibilité démontrée. Aucun essai ni gain mesuré. Bilan provisoire : avant 0, onze propositions, Lemo retiré du total vérifié ; dix admissibles seulement si le complément Nasiko passe la contre-revue finale. Les deux sujets déjà admis le 27 restent exclus ; aucun ajout fusionné ou publié. Recherche complémentaire AK sans résultat récent, piste Nasiko issue de la recherche ouverte initiale.
Lecture du 2026-09-28 : Complément ciblé : une annonce Sonnet 5.5 proposée ; les dix admissions admissibles du matin ne sont pas recomptées. 47 posts, 73 voix et trois tendances antérieurs conservés. Aucun benchmark ni test API reproduit, pas de couverture exhaustive de X. Les reprises et nuances du même lancement ne comptent qu’une fois. Pistes francophones éducation/RD Congo repérées dans les résultats mais non ouvertes, donc non lues et exclues. Guide de migration inaccessible à l’outil web, lu dans le navigateur autorisé. Bilan final et liste quotidienne dans la PR et le journal après contre-revue.
Lecture du 2026-09-30 : Première proposition du jour : dix événements distincts, à contre-vérifier. Fenêtre de découverte depuis le 26 septembre à 18 h UTC, recouvrement de 48 heures avec le dernier passage réussi du 28 au soir ; rattrapage du 29. Requêtes ouvertes en français, anglais et chinois, comptes de recherche, praticiens, formation et fournisseurs. Les 48 posts, 73 voix, 13 lectures et trois tendances antérieurs sont conservés. Deux nouvelles voix identifiées et identité d’Andrew Ng confirmée. Les tendances anciennes ne sont pas renouvelées : corpus insuffisant pour valider leur évolution générale. Collecteur sans jeton API : zéro candidat automatique, recherche navigateur effective. Pistes emploi, francophones RD Congo et autres résultats non approfondis exclus du compteur. Aucun benchmark reproduit ; aucune couverture exhaustive de X. Bilan final et preuves dans la PR146 et le journal Brain46.
Lecture du 2026-09-30 : Recouvrement depuis le 28 septembre, après le passage réussi du 30 au matin. Recherche ouverte en anglais et français : recherche, évaluations, pratiques et fournisseurs. Deux nouveaux événements sur la robotique et la prise de parole ; dix événements du matin conservés sans recomptage. Les 58 posts, 75 voix, 14 lectures et trois tendances antérieurs restent conservés. Couverture partielle, sans API payante ni benchmark reproduit. Les tendances anciennes ne sont pas renouvelées faute de preuves nouvelles suffisantes sur leur fenêtre. Les pistes francophones, sécurité, bras ouverts et compression de cache non approfondies ne sont pas admises au compteur. Preuves, exclusions, bilan quotidien et réserves de publication dans la PR146 et Brain46.
La collecte automatique X était indisponible ou partielle au dernier relevé. Dernier relevé : . Voir la méthode.
Les personnes sélectionnées et les limites de couvertureLeaders et dirigeants · 13 comptes
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
