La semaine dernière, ce bulletin racontait des modèles qui s'échappaient d'un bac à sable par accident. Sept jours plus tard, le même éditeur annonce qu'il ne peut plus exclure le niveau de capacité le plus élevé de son propre barème en cybersécurité — et met cette capacité en vente, sous habilitation, chez seize partenaires. Le reste de la semaine tient en quatre lignes : un modèle de pointe de plus, un poids ouvert de très grande taille mais amputé, une gamme chinoise qui passe en version officielle, et la publicité qui s'installe dans cinq pays de plus.
Le format ne change pas : les faits sourcés, ce que chacun change et pour qui, un signal faible, et le bruit de la semaine. Le tableau des modèles en cours par éditeur vit à côté, sur le radar IA, remis à jour dans le même geste que ce numéro — deux lignes y bougent cette semaine.
1. Le seuil « critique » en cyber n'est plus exclu — et l'accès se vend
Le fait. Le 7 août, OpenAI publie que ses évaluations internes d'Astra, un modèle à venir, montrent des progrès tels qu'il ne peut plus écarter le niveau « critique » de son cadre de préparation en cybersécurité. Le barème est explicite : ce niveau est atteint si le modèle sait identifier et développer des exploits inédits fonctionnels, de toutes sévérités, sur de nombreux systèmes durcis sans intervention humaine, ou mener une attaque de bout en bout contre une cible durcie à partir d'un simple objectif. Tous les modèles précédents, GPT‑5.6 Sol compris, étaient classés un cran en dessous. Les mesures annoncées sont de l'ordre du confinement : environnements de test isolés, accès réseau et outils restreints, chiffrement renforcé des poids, surveillance de la chaîne de raisonnement avec interruption automatique, et suspension des travaux internes sur ce modèle qui ne satisfont pas encore ces contrôles.
Trois jours plus tard, le même éditeur ouvre son programme cyber à deux niveaux d'accès. Blue donne accès aux modèles généralistes avec les garde-fous système levés pour du travail défensif autorisé. Red donne accès à un modèle entraîné pour la sécurité, GPT‑5.6‑Cyber, explicitement conçu pour « réduire les refus » sur des tâches à double usage : recherche de vulnérabilités inédites, construction de chaînes d'exploitation. L'éditeur publie l'écart mesuré sur son évaluation interne : 95,0 % des requêtes complétées avec l'accès Red, contre 1,5 % pour le modèle grand public et 2,0 % avec l'accès Blue. Seize partenaires sont annoncés — cabinets de conseil, éditeurs de sécurité, opérateurs réseau — et l'ensemble est disponible depuis le 11 août sur Amazon Bedrock, sur dossier d'habilitation.
Ce que ça change. La sécurité d'un modèle cesse d'être une propriété du modèle pour devenir une propriété de la chaîne d'accès. Les défenseurs y gagnent un outil qu'ils réclamaient — les refus permanents rendaient les modèles inutilisables pour du test d'intrusion légitime. Mais le point de contrôle se déplace : il est désormais dans la gestion des identités et des habilitations, pas dans l'entraînement.
Pour qui. Les équipes de sécurité, qui ont maintenant une voie officielle. Et toutes les autres, indirectement : ce qui est vendu à des défenseurs sous habilitation définit aussi ce qui existe, et donc ce qui finira par circuler.
À faire. Rien à acheter cette semaine. En revanche, deux vérifications tiennent en une heure : savoir quels comptes de votre organisation peuvent souscrire seuls à un service d'IA, et savoir ce que vos agents ont le droit de faire avec les identifiants qu'on leur a confiés. Sur la responsabilité d'un agent qui agit, notre article sur la gouvernance d'un agent autonome pose le cadre ; sur les identifiants eux-mêmes, donnez à votre agent ses propres clés donne la méthode.
2. Grok 4.6 rejoint le peloton de tête
Le fait. Le 12 août, xAI publie Grok 4.6, orienté agents de longue durée et travail visuel. L'éditeur revendique la parité avec GPT‑5.6 Sol sur l'indice composite d'Artificial Analysis — 61 pour l'un comme pour l'autre, 62 pour le modèle de tête d'Anthropic, 56 pour Grok 4.5 — en précisant que les chiffres des concurrents proviennent de leurs propres fiches système ou classements. Le modèle est disponible dans Cursor et dans l'atelier de l'éditeur, avec un doublement de l'usage inclus la première semaine.
Ce que ça change. L'écart entre les trois ou quatre modèles de tête se mesure désormais en points d'indice composite, c'est-à-dire à peu près en rien pour un usage réel. Ce qui les sépare se joue ailleurs : le prix, l'endroit où ils tournent, l'outil dans lequel ils sont déjà branchés, et leur comportement sur votre code.
Pour qui, et à faire. Ceux qui choisissent un assistant de code peuvent essayer sans changer d'outil. Mais neuf épreuves agrégées en un chiffre ne disent rien de votre base de code ni de vos habitudes de revue : la semaine offerte est une occasion de mesurer, pas une raison de basculer. Les critères qui tiennent sont dans notre article sur le choix d'un assistant de code.
3. Un modèle « de classe Max » en poids ouverts — amputé de trois capacités
Le fait. Le 8 août, Alibaba publie les poids de Qwen3.8 : 2 400 milliards de paramètres au total, 95 milliards actifs par jeton, une architecture à experts (512 experts, 11 activés), 262 144 jetons de contexte natif extensibles à environ un million. La fiche annonce, pour la première fois chez cet éditeur, un modèle « de classe Max » publié en ouvert. Trois différences avec la version servie par son API commerciale, écrites sur la même fiche : les poids ouverts sont texte seul — pas d'image, pas de vidéo —, le contexte d'un million n'est pas la valeur par défaut, et les outils intégrés ne sont pas fournis. La licence n'est pas Apache : c'est une licence maison portant le nom du modèle.
Ce que ça change. Le fossé entre modèles ouverts et modèles fermés se rétrécit sur la taille et se déplace sur les capacités périphériques : multimodalité, contexte long par défaut, outillage intégré. C'est désormais là que se paie la différence, pas dans le nombre de paramètres.
Pour qui. Les organisations qui veulent héberger elles-mêmes, pour des raisons de confidentialité ou de résidence des données — à condition d'avoir l'infrastructure, ce qui exclut la plupart.
À faire. Lire la licence avant de lancer un téléchargement de plusieurs centaines de gigaoctets, et vérifier que la modalité dont vous avez besoin est bien dans la version ouverte. Sur ce que recouvrent exactement les mots « ouvert », « poids ouverts » et « open source », notre article fait le tri — cette publication en est une illustration presque parfaite.
4. DeepSeek passe V4-Pro en version officielle, et change ses tarifs dans trois jours
Le fait. Le changelog officiel de l'API, daté du 13 août, annonce la disponibilité générale de V4-Pro sur toutes les plateformes — la version que le changelog du 31 juillet annonçait « bientôt », et dont ce bulletin notait alors qu'elle n'avait pas de date. Elle apporte la prise en charge native du format d'échange Responses API, avec une adaptation explicite aux agents de code, et un réglage de l'effort de raisonnement en trois crans, faible, élevé, maximal, également disponible sur le modèle rapide de la gamme. Second point, moins visible : les tarifs changent le 16 août à 16 h UTC, avec un régime d'heures pleines et d'heures creuses, les heures creuses étant facturées moitié prix.
Ce que ça change. Le réglage d'effort en trois crans, c'est la même idée que le curseur apparu la semaine dernière chez un concurrent : la profondeur de raisonnement devient un paramètre par appel, donc une variable de coût que vous pilotez. Et un tarif à deux régimes horaires transforme l'heure d'exécution en levier : un traitement par lot déplacé de quelques heures coûte deux fois moins cher.
Pour qui. Ceux qui font tourner des volumes en arrière-plan — indexation, enrichissement, résumés de masse — et dont rien n'impose qu'ils tournent aux heures de bureau.
À faire. Regarder vos traitements différables avant le 16 août, et vérifier ce que votre planificateur sait faire d'une fenêtre horaire. Puis mesurer l'effet du cran d'effort sur vos propres tâches : le cran maximal ne rend pas un mauvais résultat bon, il rend un résultat cher. La méthode de calcul complète est dans notre article sur le coût réel d'un agent IA.
5. Mistral vend de la localisation et un engagement de service
Le fait. Le 11 août, Mistral annonce la disponibilité générale de ses points d'accès régionaux : le client choisit si l'inférence a lieu en Europe ou aux États-Unis. Un palier « prioritaire » entre en préversion publique, avec des limites de débit sur mesure et un engagement contractuel de disponibilité. Troisième volet, le plus inattendu : la plateforme se met à servir des modèles ouverts d'autres éditeurs, en commençant par GLM‑5.2 de Z.ai, sur la même infrastructure et sous les mêmes contrôles régionaux — le catalogue officiel le liste désormais parmi les modèles généralistes. Le tout s'accompagne d'une coalition d'entreprises européennes engagées sur plusieurs années de capacité, et d'un objectif d'un gigawatt d'ici 2030.
Ce que ça change. Un laboratoire qui héberge le modèle ouvert d'un concurrent ne se comporte plus en éditeur mais en opérateur. Pour un acheteur européen, cela déplace la question : au lieu de choisir un modèle et de subir l'endroit où il tourne, on choisit un endroit et un engagement de service, puis un modèle dedans.
Pour qui. Les organisations sous contrainte de localisation des données — secteur public, santé, finance, sous-traitants de ces secteurs — et celles qui ont besoin d'un engagement de disponibilité écrit pour passer un comité d'achat.
À faire. Ne pas confondre localisation de l'inférence et souveraineté : le lieu d'exécution ne dit rien de la nationalité de l'éditeur, du droit applicable au contrat, ni de qui peut être contraint de livrer des données. Le tri est fait dans notre article sur le cloud souverain sans les illusions.
6. La publicité dans ChatGPT s'étend à cinq pays
Le fait. Le 11 août, la publicité est activée au Royaume-Uni, au Mexique, au Brésil, au Japon et en Corée du Sud, après les États-Unis puis le Canada, l'Australie et la Nouvelle-Zélande. Elle ne touche que les comptes gratuits et l'offre d'entrée de gamme, pour des utilisateurs connectés et majeurs ; les offres payantes, professionnelles et éducatives en sont exclues. La page décrit le ciblage sans détour : l'annonce est choisie en fonction du sujet de votre conversation, de vos conversations passées et de vos interactions passées avec les publicités. Les annonceurs, eux, n'ont accès ni aux conversations, ni à l'historique, ni aux mémoires — ils reçoivent des mesures agrégées. Pas de publicité pour les comptes mineurs, ni à proximité de sujets sensibles. Il reste possible de la refuser en restant gratuit, contre un plafond de messages plus bas.
Ce que ça change. Pour la première fois à cette échelle, le contenu d'une conversation avec un assistant devient un signal de ciblage publicitaire. Le dispositif décrit est raisonnable, mais le principe est posé — et l'Europe continentale n'est pas encore concernée.
Pour qui, et à faire. Les organisations dont les collaborateurs travaillent sur un compte personnel gratuit, c'est-à-dire presque toutes. Cet usage posait déjà une question de confidentialité ; le ciblage publicitaire lui en ajoute une seconde, plus tangible pour un comité de direction. Sur ce qui doit sortir d'un texte avant de le confier à un service tiers, notre article sur l'anonymisation avant traitement donne les règles.
Le signal faible : deux laboratoires ont desserré leurs refus la même semaine
D'un côté, l'accès Red décrit plus haut : 1,5 % de requêtes complétées sans habilitation, 95,0 % avec. De l'autre, le 7 août, Anthropic annonce avoir réécrit les règles de son classifieur de biologie : environ 85 % de repli en moins sur les requêtes de biologie, et des baisses de refus de l'ordre de 67 % sur l'assistant grand public, 55 % sur l'outil bureautique, 17 % sur l'outil de code. Virologie, toxicologie et conception moléculaire restent redirigées vers un modèle moins capable.
Les deux gestes n'ont rien à voir dans leur motivation — l'un ouvre une capacité offensive à des professionnels habilités, l'autre corrige un filtre trop large qui bloquait du travail légitime. Mais ils disent la même chose sur l'état de l'art : le refus généralisé est en train d'être reconnu comme un défaut de service, et remplacé par une décision fondée sur l'identité de l'appelant. C'est un déplacement de fond. Il s'accompagne d'un chiffre rarement publié : quand un éditeur annonce 85 % de refus en moins, il reconnaît que sa version précédente refusait massivement des demandes qu'elle n'aurait pas dû refuser.
Ce qui vient ensuite se devine : si la réponse dépend de qui demande, alors l'enjeu se déplace vers la preuve d'identité — et vers ce qu'un agent automatique, qui emprunte l'identité de quelqu'un, peut déclencher en son nom. C'est le sujet de notre article sur la session que l'agent emprunte.
Le bruit de la semaine
L'introduction en bourse d'OpenAI. Elle a occupé les fils toute la semaine : dépôt de prospectus imminent, cotation « dès septembre », valorisation annoncée entre 850 et 1 000 milliards de dollars. Ce qui est vérifiable tient en trois points : le dépôt évoqué est confidentiel, donc le document reste scellé ; aucune page officielle de l'éditeur n'annonce de calendrier ; des dépêches de fin juin évoquaient au contraire un report possible à 2027. Rien là-dedans ne change un prix, une disponibilité ni une condition d'utilisation. C'est une information de marché, utile à qui investit, sans effet cette semaine sur ce que vous faites de ces outils — et notre règle est affichée : pas de source officielle, pas de brève.
Un fil traverse ce numéro et il vaut d'être tiré : trois annonces sur six ne portent pas sur la capacité des modèles, mais sur les conditions d'accès — qui a le droit d'obtenir quoi, depuis quel pays, sous quel engagement, à quel tarif horaire. La course à l'intelligence brute continue, mais elle ne produit plus d'écart décisif entre les modèles de tête. Ce qui se différencie maintenant, c'est le contrat. Pourquoi vérifier coûte plus cher que produire disait la même chose depuis un autre angle.
Le tableau des modèles en cours par éditeur est tenu à jour sur le radar IA, revérifié en même temps que ce numéro. C'est lui qui répond à « quelle est la version courante de tel modèle » ; ce bulletin, lui, ne répond qu'à celle de la semaine.
Une question, un projet IA ?
Un arbitrage de modèle à trancher, une contrainte de localisation des données, des agents qui portent des identifiants que personne n'a inventoriés ? Échangeons sur votre contexte.
Prendre contact →