Cette semaine, presque chaque annonce avait sa petite ligne. Le nouveau petit modèle d'Anthropic coûte dix fois moins cher que le précédent, à condition que vos requêtes restent sous 100 000 jetons. Le plus grand modèle de Mistral est annoncé « ouvert », mais ses poids sortiront « à la fin du mois », sous une licence que personne n'a encore lue. Un modèle de décision se dit « open-weight », alors que sa licence s'arrête aux entreprises de moins de 10 millions de dollars de chiffre d'affaires. Atlassian promet une inférence « exclusivement » européenne, sans dire quand. OpenAI filigranera les textes de ChatGPT dans l'Union « dans les semaines à venir ». Et GitHub facture désormais une vérification même quand elle ne bloque rien. Aucune de ces réserves n'est cachée : toutes sont écrites, mais plus bas que le titre. Six faits, un signal faible, un bruit. Le radar est à jour.
1. Le petit modèle à dix centimes, et son seuil
Le fait. Le 7 octobre, Anthropic a publié Claude Haiku 5.5, présenté comme « le petit modèle le moins cher, le plus rapide et le plus capable » de l'éditeur, conçu pour les « tâches à fort volume et sensibles au coût ». Il coûte 0,10 $ le million de jetons en entrée et 0,50 $ en sortie, contre 1 $ et 5 $ pour Haiku 4.5. Ce tarif vaut pour les requêtes de moins de 100 000 jetons. Au-delà, il est multiplié par cinq : 0,50 $ et 2,50 $. La grille de l'éditeur l'écrit sans détour : Haiku 5.5 est « tarifé selon la longueur du prompt ». L'éditeur précise que, sur Haiku 4.5, 90 % des requêtes tombaient sous ce seuil. Le modèle a une fenêtre de contexte d'un million de jetons et il est disponible le jour même chez les trois grands nuages. Il l'est aussi dans Copilot. La même annonce divise par deux la lecture de cache de Sonnet 5.5, qui passe de 0,20 $ à 0,10 $. Selon l'éditeur, cela réduit « d'environ 20 % » le coût de Sonnet 5.5 sur la plupart des tâches d'agent. Elle ajoute enfin, « cette semaine », un crédit d'API mensuel pour les abonnés Max (100 $ ou 200 $) et Team (jusqu'à 500 $, partagés entre les utilisateurs).
Ce que ça change. Le palier des tâches de volume tombe au prix de GPT-6 Luna, le modèle qu'Anthropic choisit d'ailleurs comme point de comparaison dans son propre tableau. Pour mille documents de 2 000 jetons, avec une réponse de 200 jetons chacun, le calcul donne environ 0,30 $. Mais le prix n'est plus une ligne : il dépend de la longueur de la requête. Et Haiku 5.5 a un nouveau découpage en jetons qui, selon l'éditeur, « utilise un peu plus de jetons par tâche ». Le « 75 % moins cher en moyenne » qu'il annonce est donc une moyenne pondérée par la répartition de ses propres clients, pas par la vôtre. Dernière petite ligne, technique celle-là : le journal de l'API, cité au numéro précédent, prévient que « le code écrit pour Claude Haiku 4.5 peut casser sur Claude Haiku 5.5 ». Le réglage manuel du budget de raisonnement y renvoie désormais une erreur.
Pour qui. Les équipes qui font tourner des traitements de masse : support, tri documentaire, extraction. Et les développeurs qui ont câblé Haiku 4.5 avec un budget de raisonnement explicite.
À faire. Mesurer la longueur réelle de vos requêtes avant de projeter la facture. Une chaîne qui injecte de longs documents dans chaque appel peut payer le tarif fort sans le savoir. Faire passer vos tests de non-régression avant de changer d'identifiant. Pour la méthode, voir le vrai coût d'un modèle et le levier du cache.
2. Deux modèles européens, deux façons d'être ouverts
Le fait. Le 6 octobre, Mistral a ouvert en préversion publique Mistral Large 4, son plus grand modèle à ce jour. Selon sa fiche, il compte 1 050 milliards de paramètres, dont 52 milliards actifs, et une fenêtre d'un million de jetons. Il a été entraîné « sur 3 800 processeurs graphiques Nvidia Grace Blackwell dans les centres de données de Mistral en Europe ». La préversion est servie « sur cette même infrastructure ». Son prix catalogue est de 1,36 $ en entrée et 4,18 $ en sortie, divisé par deux pendant les deux semaines de lancement. L'éditeur le présente comme un modèle « open-weight ». Mais la phrase qui compte est la dernière : « les poids sortent à la fin du mois ». Au 7 octobre, rien n'est téléchargeable, et ni le billet ni la fiche ne nomment une licence. Trois jours plus tôt, le 3 octobre, l'allemand Aleph Alpha avait publié Kolibri, 78 milliards de paramètres dont 3 milliards actifs. Ses poids sont sur Hugging Face sous licence Apache 2.0. Il a été entraîné « en Allemagne et en Finlande, sous le droit européen et allemand ». L'éditeur est signataire du code de bonnes pratiques européen pour les modèles d'usage général. La fiche donne le matériel minimal (deux cartes A100 de 80 Go, ou une seule H200) et l'énergie d'entraînement estimée, environ 950 MWh. Une limite est écrite : Kolibri ne connaît que l'allemand et l'anglais.
Ce que ça change. L'Europe publie deux modèles la même semaine, et ils illustrent deux sens du mot « ouvert ». Kolibri est ouvert au sens fort : poids téléchargeables, licence libre, conditions de déploiement écrites. Mistral Large 4 est ouvert au futur : on peut l'appeler aujourd'hui par l'API, chez Mistral, mais pas encore l'héberger soi-même. L'argument de souveraineté porte donc, pour l'instant, sur le lieu de service, pas sur la possession du modèle. Mistral avance aussi un chiffre qui fera parler. Sur un test de cybersécurité, son modèle obtient 82 %, quand Claude Opus 5.5 et GPT-6 Astra « obtiennent un score proche de zéro, parce qu'ils refusent la tâche ». C'est moins un classement qu'un choix de politique : servir les défenseurs sans filtre ou les faire passer par un programme d'accès.
Pour qui. Les entreprises qui exigent un traitement en Europe, et celles qui veulent héberger un modèle chez elles. Les équipes francophones, aussi : Kolibri n'est pas pour elles, puisqu'il ne parle pas français.
À faire. Ne pas inscrire Mistral Large 4 dans un plan d'hébergement interne avant d'avoir lu sa licence. Pour un traitement en Europe dès aujourd'hui, la préversion fait l'affaire, à condition de la traiter comme une préversion. Le mot « ouvert » se lit dépôt par dépôt : voir ce que « open » veut vraiment dire et garder vos données IA en Europe.
3. Les modèles qui décident sans écrire
Le fait. En sept jours, trois éditeurs ont publié des « modèles de décision ». Ces modèles ne rédigent pas : ils renvoient une probabilité pour chaque réponse possible à une question fermée. Le 1er octobre, Cloudflare a publié Clef et Clef-flash, qui renvoient « des réponses typées avec des probabilités, que votre code peut utiliser pour router le ticket, déclencher une escalade ou s'en remettre à un humain ». Les deux sont sous licence Apache 2.0, construits sur des modèles Qwen. Le même jour, Perplexity a déposé pplx-decider, lui aussi sous Apache 2.0. Il fait 85,7 % de bonnes décisions sur la batterie d'épreuves de l'éditeur, contre 74,8 % pour le modèle dont il est dérivé. Le 7 octobre, Liquid AI a publié sa famille d1, dont un modèle de 3 milliards de paramètres. Sa fiche précise qu'il répond « en une seule passe, avec zéro jeton de sortie », en 8 millisecondes sur une carte graphique grand public. Le billet le dit « open-weight ». La licence du dépôt précise ce que le billet ne dit pas : tout usage commercial par une entreprise dont le chiffre d'affaires annuel atteint 10 millions de dollars « n'est pas couvert ».
Ce que ça change. C'est l'usage le plus concret de la semaine pour une PME. La plupart des automatisations ne demandent pas un texte, mais une décision : ce courriel est-il une réclamation, cette facture est-elle complète, ce ticket est-il urgent. Un modèle de décision y répond moins cher qu'un modèle qui écrit, avec un chiffre de confiance, ce qui permet de renvoyer vers un humain les cas douteux. Et tous tiennent sur un seul serveur, le plus petit sur un poste de travail. La petite ligne est dans la licence de d1 : gratuite pour une PME, elle cesse de l'être au-dessus du seuil, et le jour où l'entreprise grandit, l'outil change de statut.
Pour qui. Les équipes qui trient des demandes, des documents ou des alertes. Et les directions juridiques, qui doivent lire la licence avant que le modèle n'entre en production.
À faire. Repérer, dans vos flux, les décisions à réponses fermées qu'un modèle génératif traite aujourd'hui en rédigeant. Les tester sur un modèle de décision, avec un seuil de confiance en dessous duquel un humain tranche. Voir quand un petit modèle local suffit et extraire les données de factures sans se faire piéger.
4. Le 2 décembre, deux échéances de l'AI Act
Le fait. Le 5 octobre, en ouvrant la session plénière, la présidente du Parlement européen a indiqué que 60 députés de tous bords avaient été visés par des sites d'hypertrucages pornographiques. Elle a demandé aux États membres de « se préparer dès maintenant à appliquer l'interdiction des applications de dénudage qui entrera en vigueur le 2 décembre ». Le communiqué ne cite pas de texte. Notre lecture du Journal officiel le rattache au règlement 2026/1744, qui modifie l'AI Act. Il ajoute ces applications aux pratiques interdites à partir du 2 décembre 2026. Le même texte fixe une seconde échéance le même jour : les générateurs de contenus mis sur le marché avant le 2 août 2026 ont jusqu'au 2 décembre pour rendre leurs sorties identifiables comme artificielles. La même semaine, deux éditeurs ont bougé sur ce point. Le 5 octobre, OpenAI a publié son approche du filigrane de texte, « en réponse à l'AI Act ». Elle ajoutera « dans les semaines à venir » un filigrane invisible aux textes de ChatGPT et de Codex produits dans l'Union. Dans l'API, il reste désactivé par défaut. Le 7 octobre, Google a ouvert à tous son détecteur SynthID, qui vérifie si une image, une vidéo ou un son a été produit par l'IA de Google ou de ses partenaires.
Ce que ça change. Le 2 décembre devient une date à inscrire. Les limites sont écrites par OpenAI elle-même. Son détecteur reconnaît le filigrane dans environ 80 % des passages de 200 jetons et 95 % des passages de 400. Mais remplacer un quart des mots par des synonymes fait tomber la détection à 17 %. Et l'outil de détection reste réservé à des « chercheurs et organisations expertes approuvés ». Le texte filigrané ne prouve donc pas grand-chose une fois retouché, et vous ne pourrez pas le vérifier vous-même. Le détecteur de Google, lui, est ouvert à tous mais ne lit pas le texte.
Pour qui. Les entreprises qui publient des contenus produits par l'IA, et surtout celles qui proposent un outil de génération à leurs clients : elles peuvent être « fournisseur » au sens du texte sans le savoir.
À faire. Si vous mettez à disposition un générateur d'images, de sons ou de textes, vérifier avant le 2 décembre comment ses sorties sont marquées. Pour les textes reçus, ne pas compter sur un filigrane pour trancher une question d'authenticité. Voir prouver qu'un contenu vient d'une IA et fournisseur de modèle IA sans le savoir.
5. Où tourne le modèle : Atlassian promet l'Europe, SAP change de porte d'entrée
Le fait. Le 7 octobre, à sa conférence européenne, Atlassian a annoncé une inférence IA locale à l'Union, « qui limite le traitement par les modèles de langage exclusivement à des modèles hébergés dans l'UE ». L'éditeur ajoute « bientôt » des comptes d'agents : chaque agent, application ou compte de service reçoit « une identité non humaine complète », afin que les administrateurs puissent « révoquer l'accès d'un simple interrupteur ». Le billet des fondateurs parle d'une inférence européenne « en cours de déploiement ». Aucun des deux ne donne de date ni les offres concernées. La veille, le 6 octobre, SAP a annoncé que Joule Work « commence son déploiement chez les clients » comme « nouvelle interface utilisateur de l'IA », avec un outil de conception d'agents qui laisse choisir parmi « plus de 70 modèles d'IA ». Dans la keynote du 7 octobre, un dirigeant de l'éditeur a précisé : « Ce mois-ci, nous déployons Joule Work pour tous les clients. » Désormais, « les plus de 400 millions d'utilisateurs de SAP peuvent parler à SAP dans leur propre langue ». La même keynote pose une règle : « chaque agent devrait avoir un propriétaire vérifié, un niveau de risque et des droits d'accès délimités ».
Ce que ça change. Deux éditeurs très présents dans les entreprises européennes déplacent la question de l'IA du modèle vers la plateforme. Chez Atlassian, la réponse à « où le modèle traite-t-il nos tickets ? » devient une option, et donc une clause qu'on peut demander par écrit. Elle n'existe pourtant encore que comme annonce. Chez SAP, la conversation devient la porte d'entrée par défaut de l'ERP. Les chiffres d'appui (« 20 % de productivité » mesurés chez SAP même) restent ceux de l'éditeur, et « tous les clients » ne précise ni les éditions ni les conditions de licence.
Pour qui. Les responsables informatiques qui renégocient un contrat Atlassian ou SAP, et les délégués à la protection des données qui tiennent le registre des traitements.
À faire. Demander par écrit à l'éditeur la date, le périmètre et les offres de l'inférence européenne avant de la mentionner dans votre registre. Pour chaque agent déployé dans l'ERP ou l'outil de tickets, nommer un propriétaire et lui attribuer des droits délimités, comme SAP le recommande lui-même. Voir donnez à votre agent ses propres clés et ne pas dépendre d'un seul fournisseur.
6. Cinq faits courts
GPT-6 arrive pour tout le monde dans ChatGPT. Le 7 octobre, OpenAI a commencé à déployer GPT-6 dans ChatGPT, « dans le monde entier ». Les offres payantes ont GPT-6 Sol et les comptes gratuits GPT-6 Luna, « à partir de demain », soit le 8 octobre. Les réponses peuvent désormais contenir « des boutons, des formulaires, des graphiques ». Le billet nomme GPT-6 Sol, alors que l'API sert GPT-6.1 Sol depuis le 29 septembre : l'éditeur n'explique pas l'écart.
Six mois pour quitter trois modèles d'OpenAI. Le 1er octobre, OpenAI a inscrit sur sa page des retraits la fin de gpt-5.1, gpt-5.3-codex et gpt-5.4-nano le 1er avril 2027. Quatre modèles de synthèse vocale, dont tts-1, s'arrêtent le 6 janvier 2027, avec gpt-realtime-2.1-mini comme remplaçant.
Le Parlement veut un humain derrière l'algorithme de gestion. Le 6 octobre, les députés ont adopté par 413 voix contre 210 une demande d'initiative législative sur les risques psychosociaux. Ils demandent que l'introduction de systèmes de décision ou de surveillance automatisés passe par une évaluation préalable avec les représentants du personnel. Ils exigent aussi qu'il y ait « toujours une supervision humaine ». Ce n'est pas une loi : la Commission a trois mois pour répondre.
Une vérification payée même quand elle ne trouve rien. Le 7 octobre, GitHub a lancé un modèle maison de détection des secrets dans le code. Les nouveaux contrôles optionnels consomment des crédits IA, et « une vérification peut consommer des crédits même si elle ne bloque pas l'envoi ». Le 2 octobre, l'éditeur avait retiré de Copilot quatre modèles, dont Claude Opus 4.7, « à compter d'aujourd'hui », sans préavis.
L'IA locale a désormais un prix public. Le 2 octobre, Nvidia a annoncé une version 64 Go de son DGX Spark, vendue « à partir de 4 999 $ » le 23 octobre. Elle fait tourner des modèles « jusqu'à 100 milliards de paramètres ». Le 7 octobre, GitHub a ouvert son outil en ligne de commande aux modèles locaux, avec une précision utile : choisir un modèle local « n'active pas le mode hors ligne et ne désactive pas la télémétrie ». Local ne veut pas dire hors ligne.
Le signal faible de la semaine
Le 2 octobre, Meta a publié une mise à jour de son cadre de sécurité, celui qui décide si un modèle peut être publié et comment. Une phrase y dit ce que les éditeurs de poids ouverts écrivent rarement : « Quelqu'un qui détient les poids peut rééchantillonner pour contourner un refus, pré-remplir les réponses, ou effacer le comportement de refus par affinage. » Meta en conclut que la décision de publier doit tenir compte du contexte de déploiement. Elle annonce aussi un comité de son conseil d'administration chargé de valider les prochaines modifications de ce cadre.
Le fait est passé pour une mise à jour de procédure. Il compte parce qu'il arrive la semaine où les poids ouverts se multiplient, et parce qu'il vient de l'un des éditeurs qui en ont le plus publié. Si celui-ci écrit que les refus d'un modèle ouvert ne tiennent pas, alors la sécurité d'un tel modèle, chez vous, ne repose pas sur ses refus, mais sur ce que vous lui laissez faire. Ce n'est qu'un signal : le cadre lui-même n'a pas été lu, et rien ne dit encore que Meta publiera moins. Voir confiner un agent : le refus n'est pas une sécurité.
Le bruit de la semaine
Le 6 octobre, OpenAI a publié « un large éventail de nouveaux résultats mathématiques » produits par « un modèle de frontière interne », avec les preuves formalisées. Le 2, Meta annonçait six articles de recherche écrits avec des mathématiciens et son modèle Muse Spark. La phrase qui circulera : l'IA fait de la recherche en mathématiques.
Trois raisons de ne pas en faire un fait pour vous. Le modèle d'OpenAI n'est pas disponible : l'éditeur « travaille à le publier de manière responsable », sans date. Le coût est donné en équivalent, « environ trois heures de réflexion de ChatGPT Pro » par résultat, une unité que personne ne facture. Et la valeur de ces résultats relève du jugement des mathématiciens, pas d'un communiqué. Rien de ce qui a été annoncé ne change ce que vous pouvez faire lundi. Voir pourquoi les classements de modèles mentent.
Ce qui n'a pas bougé
Aucun nouveau modèle cette semaine chez DeepSeek, chez Qwen, chez xAI ni chez Meta : leurs index ont été relevés, leurs dernières sorties de modèle sont antérieures à la période. L'OSI, le CEPD, l'ANSSI et Notion n'ont rien publié sur la période. Les huit lignes du radar sont revérifiées. Deux changent : Anthropic avec Haiku 5.5, Mistral avec Large 4 en préversion.
Une question, un projet IA ?
Un agent qui doit engager une dépense, une politique de modèles à écrire avant que le prochain ne s'active tout seul, une chaîne d'outils à protéger ? Échangeons sur votre contexte.
Prendre contact →