Google révèle que Gemini 4 Argon, son dernier modèle LLM accessible au public, peut gérer l'intégralité du cycle d'entraînement robotique : création d'environnements de simulation, génération de 4500 exercices, annotation des performances et optimisation, faisant passer les robots de 50% à 75-80% de taux de réussite.
Google prend une longueur d'avance considérable en robotique en unifiant toute la chaîne de développement dans un seul modèle grand public, là où les concurrents utilisent des modèles spécialisés séparés. Le temps de réalisation des tâches passe de 30 à 20 secondes en moyenne. Google met à disposition des chercheurs tous les outils de cette chaîne, reproduisant sa stratégie habituelle de contrôle d'un écosystème complet pour dominer un marché.
D’après la vidéo
⚙ Comment ça marche
Argon crée d'abord un jumeau numérique de la scène réelle, génère 4500 exercices d'entraînement dans des environnements simulés variés, puis annote et note les performances du robot virtuel pour l'optimiser avant de transférer ce cerveau entraîné dans le robot physique. Le modèle peut aussi partir de vidéos d'humains filmés avec une caméra pour créer ces environnements.
💬 Ce qu’en pense l’auteur
L'auteur considère que Google vient de prendre la main sur l'ensemble du marché de la robotique future avec cette approche unifiée, et s'interroge sur la capacité des États-Unis à rattraper la Chine actuellement en tête dans ce domaine grâce à cette avancée.
✅ À faire
Google a publié tous les applicatifs d'entraînement et environnements virtuels à disposition des chercheurs pour qu'ils manipulent et améliorent le système, reproduisant sa stratégie d'ouverture pour accélérer l'innovation et dominer le marché.
Démo avecGemini 4 Argon
« Google vient de nous dire que le domaine qu'on a loupé autour de Arcon, c'est la robotique »
Character.AI, pionnier des chatbots personnalisés avec 20 millions d'utilisateurs en 2024, entre en procédure de faillite volontaire et se fait racheter par Disney pour 20 millions de dollars, soit seulement 3 à 6 mois de ses pertes mensuelles.
Cette faillite illustre la fragilité du modèle économique des services IA grand public : Character.AI générait 5,3 millions de dollars de recettes mensuelles mais avait des dépenses doubles. Plus l'entreprise gagnait d'utilisateurs, plus ses coûts de calcul augmentaient, créant une spirale de pertes. Disney récupère pour une bouchée de pain la technologie pour créer des avatars IA de ses personnages dans ses parcs et services en ligne.
D’après la vidéo
⚙ Comment ça marche
Le modèle SaaS avec IA intégrée fait face à un problème de scaling inversé : plus on acquiert d'utilisateurs, plus les coûts de data center et de LLM augmentent proportionnellement, créant une spirale de pertes au lieu d'économies d'échelle.
💬 Ce qu’en pense l’auteur
L'auteur voit cette faillite comme le signe d'un effondrement plus large du modèle économique des outils IA payants, d'autant que des alternatives open source gratuites comme Cast qu'il propose lui-même rendent ces services obsolètes.
Démo avecCastDisney
« caractère. AI. Alors, je vous refais pas l'article parce qu'on en a déjà parlé pas mal de temps, mais caractère et ail s'est placé en situation de faillite »
Nvidia annonce un investissement de 10 milliards de dollars en Europe, dont des prises de participation minoritaires dans quatre entreprises françaises : Doctolib, Enthalpic.ai, Genesis AI et Pigment.
Nvidia prend des parts minoritaires sans siège au conseil dans des pépites françaises stratégiques, créant un paradoxe avec les discours de souveraineté énoncés le même jour à l'Élysée. L'investissement crée une dépendance circulaire : Nvidia fournit déjà l'infrastructure à ces entreprises (notamment Doctolib) qui vont acheter davantage de matériel Nvidia en se développant. Deux autres investissements non dévoilés sont promis.
D’après la vidéo
⚙ Comment ça marche
Nvidia fournit déjà l'infrastructure à Doctolib depuis plus d'un an pour la reconnaissance vocale médicale et prévoit d'étendre l'offre au grand public pour consulter l'IA avant même de voir un médecin. En investissant au capital, Nvidia s'assure que la croissance de ces entreprises se traduira par davantage d'achats de ses propres puces.
💬 Ce qu’en pense l’auteur
L'auteur souligne le paradoxe entre les discours de souveraineté de l'actu précédente et cette prise de capital américaine dans les meilleures pépites françaises, tout en reconnaissant qu'il n'y a pas vraiment d'alternative aujourd'hui à Nvidia.
Démo avecNvidiaDoctolib
« Il y a quatre entreprises françaises dans lesquelles Nvidia va rentrer en en capital, alors pas au capital décisionnel, mais au capital, il y a Doctolib et il y a trois autres boîtes. Il y a Antalpique, ça nous permet de découvrir des pépites françaises, c'est cool healpique, Genesis et Aï et Pigment »
Le conseil de défense français du 14 octobre a décidé d'investir 2 milliards d'euros dans l'IA de défense, dont 500 millions pour développer une IA de commandement souveraine, distincte du système Palantir MSS utilisé par l'OTAN.
La France cherche à développer son propre système décisionnel militaire par IA, équivalent au système Palantir MSS utilisé par les États-Unis et l'OTAN, pour maintenir son autonomie stratégique. Cet investissement s'inscrit dans un budget de réarmement de 36 milliards d'euros d'ici 2030. Le président Macron appelle à une construction européenne de ces capacités, faute de pouvoir les développer seul.
D’après la vidéo
⚙ Comment ça marche
Le système MSS de Palantir est capable d'organiser des opérations militaires complexes en analysant renseignement, photos satellitaires et données pour coordonner missiles, porte-avions et cibler des objectifs avec une précision temporelle calculée.
✅ À faire
L'auteur rapporte que la France et le président Macron appellent à construire ensemble en Europe des modèles militaires open source et des systèmes décisionnels, en mutualisant les puissances de calcul européennes et potentiellement avec des alliés comme le Royaume-Uni, le Canada, le Japon ou la Corée du Sud.
« 2 milliards d'euros qui euh vont être mis sur l'IA de défense dont 500 millions d'euros pour l'IA de commandement »
Dans la nuit du 13 au 14 octobre, SpaceX a bridé la vitesse des drones de défense ukrainiens à 160 km/h via son service Starshield, empêchant l'interception des drones d'attaque russes qui volent jusqu'à 400 km/h.
Cette limitation technique imposée unilatéralement par une entreprise privée a empêché la défense anti-drones ukrainienne de fonctionner efficacement, les shaeds d'attaque volant jusqu'à 400 km/h. Cela illustre le pouvoir des entreprises technologiques privées dans les conflits militaires et pose la question de qui décide des capacités de défense d'un pays. Le bridage concernait spécifiquement Starshield (version militaire cryptée), pas Starlink civil.
D’après la vidéo
⚙ Comment ça marche
SpaceX avait établi une liste blanche des drones ukrainiens il y a quelques mois pour distinguer les drones ukrainiens des russes. Cette même infrastructure de contrôle a permis de brider à distance la vitesse des connexions des drones ukrainiens au-dessus de 110-120 km/h, causant des coupures de pilotage.
💬 Ce qu’en pense l’auteur
L'auteur considère qu'il y a un faisceau d'indices troublants, notamment la coïncidence entre le bridage des drones de défense et l'augmentation des attaques russes la même nuit, et souligne l'absence de démenti ou d'explication claire de la part d'Elon Musk et de Donald Trump.
⚠ Ses réserves
L'auteur note que ni Elon Musk ni Donald Trump n'assument la décision, se renvoyant mutuellement la responsabilité, et qu'il n'y a pas de déclaration diplomatique officielle confirmant le changement d'alliance.
Démo avecSpaceXStarshieldStarlink
« dans la nuit du euh 13 au 14 octobre et donc il y a quelques jours à peine, on s'est rendu compte que les drones euh ukrainiens sur le territoire ukrainien, pas ailleurs, sur le territoire ukrainien, les drones ukrainiens, on s'est rendu compte qu'ils ne volaient plus au-dessus de 160 km/h »
Cloudflare a constaté une chute drastique du trafic des bots russes après la destruction des data centers, mais il s'agit des bots d'exploration web (crawlers) et non des bots de désinformation sur les réseaux sociaux.
La confusion médiatique entre bots d'exploration (crawlers SEO) et bots de désinformation a créé une fausse interprétation de l'impact de l'attaque. Pour les référenceurs : une baisse d'activité des crawlers Yandex a été observée suite à cette attaque, affectant l'indexation des sites par le moteur russe. Cette information corrige une désinformation circulant dans les médias.
D’après la vidéo
⚙ Comment ça marche
Cloudflare suit toutes les connexions réseau et peut traquer avec son outil radar les connexions des bots. La chute constatée concerne les bots d'exploration de pages web comme ceux de Google, et les bots de récupération de contenu.
⚠ Ses réserves
L'auteur met en garde contre la confusion faite dans les médias : ce ne sont pas les bots de désinformation qui ont chuté, mais l'activité digitale générale russe et ukrainienne.
« Cloud Flir celui l'acteur international qui regarde toutes les connexions réseau dans tous les sens et qui sait suivre et traquer avec son outil radar toutes les connexions des bottes à des systèmes, et ben nous dit qu'effectivement ça a drastiquement chuté »
Des drones ukrainiens ont attaqué des data centers russes hébergeant les infrastructures de Yandex, dont deux sur trois dédiés à Yandex GPT ont été touchés, arrêtant les entraînements en cours.
L'attaque a mis hors service une partie significative de l'infrastructure d'entraînement IA de Yandex, arrêtant les entraînements en cours et compliquant leur reprise. Cela affecte directement le développement du modèle d'IA russe. Il s'agit d'un événement ponctuel lié au conflit, pas d'un changement structurel des capacités de Yandex.
D’après la vidéo
⚙ Comment ça marche
Les infrastructures de Yandex, incluant Yandex GPT (désormais appelé Alice), le cloud, le e-commerce et une partie du réseau russe étaient hébergées dans ces data centers attaqués.
Démo avecYandexYandex GPT
« il y a deux data centers sur trois qui sont dédiés à Yandex GPT qui ont cramé également. Donc ça veut dire que les entraînements en cours sont arrêtés »
Disney a investi 1,5 milliard de dollars dans Epic Games pour produire ensemble un jeu rassemblant tous les univers Disney (Pixar, Avatar, Marvel, Star Wars), dont le portail sera Fortnite mais qui n'est pas encore nommé et est déjà en retard.
Cet investissement explique le virage IA d'Epic Games malgré son opposition initiale : le projet Disney-Epic est en retard, et l'adoption de l'IA vise à accélérer la production. Le PDG d'Epic annonce publiquement entrer dans l'ère de l'IA-first. Si ce projet réussit, cela pourrait entraîner tout l'écosystème Disney et l'industrie du jeu vidéo dans cette direction.
D’après la vidéo
⚙ Comment ça marche
Le projet vise à créer un nouveau jeu dont le portail sera Fortnite, permettant de rassembler tous les personnages des franchises Disney dans un univers commun.
💬 Ce qu’en pense l’auteur
L'auteur souligne le revirement spectaculaire de Disney et Epic, tous deux historiquement opposés à l'IA, et note que le projet est déjà très en retard sur son calendrier.
« Disney, who has also been up in arms against AI from the beginning. Well yes, except that they invested 1.5 billion dollars in Epic Games. To do what together? Produce a video game that will be able to collect all of Disney's assets, from Pixar to Avatar, including Marvel, Star Wars »
L'IGN lance JUNE, un projet de jumeau numérique national en open source sponsorisé par France 2030, développé avec l'INRIA et le CSTB, qui permettra de simuler des scénarios climatiques et d'adaptation territoriale avec premières briques livrées en 2025.
Ce jumeau numérique permettra aux collectivités, exploitants forestiers et gestionnaires d'infrastructures de simuler l'impact du changement climatique sur leur territoire : îlots de chaleur, zones inondables, mortalité forestière selon les essences plantées, etc. L'outil sera open source pour permettre au maximum d'acteurs de l'utiliser pour leurs politiques d'adaptation. La mortalité des forêts françaises ayant été multipliée par 2,5 sur les 10 dernières années, ces simulations deviennent essentielles pour les décisions d'aujourd'hui.
D’après la vidéo
⚙ Comment ça marche
Le jumeau numérique est une copie 3D du territoire sur laquelle on peut faire jouer des scénarios : hausse de température, inondations, changement d'essences forestières. L'outil calcule les conséquences (zones inondées, îlots de chaleur, production de bois, puits carbone, risques d'incendie) pour éclairer les décisions d'adaptation.
💬 Ce qu’en pense l’auteur
Soriano souligne la demande forte des acteurs territoriaux pour ces outils face au stress climatique croissant, et défend une approche totalement ouverte avec une communauté de développement pour maximiser l'impact.
✅ À faire
Attendre les premières briques en 2025 pour tester les simulations territoriales. Le projet étant open source, les acteurs territoriaux pourront contribuer et adapter l'outil à leurs enjeux spécifiques.
Démo avecJUNE
Outil à testerJUNN — Jumeau Numérique National (anciennement JNFT, Jumeau Numérique de la France et de ses Territoires)tarif inconnu
Jumeau numérique du territoire français pour simuler les impacts du changement climatique et tester des politiques d'adaptation
Pourquoi il semble prometteur : Sponsorisé par France 2030, développé en consortium public-privé (IGN, INRIA, CSTB), sera complètement open source, répond à une demande forte des acteurs territoriaux face à l'urgence climatique
Programme public en phase de construction (2026-2029) : il n'y a pas encore de plateforme utilisable à télécharger, seulement des briques en développement et des appels à projets annoncés pour fin 2026.
L’auteur l’a adopté
Soriano porte ce projet comme une réponse concrète à l'adaptation climatique, avec une conviction forte sur l'approche open source et collaborative pour maximiser l'utilité publique du jumeau numérique.
L'IGN a développé Maestro, un modèle de fondation capable de générer des vues du territoire, publié en open source avec ses données d'entraînement (Pure Forest), réduisant les besoins en données d'apprentissage de cinq fois pour des tâches spécialisées comme la reconnaissance d'essences forestières.
Ce modèle permet de spécialiser plus facilement des IA pour des tâches géographiques spécifiques (essences forestières, détection de changements) avec moins de données d'entraînement. L'approche open source avec publication des données d'entraînement vise à créer une communauté technique autour du modèle. Le modèle répond notamment au besoin de différencier les essences forestières françaises très variées pour anticiper les risques d'incendie en fonction de la météo.
D’après la vidéo
⚙ Comment ça marche
Maestro est un modèle de fondation géographique qui, à partir d'une image du territoire, peut générer des variations. Il sert ensuite de base pour des modèles spécialisés, par exemple pour la reconnaissance des essences forestières, avec cinq fois moins de données d'entraînement nécessaires qu'avec du deep learning classique.
💬 Ce qu’en pense l’auteur
Soriano insiste sur l'ouverture complète du modèle et des données d'entraînement, organisant des challenges techniques pour optimiser Maestro avec la communauté, dans l'objectif d'en faire un commun plutôt qu'un modèle propriétaire de l'IGN.
Démo avecMaestro
Outil à testerMAESTRO (IGN)gratuit
Modèle de fondation géographique pour générer des vues du territoire et servir de base à des modèles spécialisés
Pourquoi il semble prometteur : Réduit de cinq fois les besoins en données d'entraînement pour les tâches spécialisées, publié en open source avec Pure Forest (un des plus grands jeux de données mondiales d'entraînement sur les forêts)
Projet de recherche open source (licence Apache 2.0) : c'est une base de code PyTorch et des poids pré-entraînés sur Hugging Face destinés à des spécialistes de la télédétection, pas une application grand public ni un générateur d'images.
L’auteur l’a adopté
Soriano défend une approche communautaire où Maestro ne reste pas propriété de l'IGN mais devient un commun que la communauté technique s'approprie et fait évoluer collectivement.
« Nous on a créé maintenant à l'hygiène un modèle de fondation géographique, c'est-à-dire qu'il est capable de générer non pas du langage, mais il est capable de générer des vues du territoire. »
L'IGN et OpenStreetMap ont lancé Panoramax, une banque d'images participative qui a collecté 120 millions de photos représentant 1,1 million de kilomètres de voirie en 2 ans, offrant une alternative ouverte au Street View de Google.
Cette initiative permet à quiconque de contribuer avec son smartphone ou sa GoPro et d'accéder à des images de terrain libres de droits, contrairement au Street View dont les données ne peuvent être copiées ou analysées algorithmiquement. Les développeurs peuvent faire tourner des routines d'IA sur ces données pour créer des applications. Le service n'est pas encore exhaustif sur le territoire français mais démontre la capacité de passage à l'échelle par le collaboratif.
D’après la vidéo
⚙ Comment ça marche
N'importe qui peut prendre des photos avec sa GoPro, son smartphone, à vélo, en voiture ou à pied, et les verser dans cette banque d'images participative. L'IGN floute automatiquement les visages, plaques d'immatriculation et éléments de vie privée avant diffusion.
✅ À faire
Contribuer en uploadant ses propres photos de terrain sur Panoramax, disponible sur carte.gouv.fr. Les développeurs peuvent exploiter ces données ouvertes pour créer des applications d'analyse du territoire.
Démo avecPanoramaxOpenStreetMap
Outil à testerPanoramaxgratuit
Banque d'images participative pour créer une alternative ouverte au Street View de Google
Pourquoi il semble prometteur : 120 millions de photos collectées en 2 ans, données complètement ouvertes permettant l'exploitation algorithmique, aucune restriction d'usage contrairement à Google Street View
Projet opérationnel et fédéré (plusieurs instances : panoramax.ign.fr, panoramax.openstreetmap.fr), consultation libre sans compte via explore.panoramax.fr ou une API STAC, photos sous licence ouverte ; la couverture reste très inégale hors France et dépend des contributions locales.
L’auteur l’a adopté
Soriano présente Panoramax comme un exemple réussi de complémentarité entre puissance publique (IGN) et commun (OpenStreetMap), démontrant qu'une alternative aux solutions propriétaires américaines est possible avec le collaboratif.
« ce projet, il va commencer à à délivrer des premières briques à partir de l'année prochaine et donc il vise à vraiment donner un outil qui sera complètement open source qu'on veut construire avec une communauté ouverte pour que le maximum d'acteurs puisse avoir des instruments de jumeau numérique pour simuler leur leurs enjeux »
L'Institut géographique national publie désormais l'ensemble de ses données cartographiques en open data avec une licence ouverte permettant copie, modification et commercialisation, suite à la loi pour une République numérique.
Les données géographiques de référence de la France (routes, bâti, forêt, limites administratives) sont utilisables librement par tout acteur public ou privé pour créer des services, des applications ou des analyses territoriales. Cela permet notamment aux développeurs et aux collectivités de s'appuyer sur une base certifiée sans coût de licence. Certains propriétaires forestiers expriment des réserves sur la publication de données très précises qui pourraient faciliter le vol d'arbres de valeur.
D’après la vidéo
⚙ Comment ça marche
L'IGN cartographie la France tous les 3 ans par imagerie aérienne avec une résolution de 20 cm par pixel, puis des techniciens de production classifient ces données, assistés par de l'IA. Ces données sont ensuite mises en open data sur carte.gouv.fr.
💬 Ce qu’en pense l’auteur
Soriano défend le principe de publication totale malgré certaines demandes de restriction, considérant que le paradigme actuel est de publier tout ce que l'IGN produit pour garantir la transparence et l'accès citoyen.
« nos données sont par défaut en open data, accessibles partout et y compris avec ce qu'on appelle une licence ouverte. C'est-à-dire qu'on a le droit de copier, modifier la donnée, la commercialiser, on fait vraiment ce qu'on veut avec sans sans entrave. Faut juste mentionner quelque part qu'on utilise les données de l'hygiène. »
Microsoft a inversé sa stratégie : Copilot n'est plus saupoudré dans l'écosystème Microsoft, mais devient la plateforme centrale avec l'écosystème Microsoft qui vient se greffer autour.
Ce changement architectural fait de Microsoft un concurrent stratégique majeur dans l'IA, non pas grâce à ses modèles de langage (qui ne sont pas les meilleurs) mais grâce à son écosystème d'entreprise. Pour les utilisateurs professionnels déjà dans l'écosystème Microsoft, cela représente une intégration IA de plus en plus profonde et centrale dans leurs outils quotidiens.
D’après la vidéo
⚙ Comment ça marche
Copilot se déploie notamment dans les entreprises qui sont totalement impactées par l'écosystème Microsoft, transformant la relation entre l'IA et les outils bureautiques traditionnels.
💬 Ce qu’en pense l’auteur
L'auteur considère Microsoft comme les potentiels gagnants du monde de demain, non pas avec un LLM seul mais avec un « harness », un écosystème complet autour du LLM qui fait leur force distinctive.
Démo avecCopilot
Outil à testerMicrosoft Copilot (Microsoft 365 Copilot)freemium
Assistant IA de Microsoft qui s'intègre dans l'écosystème de productivité de l'entreprise
Pourquoi il semble prometteur : Microsoft ne mise pas sur la qualité supérieure de ses modèles mais sur l'intégration complète dans son écosystème d'entreprise déjà dominant, inversant sa stratégie pour faire de Copilot la plateforme centrale
Copilot existe en version gratuite grand public et en licences payantes Microsoft 365 Copilot pour l'entreprise ; les nouveautes Home, Code et Autopilot arrivent par vagues (programme Frontier et previews), donc la disponibilite depend du tenant et de la licence.
À essayer selon l’auteur
L'auteur voit Microsoft comme les potentiels gagnants grâce à cette stratégie d'écosystème qui compense l'absence des meilleurs modèles du marché, Copilot devenant central plutôt que périphérique dans l'architecture Microsoft.
Le patron de Microsoft plaide pour une responsabilisation des intermédiaires qui déploient les LLM dans leurs systèmes, plutôt qu'une régulation directe des modèles de langage, en considérant les LLM comme des humains nécessitant un « manager » qui vérifie leur travail.
Cette position défendue par Microsoft s'oppose à la réglementation européenne actuelle qui cible les modèles eux-mêmes. Elle déplace la responsabilité légale vers les entreprises qui intègrent les LLM dans leurs services, ce qui correspond à la stratégie de Microsoft avec Copilot. Pour les prestataires et intégrateurs, cela signifierait une obligation de mettre en place des surcouches de vérification et de contrôle des sorties des LLM.
D’après la vidéo
⚙ Comment ça marche
Selon Nadella, les LLM doivent être traités comme des humains qui peuvent être mal intentionnés ou faire des erreurs malgré leurs bonnes intentions, et nécessitent donc une supervision externe plutôt qu'une régulation interne.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette approche contre-courant mais intéressante, estimant que les règles européennes actuelles sont « un petit peu à côté de la plaque », même s'il reconnaît que Nadella défend avant tout les intérêts de Microsoft qui est champion de cette approche écosystémique.
✅ À faire
L'auteur suggère d'écouter cette proposition de régulation portant sur le « harness » (l'écosystème) plutôt que sur le LLM lui-même, car elle pourrait offrir une alternative aux approches réglementaires actuelles.
⚠ Ses réserves
La difficulté de réguler les LLM vient notamment du fait qu'ils ne sont pas des logiciels classiques traçables, avec désormais du raisonnement en seconde couche et des sous-agents dont on ne peut plus rien tracer.
Démo avecCopilot
« Il nous faut absolument avoir la responsabilisation des intermédiaires. Il y a les fabricants de lm, ils font leur LM et ensuite il y a ceux qui rajoutent tout autour. »
En termes de performance, Muse Wonder de Meta surpasse tous les modèles IA concurrents à l'exception de Claude Opus 5 d'Anthropic, positionnant Meta parmi les leaders du secteur.
Pour les développeurs et utilisateurs professionnels, cela offre une alternative crédible aux modèles d'OpenAI et Anthropic. La tarification alignée sur les concurrents premium indique un positionnement haut de gamme. L'accès grand public viendra ultérieurement.
D’après la vidéo
💬 Ce qu’en pense l’auteur
Meta rejoint désormais le podium des plus gros acteurs de l'IA, ce qui constitue une réussite après la réorganisation de sa branche intelligence artificielle.
« c'est le seul modèle Opus 5. Dans Tropiic que ce nouveau modèle Wonderful ne bat pas. Wonder est un petit peu derrière et clairement Meta vient de se hisser sur le podium »
Meta annonce Muse Wonder, disponible via API pour les développeurs à 4$/million de tokens en entrée et 20$/million en sortie, et Muse Wonder F encore réservé aux experts en cybersécurité.
Meta rejoint les leaders de l'IA générative avec des modèles tarifés au niveau d'Anthropic. Muse Wonder se positionne juste derrière Claude Opus 5 en performance. Ces modèles visent à alimenter l'agent personnel Muse de Meta plutôt que les usages professionnels.
D’après la vidéo
⚙ Comment ça marche
Wonder est disponible via l'API Meta pour les développeurs, facturé à l'usage. Wonder F reste entre les mains des experts en cybersécurité en raison de ses capacités avancées et des risques potentiels associés.
💬 Ce qu’en pense l’auteur
Meta a réussi son pari entamé il y a plus d'un an avec Alexander Wang, en réorganisant sa branche IA pour revenir dans la compétition. Le modèle se hisse déjà très haut et Meta rejoint les plus gros de l'IA.
⚠ Ses réserves
L'approche de Meta avec Alexander Wang et Scale AI, qui collecte et étiquette des données partout, est décriée. Cela s'inscrit dans la mouvance de Meta qui profite de son écosystème et des données personnelles.
Outil à testerMuse Wonder / Muse Wonder Full (Meta)payant
Modèle IA généraliste conçu pour alimenter Muse, l'agent personnel de Meta qui effectue les tâches quotidiennes de l'utilisateur
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles concurrents, battu uniquement par Claude Opus 5 d'Anthropic, et tarification compétitive alignée sur les leaders du marché
Modèle propriétaire lancé le 12 octobre 2026 : Muse Wonder s'utilise via l'API payante de Meta (compatible SDK OpenAI), tandis que Muse Wonder Full n'est accessible que via un abonnement Muse Code, et le rapport de sécurité détaillé reste à paraître.
À essayer selon l’auteur
Meta fait un retour réussi dans la course à l'IA avec Wonder qui se hisse sur le podium. Wonderful s'annonce comme le deuxième meilleur modèle IA existant. Ces modèles vont permettre à Muse de faire un carton pour le grand public en automatisant les tâches individuelles.
Les agents IA échouent encore souvent à être autonomes car ils reviennent constamment vers l'utilisateur pour poser des questions, créant un nouveau travail qui est celui de répondre à l'agent.
La promesse des agents personnels (autonomie, proactivité) n'est tenue que si l'agent essaie réellement toutes les options avant de solliciter l'utilisateur. Sinon, on remplace une tâche par une autre : gérer l'agent lui-même. Cela freine l'adoption et explique pourquoi beaucoup abandonnent après avoir testé. L'exécution de bout en bout est le critère discriminant d'un bon agent.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur considère que l'autonomie réelle est le critère numéro un d'un agent personnel et que la plupart des solutions actuelles (Dots, Muse) échouent encore sur ce point.
« Souvent les agendas vont revenir vers nous pour nous demander des choses et on s'est créé un nouveau job qui est celui de répondre à nos agendas. Et c'est pas ce qu'on veut. On veut qu'il soit autonome, proactif »
En demandant à Hermes de transférer toutes les vidéos d'une formation de Vimeo vers Tella puis Circle, l'agent a téléchargé plusieurs gigas de vidéos, les a uploadées sur Tella via MCP et les a intégrées dans Circle de manière autonome.
Un agent correctement configuré peut gérer des migrations lourdes entre plateformes en exploitant APIs et MCP, épargnant des heures de travail manuel ou le coût d'un prestataire. Nécessite que l'agent ait accès aux APIs des services et un environnement d'exécution pour télécharger et uploader de gros fichiers. L'autonomie réelle (boucle auto-réparante) est clé pour ne pas multiplier les allers-retours.
D’après la vidéo
⚙ Comment ça marche
L'agent a téléchargé toutes les vidéos de Vimeo sur son propre serveur, les a uploadées sur Tella via leur MCP, puis a utilisé son navigateur pour les intégrer dans Circle, le tout de manière autonome après avoir posé les questions nécessaires.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette capacité magique et souligne que cela lui a évité de payer quelqu'un ou de se nouer le cerveau pour automatiser cette tâche fastidieuse.
Démo avecHermesVimeoTellaCircle
« j'ai demandé à mon Hermes est-ce que tu peux prendre toutes ces vidéos de Vimeo, les mettre sur Tella pour ensuite le mettre sur Circle qui est ma plateforme de formation. Je lui ai donné un prompt assez simple. Il m'a posé un certain nombre de questions. Il a pris le temps de voir ce qui était possible, pas possible »
Instinct coûte aujourd'hui entre 200 et 250 dollars de tokens par mois par utilisateur, mais l'outil est gratuit en phase d'invitation pour créer l'addiction avant la monétisation.
Le modèle économique des agents personnels repose sur des coûts d'inférence élevés, rendant le service très coûteux à long terme. La gratuité actuelle est une stratégie d'acquisition et de verrouillage : une fois dépendant, l'utilisateur acceptera un prix élevé. L'auteur estime qu'il paierait jusqu'à 1000 € par mois tant l'outil lui fait gagner de temps.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur reconnaît être en train de devenir dépendant d'Instinct malgré le risque de perte de contrôle sur ses données et le coût futur potentiel de 1000 € par mois.
⚠ Ses réserves
L'auteur n'a aucun contrôle sur ses données avec Instinct, contrairement aux solutions open source, et le modèle économique futur risque d'être très coûteux une fois la phase d'adoption passée.
Démo avecInstinct
Outil à testerInstinct (Spear Street Technology, Inc.)gratuit
Agent IA personnel le plus élaboré selon l'auteur, capable de gérer de bout en bout réservations, emails, tâches administratives avec proactivité
Pourquoi il semble prometteur : Proactivité avancée (check-in automatique, suggestions non sollicitées), exécution de bout en bout sans revenir vers l'utilisateur, expérience utilisateur mature
Agent personnel que l'on contacte par SMS/iMessage/WhatsApp ou par appel, en bêta sur invitation et gratuit pour l'instant, mais les conditions d'utilisation réservent explicitement le droit de facturer plus tard ; il demande un accès large à vos comptes (mail, agenda, moyens de paiement), ce qui mérite réflexion avant de l'essayer.
L’auteur l’a adopté
L'auteur considère Instinct comme l'agent personnel le plus abouti aujourd'hui, devenant addict malgré le coût futur élevé et l'absence de contrôle sur ses données. Il reconnaît que c'est le produit qui change vraiment sa manière de travailler, au point de potentiellement accepter 1000 € par mois.
Aucune page officielle n’a pu être confirmée — cherchez le nom vous-même plutôt que de suivre un lien approximatif.
« Aujourd'hui, ça leur coûte 200 250 balles de token par mois par utilisateur, mais ils sont en train d'ouvrir les vannes exprès pour pouvoir en fait donner un avant-goût de ce que ça peut représenter pour les gens »
En informant Instinct qu'il était arrivé en avance à la gare, l'agent a trouvé un bus plus tôt, réservé le billet avec sa carte prépayée, puis proposé proactivement d'annuler l'ancien trajet pour récupérer 5 €.
Un agent avec accès aux moyens de paiement et aux réservations peut gérer de bout en bout un changement de trajet, y compris l'annulation et le remboursement, sans intervention manuelle. Nécessite d'avoir configuré une carte dédiée et donné les accès appropriés. La proactivité de l'agent (proposer l'annulation sans qu'on le lui demande) réduit la charge mentale.
D’après la vidéo
⚙ Comment ça marche
L'agent accède à la plateforme Blablacar, compare les options, prend le nouveau billet avec la carte limitée fournie, puis détecte l'ancien billet et propose proactivement de l'annuler pour récupérer le remboursement partiel.
💬 Ce qu’en pense l’auteur
L'auteur est impressionné par la proactivité de l'agent qui anticipe l'annulation sans qu'on le lui demande, épargnant une tâche fastidieuse qu'il n'aurait pas faite par flemme.
Démo avecInstinct
« je suis arrivé à la gare de Genève un peu plus tôt, je devais prendre mon bus normalement à 20h, sauf que j'étais là bien avant et je lui ai demandé à 18h34, écoute, je suis arrivé plus tôt, est-ce que tu peux pas voir s'il y a un blabla bus dispo plus tôt ? »
Argon crée d'abord un jumeau numérique de la scène réelle, génère 4500 exercices d'entraînement dans des environnements simulés variés, puis annote et note les performances du robot virtuel pour l'optimiser avant de transférer ce cerveau entraîné dans le robot physique. Le modèle peut aussi partir de vidéos d'humains filmés avec une caméra pour créer ces environnements.