Anthropic cible Figma et le sommet du G7 reste sans cap en matière d'IA

Anthropic : Claude Design veut s'approprier le workflow de Figma

Lorsqu'Anthropic a discrètement lancé Claude Design en avril en tant que «  Research Preview  », plus d'un million d'utilisateurs se sont manifestés dès la première semaine. Un problème est alors apparu : un testeur de PCWorld a consommé 80 % de son quota hebdomadaire Claude Pro en environ 25 minutes pour seulement trois variantes d'un unique prototype de site web. Deux mois plus tard, l'entreprise propose une version révisée qui réduit la consommation et transforme l'outil d'une jolie démo en un service dédié à la conformité de marque. Au cœur de cette mise à jour se trouve la nouvelle importation de systèmes de design : les entreprises importent leurs propres composants, typographies et jetons de couleur depuis un référentiel GitHub dans Claude. L'outil construit avec ces éléments, vérifie la conformité avec les règles établies et corrige avant même que l'utilisateur ne voie le résultat. Un rôle d'administrateur peut approuver un système standard et verrouiller les modifications. S'y ajoute la connexion bidirectionnelle avec Claude Code via /design-sync et /design, conçue pour combler le fossé entre la conception et l'ingénierie. Tout cela s'inscrit dans dix semaines d'expansion agressive du produit : Opus 4.8, l'alliance DXC pour les banques et les compagnies aériennes, Claude for Small Business avec QuickBooks et PayPal, ainsi qu'une étude sur 400 000 sessions Claude Code concluant que la connaissance du domaine est plus importante que les compétences en codage. → venturebeat.com

Synthszr Take : Le véritable levier ne réside pas dans l'éditeur de type glisser-redimensionner, mais dans le verrouillage. Une entreprise avec un manuel de marque de 200 pages ne gagne rien avec une IA qui crée de jolies diapositives selon ses propres goûts. Dès que Claude connaît les vrais boutons, les règles d'espacement et les jetons, et valide chaque sortie par rapport à eux, Anthropic répond à la première question de tout acheteur en entreprise : pouvons-nous contrôler le résultat ? L'intégration «  round-trip  » avec Claude Code est le deuxième coup de maître, car le même système conçoit et programme ; l'ancienne boucle du «  mais la maquette ne ressemblait pas à ça  » entre le design et l'ingénierie disparaît, car plus personne n'a à interpréter l'intention d'un tiers. En avril (voir «  Claude Design attaque Figma  »), c'était une attaque frontale contre l'outil ; aujourd'hui, c'est une attaque contre l'ensemble du workflow qui le sous-tend. Le fait qu'Anthropic résolve en même temps le problème des jetons témoigne d'une discipline de calcul : un outil que l'on ne peut plus se payer après 25 minutes ne passera jamais le service des achats. Quiconque dispose aujourd'hui d'un système de design bien documenté peut tester l'importation dès demain matin, sans avoir besoin d'un séminaire stratégique.

Le G7 se transforme en sommet sur l'IA sans résultats

Quelques jours seulement après que le gouvernement américain a interdit aux ressortissants étrangers l'accès aux modèles les plus puissants d'Anthropic, Fable et Mythos, les dirigeants des principaux laboratoires ont rencontré les chefs des démocraties occidentales lors du sommet du G7 à Évian-les-Bains, en France. Le PDG d'Anthropic, Dario Amodei, a plaidé lors d'un déjeuner de travail pour le partage des bénéfices de l'IA entre les nations démocratiques et pour la coordination du commerce des modèles puissants, à l'exclusion de la Chine. Le déclencheur des contrôles à l'exportation était la crainte que Fable et Mythos soient si efficaces pour détecter les vulnérabilités logicielles qu'ils pourraient être exploités par des attaquants ; Anthropic a dû couper l'accès à tous les utilisateurs, y compris à ses propres employés sans passeport américain. Macron a qualifié la décision de «  strictement nationaliste à certains égards  », tandis que le Premier ministre canadien Carney a mis en garde contre une «  dépendance excessive à l'égard de certains modèles  ». Trump, flanqué lors du dîner de Sam Altman et Demis Hassabis, n'a pas abordé le blocage et a plutôt souligné l'avance de l'industrie américaine sur la Chine et la construction de centrales électriques pour le boom de l'IA. Hassabis a appelé à la création d'une autorité internationale de normalisation pour réglementer le développement de l'IA de manière sûre et favorable à l'innovation. → www.washingtonpost.com

Synthszr Take : Nous avons déjà décrit le séisme Anthropic ici le 14 juin comme une rupture géopolitique, et Évian en présente maintenant la facture. Si Washington peut désactiver un produit fonctionnel du jour au lendemain, sans justification publique, alors la capacité d'IA n'est plus une marchandise que l'on achète de manière planifiée, mais un levier entre les mains d'autrui. Carney a prononcé la seule phrase utile du sommet : personne n'a rien fait de mal, la seule erreur serait de ne pas en tirer la leçon et de ne rien construire. Pour l'Europe, cela signifie : ses propres modèles, ses propres centres de données, sa propre force de diffusion, et ce en tant qu'investissement, pas comme un folklore de subventions. L'Estonie a numérisé 99 % de son administration parce que quelqu'un a commencé, non parce qu'un sommet l'a décidé. La dépendance ne peut être négociée à Évian, elle ne peut être réduite qu'en construisant soi-même. Celui qui attend maintenant la prochaine décision d'un comité de normalisation a déjà cédé le contrôle de l'infrastructure la plus importante de la décennie.

Microsoft lorgne le modèle chinois DeepSeek pour Copilot

Selon Axios, Microsoft envisage d'intégrer une version auto-hébergée et affinée de DeepSeek V4 (ou un autre modèle open source) à Copilot Cowork, l'assistant agentique de Microsoft 365. La raison est financière. En parallèle, Microsoft fait passer Copilot Cowork à une facturation basée sur l'utilisation, facturant désormais la puissance de calcul réellement consommée plutôt qu'un forfait. Charles Lamanna, EVP de Copilot, l'admet ouvertement : certains utilisateurs exécutent des centaines de tâches par semaine, ils sont très productifs, mais les coûts explosent. Actuellement, Cowork fonctionne avec des modèles d'Anthropic et d'OpenAI, qui ont tous deux augmenté leurs prix et retiré leurs forfaits. Politiquement, le timing est délicat : Washington a évoqué une interdiction de DeepSeek et vient de forcer Anthropic à restreindre l'accès à ses meilleurs modèles pour les utilisateurs non américains. Microsoft souligne que toute option DeepSeek serait optionnelle et entièrement hébergée sur Azure, avec un fine-tuning et des garde-fous. → Techpresso

Synthszr Take : Si même Microsoft n'arrive plus à digérer la facture de ses propres agents, c'est la déclaration la plus honnête que nous ayons entendue cette année sur l'économie de l'économie des agents. Un agent n'appelle pas le modèle une seule fois, il l'appelle des dizaines de fois par tâche, et c'est précisément là que tout forfait devient déficitaire. Fin mai déjà, nous écrivions sur l'explosion des coûts des jetons et la manière dont la Chine comble ce vide ; aujourd'hui, le candidat le moins cher est sur la liste de Redmond, et il s'appelle DeepSeek. Ce qui est remarquable, ce n'est pas le piquant géopolitique, mais le fait que Microsoft se libère de son exclusivité étroite avec OpenAI et mélange les modèles sous son propre toit, comme un acheteur qui ne veut plus jamais dépendre d'un seul fournisseur. Pour exploiter des agents de manière productive, il faut une télémétrie des coûts au niveau du cas d'usage et un levier pour changer de modèle, pas une facture cloud opaque à la fin du mois. Cela peut être mis en place dès aujourd'hui, pas seulement lorsque le directeur financier présentera la première facture de jetons à six chiffres. La discipline en matière de calcul passe du statut de «  nice-to-have  » à celui de compétence clé.

Adyen et Stripe se battent pour le paiement, pendant qu'OpenAI échoue

Deux des plus grands processeurs de paiement au monde ont, en l'espace de quelques jours, renforcé leurs paris sur le commerce agentique. Adyen a lancé une suite d'API complète pour les transactions effectuées par des agents IA, tandis que Stripe étend sa propre infrastructure via le cloud AWS d'Amazon. Ces deux initiatives surviennent trois mois après l'effondrement de l'Instant Checkout d'OpenAI : Walmart a constaté des taux de conversion trois fois plus mauvais, et moins de 30 marchands Shopify ont été mis en ligne. Quelques semaines plus tôt, Stripe avait rejoint le Universal Commerce Protocol de Google, un aveu discret que le standard développé avec OpenAI avait perdu la course. Le détail le plus révélateur : aucun de ces fournisseurs ne peut présenter un volume de transactions réel provenant du canal pour lequel il construit. → Linas from Linas's Newsletter

Synthszr Take : Ici, toute l'industrie construit une autoroute sur laquelle aucune voiture ne circule encore. L'Instant Checkout d'OpenAI a montré ce qui se passe quand on automatise un tunnel de conversion avant même que les utilisateurs ne le veuillent : une conversion trois fois moins bonne et 30 commerçants participants (sur des millions). Adyen et Stripe sont assez malins pour ne pas miser sur un standard propriétaire, mais sur la logique de livraison qui le sous-tend, c'est-à-dire la couche API que n'importe quel agent peut utiliser. C'est le bon pari, car la couche d'outils deviendra une commodité, tandis que la logique du pipeline restera le fossé de protection. Ce qui me laisse perplexe : personne ne peut montrer de volume de transactions, et un système de paiement sans paiements est une illusion PowerPoint avec des chiffres trimestriels. Ceux qui construisent dans ce domaine devraient investir dans l'infrastructure tout en mesurant avec une honnêteté brutale à partir de quand de vraies personnes délèguent de vrais achats à des agents. La vitesse de construction est impressionnante, mais la preuve de la demande reste à faire.

Les directeurs financiers paniquent à cause des jetons et sortent la tondeuse

Lors du Data + AI Summit de Databricks, des managers d'entreprise ont raconté la même histoire au journaliste de The Deep View : les coûts d'inférence ont tellement dépassé le budget que cela devient une crise. «  L'année dernière, les directions laissaient toutes les fleurs s'épanouir, maintenant ils arrivent avec la tondeuse à gazon  », selon une citation. Le PDG de Databricks, Ali Ghodsi, a qualifié la situation de «  totalement insoutenable  » et a déclaré que la question numéro un de ses clients est : comment réduire les coûts sans étouffer les investissements dans l'IA ? Deux réponses se dessinent : la sélection de modèles (chaque requête simple n'a pas besoin d'un modèle de pointe) et le calcul hybride (modèles open source en local sur son propre matériel). Databricks fournit rapidement l'outil approprié, le Unity AI Gateway, qui rend visible la consommation de jetons et achemine les requêtes vers le modèle adéquat. Pour OpenAI et surtout Anthropic, dont les revenus ont explosé grâce à l'accès illimité des employés aux jetons, ce sont de mauvaises nouvelles. Databricks} → The Deep View

Synthszr Take : Il y a un an, les PDG suppliaient leurs équipes d'enfin utiliser l'IA ; aujourd'hui, les agents de codage dévorent la facture. Un marché peut difficilement montrer plus joliment qu'il devient adulte. En mars, nous avons écrit sur le «  tokenmaxxing  », lorsque les entreprises tech se disputaient encore la plus grande consommation de jetons ; en mai, le choc budgétaire est arrivé, et la Chine a fourni des modèles avec jusqu'à 99 % de réduction. Maintenant, la discipline architecturale paie : celui qui maintient la couche de modèle interchangeable (via un adaptateur) et route proprement les requêtes, au lieu d'utiliser une tronçonneuse pour chaque pâquerette, économise immédiatement sans enterrer sa stratégie IA. Le paradoxe de Jevons frappe de plein fouet ici : plus le jeton devient efficace et bon marché, plus nous en consommons, et c'est précisément pourquoi la discipline de calcul n'est pas une mesure d'économie, mais une condition préalable à la mise à l'échelle. La liste des fournisseurs qui veulent aider à dompter les agents s'allonge, et Databricks n'est que l'un d'entre eux. La capacité d'observer ce que font et coûtent les agents doit faire partie de toute architecture pilote dès maintenant, une décision qui peut être prise dès demain matin, pas après le prochain séminaire stratégique.

Vercel a supprimé 80 % des outils de son agent, et l'agent s'est amélioré

Nate décrit dans son Substack un cas qui ramène toute l'euphorie des agents sur terre : Vercel a entraîné un agent commercial sur l'un de ses meilleurs vendeurs, lui a fait filtrer les demandes entrantes, qualifier les leads, rechercher des entreprises et rédiger des réponses, et a réduit l'équipe entrante de dix à une personne qui supervise l'agent dans Slack. Business Insider a raconté cela comme une histoire de ressources humaines. L'histoire plus utile se trouve ailleurs : l'agent fonctionne parce qu'un établi a été construit autour de lui, avec des sources, des tâches définies, des points de transfert et un humain qui suit les échanges. Nate mentionne deux façons dont les agents peuvent se dégrader : le monde qui les entoure dérive, ou, plus étrangement, le modèle sous-jacent s'améliore et la structure conçue pour compenser ses anciennes faiblesses devient un poids mort. C'est exactement ce qui s'est passé chez Vercel : 80 % des outils ont été supprimés, la performance a augmenté. Son message principal : «  Plus  » peut sembler être un signe d'attention, mais c'est généralement ce qui fait pourrir l'agent de l'intérieur. → Nate from Nate's Substack

Synthszr Take : Cela correspond brutalement à ce que nous avons écrit dans Code Crash sur les agents orphelins : livrés à eux-mêmes, ils deviennent obsolètes et perdent la confiance de leurs utilisateurs. Le réflexe d'ajouter plus d'outils, plus de contexte, plus de mémoire, n'est pas une preuve de diligence, mais de paresse dans la réflexion sur l'intention réelle. La maintenance est la discipline peu séduisante qui n'apparaît dans aucune présentation commerciale, et elle devient l'une des compétences IA les plus précieuses, car un agent continue de produire bien après avoir cessé d'avoir raison. La leçon de Vercel peut être appliquée dès demain matin, pas besoin d'attendre le prochain séminaire sur l'IA : passez en revue vos agents, demandez-vous pour chaque outil s'il résout encore un problème que le modèle ne résout pas déjà lui-même, et supprimez sans pitié. Le plan de contrôle dont tout le monde parle est sans valeur sans une couche humaine qui organise et corrige. Celui qui croit que le travail est terminé après le déploiement a encore la partie la plus coûteuse devant lui.

Le fossé de protection s'appelle désormais Mégawatt

La course à l'IA a atteint sa phase absurde : il ne s'agit plus de savoir qui entraîne le meilleur modèle, mais qui achète le plus vite des turbines, qui se fraie le plus élégamment un chemin à travers les autorisations environnementales et qui requalifie le plus persuasivement un centre de données en infrastructure nationale. Le nouvel avantage concurrentiel, selon AI Secret, réside dans les mégawatts, le gaz, les avocats et un mémo du DOJ. L'IA de pointe se joue sur la logistique et la couverture juridique, et xAI vient de démontrer que le gouvernement fédéral américain fournit cette couverture : l'entreprise d'Elon Musk obtient apparemment un soutien pour classer son installation de turbines à gaz à Memphis comme étant d'importance pour la défense. Le goulot d'étranglement se déplace ainsi entièrement de l'algorithme vers le monde physique de l'électricité et des autorisations. Celui qui n'a pas accès à l'énergie et à une couverture politique ne construit plus de modèles, peu importe la qualité de son équipe. → AI Secret

Synthszr Take : La capacité de construire n'a jamais été un fossé de protection, et maintenant la capacité de calcul ne l'est plus non plus à elle seule. Le véritable goulot d'étranglement se trouve dans la ligne électrique et dans la pile de permis de l'agence environnementale. C'est une ressource accaparée (Cornered Resource) au sens le plus pur de Hamilton Helmer : celui qui s'assure des turbines, des contrats de livraison de gaz et une interprétation bienveillante du DOJ détient quelque chose qu'un concurrent intelligent ne peut pas reproduire en six mois. En juin, j'écrivais ici sur le centre de données-tente de Meta, style Mad Max ; la suite est que l'infrastructure physique devient maintenant juridique. Le revers de la médaille est passionnant : c'est précisément cette dépendance aux autorisations et à la politique qui rend les grands fournisseurs vulnérables à quiconque peut se contenter de moins d'électricité, c'est-à-dire aux modèles open source efficaces et aux architectures plus légères. Quiconque élabore une stratégie IA aujourd'hui devrait prendre la question de l'électricité aussi au sérieux que celle du modèle. Et ne pas se laisser convaincre que la pile technologique la plus chère est automatiquement la meilleure.

Le modèle opérationnel de produit IA : Comment les entreprises natives de l'IA gagnent

Marty Cagan a rendu célèbre le modèle opérationnel de produit (Product Operating Model), mais les principales entreprises d'IA travaillent aujourd'hui selon une autre recette. Chez Anthropic, les ingénieurs prototypent des centaines de solutions et les livrent sans jamais demander l'avis d'un chef de produit ou d'un designer. Le nouveau produit d'OpenAI, Codex, a démarré avec deux chefs de produit, un designer et environ 40 ingénieurs, responsables conjointement de 10 à 12 interfaces produit, dont chacune, dans une entreprise classique, aurait sa propre équipe de 15 à 20 personnes. Cursor fonctionne avec 40 ingénieurs et un seul chef de produit, et a atteint 4 milliards de dollars de revenus annuels récurrents (ARR) plus rapidement que presque n'importe quelle entreprise de l'histoire. Aakash Gupta appelle ce modèle le «  modèle opérationnel de produit IA  » et prédit que la plupart des entreprises adopteront cette approche au cours de la prochaine décennie. Il a élaboré cette analyse avec Rohan Varma, chef de produit chez Codex et ancien premier chef de produit chez Cursor. → Aakash Gupta from Product Growth

Synthszr Take : Le chiffre passionnant n'est pas le chiffre d'affaires, mais le diviseur. Un chef de produit pour 40 ingénieurs chez Cursor, c'est une multiplication par dix de la vélocité produit par tête, et la vélocité est la solution à presque tous les problèmes logiciels. Ce qui disparaît ici, c'est la couche de coordination : les réunions avec les parties prenantes, les transferts, la logique des squads qui fait passer une seule fonctionnalité entre cinq mains jusqu'à ce qu'elle n'appartienne plus à personne. Les ingénieurs qui prototypent et livrent eux-mêmes retrouvent l'instinct produit que les organisations classiques ont externalisé dans des processus pendant des années. Le problème du Mittelstand allemand se situe précisément là : 20 % d'adoption de l'IA n'apportent pas grand-chose si le modèle opérationnel sous-jacent reste byzantin et que chaque décision doit passer par six comités. Changer ce diviseur est une décision qui peut être prise dès demain matin, pas après le prochain séminaire stratégique. Celui qui dote de petites équipes expertes avec un véritable «  skin in the game  » et les laisse livrer leurs produits remportera la décennie.

60 % des consommateurs américains trouvent le terme «  IA  » rebutant dans les messages de marque

Une nouvelle étude de WordPress VIP, la branche entreprise d'Automattic, révèle un fossé entre la visibilité par les machines et la confiance des humains. 60 % des consommateurs américains interrogés trouvent les marques qui font la promotion de l'«  IA  » rebutantes, et 86 % se méfient tellement des réponses de l'IA qu'ils préfèrent consulter la source originale. Fait particulièrement marquant : 42 % font moins confiance aux réponses de l'IA sans source claire qu'aux frais des compagnies aériennes, aux politiques de confidentialité confuses ou aux factures de médecin. Près de trois répondants sur quatre trouvent qu'Internet semble «  moins humain  » qu'il y a dix ans. Dans le même temps, la pression vient de l'autre côté : 60 % des entreprises signalent une augmentation du trafic provenant des moteurs de recherche IA, et 74 % des décideurs considèrent la découvrabilité par l'IA comme une priorité centrale. L'enquête a été menée auprès de 2 000 personnes, dont 800 décideurs et directeurs marketing ainsi que 1 200 consommateurs adultes américains, interrogés en avril. 80 % souhaitent que les informations sur le web restent librement accessibles, plutôt que d'être contrôlées par une poignée de grandes entreprises. → Techpresso

Synthszr Take : La marque vit désormais à deux endroits, et tous deux tirent dans des directions opposées. Dans le modèle, vous devez être lisible par la machine, sinon vous n'apparaissez même pas (en B2B, seule une marque SaaS sur huit apparaît dans les réponses de l'IA). Pour l'humain derrière l'agent, cette même proéminence de l'IA devient négative dès qu'elle est présentée comme une promesse publicitaire. Le terme «  IA  » dans un slogan était un moteur de valorisation en 2024, en 2026 c'est un repoussoir pour 60 % des gens. Celui qui veut résoudre ce dilemme doit créer des contenus qui sont citables pour la machine et crédibles pour l'humain, avec de vraies sources plutôt qu'un marketing IA enjolivé. La décision peut être prise dès demain matin : retirer le mot «  IA  » du titre et rendre visible la substance qui se cache derrière. La confiance est la ressource rare dans l'économie des agents, pas la visibilité.