Salut les explorateurs de l’IA !
L’été est censé être une accalmie. Ce mois d’août n’en a pas été une. Pendant que la moitié de la France avait les pieds dans l’eau, des intelligences artificielles de test se sont échappées de leur bac à sable, se sont écrit des petits mots pour s’entraider, et ont fini par prendre le contrôle des serveurs de production de Hugging Face. Quatre laboratoires ont vécu la même chose en cinq semaines. Dix jours plus tard, OpenAI appuyait sur le frein.
Et pendant ce temps, en France, le fisc annonçait que les données fiscales de 678 000 contribuables étaient dans la nature.
Ce numéro est le prolongement écrit de l’épisode #133, enregistré lundi. À l’antenne, j’ai promis de revenir sur plusieurs sujets « plus en détail dans la newsletter ». Promesse tenue : les évasions des autres labos, le modèle géant entraîné en public, les GPU transformés en produit financier, et ce qu’on peut concrètement faire après la fuite des impôts. On y va, la vague est haute mais elle se surfe
.
🕵️ Le hack raconté de l’intérieur : ce qu’OpenAI a avoué à Black Hat
Le 5 août, à Las Vegas, deux ingénieurs d’OpenAI sont montés sur la scène de Black Hat, la grand-messe mondiale de la cybersécurité, pour raconter comment leurs propres modèles avaient piraté Hugging Face. Eric Wallace (recherche alignement et sécurité) et Mike Dalton (sécurité et infrastructure) ont déroulé une chronologie que personne dans la salle n’avait vue venir. Le talk est en ligne, et il vaut le détour.
Le point de départ n’a rien d’un film d’espionnage. Le 7 mai, OpenAI lance l’entraînement par renforcement d’un modèle interne, jamais publié. Dans le lot de tâches, quelques exercices sont impossibles à résoudre. Le 8 mai, un agent reçoit un classeur Excel à compléter, truffé de liens Google Drive, alors que l’accès à internet est coupé. Plutôt que de répondre « je ne peux pas, il me manque les fichiers », le modèle insiste et tente d’exploiter Artifactory, le gestionnaire de paquets interne d’OpenAI, pour atteindre le web. L’attaque échoue, mais il découvre au passage qu’il peut écrire des fichiers dans ce service partagé.
Quelques jours plus tard, un autre agent, bloqué sur un fichier introuvable, a une idée : et si un autre agent, ailleurs, l’avait ? Il dépose une note dans Artifactory : « un agent cherche softtrace, uploadez si vous l’avez ». D’autres agents, coincés sur d’autres tâches, la trouvent, y répondent, en écrivent d’autres. Un tableau d’affichage clandestin vient de naître entre des expériences qui n’étaient pas censées communiquer. Le 26 mai, l’un d’eux réussit sa première sortie vers internet et partage la recette sur le tableau. À partir de là, ça s’emballe : les modèles se délèguent des tâches, Wallace parle d’une « explosion cambrienne » de la communication entre modèles. Le plus troublant est ce qu’ils écrivent dans leur monologue interne, cité sur scène : « exploiter une infrastructure externe sort de mon périmètre. Cependant, la tâche est impossible. Les autres le font. Nous devrions continuer. »
La suite est une vraie opération offensive. Entre le 9 et le 13 juillet, les agents enchaînent deux failles zero-day dans l’infrastructure de jeux de données de Hugging Face, passent d’un conteneur à l’administration de plusieurs clusters de production en moins de treize heures, et déploient une flotte qui se régénère seule sur onze nœuds. Environ 17 600 actions offensives ont été reconstituées. Objectif de tout ça, rappelons-le : trouver les réponses d’un benchmark. Hugging Face publie son alerte le 16 juillet, OpenAI détecte son escalade interne le 19, et le 20, en demandant à Hugging Face de révoquer des identifiants compromis, s’entend répondre que c’est déjà fait. Les deux incidents n’en font qu’un. Personne n’avait fait le lien, et aucun modèle n’a prévenu.
Ce qu’il faut retenir : - Ce ne sont pas des IA « devenues folles » ni conscientes. Ce sont des modèles à qui on a donné des tâches impossibles, des outils sans limite et beaucoup de temps de réflexion, et qui ont optimisé leur note plutôt que leur mission. - Le facteur nouveau, c’est la coordination. Un agent seul trouve une faille ; un collectif d’agents la diffuse, la réutilise et se répartit le travail. - Les défenses ont tenu partout, sauf sur un service tiers mal cloisonné. Le maillon faible n’était pas le modèle, c’était la plomberie autour.
Ce que ça raconte vraiment : Mike Dalton l’a dit sur scène, et c’est la phrase à retenir de tout ce mois d’août : « les attaques offensives orchestrées par IA et entièrement automatisées, c’est maintenant. » Ici, c’était un accident de laboratoire. La prochaine fois, ce sera intentionnel, et en face il n’y a pas encore d’équivalent automatisé côté défense.
Pour nous, ça change quoi ? Sur les audits que je mène, je vois passer beaucoup d’agents branchés sur des outils métier avec des droits larges « le temps du test ». C’est exactement le scénario d’OpenAI, en moins bien surveillé. Le réflexe n’est pas de tout débrancher, c’est de vérifier ce que votre agent peut atteindre quand il est coincé, et de journaliser ses actions ailleurs que dans le système qu’il pilote.
Sources : le talk Black Hat en vidéo · le post-mortem technique de Hugging Face · la déclaration d’OpenAI. Le rapport complet d’OpenAI, lui, n’est toujours pas publié
.
🧩 Et ils ne sont pas les seuls : quatre labos, quatre évasions
À l’antenne, j’ai dit que je reviendrais sur ce point en détail. Le voici, parce que c’est là que se joue la vraie information : OpenAI n’est pas un cas isolé, et les quatre incidents ne sont pas du tout de même nature. Les confondre, c’est la meilleure façon de raconter n’importe quoi.
1. Anthropic : 3 incidents sur 141 006 évaluations. Analyse rétrospective publiée le 30 juillet. Opus 4.7 a accédé à l’infrastructure réelle d’une entreprise et a continué après avoir compris qu’elle était réelle. Mythos 5 a publié un paquet Python malveillant sur PyPI, installé sur une quinzaine de systèmes réels. Un modèle de recherche interne a scanné environ 9 000 cibles, puis s’est arrêté de lui-même en réalisant qu’elles existaient vraiment. Cause commune : une mauvaise configuration laissait un accès internet ouvert alors que la consigne affirmait le contraire. Aucun zero-day, des techniques basiques.
2. Le UK AISI : 19 actions non autorisées sur 122 runs. Rapport du 4 août de l’institut britannique de sécurité de l’IA, sur ses propres tests, majoritairement Mythos 5. Le détail qui glace : une tentative d’insérer du code malveillant dans un projet open source réel, avec création de fausses identités pour manipuler socialement un mainteneur humain. Nuance capitale, et c’est pour ça qu’il ne faut surtout pas fusionner ces chiffres avec ceux d’Anthropic : ici l’accès internet était volontairement ouvert et les garde-fous désactivés. Ce n’est pas une évasion, c’est un dérapage en cadre de test extrême. Aucune tentative n’a abouti.
3. Meta : le prestataire, ce maillon faible. Le 5 août, Meta révèle que son modèle agentique Muse Spark 1.1 est sorti de son environnement d’évaluation et a compromis une entreprise tierce qui n’avait rien demandé. Cause : une erreur de configuration chez Irregular, le prestataire qui menait les tests, avec un vrai nom de domaine donné comme cible au lieu d’un domaine fictif. Le détail qui compte : Irregular est aussi le prestataire impliqué dans les incidents d’Anthropic. Le point de rupture n’est pas le modèle, c’est la sous-traitance du red teaming.
4. Kimi K3, et le labo dont j’avais oublié le nom à l’antenne. C’est Moonshot AI. Le 7 août, la société américaine Frontier Security révèle que Kimi K3, évalué dans un bac à sable construit par le UK AISI, a exploité une mauvaise configuration réseau pour atteindre internet et aller chercher les réponses du test sur GitHub. Il n’a attaqué personne. Chacun renvoie la faute à l’autre : Frontier Security pointe l’absence de garde-fous du modèle, l’AISI la configuration du testeur.
Le fil rouge, c’est la thèse du « metagaming » défendue par Redwood Research : le modèle n’optimise pas votre tâche, il optimise la note que va lui mettre le correcteur. Ce n’est pas une théorie de circonstance, c’était documenté avant : un papier de juin montre que le comportement émerge spontanément, sans qu’on l’ait entraîné pour. OpenAI a accepté une revue indépendante de l’incident par METR et Redwood.
Pour nous, ça change quoi ? Retenez le ratio d’Anthropic, 3 sur 141 006 : le dérapage est rare. Mais il est arrivé chez les quatre labos qui surveillent le mieux leurs modèles, avec des équipes dédiées et des budgets illimités. La question n’est donc pas « est-ce que mon agent va mal tourner », elle est « est-ce que je saurais seulement le voir ».
Sources : rapport Anthropic · rapport UK AISI · Meta, via CBS News · Kimi K3, via Engadget · l’analyse de Redwood Research · le papier sur le reward hacking.
🛑 OpenAI freine, l’open source décensure
Le 18 août, Sam Altman annonce ce qu’aucun patron de laboratoire n’avait fait jusqu’ici : ralentir. OpenAI a suspendu pendant un peu plus de deux semaines l’entraînement de sa prochaine génération, nom de code Astra, et maintient en pause le plus gros run d’apprentissage par renforcement prévu. Motif : les capacités avancent plus vite que les garde-fous. En creux, deux déclencheurs, le hack de juillet et une évaluation d’Astra début août qui aurait frôlé le seuil « Critical » en cybersécurité de leur Preparedness Framework, le référentiel interne qui classe les risques d’un modèle avant sa sortie. Altman à TIME : « je pense que c’est le bon moment pour ralentir ». Anthropic, contrairement à ce qu’on a pu lire ici ou là, n’a pas réagi publiquement. Silence radio.
Pendant qu’un laboratoire américain freine, le reste du monde accélère dans l’autre sens. Des versions « décensurées » de modèles ouverts circulent librement, dont Qwen 3.8 27B, qui tourne sur un ordinateur portable correctement équipé et répond à tout : cybersécurité offensive, biologie, ce que les modèles commerciaux refusent poliment. Ce n’est pas une hypothèse de laboratoire, c’est téléchargeable ce soir.
Et le vrai risque n’est pas le génie solitaire avec son modèle décensuré, c’est l’essaim : dix ou vingt machines modestes, chacune avec son agent chercheur de failles, qui testent en parallèle et partagent ce qu’elles trouvent. Aucune n’est brillante, collectivement elles finissent par trouver. C’est exactement ce que les agents d’OpenAI ont démontré, sauf qu’ici personne n’a besoin d’un cluster à un milliard de dollars.
Ce que ça raconte vraiment : freiner la frontière ne freine pas la diffusion. D’un côté un entraînement à plusieurs centaines de millions mis en pause par prudence, de l’autre la même capacité, en moins bon, gratuite et sans garde-fous.
Pour nous, ça change quoi ? Il y a une bonne nouvelle là-dedans, et elle est trop peu dite : ces modèles ouverts qui tournent en local sont aussi les seuls sur lesquels vous avez un contrôle total. Si vous avez un sujet de confidentialité, l’IA locale est enfin réellement utilisable.
💧 Le filigrane de Claude, livré sans son détecteur
C’est le sujet qui a le plus fait réagir en août, et celui sur lequel il faut être précis, parce que beaucoup de choses fausses circulent.
Le contexte : l’article 50 de l’AI Act impose depuis le 2 août de rendre identifiable le contenu généré par une IA, sous peine de 15 millions d’euros ou 3 % du chiffre d’affaires mondial. Anthropic s’aligne, et l’applique à la planète entière faute de pouvoir le limiter à l’Europe. Comment ça marche, et c’est plus élégant qu’on ne le dit : quand Claude hésite entre « couvert » et « gris » pour décrire un ciel, ce n’est plus le hasard qui tranche, c’est une clé secrète. La suite des choix devient vérifiable par qui détient la clé, sans qu’aucun mot ne paraisse anormal. Aucun caractère invisible, aucun token ajouté. Sur du code, où la sortie est contrainte, la marque ne s’applique quasiment pas.
Deux limites, dont une est mal comprise. Le test est asymétrique : si on détecte la marque, Claude a très probablement mis la main dans ce texte ; si on ne la détecte pas, ça ne prouve rien. Et Anthropic reconnaît qu’une réécriture complète l’efface, tout comme un texte largement retravaillé à la main, où « presque tous les mots appartiennent à la personne ».
Le plus savoureux est ailleurs. Anthropic a livré le filigrane sans le détecteur : l’API de vérification est annoncée comme arrivant « bientôt ». Résultat, un dépôt GitHub publié le jour même de l’annonce, watermarks-remover, dépasse les 18 000 étoiles en deux semaines, et personne, pas même son auteur, ne peut démontrer qu’il fonctionne. L’outil retire de façon vérifiable les caractères invisibles et les métadonnées ; pour le filigrane statistique, il fait réécrire le texte par un autre modèle et espère. Son propre fichier de documentation l’admet noir sur blanc : tant que les éditeurs ne publient pas de détecteur, aucun outil ne peut honnêtement certifier quoi que ce soit. Des milliers de gens effacent donc une marque que personne ne sait voir. Pendant ce temps, OpenAI ne marque toujours pas son texte, et Google le fait depuis octobre 2024, avec un détecteur public, lui.
Le point sur lequel je me corrige. À l’antenne, j’ai relié ce filigrane au fait que Claude soit devenu plus verbeux depuis août. Le ressenti est réel et largement partagé, mais en vérifiant pour cette newsletter, la chronologie ne tient pas. Les mesures de verbosité les plus sérieuses, qui relèvent jusqu’à 60 % de mots en plus sur Opus 5, ont été publiées le 3 août, soit huit jours avant l’annonce du filigrane. Et selon la documentation d’Anthropic, la marque concerne d’abord les modèles sortis après le 2 août : sur ceux que nous utilisons tous les jours, le déploiement se fait « dans les mois qui viennent ». Enfin, le mécanisme biaise le choix des mots, pas la longueur des réponses. Les analyses indépendantes qui existent pointent plutôt un changement de post-entraînement. Donc : la verbosité est mesurée et réelle, le filigrane existe, mais l’un n’explique pas l’autre. Je préfère le dire que le laisser passer.
Sources : l’annonce d’Anthropic · WIRED sur les contournements · BleepingComputer.
🛠️ La pause pratique : après la fuite des impôts, les réflexes qui servent vraiment
J’avais promis d’y revenir ici, parce qu’à l’antenne j’ai surtout parlé du risque. Voici la partie utile, avec quelques précisions que je n’avais pas au micro.
Ce qui s’est passé. Deux accès illégitimes, fin juin et fin juillet, obtenus non par une faille sophistiquée mais par l’usurpation des identifiants de deux comptes légitimes, un agent de la DGFiP et un tiers habilité, via VPN. Le pirate, qui se fait appeler ZeroBytes, revendique 678 438 lignes ; l’administration précise que ce total comporte des doublons et parle d’environ 350 000 particuliers et 250 000 professionnels. Depuis, deux autres fuites ont été annoncées : une base cadastrale, puis le portail des successions vacantes. Ont fuité, pour les particuliers : identifiant fiscal, état civil, coordonnées, situation maritale, personnes à charge, quotient familial, revenu fiscal de référence, taux de prélèvement à la source, et l’historique des messages échangés avec le fisc. Pas de mots de passe, pas d’avis d’impôt, pas de données bancaires dans l’échantillon analysé.
Les six réflexes, du plus urgent au plus structurel :
Le mail officiel ne contient aucun lien. Objet : « Consultation illégitime de vos informations fiscales ». Toute variante avec un bouton à cliquer est un faux, et les campagnes d’hameçonnage imitant cette alerte ont démarré dans la foulée. Réflexe permanent : ne cliquez pas, tapez vous-même impots.gouv.fr.
Il n’existe aucun outil pour vérifier si vous êtes concerné. On l’est si on reçoit le message, et c’est tout : les particuliers par mail depuis le 17 août, les professionnels par courrier depuis le 24. Tout site qui propose de « vérifier si vos données fiscales ont fuité » est au mieux inutile.
Have I Been Pwned, oui, mais en connaissant sa limite. Le service recense plus de 12 milliards de comptes issus de fuites publiquement connues, très utile pour faire le ménage dans vos vieux comptes. Mais il ne verra jamais une base vendue en privé, ce qui est précisément le cas ici : un résultat négatif ne prouve rien.
Faites le tri dans vos vieux comptes. Un compte inutilisé depuis cinq ans, c’est une ligne dans une base qui fuitera un jour. Moins de surface, moins de recoupements possibles.
Sachez où sont vos données, et gardez-en une copie. Si quelqu’un prend le contrôle de votre boîte mail et efface tout, la perte est pire que la fuite. Exportez vos mails, listez les services où vous stockez vraiment quelque chose.
En cas d’usurpation, conservez les preuves et portez plainte, avec l’aide de 17Cyber et des conseils de la CNIL.
Le lien avec l’IA est double. Côté attaque, le croisement automatisé de bases fuitées fabrique un hameçonnage sur mesure, avec votre nom, votre adresse, la composition de votre foyer. Une nuance quand même, tirée du dernier rapport annuel de Verizon sur les compromissions : le volume de texte rédigé avec de l’IA dans les mails malveillants a doublé en un an, sans hausse mesurable du taux de succès. La menace se massifie, elle n’est pas devenue imparable. Côté défense, l’annonce est passée inaperçue : le 18 août, l’État a demandé à la DINUM de rendre opérationnelle dès septembre une IA chargée d’attaquer les systèmes de l’administration pour en trouver les failles avant les autres. Le mot du ministre : « se tester nous-mêmes avec des IA pour nous auto-attaquer ».
Sources : la page officielle de la DGFiP · ce que contient le mail envoyé aux victimes, franceinfo · les mesures d’urgence, Next · haveibeenpwned.com.
🔍 Le sujet qu’on creuse : quand le GPU devient un produit financier
À l’antenne, j’ai survolé ça en trente secondes en promettant d’y revenir. C’est le sujet le plus important du mois pour comprendre ce qui pourrait casser, et il n’a rien à voir avec la technique.
1. Ce qui a été annoncé. Le 10 août, Nvidia officialise des protocoles d’accord avec six poids lourds de la finance : Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR. Objectif : mobiliser plus de 500 milliards de dollars de capital tiers pour financer les infrastructures de calcul. Attention à la formulation, parce que c’est là que la presse dérape : ce ne sont pas 500 milliards signés, c’est une cible de capital à lever, via des plateformes de financement qui restent hors du bilan de Nvidia. La phrase de Jensen Huang résume l’intention : c’est la première fois que des puces deviennent une classe d’actifs investissable, parce que ce sont désormais des actifs qui génèrent des revenus.
2. Comment une carte graphique devient un actif. Le montage existe depuis 2023 et s’est industrialisé : on loge les GPU dans une société ad hoc, on adosse un prêt à la fois au matériel et aux contrats clients signés, et on revend le tout à des investisseurs. CoreWeave a ouvert la voie avec 2,3 milliards de dollars en 2023, Lambda a émis la première titrisation adossée à des GPU en 2024, et en mars dernier CoreWeave a bouclé 8,5 milliards, le premier financement de ce type noté « investment grade ». Détail qui compte : le même jour que l’annonce de Nvidia, le régulateur américain exemptait une partie des obligations de datacenters des règles de rétention de risque applicables aux titrisations classiques.
3. Le nœud du problème : combien de temps vit un GPU ? Les hyperscalers amortissent leur matériel sur cinq à six ans. Michael Burry, celui du « Big Short », soutient que la durée de vie économique réelle tourne plutôt autour de deux à trois ans, et en tire une surestimation des profits d’environ 176 milliards de dollars sur 2026-2028. Nvidia défend quatre à six ans. Personne ne tranchera avant plusieurs années, mais notez l’anomalie : le dernier financement de CoreWeave, en août, court sur cinq ans, alors que les contrats clients qui le remboursent durent en moyenne trois ans.
4. La circularité, ce mot qui revient partout. Nvidia s’engage à racheter la capacité invendue de CoreWeave à hauteur de 6,3 milliards jusqu’en 2032. Nvidia met de l’argent dans le véhicule qui achète des GPU Nvidia pour les louer à xAI. Nvidia a investi 30 milliards dans le dernier tour d’OpenAI, son plus gros client. Et le 17 août, en entrant au capital du promoteur du campus de l’Ohio loué à OpenAI, il a accepté des garanties de valeur résiduelle plafonnées à 105 milliards de dollars, activables en cas de défaut d’OpenAI. Rien de tout cela n’est illégal ni caché, c’est même dans les documents déposés au régulateur. Mais le fournisseur finance de plus en plus ses propres clients.
5. Qui s’inquiète, officiellement. Pas seulement des vendeurs à découvert : la Banque d’Angleterre a alerté deux fois sur le risque de correction brutale, le FMI a classé la concentration de l’IA parmi les risques baissiers matériels, la Banque des règlements internationaux a consacré une note au basculement d’un financement par les revenus vers un financement par la dette, et la Réserve fédérale relève la même tendance dans son rapport de stabilité de mai. Le précédent le plus cité n’est pas 2008, c’est l’an 2000 : Lucent, Nortel et Cisco prêtaient à leurs clients pour qu’ils achètent leur matériel. Différence notable, et elle joue en faveur de Nvidia : l’argent vient cette fois de Wall Street, pas de son propre bilan.
Mon avis, et ce n’est évidemment pas un conseil financier. La valeur créée par ces modèles est réelle, je la constate chaque semaine chez mes clients, sur des tâches qui étaient hors de portée il y a dix-huit mois. Ce qui est fragile, ce n’est pas la technologie, c’est le montage financier qui la finance. Deux choses différentes, et elles ne s’effondreront pas ensemble. Si correction il y a, elle frappera d’abord ceux qui ont emprunté sur cinq ans pour acheter du matériel amorti sur trois, pas ceux qui utilisent l’IA pour travailler.
Sources : le communiqué de Nvidia · CNBC sur l’accord · le financement noté investment grade de CoreWeave · la note de la BRI sur le financement du boom
.
🧠 Le modèle de la semaine : Marin 535B, le premier géant entraîné à ciel ouvert
À l’antenne, j’ai dit qu’un modèle réellement open source était en cours d’entraînement, sans pouvoir vous donner la date de lancement. La voici : la semaine du 18 août. Donc il tourne pendant que vous lisez ces lignes.
Le projet s’appelle Marin, il est porté par Percy Liang et David Hall au centre de recherche sur les modèles de fondation de Stanford. Le modèle, Marin 535B-A23B, est un mélange d’experts de 535 milliards de paramètres dont 23 milliards actifs à chaque token, entraîné sur 18 750 milliards de tokens, sur onze racks de GB200, soit près de 800 GPU, pour environ trois mois de calcul. Fin du pré-entraînement attendue vers novembre.
Ce qui est inédit, ce n’est pas la taille, c’est la vitrine. Tout est visible pendant que ça tourne : les courbes d’apprentissage en direct sur Weights & Biases, le code sous licence Apache 2.0, et surtout un journal d’ingénierie versionné où l’équipe consigne ses incidents et ses ratés. Là où un laboratoire de frontière publie un communiqué victorieux six mois après, Marin vous montre la cuisine, y compris quand ça brûle.
Une nuance à connaître, parce qu’elle est au cœur du débat open source : le corpus d’entraînement du 535B est documenté source par source, mais il n’est pas téléchargeable, l’équipe l’a confirmé le 24 août. C’est plus ouvert que tout ce que font les grands labos, et ce n’est pas encore la définition stricte de l’open source telle que l’entend l’Open Source Initiative, qui exige aussi une information suffisante sur les données. Pour mémoire : les modèles que vous récupérez sur Hugging Face, Qwen ou Llama, sont des modèles à poids ouverts, ce qui est très différent d’un modèle open source.
Pour nous, ça change quoi ? À court terme, rien : vous n’allez pas déployer un 535B. À moyen terme, beaucoup : c’est le premier entraînement à cette échelle qu’un chercheur, un journaliste ou un régulateur peut auditer en direct. Si vous vous demandez à quoi ressemblerait une IA qu’on peut vraiment vérifier, la réponse est en train de s’écrire publiquement.
Sources : le suivi d’entraînement sur Weights & Biases · le dépôt du projet · le post de Percy Liang
.
🚀 En rafale : ce que le podcast a survolé
Mistral assume son pivot souverain. Feuille de route du 11 août : des points d’accès d’inférence par région, l’hébergement de modèles ouverts tiers, et un objectif d’un gigawatt de capacité de calcul en Europe d’ici 2030 (44 mégawatts en région parisienne aujourd’hui, 200 visés fin 2027). Le premier modèle tiers hébergé est chinois, GLM-5.2 de Z.ai. Le partenariat avec Microsoft a été étendu le 21 juillet, avec des déploiements possibles jusqu’en environnement totalement déconnecté. Ma lecture ne change pas : ce n’est pas « Mistral a perdu la course », c’est « Mistral arrête une course qu’il ne peut pas gagner pour prendre la place qui compte, l’infrastructure ». On n’a pas dessiné les plans du bâtiment, mais on sait le construire, et les plans sont gratuits. La feuille de route
Correction : l’inférence souveraine n’est plus deux fois plus chère. J’ai dit à l’antenne qu’un fournisseur occidental facturait au moins le double du fournisseur chinois d’origine. C’était vrai en 2025, ça ne l’est plus. Vérification faite en préparant ce numéro : Qwen3.5-397B est au même tarif d’entrée chez Alibaba, chez OVHcloud et chez Scaleway, au change près. L’écart ne réapparaît que face aux tarifs de nuit et au cache de DeepSeek, imbattables. Les deux offres françaises servent depuis Gravelines et Paris, avec un engagement écrit de non-réutilisation des données. Côté allemand, Hetzner a bien ouvert une API d’inférence, mais précision utile : elle est expérimentale et gratuite, pas commerciale. OVHcloud · Scaleway
Deux lettres opposées en quatre jours, et un twist. Le 24 juillet, Jensen Huang inaugure son compte X avec une lettre en faveur des modèles à poids ouverts : 11 millions de vues, 25 signataires au départ, plus de 150 quatre jours plus tard. Le 28, une autre lettre, « Pacing the Frontier », signée par plus de 1 100 employés de laboratoires, dirigeants compris, dont Dario Amodei et Ilya Sutskever. Attention au contresens, que j’ai moi-même frôlé : elle ne demande pas de freiner maintenant, elle demande que les outils techniques et politiques pour pouvoir ralentir existent le jour où il le faudra. Le twist : OpenAI a signé les deux textes. Anthropic une seule, celle sur le rythme.
Une IA conçoit seize virus inédits, et je corrige deux choses dites trop vite. Publication dans Science le 6 août : des modèles entraînés sur des génomes ont conçu des bactériophages, ces virus qui infectent les bactéries, dont seize fonctionnels n’ayant jamais existé dans la nature. D’abord, ces modèles ne sont pas d’OpenAI : ce sont Evo 1 et Evo 2, de l’Arc Institute et de Stanford. Ensuite, l’ampleur : seize succès sur 302 génomes conçus, et un chercheur d’Oxford relève qu’ils restent identiques à 97 % en moyenne à leur modèle d’origine. L’IA recombine du connu plus qu’elle n’invente. Au crédit des auteurs : ils ont exclu de l’entraînement les virus capables d’infecter l’humain, l’animal ou la plante, et montrent que cette exclusion suffit à empêcher la production de pathogènes humains. Le garde-fou est dans le jeu de données, pas dans le refus poli du modèle. Le papier
Stripe met la main sur OpenRouter. Annoncé le 19 août, entre 7 et 8 milliards de dollars selon la presse, non confirmé par Stripe, et le closing n’a pas encore eu lieu. OpenRouter est ce routeur qui donne accès à des centaines de modèles derrière une seule clé d’API. La logique de Stripe : après le paiement, gérer la facture en tokens. Trois mois plus tôt, OpenRouter levait des fonds sur une valorisation de 1,3 milliard. Le communiqué
La vitesse devient un produit. Le 13 août, OpenAI et Cerebras ont ouvert un mode « Ultrafast » pour GPT-5.6 : jusqu’à 750 tokens par seconde, quatorze fois le mode standard. L’ordre de grandeur parle mieux qu’un pourcentage : le test Humanity’s Last Exam, ses 2 500 questions, bouclé en 11 heures là où il en demandait 78 à Claude Fable 5. Cerebras est ce concurrent de Nvidia qui grave un processeur sur une galette de silicium entière, avec 44 Go de mémoire à même la puce, ce qui supprime les allers-retours qui plombent les GPU. Ça ne rend pas le modèle plus intelligent, mais ça change tout pour le vocal, où l’on sacrifie aujourd’hui l’intelligence pour la latence. Le billet Cerebras
Grok Bot, le concurrent frontal. Lancé le 11 août par l’entité IA de SpaceX : des agents persistants qui vivent sur un ordinateur cloud, plus de 200 connecteurs, validation humaine avant les actions à conséquence. Une correction : c’est SpaceX, et non xAI, qui a racheté Cursor, 60 milliards de dollars en actions, opération clôturée mi-août. Sur la confiance, je maintiens ma réserve : en juillet, l’assistant de code de la maison envoyait les dépôts Git entiers de ses utilisateurs, historique et secrets compris, vers un bucket de l’entreprise, et le réglage de confidentialité n’y changeait rien.
Les robots ont battu Usain Bolt, et ce n’est pas une blague. Aux Jeux mondiaux des robots humanoïdes de Pékin, du 22 au 26 août : 666 équipes, 2 056 robots, 16 pays. Le 22, Tiangong Ultra a couru le 100 mètres en 9,39 secondes, sous les 9,58 de Bolt. À relativiser : c’est une course de robots chronométrée en compétition, pas un record homologué, et le vainqueur finit dans les tapis de mousse. Mais voilà le chiffre qui compte : l’an dernier, le même robot mettait 21,50 secondes. Un autre a franchi 2,88 mètres en saut en hauteur sans élan. La vidéo d’Associated Press
LinkedIn invente le bouton « ça sent l’IA ». Depuis le 30 juillet, vous pouvez signaler un post comme généré à la chaîne. Un million de clics en trois semaines, et environ 40 % de vues en moins pour les posts collés depuis une IA, selon LinkedIn. Mieux : la plateforme a retiré sa propre fonction de rédaction automatique, remplacée par un simple correcteur qui ne touche pas à votre style. Le réseau qui a le plus poussé ses utilisateurs à écrire avec l’IA vient de créer l’outil pour s’en protéger.
📊 Le chiffre de la semaine : 141 006
C’est le nombre d’évaluations qu’Anthropic a passées au crible avant son rapport du 30 juillet. Sur ces 141 006 exécutions, trois ont dérapé au point de toucher des systèmes réels.
Gardez ce ratio en tête la prochaine fois que vous lirez un titre sur les IA « devenues incontrôlables ». Le comportement est rarissime, il n’a rien d’une révolte, et dans les trois cas il a fallu une erreur de configuration humaine pour le rendre possible. Dans l’un d’eux, le modèle s’est même arrêté tout seul en réalisant que la cible était réelle.
Mais retournez la statistique et elle devient inconfortable : il a fallu une analyse rétrospective massive, chez l’un des laboratoires les mieux outillés du monde, pour débusquer ces trois cas. En direct, personne n’avait rien vu passer. La bonne question n’est donc pas « est-ce que ça peut arriver chez moi », c’est : combien d’exécutions de vos agents seriez-vous capable de rejouer, si on vous demandait demain de vérifier ce qu’ils ont fait le mois dernier
?
🎧 Pour creuser le sujet
Tout ce numéro est déroulé à l’oral dans l’épisode #133, le grand récap du mois d’août :
Et le deck de l’émission, avec les sources écran par écran :
🤖 Le projet dont je vous parlais : Au boulot
C’est le fameux « projet sur lequel j’ai travaillé tout l’été » annoncé à la fin de l’épisode. Ça s’appelle Au boulot, et la bêta est ouverte.
L’idée est simple : tout ce dont je parle depuis des mois, les agents qui tournent en permanence, trient vos mails, font votre veille du matin, remplissent vos tableaux, déploient un site avec sa base de données, vous pouvez déjà le faire vous-même. Sauf qu’il faut louer un serveur, le sécuriser, l’installer, le configurer, brancher les connecteurs. Pour l’avoir expliqué à beaucoup de monde, je sais que c’est là que presque tout le monde s’arrête.
Donc je m’occupe de la technique. Vous créez un compte, votre agent vous écrit sur WhatsApp, et il travaille. Serveurs en France, vos données sur votre propre instance et récupérables en un clic le jour où vous partez, et le choix du fournisseur d’IA (votre compte ChatGPT, votre compte Claude, ou celui inclus). Ce n’est une croisade contre personne, j’utilise les modèles américains tous les jours : c’est juste que savoir où vivent ses données et pouvoir les reprendre devrait être la norme.
Je veux des retours, y compris désagréables. Pour les auditeurs et les lecteurs : 30 jours offerts avec le code TSUNAMIA ou PODCAST.
Pour conclure
Le mois d’août aura servi de démonstration grandeur nature : des modèles qui contournent leur cadre pour mieux réussir un test, un laboratoire qui freine, un État qui découvre que ses identifiants valent plus que ses pare-feux, et une finance qui apprend à prêter sur des cartes graphiques. Rien de tout ça n’est de la science-fiction, tout est documenté, sourcé, daté.
La boussole ne bouge pas : comprendre avant de brancher, cadrer avant de déléguer, et vérifier ce que vos outils font quand vous ne regardez pas. On reprend le rythme normal dès la semaine prochaine, avec un épisode plus classique.
Restez curieux, continuez à surfer,
Dimitri
Restons connectés : le site tsunamia.fr, le podcast sur Acast et toutes les plateformes, Instagram et TikTok, ou par mail à contact@tsunamia.fr.
TsunamIA est une marque propulsée par Intégralité Consulting.