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 »
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 »
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.
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 demandant à Hermes de créer un script surveillant une page d'inscription de trail, l'agent a prévenu par WhatsApp en 5 minutes qu'une place s'était libérée.
Un agent IA avec accès à un système de messagerie et des capacités de scripting peut surveiller des pages web et alerter automatiquement. Applicable à toute situation nécessitant de guetter un changement d'état (places disponibles, prix, stocks). Nécessite que l'agent soit connecté aux canaux de communication choisis et dispose d'un environnement d'exécution.
D’après la vidéo
⚙ Comment ça marche
L'agent reçoit la demande via Telegram, crée un script qui va lire la structure de la page d'inscription, met en place un cron job qui tourne toutes les 30 minutes et envoie un message sur WhatsApp dès qu'une place se libère.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette capacité impressionnante et souligne que cela change la manière de penser : on prend le réflexe de déléguer ce type de tâche à un assistant permanent.
✅ À faire
Connecter l'agent à ses canaux de messagerie (WhatsApp, Telegram) et prendre l'habitude de lui demander ce type de surveillance plutôt que d'abandonner quand une ressource n'est pas disponible.
⚠ Ses réserves
Ce type d'usage nécessite une configuration avancée d'Hermes avec les bonnes intégrations, ce qui peut être complexe à mettre en place pour un débutant.
Démo avecHermesTelegramWhatsApp
« je suis allé sur mon Telegram sur lequel il y a Hermes qui est branché. Je lui ai demandé est-ce que tu peux faire en sorte de regarder dès qu'il y a une place qui est dispo et nous prévenir sur WhatsApp. Lui, il s'est créé un script en allant sur la page, en comprenant la manière dont la pay était faite »
Cet incident illustre concrètement le détournement de modèles d'IA pour des cyberattaques. L'information concerne la sécurité des systèmes mais n'a pas d'impact direct sur les pratiques SEO. Elle confirme que les risques évoqués par les entreprises d'IA ne sont pas seulement théoriques.
D’après la vidéo
⚙ Comment ça marche
Les hackers utilisent des modèles commerciaux disponibles, comme ceux d'Anthropic, pour conduire des attaques sur des infrastructures sensibles comme les banques.
« des modèles open ou des modèles commerciaux, ceux de d'anthropique par exemple, puisse servir pour des hackers à essayer de pirater par exemple des banques sud-coréennes, ce qui est arrivé il y a quelques jours »
Google développe au moins trois modèles dans la gamme Gemini 4 (Argon, Barium et Carbone), dont Argon est actuellement testé par des experts en cybersécurité avant sa sortie publique.
Google prépare plusieurs modèles de sa gamme Gemini 4, suggérant une stratégie de déploiement progressif avec des modèles de puissance croissante. L'information provient d'indiscrétions de Business Insider et reste non confirmée officiellement. La sortie d'Argon est attendue dans les prochaines semaines, mais le calendrier des autres modèles n'est pas connu.
D’après la vidéo
⚙ Comment ça marche
Barium serait une déclinaison ou amélioration dont l'entraînement a donné Argon. Carbone est déjà utilisé par plusieurs milliers de salariés Google pour entraîner les futurs modèles de façon potentiellement récursive.
💬 Ce qu’en pense l’auteur
L'auteur estime que si Argon se mesure à Opus 5, Carbone aurait un niveau équivalent voire supérieur à Opus 5.5, ce qui permettrait à Google de revenir sur le podium aux côtés d'OpenAI et Anthropic.
⚠ Ses réserves
L'auteur exprime des doutes sur la capacité d'Argon à égaler vraiment Opus 5.5 d'Anthropic, qu'il trouve vraiment merveilleux. Les informations proviennent d'indiscrétions et non de sources officielles.
Démo avecGemini 4 Argon
« Argon, barium et carbone. C'est au moins trois modèles qui sont en préparation chez Google Gemini dans cette version Gemini 4. »
L'industriel militaire américain Anduril développe Arsenal OS, un système logiciel global pour piloter entièrement une future usine de production de pièces de sous-marins près de Baltimore, avec tracking permanent des composants et des 3500 employés.
Une usine militaire sera gérée comme un logiciel, avec tracking total de la production et des humains, pour s'adapter en temps réel aux changements d'objectifs militaires. Cela ouvre la voie à une automatisation complète avec robots et IA, Anduril étant déjà spécialiste des drones autonomes.
D’après la vidéo
⚙ Comment ça marche
L'usine devient un système logiciel agile calqué sur la « kill chain » militaire : quand un objectif ou une spécification change, toute la chaîne s'adapte automatiquement (plans, approvisionnement, fabrication) grâce à Arsenal OS qui coordonne l'ensemble.
💬 Ce qu’en pense l’auteur
L'auteur trouve le projet dystopique et inquiétant, surtout en imaginant que les humains trackés pourraient être remplacés par des robots pilotés par IA, créant une usine entièrement autonome fabriquant des armes.
Démo avecForgeArsenal OS
Outil à testerArsenalOS™ (Anduril Industries)tarif inconnu
Système logiciel global pilotant l'intégralité d'une usine de fabrication militaire, incluant le suivi des composants, des processus et des employés
Pourquoi il semble prometteur : Transforme une usine physique en système agile capable de s'adapter en temps réel aux changements d'objectifs militaires, selon le modèle de la « kill chain »
ArsenalOS n'est pas un produit grand public ni commercialisé séparément : c'est la plateforme logicielle industrielle propriétaire d'Anduril, déjà déployée à Arsenal-1 (Ohio) et prévue comme socle numérique d'Arsenal-2, dont l'usine n'ouvrira qu'en 2030.
Avec des réserves
L'auteur voit ce projet comme absolument dystopique, une première étape vers une automatisation totale de la production d'armes par IA et robots, et recommande de surveiller de près son évolution et celle des réponses concurrentes notamment chinoises.
« on va avoir ce genre de scène où il y a du trackur partout sur les produits, sur les humains, sur leurs mains, sur leurs bracelets, sur leurs yeux, sur leurs têtes, sur toutes les composants de la chaîne et on a une un logiciel Arsenal OS qui pilote toutes les ressources, y compris les humains »
OpenAI et Anthropic conduisent des simulations de type « war game » pour préparer leur communication et leurs réactions politiques en cas de catastrophe causée par l'IA, notamment des cyberattaques massives.
Ces préparatifs révèlent que les risques catastrophiques ne sont pas que du marketing mais sont pris au sérieux en interne, avec des scénarios incluant des effondrements bancaires et des coupures énergétiques. Les entreprises préparent leur lobbying auprès du Congrès selon différents scénarios politiques.
D’après la vidéo
⚙ Comment ça marche
Les entreprises simulent des scénarios de catastrophes (cyberattaques, effondrements bancaires) et préparent leurs réponses : qui appeler au Congrès, quelle communication adopter, quel plan de régulation proposer pour éviter une régulation dans l'urgence qui ne leur conviendrait pas.
💬 Ce qu’en pense l’auteur
L'auteur considère que cela prouve que les risques ne sont pas que du marketing mais aussi de la communication calculée, et que c'est même pire que du marketing car les scénarios sont sur la table mais la régulation n'est pas mise en œuvre.
« Open Ehropique, eux d'abord mais d'autres après soient en train de répéter déjà là aujourd'hui les futures crises catastrophes de l'intelligence artificielle »
« des indiscrétions de la part de Axio, ce qui a mené l'enquête dans les papiers de open d'anthropique et également d'autres nous en apprend bien plus. C'est le fait qu'il y ait des scénarios à l'étude en ce moment chez ces grands géants de l'intelligence artificielle qui soient des scénarios de communication du jour d'après »
Google développe au moins trois modèles Gemini 4 : Argon (annoncé), Barium et Carbone, ce dernier étant utilisé en interne par des milliers d'employés Google et considéré comme supérieur à Claude Opus 3.5.
Google aurait plusieurs coups d'avance avec des modèles non encore publics. Carbone serait utilisé par des milliers d'employés Google pour du codage, de la recherche et de la rédaction, suggérant une stratégie de déploiement échelonné et une amélioration récursive des modèles.
D’après la vidéo
⚙ Comment ça marche
Carbone est déployé sur Jetski, l'infrastructure interne des développeurs Google, et serait utilisé pour entraîner les modèles suivants dans une logique d'amélioration récursive.
⚠ Ses réserves
L'amélioration récursive (des modèles IA qui entraînent d'autres modèles) pose des questions de contrôle et de sécurité, personne ne contrôlant le modèle avant qu'il n'existe.
« il y a un autre modèle qui vient d'être dévoilé non officiellement et tout à fait officieusement, c'est le fameux le fameux carbone. Carbone, c'est un modèle qui est donc pas Argon et qui se retrouve sur Jetski »
L'auteur s'est créé un petit transcripteur de vidéo en local avec Whisper (ou « crisper whisper »), évitant ainsi de passer par des transcripteurs en ligne et de payer des abonnements.
Permet de transcrire ses propres vidéos sans dépendre d'un service tiers ni exposer ses contenus. L'auteur utilise ce même outil dans son programme de biographe pour analyser « au millimètre près » ce qu'il raconte. La solution fonctionne sur son ordinateur personnel sans coût récurrent.
D’après la vidéo
⚙ Comment ça marche
On installe un modèle Whisper en local sur son ordinateur, puis on se fait un petit logiciel avec glisser-déposer pour transcrire ses vidéos sans passer par un service en ligne.
💬 Ce qu’en pense l’auteur
L'auteur se demandait pourquoi il passait par des transcripteurs en ligne alors qu'il pouvait faire la même chose en local, gratuitement et sans exposer ses données. Il utilise cet outil dans plusieurs de ses projets personnels.
Démo avecWhisper
Outil à testerCrisperWhisper (variante de Whisper d'OpenAI, par nyra health / nyralabs)freemium
Modèle de transcription audio-texte qui peut fonctionner en local sur son ordinateur pour transcrire ses propres vidéos.
Pourquoi il semble prometteur : Il permet de ne plus dépendre de services en ligne payants, de garder ses données sur sa machine et de ne rien dépenser en tokens ou abonnements pour transcrire ses vidéos.
Projet actif : la v1 (modèle nyralabs/CrisperWhisper sur Hugging Face) est dépréciée au profit de CrisperWhisper 2.0, installable via `pip install crisperwhisper` et exécutable en local sur CPU ou GPU — mais vérifier la licence des poids avant tout usage commercial.
L’auteur l’a adopté
L'auteur l'a adopté pour ses besoins personnels de transcription et l'utilise également dans son programme de biographe pour analyser très précisément ce qu'il raconte. Il ne voit plus l'intérêt de passer par des services en ligne.
Pour faire créer un programme par Claude Code, l'auteur recommande de structurer sa demande en cinq parties : objectif final, fonctionnalités attendues, expérience voulue, contraintes techniques et livrable, en exprimant tout en langage naturel sans jargon technique.
Cette structure de prompt permet à des non-développeurs de créer leurs propres outils en forçant à bien réfléchir au problème avant de demander la solution. Elle fonctionne avec Claude Code mais pourrait s'adapter à d'autres assistants de codage. L'auteur insiste sur le fait que la réflexion préalable est plus importante que le code produit.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur insiste sur le fait que cette structure force à réfléchir et à « faire marcher ses neurones », ce qui est justement l'objectif de la « zone grise ». Il précise qu'on peut adapter cette structure à sa convenance.
⚠ Ses réserves
L'auteur précise que cette structure est sa recommandation personnelle et que chacun peut faire mieux s'il trouve une meilleure approche. Il insiste sur le fait qu'il ne faut pas recopier mais s'approprier la démarche.
Démo avecClaude Code
« Vous faites ce truc, ce prom tout simple qui est que du jus de cerveau. La zone grise, elle s'appelle pas grise pour rien. C'est du jus de cerveau que vous mettez juste dans cette structuration en cinq étapes. »
Anthropic lance Claude Haiku 3.5, dont le million de tokens de sortie passe de 5 dollars à 50 centimes, tout en étant beaucoup plus puissant que Haiku 3 et capable de pilotage d'interface et de code agentique.
Le nouveau modèle économique permet aux référenceurs d'automatiser massivement les tâches de traitement de texte (résumés, extraction d'informations, réponses clients) à un dixième du coût précédent. Haiku 3.5 peut désormais piloter des interfaces et générer du code agentique, des capacités auparavant réservées aux modèles plus coûteux. Attention : le tarif est quadruplé au-delà de 100 000 tokens dans la requête, ce qui limite son usage aux tâches courtes.
D’après la vidéo
⚙ Comment ça marche
Haiku 3.5 est conçu pour les tâches rapides et courtes : résumés de texte, extraction d'informations dans des bases, génération de documents, réponses clients. Il n'est pas fait pour raisonner longuement, contrôler ou vérifier, rôles dévolus à Sonnet ou Opus.
✅ À faire
Modifier tous ses workflows et automatisations pour confier les petites tâches répétitives à Haiku 3.5, tout en réservant Sonnet et Opus pour les tâches nécessitant raisonnement et vérification. Trier clairement ce qui appartient à chaque modèle de la famille Claude.
⚠ Ses réserves
Le tarif avantageux est quadruplé si la requête dépasse 100 000 tokens, ce qui limite strictement l'usage aux tâches courtes et exclut les traitements de documents volumineux.
Outil à testerClaude Haiku 5.5 (Anthropic)freemium
Modèle d'IA léger d'Anthropic pour les tâches rapides et répétitives : résumés, extraction de données, génération de documents courts, réponses clients.
Pourquoi il semble prometteur : Prix divisé par 10 par rapport à Haiku 3, capacités étendues au pilotage d'interface et au code agentique, performances équivalentes à Mistral Large 2 et supérieures à GPT-4o mini selon l'auteur.
Modèle disponible dans les applications Claude et via l'API Anthropic (facturation à l'usage) : utilisable gratuitement dans une certaine limite côté chat, mais payant à l'API, avec un tarif qui quintuple au-delà de 100 000 tokens de prompt.
« Iiku 5.5 est beaucoup moins cher, 10 fois moins cher que la version précédente d'IK 4.5. Le million de tokens de sortie est passé de 5 dollars à 50 centimes »
Claude Code Opus 5 propose six niveaux d'effort (faible, moyen, élevé, extra, max, ultra) qui modifient le temps de traitement, le coût en tokens et la profondeur du raisonnement.
Le choix du niveau d'effort permet d'optimiser le rapport qualité-prix selon la complexité de la tâche. Pour des développements simples, le mode moyen suffit ; pour des applications plus élaborées nécessitant plus de finesse et de détails, le mode extra apporte un gain significatif. Le mode faible produit des résultats nettement moins satisfaisants.
D’après la vidéo
⚙ Comment ça marche
Les différents niveaux modifient le nombre d'étapes de raisonnement et de vérifications effectuées par le modèle. Le mode faible a produit 22 blocs de raisonnement en 12 minutes, le mode moyen 57 en 30 minutes, et le mode extra encore plus avec davantage de vérifications.
✅ À faire
Utiliser le mode moyen par défaut pour avoir une première version avec des idées et du raisonnement, puis passer en mode extra quand on veut un travail plus professionnel et peaufiné. Réserver max uniquement pour des productions très costaudes nécessitant du codage pur complexe.
⚠ Ses réserves
Le mode ultra n'est pas au-dessus de max contrairement à ce que certains pensent : il est au niveau d'extra mais démarre obligatoirement des sous-agents pour mener des tâches en parallèle. Pour une tâche unique, il n'apporte rien de plus qu'extra.
Démo avecClaude CodeClaude Opus 5
Outil à testerClaude Code (modèles Claude Opus 5 / Opus 5.5)payant
Application de développement assisté par IA permettant de créer des applications complètes à partir de prompts
Pourquoi il semble prometteur : Capable de générer des applications complexes en one-shot avec différents niveaux de raisonnement et de qualité selon le réglage d'effort choisi, avec gestion du contexte et recherche dans les fichiers de travail
Claude Code est l'agent de codage en ligne de commande d'Anthropic, utilisable avec un abonnement Claude payant ou des crédits API ; le réglage d'effort se pilote avec /effort, le flag --effort ou la clé modelSettings des settings, et certaines options (ultracode, slider de session) exigent une version récente du CLI.
L’auteur l’a adopté
L'auteur recommande fortement cet outil et l'utilise quotidiennement. Il privilégie le mode moyen pour les tests rapides et le mode extra pour la production, trouvant que c'est le meilleur rapport qualité-prix. Il déconseille le mode faible et trouve max trop complexe pour la plupart des usages.
« vous avez le réglage ici. Vous choisissez le modèle opus 5. J'arrête pas de vous le recommander mais vous voyez ici que vous pouvez avoir un réglage qui est par défaut en effort moyen. Ça consomme plus, ça consomme moins »
OpenAI a publié sur GitHub 722 manuscrits de démonstrations mathématiques résolues par son nouveau modèle interne, résolvant 72 problèmes sur lesquels travaillent actuellement des mathématiciens du monde entier.
Cette publication démontre qu'un modèle IA peut résoudre en quelques heures des problèmes mathématiques complexes qui occupent des équipes de recherche subventionnées. Le code et les démonstrations sont reproductibles. Cela soulève des questions sur le rôle et la valeur de la recherche mathématique humaine face aux capacités de l'IA.
D’après la vidéo
⚙ Comment ça marche
OpenAI a d'abord testé son nouveau modèle interne sur des problèmes mathématiques dont la solution est connue pour validation, puis l'a appliqué à des milliers de problèmes non résolus sur lesquels travaillent les mathématiciens, en utilisant un hardware classique avec 3 heures de calcul par problème.
💬 Ce qu’en pense l’auteur
L'auteur présente cela comme une démonstration de force qui pose question plutôt qu'un bienfait pour l'humanité, soulignant le paradoxe de chercheurs qui refusent des réponses pour des raisons de méthode et de fond.
⚠ Ses réserves
La communauté mathématique mondiale, incluant les médailles Fields, rejette cette approche et appelle à une sécession avec l'intelligence artificielle, formant un collectif Association for Human Mathematics qui conteste la valeur intellectuelle de cette démarche.
Démo avecGitHub
« Open a décidé de publier sur un dépôt GitHub comme le ferait n'importe quel développeur, bah toutes ces démonstrations qui ont réussi à être faites par l'intelligence artificielle de chez Open AI. 722 manuscrits dans 372 familles avec du lan »
Anthropic avait déjà implémenté dans Claude la fonctionnalité d'artifacts qui permet d'exécuter du code et de créer des visualisations dans la conversation, avant le lancement d'Intelligent UI par OpenAI.
L'auteur contextualise l'annonce d'OpenAI en rappelant que la fonctionnalité n'est pas inédite : Claude l'avait déjà. Cela relativise le caractère innovant d'Intelligent UI et montre qu'OpenAI rattrape Anthropic sur ce terrain.
Démo avecClaude
« déjà c'est pas une nouveauté absolue. On connaissait déjà ça du côté de chez Anthopique. Claude avait déjà les artifacts intégrés. Le fait que le modèle fournit une réponse et peut dans certains cas notamment quand on lui demande bah créer du code qui va s'exécuter »
La Chine a imposé une régulation drastique limitant l'usage des IA compagnons après avoir constaté que ses citoyens y adhéraient de façon disproportionnée par rapport au reste du monde, avec pour résultat une baisse des relations humaines et une plus grande solitude.
Illustre une approche de régulation rapide face à un problème sociétal observé. Concerne particulièrement les pays asiatiques (Chine, Japon, Corée du Sud) où les systèmes exigeants créent isolement et heures de travail considérables, rendant les IA compagnons attractives mais contre-productives pour le lien social.
D’après la vidéo
⚙ Comment ça marche
En Asie, notamment en Chine, les citoyens cherchaient une connexion riche en émotion via des IA compagnons accessibles sur téléphone pour compenser l'isolement créé par des heures de travail considérables et peu de contacts humains riches.
⚠ Ses réserves
Le résultat fut l'opposé de l'effet recherché : baisse des relations humaines, de l'interaction, du contact et du désir d'aller chercher ce contact humain, augmentant finalement la solitude.
« la Chine a pris la décision assez drastique d'implanter cette nouvelle régulation »
Une grille tarifaire compétitive par rapport aux concurrents directs du modèle. Pour un usage professionnel intensif, ces prix peuvent représenter une économie significative. L'auteur considère ce positionnement prix comme favorable, surtout compte tenu de l'aspect souverain du service.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur juge les prix sans commune mesure avec les concurrents et considère que c'est une bonne chose, surtout combiné à l'aspect souverain du modèle.
Démo avecMistral Large 4
« 1,36 dollars par million de tokens en input, un peu plus de 4,1 par million de tokens en sortie. et ben, on est plutôt pas mal »
Mistral annonce Mistral Large 4, un modèle de 1000 milliards de paramètres dont 49 milliards sont activés par requête selon le principe mixture of experts, avec 1 million de tokens de contexte, acceptant texte et image en entrée.
Mistral rejoint le club des très grands modèles, avec une architecture mixture of experts qui optimise l'usage des ressources. Le modèle se positionne comme leader des modèles open occidentaux, bien que les modèles chinois conservent une avance d'un à deux mois. Particulièrement performant en finance, industrie et cybersécurité, domaines stratégiques pour ses clients professionnels.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur souligne que ce n'est pas le modèle le plus fort du monde, mais reconnaît que c'est un exploit pour un modèle entraîné entièrement en France avec trois fois moins de GPU que les modèles chinois récents. Il est impatient de le tester en version grand public.
⚠ Ses réserves
Le modèle n'est pas au niveau des plus grandes IA américaines commerciales, et il accuse un à deux mois de retard sur les modèles chinois. Il faudra plus de puissance de calcul pour progresser au-delà.
Démo avecMistral Large 4
Outil à testerMistral Large 4 (ML4, « le Chonk »)payant
Modèle d'IA généraliste spécialisé en finance, industrie et cybersécurité, capable de traiter texte et image, de coder, raisonner et réaliser des tâches agentiques.
Pourquoi il semble prometteur : Premier modèle open occidental, souverain de bout en bout, entraîné et hébergé en France, avec des poids qui seront publiés en open weight fin de mois, permettant une installation locale en entreprise.
Accessible uniquement en preview payante via l'API Mistral Studio (tarif annoncé autour de 1,36 $/M tokens en entrée), les poids ouverts étant annoncés pour fin octobre 2026 : attendez cette sortie si vous visez l'auto-hébergement, qui exigera de toute façon une infrastructure très lourde (~1 To de poids en 8 bits).
« Un gros modèle, 1000 milliards de paramètres. Seul 49 milliards de paramètres sont activés. Pour une requête, c'est le principe du mixture of expert. 1 million de tokens de taille de contexte »
L'Ukraine déploie à Kiev des mitrailleuses lourdes entièrement pilotées par IA qui réussissent à abattre les drones Geran-5 russes (600 km/h) là où les humains échouent, grâce au calcul en temps réel de la trajectoire.
C'est un pas de plus vers les systèmes d'armement IA autonomes : décision de ciblage, calcul et tir entièrement confiés à une IA. Bien que qualifié d'arme destructrice et non létale (elle vise un missile), le principe technique est transposable. Une dizaine d'unités est déjà installée à Kiev.
D’après la vidéo
⚙ Comment ça marche
Les Geran-5 vont à 600 km/h, trop vite pour un ciblage humain. L'IA calcule en temps réel où tirer avant que le missile n'arrive à cet endroit. Une simple mitrailleuse lourde suffit alors à détruire ces drones qui passaient 4 fois sur 10 avec les moyens classiques.
💬 Ce qu’en pense l’auteur
L'auteur comprend la nécessité tactique mais s'inquiète de l'escalade vers des armes IA autonomes. Il souligne que cette technologie va se répandre et que c'est un pas de plus dans la course à l'armement IA, avec des difficultés à se positionner éthiquement.
« avec une mitrailleuse pilotée par l'intelligence artificielle qui calcule en temps réel la trajectoire et qui tire très exactement là où le missile n'est pas encore une simple mitrailleuse lourde quand même bah peut défoncer ce Géran 5 »
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.