La position d'Anthropic dans le codage fait face à la concurrence chinoise

ZCode défie Claude Code, Cursor & Co

Z.ai de Pékin (anciennement Zhipu AI) a lancé mercredi ZCode, une application de bureau gratuite pour macOS, Windows et Linux, conçue comme un «  Agentic Development Environment  » pour son modèle maison GLM-5.2. L'outil concurrence directement Cursor, Claude Code, GitHub Copilot et Antigravity de Google, prend en charge les configurations BYOK et peut être contrôlé depuis un mobile via WeChat, Feishu ou Telegram. L'atout majeur réside dans son prix : les abonnements de codage GLM commencent à 16,20 dollars par mois et vont jusqu'à 144 dollars pour le forfait «  Max  », bien en dessous d'Anthropic et de Cursor. GLM-5.2 lui-même est une architecture MoE de 744 milliards de paramètres, avec 40 milliards de paramètres actifs, une véritable fenêtre de contexte d'un million de tokens et un entraînement sur 28,5 billions de tokens, publié en open source sous licence MIT sur Hugging Face. Sur la Code Arena, le modèle se classait deuxième au niveau mondial à la mi-juin, juste derrière Claude 3.5 Sonnet d'Anthropic. Point décisif : l'entraînement a été réalisé entièrement sur du silicium Huawei, sans une seule puce américaine, pour un coût total estimé à 25 millions de dollars. Gartner évalue le marché des outils de codage agentiques à environ 10 milliards de dollars pour 2026. → Techpresso

Synthszr Take : 25 millions de dollars de coûts d'entraînement sur des puces Huawei, et le résultat se classe deuxième dans un classement de codage. Voilà la véritable nouvelle, pas l'application elle-même. En mars, Cursor accusait encore Anthropic de subventionner massivement ses prix ; aujourd'hui, un concurrent arrive, propose des abonnements de codage à partir de 16 dollars et offre en plus le modèle en open source. Quiconque établira un standard à deux outils pour son ingénierie de croissance en 2026 devrait sérieusement tester GLM-5.2 comme option BYOK pour les charges de travail réglementées ou sensibles aux coûts, au lieu de l'écarter. La question géopolitique demeure : un modèle sur du matériel chinois, contrôlé via WeChat, n'est pas une évidence pour la conformité européenne ; cela nécessite des garde-fous clairs et une vérification sur site (on-premise). Mais la pression sur les prix se fait sentir malgré tout, car elle modifie les attentes envers tous les fournisseurs. Le paradoxe de Jevons s'applique ici pleinement : plus le codage devient bon marché, plus on en fera, et l'avantage ira à ceux qui construiront tôt une architecture agnostique aux modèles, au lieu de s'enchaîner à un seul fournisseur.

Sam Altman propose 5% de participation à Trump

OpenAI a proposé au gouvernement américain une participation de 5 %, d'une valeur d'environ 42,6 milliards de dollars selon un rapport du Financial Times. Ce chiffre est basé sur une valorisation de 852 milliards de dollars attribuée à l'entreprise par des investisseurs il y a trois mois. Sam Altman souhaiterait que Anthropic, Google et Meta cèdent une part similaire de 5 %. Altman a discuté de ce plan avec le président Trump, le secrétaire au Commerce Howard Lutnick et le secrétaire au Trésor Scott Bessent. Le sénateur Bernie Sanders a rejeté l'offre et demande à la place un impôt unique de 50 % sur les parts d'OpenAI, d'Anthropic et de xAI. Cette initiative intervient alors que la pression politique à Washington sur le créateur de ChatGPT s'intensifie. → Techpresso

Synthszr Take : Sam Altman joue ici une pièce qu'il connaît bien. Quiconque se présente comme une infrastructure quasi publique ne cherche pas à être régulé, mais protégé. Une participation de 5 % de l'État est l'appât parfait pour cela : elle transforme Washington de gardien en copropriétaire, avec tous les conflits d'intérêts que cela implique. Dean Ball a raison avec sa métaphore du rat : car celui qui fait du régulateur un actionnaire peut difficilement lui demander de juger en toute indépendance. Le contraste avec Anthropic est intéressant, qui maintient ostensiblement ses distances et préfère bricoler ses propres puces avec Samsung, tandis qu'OpenAI cherche une protection politique. Tous deux misent sur un fossé de protection, mais l'un le construit en silicium et l'autre avec des relations de lobbying. Pour les entreprises européennes qui utilisent ces modèles, cela signifie simplement que la question du pouvoir dans la chaîne de valeur de l'IA se décide actuellement à Washington, pas à Bruxelles.

Qui crawl, paie : Cloudflare impose la séparation des bots

Cloudflare fixe une échéance à l'industrie de l'IA : à partir du 15 septembre 2026, le fournisseur bloquera par défaut les crawlers dits «  à usage mixte  » sur tous les sites contenant de la publicité. Sont concernés les bots qui effectuent la recherche, l'utilisation par des agents et l'entraînement en une seule opération. Quiconque voudra à l'avenir entraîner un grand modèle de langage devra séparer clairement son crawler de la recherche classique, sous peine d'être bloqué. La règle s'applique aux nouveaux clients, aux nouveaux sites et à tous les clients gratuits existants. Le PDG Matthew Prince cite une raison concrète : le trafic des bots a pour la première fois dépassé le trafic humain sur le web, un an plus tôt que prévu. Cloudflare vise clairement Google, qui, en combinant la recherche et l'entraînement de l'IA, accède à «  deux fois plus  » de données que les autres. On passe du «  Pay Per Crawl  » au «  Pay Per Use  » : les éditeurs doivent être payés lorsque leur contenu crée de la valeur, et non simplement lorsqu'il est collecté. Les premiers partenaires sont Ceramic.ai et You.com. → AI Secret

Synthszr Take : Enfin, quelqu'un trace une ligne dans un domaine que tout le monde exploitait gratuitement jusqu'à présent. Le véritable coup de maître réside dans la transition du «  Pay Per Crawl  » au «  Pay Per Use  » : le paiement se fait en fonction de la valeur créée, et non de la collecte. C'est exactement la logique de facturation qui manque au web ouvert depuis des années, et elle arrive tard, mais pas trop tard. Le chiffre de plus de 50 % de trafic de crawl qui collecte sans cesse des pages inchangées est remarquable : un pur gaspillage de bande passante et de calcul dont personne ne regrettera la disparition. Cloudflare se positionne ici comme un gardien avec un péage à l'entrée, ce qui touche Google au point le plus sensible, car son Googlebot ne sépare pas la recherche des fonctionnalités d'IA. Tout éditeur qui attend encore que le problème se résolve de lui-même mise sur le mauvais cheval. La séparation claire des intentions des bots est le levier qui décidera dans les prochains mois qui sera encore payé pour son contenu à l'ère de l'IA.

Palantir : des clients du gouvernement américain passent à l'open source

Alex Karp, le patron de Palantir, se positionne en gardien entre les budgets de ses clients et les fournisseurs de modèles que sont OpenAI et Anthropic. Après une apparition houleuse sur CNBC, où il a accusé les deux entreprises de siphonner les données des clients et de les surfacturer (il n'y a aucune preuve de cela, les deux interdisent l'entraînement sur les données clients selon leurs conditions), il positionne Palantir comme une «  couche applicative  » protectrice. Concrètement : certains clients du gouvernement américain sont passés de modèles propriétaires au modèle open source Nemotron de Nvidia, le ministère de la Défense étant sous-entendu. Palantir a lancé un produit pour aider les autorités à exploiter Nemotron en toute sécurité et à l'adapter en continu à leur propre environnement. Karp s'attend à ce que chaque client passe à l'open source «  dès qu'ils le jugeront équivalent  ». Jensen Huang de Nvidia précise qu'il ne s'agit pas d'un choix exclusif, mais d'une cohabitation entre «  propriétaire et ouvert  » ; selon Artificial Analysis, Nemotron est certes derrière les modèles de pointe fermés et les modèles open source chinois, mais il est le principal modèle ouvert américain. L'action a grimpé de 12 % après ces déclarations, mais reste en baisse de 22 % sur l'année. → Applied AI

Synthszr Take : Karp joue la manœuvre RedHat de 2026. Lorsque Linux a évincé les dérivés Unix propriétaires de Sun, DEC et HP, ce n'est pas le noyau qui a rapporté de l'argent, mais les entreprises qui l'ont rendu utilisable. C'est exactement là que Palantir se positionne : Nemotron est disponible gratuitement et bon marché, mais exploiter sa propre chaîne d'outils d'inférence et affiner un modèle pour son propre environnement reste un travail ardu que peu d'administrations peuvent gérer seules. Le fossé de protection se déplace des poids du modèle vers la couche de service qui orchestre le tout de manière sécurisée et adaptable. Le discours de camelot de Karp sur les mauvaises intentions des fournisseurs de modèles est du marketing, mais l'argument sous-jacent est valable : dès que l'open source atteindra la parité, personne n'aura plus de raison de s'enfermer dans un système propriétaire. Quiconque construit une architecture d'IA aujourd'hui devrait concevoir l'adaptateur pour le modèle de manière à ce qu'il reste interchangeable et placer la création de valeur dans sa propre couche de données. La hausse de 12 % du cours est un pari sur ce vecteur, pas sur les benchmarks de Nemotron.

TabFM : un modèle de fondation pour les données tabulaires sans fine-tuning

Google Research a présenté TabFM, un modèle de fondation pour la classification et la régression sur des données tabulaires. L'astuce : des prédictions zero-shot via l'apprentissage en contexte (In-Context Learning), sans aucun fine-tuning, sans optimisation des hyperparamètres et sans ingénierie manuelle des caractéristiques (feature engineering). Le modèle ingère l'ensemble de données complet (exemples d'entraînement plus lignes cibles) comme un seul prompt et génère la prédiction en une seule passe avant (forward pass). Techniquement, TabFM combine des approches de TabPFN et TabICL : attention alternée sur les lignes et les colonnes, compression de chaque ligne en un vecteur dense et un Transformer qui opère sur ces embeddings compressés. Google s'attaque ainsi aux méthodes classiques basées sur les arbres comme XGBoost, AdaBoost et Random Forests, qui dominent ce domaine depuis des années. TabFM est disponible dès maintenant sur Hugging Face et GitHub. → The Deep View

Synthszr Take : Les données tabulaires sont l'épine dorsale de presque toutes les infrastructures d'entreprise, et c'est précisément là que se situait le goulot d'étranglement jusqu'à présent. Appliquer un modèle XGBoost à un nouvel ensemble de données n'a jamais été un simple appel à .fit(), mais des semaines de travail manuel : ingénierie des caractéristiques, réglage des hyperparamètres, injection de connaissances du domaine dans le modèle. TabFM marchandise précisément ce travail manuel, ce qui frappe toute une profession de data scientists au cœur de leur activité la plus coûteuse. La valeur réelle se déplace donc plus haut : celui qui définit clairement quelle question le tableau doit répondre et quelle prédiction pilote réellement un processus métier gagne. Charger le modèle prend quelques minutes, mais définir les critères de succès reste le véritable travail intellectuel. Quiconque approuve encore des budgets pour des mois de modélisation de la perte de clientèle (churn) et de la fraude devrait refaire ses calculs avant que la concurrence ne le fasse.

Cursor pour iOS : coder de n'importe où

Anysphere porte son agent de codage sur l'iPhone. La nouvelle application Cursor permet de lancer des agents toujours actifs (always-on) directement depuis le mobile ou de piloter à distance des agents qui s'exécutent localement sur votre ordinateur. Vous recevez des mises à jour en direct sur leur progression et pouvez fusionner des pull requests depuis votre téléphone, sans être assis à votre bureau. Avec jusqu'à huit agents parallèles et son mode Composer, Cursor fait déjà partie des outils IDE-first les plus puissants parmi plus de 15 acteurs sérieux sur le marché. Le passage au smartphone découple le codage du poste de travail et transforme l'IDE en une simple salle de contrôle. → Cursor Team

Synthszr Take : Le mouvement intéressant ne réside pas dans l'iPhone, mais dans la répartition des rôles. Lorsqu'un agent écrit de manière autonome des migrations de base de données, construit des points de terminaison d'API et ajoute des tests, pendant que vous ne faites que donner la direction et approuver les PR sur votre téléphone, alors l'IDE est devenu un tableau de bord de surveillance. L'humain pilote et corrige, la machine travaille en boucle. C'est exactement la transition que Cursor, Windsurf et Devin opèrent depuis fin 2024 : passer de la réaction à l'action autonome. Pour les équipes, cela signifie concrètement de changer leur mode de travail plutôt que de continuer à taper des lignes de code. Quiconque croit encore aujourd'hui que le développement est lié à un écran avec un clavier risque de miser sur le mauvais cheval. La compétence essentielle se déplace vers la formulation précise de l'intention, et celle-ci peut être aussi bien définie depuis un quai de gare que depuis une chaise de bureau.

Higgsfield VFX : le boss final du montage vidéo

Higgsfield a publié un tutoriel qui extrait les VFX de la chaîne d'outils d'After Effects, de la modélisation 3D et du tracking pour les intégrer dans un pipeline de prompts. Le principe : Claude lit le métrage téléchargé image par image, l'utilisateur décrit le changement souhaité en langage naturel (par exemple, «  au claquement de doigts, l'arrière-plan devient un désert  »), et une Skill génère à partir de là le prompt complet pour Seedance 2.0 en 4K. Grâce à un concept de «  lock header  », le visage, les vêtements, l'objectif et le mouvement de la caméra restent fixes, tandis que l'environnement ou des éléments individuels sont remplacés avec une synchronisation parfaite. Les exemples vont du simple changement d'arrière-plan à la transformation en six étapes d'une main en bras robotique, en passant par des prises de vue à la main avec une attaque de kraken, des sauropodes dans la forêt tropicale et des temples qui s'effondrent. La 4K n'est pas un luxe ici, mais le seuil en dessous duquel le visage et la synchronisation labiale s'effondrent en 1080p. Il y a encore des limites avec les mouvements complexes et les longs clips, mais le niveau est déjà prêt pour la pratique. → Trendium.ai

Synthszr Take : Ce qui est intéressant ici, ce n'est pas le kraken, mais la division du travail. Un LLM assume le rôle qui constituait jusqu'à présent le goulot d'étranglement : la traduction technique d'une intention créative en paramètres corrects. C'est exactement le passage d'un modèle unique à un pipeline orchestré qui se produit actuellement dans toute la pile (mais maintenant visible dans la vidéo grand public). Higgsfield se situe dans la couche applicative, et c'est notoirement celle qui a les marges les plus élevées et le plus grand risque de substitution : Claude analyse les images, Seedance de ByteDance effectue le rendu, Higgsfield fournit la logique de la Skill entre les deux. Quiconque ne dessert qu'une de ces couches doit se différencier par l'ingéniosité du flux de travail, et c'est exactement ce qu'ils essaient de faire avec l'approche du «  lock header  ». Le véritable message se trouve dans le dernier paragraphe du tutoriel : le poids se déplace du tournage vers la mise en scène, du «  que puis-je filmer  » au «  que vais-je mettre en scène  ». Pour tous ceux qui produisent de la vidéo, les compétences rares changent. Le savoir-faire en compositing devient interchangeable, la capacité à décrire précisément ce qui doit se passer devient le seul véritable avantage.

Marché du travail et IA : le retour de l'humain

De plus en plus d'entreprises qui avaient supprimé des postes au profit de l'IA font marche arrière et réembauchent des humains, selon un rapport de CNBC de mardi. Ford a réembauché et promu plus de 350 ingénieurs expérimentés après que le contrôle qualité automatisé n'ait pas pu reproduire l'expérience des vétérans ; l'IA est «  un outil fantastique  », selon le chef du matériel Charles Poon, mais elle n'est aussi bonne que les données d'entraînement. La Commonwealth Bank d'Australie a remplacé plus de 40 employés de service par des bots vocaux, avant de faire machine arrière en raison de l'augmentation du volume d'appels. IBM veut tripler le nombre d'embauches de débutants aux États-Unis d'ici 2026, car le jugement, l'éthique et les décisions complexes restent humains. Une étude d'Orgvue montre que 39 % des dirigeants ont licencié des personnes à cause de l'IA, et 55 % considèrent rétrospectivement que c'était une erreur. Robert Half rapporte que 32 % des responsables du recrutement américains qui ont supprimé un poste principalement à cause de l'IA l'ont ensuite ré-ouvert. Parallèlement, Oracle, Meta et Intuit continuent d'injecter des milliards dans l'IA tout en annonçant des suppressions de postes. → Techpresso

Synthszr Take : Un taux de regret de 55 % n'est pas une note de bas de page, c'est un phénomène de masse programmé. Ces entreprises ont engagé l'IA comme remplaçant et ont ensuite réalisé qu'elles avaient acheté un assistant. Le cas de Ford résume bien la situation : le modèle répond en quelques secondes, mais les jugements de qualité des vétérans reposent sur une expérience qu'aucun jeu de données d'entraînement ne connaît. C'est exactement ce qui correspond à ce que les dirigeants d'IBM disent eux-mêmes, à savoir que 83 % d'entre eux estiment que le succès de leur IA dépend davantage de l'adoption humaine que de la technologie. Le goulot d'étranglement n'a jamais été la puissance de calcul, mais la proximité avec le contexte, le client, le cas limite. Quiconque licencie maintenant pour réembaucher plus cher dans six mois paie deux fois les frais de sa leçon et perd entre-temps le savoir-faire de l'entreprise. Le calcul raisonnable est le suivant : l'IA prend en charge la routine, les humains s'occupent de la partie la plus exigeante, et ceux qui s'organisent ainsi dès le début s'épargnent une marche arrière embarrassante.

Boris Cherny : cinq archétypes au lieu de titres de poste

Boris Cherny, qui dirige l'équipe derrière Claude Code chez Anthropic, décrit dans un article très partagé comment les rôles classiques se dissolvent. L'ingénierie, le produit, le design et la science des données fusionnent les uns dans les autres, au point que les anciens titres de poste n'expliquent plus grand-chose. Au sein de sa propre équipe, Cherny reconnaît plutôt cinq archétypes : le Prototypeur, qui produit des idées à la chaîne (la plupart meurent rapidement), le Constructeur, qui les met en production, le Balayeur, qui supprime et simplifie, le Cultivateur, qui recherche l'adéquation produit-marché, et le Mainteneur, qui maintient en vie un système mature à grande échelle. Ces modèles décrivent ce que les gens font réellement, pas ce qui est écrit sur leur carte de visite. Pour Cherny, c'est la conséquence logique du fait que les outils d'IA font tomber les barrières entre les disciplines. → AI Secret

Synthszr Take : Cherny décrit le même changement qui devient visible partout en ce moment : le code est devenu bon marché, l'intention est chère. Lorsque le résultat ne coûte plus rien, l'entrée devient la ressource rare, et cette entrée est le discernement sur la phase dans laquelle se trouve un produit. Le danger réside précisément ici : une équipe avec les mauvais instincts construit maintenant dix fois plus vite et produit donc une incohérence décuplée. Accélérer une stratégie floue, c'est s'emmêler dans un fourré dont on ne peut plus sortir. Organiser l'organigramme par métier est donc prêt à être remplacé, car la ressource rare ne se répartit plus le long des titres de poste. Elle se trouve dans les esprits qui sentent si c'est le moment de percevoir ou de livrer. Celui qui compose son équipe en fonction de l'instinct plutôt que de la compétence a déjà intégré l'avantage décisif.

Repo Radar : cinq projets GitHub où les agents font le travail

Cette semaine, le radar des tendances GitHub met en lumière cinq projets où les agents sortent de la fenêtre de chat pour effectuer un véritable travail de production. OpenMontage a dépassé les 31 003 étoiles et transforme un assistant de codage comme Claude Code, Cursor ou Codex en un studio vidéo complet : 12 pipelines, 52 outils, un plafond budgétaire et un journal de décisions pour chaque appel de fournisseur (AGPL-3.0, difficulté 5/5). Google Labs propose avec design.md une spécification de format qui associe des jetons de conception lisibles par machine en YAML à une justification lisible par l'homme en Markdown, afin que les agents ne s'écartent pas de la marque entre les sessions (Apache-2.0, difficulté 1/5, encore marqué comme alpha). Strix de usestrix envoie des équipes d'agents autonomes à travers le Top 10 de l'OWASP, intercepte le HTTP, ouvre un shell et écrit des exploits de preuve de concept fonctionnels (29 913 étoiles). page-agent d'Alibaba contrôle les interfaces web en langage naturel, MinerU transforme des PDF chaotiques en Markdown propre et compatible avec les LLM. Chacun de ces dépôts cible un agent sur une tâche concrète précise. → Marcus Schuler

Synthszr Take : En mai, nous notions ici que les agents deviennent plus importants que les modèles. Ces cinq dépôts sont la preuve que le débat se situe déjà un niveau plus bas : il ne s'agit plus de savoir si un agent écrit du code, mais quel résultat final il livre, qu'un humain n'a plus qu'à valider. OpenMontage est le cas le plus passionnant, car un outil de codage quitte son terrain pour produire de la vidéo. C'est l'extension de l'agent de codage en une couche de production générale, et c'est précisément là que réside la valeur. Deux choses méritent d'être examinées avant une utilisation en production : la licence AGPL-3.0 d'OpenMontage impose de réelles obligations de copyleft, et les beaux résultats marketing nécessitent un GPU et des modèles vidéo dans le cloud ; la voie gratuite ne suffit que pour la synthèse vocale locale et les séquences gratuites. Quiconque investit deux heures cette semaine devrait cloner design.md et Strix et les tester sur un dépôt réel, au lieu d'attendre la prochaine version du modèle. Les outils sont sur la table ; celui qui les intègre dans son flux de travail en 2026 aura la base pour passer à l'échelle en 2027.