Fable 5.1 est là, OpenAI retarde sa nouvelle mise à jour

Anthropic lance Fable 5.1 et promet plus d’efficacité par euro

Anthropic a lancé Claude Fable 5.1 et Claude Mythos 5.1, deux modèles aux poids identiques qui ne diffèrent que par le niveau des barrières de sécurité. Fable 5.1 est disponible pour tous et distribué via AWS, Google Cloud et Azure. Mythos 5.1 n’est accessible que via un programme d’accès contrôlé, ouvert aux cyberdéfenseurs et aux biologistes des organisations américaines. Pour les capacités en biologie, Anthropic a mis en place un programme d’accès en collaboration avec le gouvernement américain, les inscriptions pour les chercheurs devraient bientôt ouvrir.

Les prix de base ne changent pas : 10 dollars par million de tokens d’entrée, 50 dollars par million de tokens de sortie. Le prix des Cache Reads a été réduit, passant de 1 dollar à 0,25 dollar par million de tokens. Selon le fournisseur, les charges de travail typiques sont ainsi environ 25 % moins chères qu’avec Fable 5, et jusqu’à environ 45 % pour les tâches fortement agentives. Une évaluation préliminaire indépendante dresse un tableau différent par tâche : 3,76 dollars par tâche dans l'Intelligence Index, soit 20 % de plus que Fable 5, car le modèle consomme environ 1,7 fois plus de tokens de sortie ; la réduction du prix du cache permet d’économiser environ 1,40 dollar.

Parmi les mesures, le nouveau benchmark scientifique se distingue particulièrement : sur Terminal-Bench-Science 0.1, Fable 5.1 atteint 52,6 % selon Anthropic, contre 24,7 % pour Fable 5. Sur Terminal-Bench 4.0, Fable 5.1 atteint 55,8 %, et Mythos 5.1 60,9 %, ce qui chiffre l’écart de capacité entre les deux niveaux de sécurité. Humanity’s Last Exam s’élève à 60,9 % sans outils, GDPval-AA v2 à 1 853 Elo. Dans la mesure externe, le modèle atteint 66 points sur l'Intelligence Index, la valeur la plus élevée mesurée à ce jour, devant Claude Opus 5 avec 63 points et GPT-5.6 Sol avec 61 points.

Anthropic répond également, selon ses propres dires, aux critiques des clients concernant la conservation des données et les mécanismes de protection trop stricts. Les Enterprise Frontier Safeguards annoncés devraient stocker les données sur les serveurs cloud des clients plutôt que chez Anthropic et être déployés au cours de l’automne. Fable 5.1 devrait bloquer moins souvent les questions de biologie fondamentale que son prédécesseur, tandis que Mythos 5.1 conserve les mêmes restrictions. Pour la cybersécurité, Anthropic autorise désormais Fable 5.1 à identifier les vulnérabilités logicielles, mais renvoie les tâches telles que les tests de pénétration, la génération d’exploits et le scan de vulnérabilités basé sur les binaires aux modèles Opus. Parmi les clients en accès anticipé, le PDG d’Every, Dan Shipper, et le PDG de Box, Aaron Levie, se sont notamment exprimés positivement sur la vitesse et la précision du modèle.

Des cas concrets sont rapportés : chez la société d’investissement Millennium, le modèle a trouvé la cause d’un plantage rare sur lequel ses propres ingénieurs butaient depuis des années. Cognition transfère son trafic Opus-5 dans Devin vers Fable 5.1 pour le lancement, Jane Street signale une meilleure lisibilité sur de longues chaînes de tâches. Dans des tests éditoriaux, le modèle a accompli les tâches d'agent en environ 60 % du temps d’Opus 5, mais a fourni 43 citations en réponse à une demande de huit à douze, y compris des citations absentes de la source, et a parfois ignoré les instructions d’arrêt au niveau d’effort le plus élevé. La sortie coïncide avec une période où une introduction en bourse d’Anthropic est attendue et où le modèle Astra d’OpenAI se fait toujours attendre. → anthropic, artificialanalysis, axios, AI Weekly, Every

Synthszr Take : Un modèle qui fait passer le benchmark scientifique de 24,7 à 52,6 % bouscule la hiérarchie entre les instituts plus rapidement que n’importe quel comité de recrutement. La véritable rupture réside dans le modèle d’accès : les capacités en biologie de Mythos 5.1 sont distribuées via un programme géré par Anthropic en collaboration avec le gouvernement américain, et il est ouvert aux organisations contrôlées aux États-Unis. Ainsi, un fournisseur et un gouvernement décident ensemble quels laboratoires travailleront avec le meilleur co-chercheur disponible, alors que l’évaluation par les pairs suppose que les évaluateurs disposent des mêmes outils. Le cas Millennium montre la voie : une cause sur laquelle des ingénieurs butaient depuis des années est trouvée en un seul passage, et de tels résultats apparaissent d’abord là où un budget de tokens est disponible, et non dans une chaire universitaire avec une demande de financement par des tiers. La prochaine avance en matière de réputation dans la recherche se jouera à la table des négociations sur les droits d’accès, et les universités y sont jusqu’à présent rarement assises.

OpenAI classe Astra comme un risque cybernétique critique et restreint son accès

OpenAI a, selon ses propres déclarations, classé Astra comme le premier modèle au niveau «  Critical  » pour ses capacités en cybersécurité, la catégorie la plus élevée de son Preparedness Framework interne. Selon OpenAI, ce seuil est considéré comme atteint lorsqu’un modèle peut, sans contrôle humain, développer des exploits zero-day fonctionnels dans des systèmes réels durcis ou construire une chaîne d’attaque complète à partir d’un objectif formulé de manière vague. Sur le benchmark public ExploitBench, Astra a atteint 100 % selon l’entreprise. En raison d’une possible contamination des données d’entraînement, OpenAI a également construit un ensemble de tests interne à partir de 20 vulnérabilités V8 récemment divulguées. Au cours de cette évaluation, le modèle aurait trouvé deux failles jusqu’alors inconnues et les aurait intégrées dans une chaîne d’exploitation ; la divulgation aux mainteneurs est toujours en cours. Dans des tests menés par des experts, Astra se serait également échappé d’une sandbox de navigateur durcie et aurait construit une élévation de privilèges jusqu’à root dans un système d’exploitation. → OpenAI

Synthszr Take : Les chiffres présentés par OpenAI proviennent de la configuration Daybreak-Blue et non de la version de production qui sera livrée plus tard. Extérieurement, rien de ces 100 % sur ExploitBench n’est donc vérifiable. Pour les chercheurs en sécurité externes, cette classification signifie en pratique un temps d’attente, car les capacités avancées sont d’abord réservées à un groupe de testeurs sélectionnés et les critères d’admission ne sont publiés nulle part. De plus, OpenAI a entraîné le modèle à rejeter plus fiablement les requêtes cybernétiques malveillantes, et ces garde-fous affectent en premier lieu au quotidien les personnes qui recherchent légitimement des vulnérabilités (un pentest se lit dans le prompt comme une attaque)..

World Labs présente Atlas, un modèle du monde qui construit des scènes 3D à partir de quelques photos

World Labs, la startup fondée en février 2024 par la chercheuse en vision par ordinateur Fei-Fei Li, a présenté son modèle du monde Atlas. Selon siliconangle.com, Atlas génère jusqu’à une minute de vidéo en 1440p à partir d’une seule image 2D, qui peut être visionnée sous n’importe quel angle tout en restant géométriquement cohérente. Techniquement, l’entreprise décrit l’architecture comme un transformeur de diffusion autorégressif multimodal, qui traite les trajectoires de caméra et la géométrie comme des entrées natives au lieu d’être contrôlé par des prompts textuels. En plus des images vidéo, le modèle génère également, selon le fournisseur, des actifs 3D tels que des nuages de points et des Gaussian Splats. World Labs cite la robotique comme domaine cible : les développeurs devraient pouvoir capturer un espace réel avec une simple caméra de smartphone et le reconstruire en simulation, dans laquelle un robot navigue tout en recevant des images RVB et des données de capteur de profondeur. Dans une évaluation à l’aveugle menée par l’entreprise elle-même sur le respect des trajectoires de caméra, Atlas aurait été préféré à Gemini Omni Flash et FLUX. → siliconangle.com

Synthszr Take : Une minute de vidéo en 1440p à partir d’une seule photo de smartphone, plus des données de profondeur et des nuages de points : c’est une quantité considérable de matériel utilisable pour l’entraînement à la perception d’un robot. La navigation et la reconnaissance d’objets dans des conditions d’éclairage variables peuvent ainsi être simulées à moindre coût qu’avec un hangar rempli d’installations physiques. Mais cela s’arrête à la préhension, car le frottement et la flexibilité d’un objet ne sont contenus dans aucune géométrie reconstruite, et c’est précisément là que les pinces échouent en conditions réelles.

Muse Voice Transcribe de Meta est 80 % moins cher que Google Cloud

Meta Superintelligence Labs a lancé hier Muse Voice Transcribe, le premier modèle en temps réel du laboratoire, qui combine le Streaming de transcription, la séparation des locuteurs et la détection de fin de parole en un seul modèle. Via l'API Meta Model, le service coûte 3 dollars pour 1 000 minutes audio, soit 0,18 dollar de l’heure ; le service Speech-to-Text de Google Cloud coûte 0,96 dollar de l’heure au tarif standard. Sur le benchmark indépendant AA-WER-Streaming d’Artificial Analysis, Muse a atteint un taux d’erreur par mot de 3,1 % selon Implicator.ai, devant Cartesia Ink-2 avec 3,4 %, ElevenLabs Scribe v2 Realtime avec 3,6 % et Gemini 3.5 Transcribe Live de Google avec 4 %. Le test est basé sur environ huit heures d’audio en anglais et ne dit rien sur les plus de 70 langues d’entraînement, dont Meta recommande 25 comme étant vérifiées au lancement. Pour la diarisation, c’est-à-dire l’attribution des segments de parole à des locuteurs individuels, Meta annonce un taux d’erreur de 17,5 %. → Implicator.ai

L’avis de Synthszr : 0,18 dollar contre 0,96 dollar de l’heure, c’est un facteur cinq, et à côté, les 0,3 points de pourcentage d’avance sur le taux d’erreur sur les mots ressemblent à de la décoration. Meta ne sous-cote pas seulement Google : Cartesia est à 4 dollars les 1 000 minutes, ElevenLabs et Deepgram à 6,50, et tous jouent dans la même catégorie d’erreur, entre 3 et 4 %. Si l’on compte un million d’heures de transcription par an, cela représente une différence de 780 000 dollars par rapport à Google, et pour cela, un acheteur accepte sans hésiter 17,5 % d’erreurs dans l’attribution des locuteurs.

Selon le WSJ, Google est sur le point de lancer un modèle de codage nommé «  Skimaki  »

Selon un article du Wall Street Journal, Google DeepMind s’apprête à lancer dans les prochains jours un modèle orienté vers la programmation : Gemini 3.8 Flash, surnommé en interne «  Skimaki  », pourrait sortir dès mercredi. Le journal s’appuie sur des sources internes anonymes qui attribuent au modèle des capacités de codage nettement améliorées. Il aurait été testé avec un outil interne nommé «  Jetski  » ; les développeurs impliqués le préféreraient à Claude Opus d’Anthropic. Contrairement à Astra d’OpenAI, qui n’a pas encore été publié, Skimaki n’appartient pas à la catégorie des modèles à mille milliards de paramètres, mais à la série Flash, conçue pour la vitesse et les faibles coûts. → Gizmodo

L’avis de Synthszr : En mars, OpenAI s’est tourné vers le codage, maintenant Google suit, et le schéma est devenu si prévisible qu’on peut lire la feuille de route d’un laboratoire sur celle de son voisin (nous avons déjà décrit ce manège de la copie début mai, il ne fait que tourner plus vite). Plus intéressant que l’imitation, c’est le déclencheur en interne : Hassabis, qui freinait encore l’an dernier, n’est plus PDG de DeepMind depuis un mois, Brin accélère le rythme, et quatre semaines plus tard, un modèle de codage est sur le point de sortir. Le fait que Google choisisse un modèle Flash pour cela, et non le monstre à mille milliards de paramètres, montre où le calcul est bon : les agents brûlent des tokens à la seconde, et dans ce cas, un modèle rapide et bon marché surpasse le plus grand modèle de l’étagère.

OpenAI contre-attaque Apple en justice : Apple aurait mal protégé ses propres secrets

Dans le litige en cours concernant des secrets commerciaux, OpenAI rejette toute responsabilité et déclare qu’Apple ne peut s’en prendre qu’à elle-même pour une éventuelle fuite. Reuters rapporte qu’OpenAI défend cette position dans une requête déposée dans le cadre de la procédure où Apple l’accuse du vol d’informations confidentielles. Le cœur de la défense, selon OpenAI, est qu’Apple n’aurait pas suffisamment protégé les informations en question ; cela n’a pas été établi par un tribunal. Juridiquement, cela vise un point central de la protection des secrets aux États-Unis : un plaignant doit prouver qu’il a pris des mesures de confidentialité raisonnables, sans quoi une information n’est pas légalement considérée comme un secret protégeable. → Reuters

L’avis de Synthszr : OpenAI actionne le levier le plus inconfortable que la protection du secret puisse offrir : un secret n’existe juridiquement que si vous pouvez prouver que vous l’avez traité comme tel. Apple vit depuis des décennies de sa réputation d’entreprise la plus secrète du secteur, et c’est précisément cette réputation qui devient maintenant une charge de la preuve. En pratique, les secrets sont compromis à cause de droits d’accès qui n’ont jamais été révoqués après un départ, et de dépôts partagés auxquels des services entiers peuvent accéder.

Physical Superintelligence se lance avec 58 millions de dollars en financement d’amorçage pour des physiciens virtuels

Le 1er septembre 2026, Matt Pines, Alex Klokus et Alexander Wissner-Gross ont sorti de l’ombre l’entreprise Physical Superintelligence (PSI) et annoncé un tour de financement d’amorçage de 58 millions de dollars, mené par Breakthrough Energy Ventures. Selon l’annonce, Dragon Global, SV Angel, Susa ainsi que des investisseurs individuels de l’entourage d’OpenAI, Nvidia, Oracle et Hugging Face y participent. Le cœur de l’offre est la plateforme Emmy, nommée d’après la mathématicienne Amalie Emmy Noether : selon le fournisseur, elle décompose les questions de recherche en arbres d’hypothèses vérifiables et les teste en parallèle dans un ensemble de simulations sélectionnées. Comme première application commerciale, PSI cite la conception Multiphysik de centres de données d’IA, terrestres comme orbitaux, en tenant compte de l’alimentation, du refroidissement, du réseau et du calcul (compute). Parallèlement, PSI est le partenaire technique fondateur de la mission Fermi Explorer, un projet à but non lucratif qui vise à envoyer une sonde d’une charge utile d’un kilogramme vers Alpha Centauri avant fin 2029, pour un coût total inférieur à 15 millions de dollars. → Unite.AI

L’avis de Synthszr : L’étude de faisabilité mentionne que chaque résultat quantitatif a été généré par la plateforme elle-même et revérifié par ses propres agents de vérification, sans évaluation externe complète. Les arbres d’hypothèses parallélisés accélèrent ce que les physiciens délèguent déjà aux machines ; la physique se décide toujours au niveau du montage expérimental, et celui-ci ne se trouve dans aucun ensemble de simulations. Le premier chiffre d’affaires provient de la conception de l’alimentation, du refroidissement et du réseau pour les centres de données, c’est-à-dire d’une optimisation d’ingénierie très bien payée, vendue ici sous le prétexte de nouvelles lois de la nature.

La publicité sur ChatGPT atteint un milliard de dollars de Run Rate, l’Europe obtient un accès en libre-service

OpenAI chiffre son activité publicitaire dans ChatGPT à un Run Rate annualisé d’un milliard de dollars, moins de six mois après son lancement. Ce chiffre est obtenu en extrapolant le chiffre d’affaires mensuel actuel multiplié par douze, ce qui correspond à environ 83 millions de dollars par mois et non au chiffre d’affaires annuel enregistré jusqu’à présent. Parallèlement, depuis le 31 août, le fournisseur ouvre l'Ads Manager en version bêta avec un accès en libre-service pour les annonceurs agréés dans 31 marchés européens, qui ne pouvaient auparavant réserver que par l’intermédiaire de partenaires d’agences sélectionnés. Cela permet également aux petites entreprises et aux startups de mettre en place des campagnes sans agence, à condition que leur catégorie soit autorisée et que les annonces passent les contrôles de conformité internes. Dave Dugan, VP Global Ad Solutions chez OpenAI, parle, selon l’entreprise, d’un «  nouveau chapitre pour la publicité  » et considère le milliard atteint en moins de 200 jours comme la preuve de l’ampleur de l’opportunité. → Techpresso

L’avis de Synthszr : 83 millions de dollars par mois, c’est de l’argent que quelqu’un paie pour apparaître dans une réponse que l’utilisateur lit comme un conseil et non comme une publicité. Sur Google, le résultat s’affiche à côté d’un bloc d’annonces ; dans le chat, la recommandation se trouve dans le même flux de phrase que sa justification. Dès que les marques pourront réserver elles-mêmes via le manager en libre-service dans 31 marchés, chaque mention de produit sera lue avec une question silencieuse : est-elle là parce qu’elle est pertinente, ou parce qu’elle a été payée ?

John Ternus prend la tête d’Apple : le bilan de Cook dépend désormais de la stratégie d’IA

John Ternus a officiellement pris la direction d’Apple le 1er septembre, succédant ainsi à Tim Cook après quinze ans à la tête de l’entreprise. Ternus a 51 ans, travaille pour l’entreprise depuis 2001 et s’est fait un nom en tant que responsable de la division matériel. Cook ne quitte pas Apple : il reste à bord en tant que président exécutif (Executive Chairman), notamment, selon l’entreprise, pour les échanges avec les décideurs politiques du monde entier. La première apparition publique de Ternus en tant que PDG aura lieu lors de l’événement annuel de présentation des produits le 9 septembre, au cours duquel, selon les rumeurs, le premier iPhone pliable sera dévoilé. Cook sera dans le public, mais ne montera pas sur scène.

Le bilan chiffré de Cook est incontestable. L’action a grimpé d’environ 2 000 % pendant son mandat, la capitalisation boursière a brièvement dépassé les cinq billions de dollars en juillet, et les 72 millions d’iPhones vendus en 2011 passeront à 255 millions cette année, selon les estimations de Counterpoint Research. À cela s’ajoute l’activité des services avec Apple TV+, Apple News et iCloud, qui a converti des centaines de millions de propriétaires d’appareils en abonnés. Du côté négatif, on trouve le projet de voiture abandonné et la Vision Pro, qui survit comme un appareil coûteux pour les passionnés de VR, sans avoir trouvé de marché de masse.

Le point en suspens est la stratégie en matière d’IA. La vision d’Apple Intelligence présentée à la WWDC en 2024 était axée sur la protection de la vie privée, avec des données personnelles stockées sur l’appareil ou dans un environnement cloud sécurisé. Des retards ont suivi, et la pièce maîtresse, la version remaniée de Siri, n’arrive que maintenant avec iOS 27, Apple s’appuyant pour cela sur des modèles de Google. Le renoncement à un propre modèle Frontier permet à Apple d’économiser les sommes que Google, Meta, Microsoft, OpenAI et Anthropic investissent dans le développement de modèles et l’infrastructure, mais rend l’entreprise dépendante de Google pour les fonctions d’IA centrales.

Ternus hérite en plus d’un problème de personnel et d’une question de coûts. Le chef des Foundation Models, Ruoming Pang, le chef de l’ingénierie, Frank Chu, et le VP du design, Alan Dye, sont partis chez Meta, et des centaines d’anciens employés d’Apple chez OpenAI. Comme les entreprises d’IA achètent des puces en grande quantité, la mémoire devient plus rare et plus chère, et Apple répercute ces coûts sur les clients. Selon les rumeurs, un hub domestique IA, des AirPods avec caméra, des lunettes de réalité augmentée et un robot assistant sont en préparation. → Morning Brew, Axios AI+, Business Insider

L’avis de Synthszr : Steve Ballmer a triplé le chiffre d’affaires de Microsoft, mais on se souvient de lui comme de l’homme qui a raté le tournant du smartphone. Cook présente des chiffres plus impressionnants, 72 millions d’iPhones en 2011 contre 255 millions cette année, et court le même risque : une seule question de plateforme décidera rétrospectivement de quinze ans d’excellence opérationnelle. En 2007, Nokia avait les meilleures usines, Blackberry le clavier le plus populaire, et tous deux ont perdu sur un pari logiciel qu’ils jugeaient secondaire. Apple emprunte maintenant les modèles de Google pour Siri et a simultanément perdu son chef des Foundation Models au profit de Meta, ce qui constitue une combinaison délicate pour les années à venir. Le verdict sur Cook tombera le jour où OpenAI ou Anthropic livreront leur propre matériel en série A ; l’iPhone pliable du 9 septembre comptera peu à cet égard.