Musk joue la carte chinoise et casse les prix

Grok 4.5 lance une guerre des prix contre Anthropic et OpenAI

SpaceX a lancé mercredi Grok 4.5, le premier modèle que le groupe de Musk a spécifiquement entraîné pour le codage et les agents autonomes, et le premier résultat tangible du rachat de Cursor pour 60 milliards de dollars. L'argument de vente n'est pas une victoire en termes de benchmarks, mais une déclaration de guerre économique : selon SpaceX, Grok 4.5 consomme deux fois moins de tokens par tâche, offre un débit plus élevé et coûte, avec 2 dollars par million de tokens d'entrée et 6 dollars par million de tokens de sortie, moins de la moitié des tarifs premium de Claude Opus et OpenAI. Musk lui-même qualifie le modèle de «  à peu près comparable à Opus 4.7, mais nettement plus rapide  ». La société de benchmarking Artificial Analysis place Grok 4.5 à la quatrième place de son index GDPval-AA-v2 avec un score Elo de 1543, derrière les derniers modèles Claude, mais mesure un coût de 0,49 dollar par tâche accomplie, soit près de 90 % moins cher que tout ce qui le précède au classement. Cela a été rendu possible par les données d'interaction de Cursor, directement intégrées à l'entraînement, et par le cluster de calcul Colossus à Memphis, doté d'environ 200 000 GPU Nvidia. Le chemin a été chaotique : les onze cofondateurs de xAI sont partis avant la fin mars, et l'escapade MechaHitler ainsi que les scandales de deepfake figurent dans le prospectus d'introduction en bourse de l'entreprise comme des risques commerciaux. → venturebeat.com

Synthszr Take : La valeur intéressante ne se trouve pas dans le classement, mais sur la facture : 0,49 dollar par tâche accomplie. Les workloads agentiques dévorent les tokens ; un agent lit des bases de code, appelle des outils et itère sur son propre output pendant des minutes. Pour quiconque déploie des agents auprès de centaines de développeurs, un modèle 90 % moins cher et à peine moins performant qu'Opus est le choix le plus judicieux. C'est précisément là que la logique de prix premium d'Anthropic et d'OpenAI est mise sous pression, car le codage est le cas d'usage où la qualité se mesure déjà en dollars, tandis que le reste n'est qu'une question de «  vibes  ». La réponse évidente pour les équipes d'ingénierie n'est pas de changer, mais de tester : lancer Grok 4.5 cette semaine comme deuxième outil à côté de l'agent IDE existant sur une vraie tâche multi-repo et comparer les coûts par tâche accomplie. Reste à savoir si un groupe au passé entaché par MechaHitler et avec une équipe fondatrice entièrement renouvelée peut gagner la confiance nécessaire pour les workloads réglementés, et ce n'est pas une mince affaire. Mais la courbe des prix déplace déjà le marché, peu importe les «  vibes  ».

GPT-Live sait enfin se taire

OpenAI a présenté mercredi GPT-Live, deux nouveaux modèles vocaux qui remplacent l'Advanced Voice Mode. Au cœur du système se trouve une architecture dite full-duplex : le modèle écoute et parle simultanément, il peut donc intervenir, glisser un «  mhm  » ou attendre une pause de réflexion sans interrompre prématurément. GPT-Live-1 devient la norme pour les utilisateurs payants des niveaux Go, Plus et Pro, tandis que GPT-Live-1 mini est destiné au niveau gratuit, déployé mondialement sur iOS, Android et ChatGPT.com. La deuxième étape structurelle : OpenAI découple la couche vocale de la couche de raisonnement. Si une requête nécessite une recherche web ou une conclusion plus approfondie, GPT-Live délègue à un modèle de pointe (frontier model) en arrière-plan (au lancement, GPT-5.5) tout en continuant de converser. Pour situer le contexte : le pipeline original composé de Whisper, GPT-4 et Text-to-Speech accumulait environ 1 700 millisecondes de latence, soit près de deux secondes de silence avant le premier mot. C'est la troisième génération vocale en un peu plus de deux ans. → venturebeat.com

Synthszr Take : Le véritable levier ne réside pas dans le «  mhm  », mais dans le découplage. OpenAI a décomposé le problème du monolithe : une couche légère, nativement vocale pour le flux en temps réel, et un modèle de raisonnement interchangeable derrière. C'est une conception modulaire qui suit exactement la logique qui a prévalu pour le codage lorsque l'IA est passée de la fenêtre de chat au terminal. Pour tous ceux qui créent des agents vocaux, les deux secondes de silence total pendant lesquelles un client raccrochait alors que l'agent interrogeait une base de données disparaissent. Quiconque gère une hotline, un onboarding ou un bot de support devrait cliquer cette semaine sur le bouton d'inscription à la liste d'attente de l'API et chiffrer son premier cas d'usage, car le frein de 1 700 millisecondes était la raison pour laquelle la voix brillait en démo mais agaçait au quotidien. Il sera intéressant de voir si ElevenLabs et Google suivront avec leurs propres approches full-duplex ou si OpenAI imposera le rythme de la conversation comme son propre standard. Le moment où parler à une machine ressemblera à une conversation avec un collègue est plus proche.

L'ère des billions de paramètres : MiniMax prépare un géant open source

Le développeur chinois d'IA MiniMax travaille, selon The Information, sur un nouveau grand modèle de langage de 2,7 billions de paramètres qui devrait être publié en open source. En interne, il est connu sous le nom de M3 Pro et sa sortie pourrait avoir lieu dès le troisième trimestre. Il serait ainsi plus grand que n'importe quel autre modèle chinois sur le marché et marquerait un bond en avant par rapport au modèle de pointe actuel, le M3, qui compte 428 milliards de paramètres. Les modèles plus grands fournissent généralement de meilleurs résultats pour le raisonnement complexe et les instructions en plusieurs étapes. MiniMax est en concurrence avec Zhipu, DeepSeek et Moonshot AI, et les modèles open source chinois ont considérablement gagné en popularité auprès des développeurs cette année, en particulier pour les tâches peu coûteuses et à haut volume. Parallèlement, des rapports récents suggèrent que le gouvernement chinois a l'intention de contrôler plus strictement les futures versions de ces modèles. → Techpresso

Synthszr Take : 2,7 billions de paramètres, offerts en open source, c'est une déclaration à tous ceux qui croient encore que les modèles chinois ne sont que des copies bon marché pour des tâches répétitives. Le saut de 428 milliards à 2,7 billions représente plus de six fois la taille, et MiniMax met les poids du modèle sur la table, tandis qu'OpenAI et Anthropic gardent leurs modèles de pointe derrière des murs d'API. Ceux qui ont vu en mars que M2.7 atteignait presque le niveau de Claude Opus pour une fraction du prix reconnaissent le schéma : la Chine est en train de banaliser précisément la couche sur laquelle les laboratoires américains justifient leurs valorisations. Le véritable frein ne se trouve pas à Palo Alto, mais à Pékin, car les contrôles à l'exportation prévus pourraient justement bloquer le modèle qui crée une pression mondiale sur les prix. Quiconque planifie une stratégie de modèle cette semaine devrait intégrer les poids chinois ouverts comme une option bon marché pour les tâches à haut volume et non critiques, au lieu de les considérer comme une note de bas de page. Un modèle de 2,7 billions de paramètres gratuit change la donne, à condition de bien évaluer la discipline de calcul et la protection des données. La question n'est plus de savoir si l'open source deviendra compétitif, mais si les régulateurs seront plus rapides que la diffusion.

OpenAI obtient aujourd'hui le feu vert pour GPT-5.6

Le ministère américain du Commerce a autorisé OpenAI à déployer largement GPT-5.6 à partir du jeudi 9 juillet. La décision a été précédée de plusieurs semaines d'examen technique, y compris des discussions avec des responsables fédéraux sur les conditions de publication. Le mois précédent, un lancement limité avait déjà eu lieu, restreignant GPT-5.6 à des organisations approuvées par le gouvernement ; le Center for AI Standards and Innovation a évalué le modèle avant de recommander son autorisation générale. Pendant l'examen, OpenAI a maintenu une équipe technique à Washington pour répondre directement aux questions des autorités. Parallèlement au déploiement de GPT-5.6, OpenAI lance ses modèles Terra et Luna. Cette autorisation marque ainsi la première étape de vérification réglementaire avant la livraison d'un modèle de langage commercial aux États-Unis. → Techpresso

Synthszr Take : La sortie d'un modèle nécessite désormais une autorisation réglementaire, et c'est le véritable tournant de cette nouvelle. Des semaines d'examen technique, une équipe basée en permanence à Washington pour répondre aux questions des fonctionnaires : cela ressemble plus à l'homologation pharmaceutique qu'au déploiement de logiciels auquel nous sommes habitués. Pour les grands laboratoires, c'est une barrière à l'entrée qu'ils ont contribué à construire. Ceux qui peuvent se permettre un bureau de liaison permanent dans la capitale et des cycles de conformité de plusieurs semaines passeront la porte. Les modèles open source comme Llama ou Mistral, qui seront prêts pour la production d'ici 2026, jouent dans une autre cour, car ils ne passent pas par ce processus de validation. Quiconque planifie aujourd'hui sa pile IA pour des workloads réglementés devrait intégrer cette nouvelle logique d'approbation comme un coût fixe et prévoir une solution de repli open source, plutôt que de se lier entièrement à un fournisseur soumis à autorisation. La réglementation n'est pas un frein, elle fait désormais partie du produit.

Claude Cowork devient autonome et un compagnon de tous les instants

Anthropic a déployé Claude Cowork mardi sur mobile et web, d'abord en version bêta pour les abonnés Max, puis pour les autres forfaits. L'outil passe ainsi d'un simple agent de bureau à une plateforme multi-appareils : les tâches peuvent être lancées sur un ordinateur portable, continuer à s'exécuter de manière autonome en arrière-plan (même si aucun appareil n'est en ligne) et être vérifiées plus tard sur un téléphone. Parallèlement, l'entreprise a publié des données d'utilisation issues de 1,2 million de sessions anonymisées entre le 11 et le 31 mai, provenant de plus de 600 000 organisations. Le résultat renverse le discours habituel selon lequel l'assistance au codage est le principal cas d'usage : les processus métier et les opérations représentent la plus grande catégorie avec 33,4 %, suivis par la création de contenu avec 16,4 %. Le développement de logiciels n'atteint que 8,7 %. Anthropic appelle cela «  the work around the work  » et revendique ainsi une nouvelle catégorie de productivité. Jusqu'au 5 août, l'entreprise double les limites d'utilisation pour accélérer l'adoption. → VentureBeat

Synthszr Take : Le chiffre le plus intéressant ne se trouve pas dans la liste des fonctionnalités, mais dans les 8,7 %. L'ensemble du discours d'entreprise s'est focalisé pendant deux ans sur les agents de codage, et voilà qu'Anthropic montre, avec ses propres données, que près de la moitié de l'utilisation réelle consiste en des rapports de situation, des présentations et la consolidation de mises à jour éparses. C'est ce travail de liaison invisible qui ne figure dans aucune description de poste mais qui maintient chaque entreprise en activité. En mars, j'écrivais ici que le smartphone deviendrait la télécommande du terminal ; il devient maintenant la télécommande de notre propre travail de bureau, y compris pour des tâches qui se lancent à six heures du matin sans nous. Si vous voulez tester cette semaine, ne choisissez pas le scénario de codage, mais le rapport récurrent le plus ennuyeux de votre équipe et laissez Cowork le préparer pendant la nuit. Le véritable levier réside dans la logique d'approbation : rien ne sort avant que vous ne donniez votre accord devant votre café, et c'est précisément ce garde-fou qui rend le fonctionnement autonome en arrière-plan responsable. Anthropic a compris que le grand marché n'a jamais été les développeurs, mais les 90 % qui n'ouvrent jamais un terminal.

La cure d'austérité de Microsoft : ses propres modèles plutôt qu'OpenAI et Anthropic

Microsoft a confirmé mardi remplacer les modèles d'OpenAI et d'Anthropic par ses propres modèles MAI dans des applications comme Excel et Outlook. Selon Bloomberg, des dizaines de milliers de prompts par semaine sont déjà traités par les modèles développés en interne, qui couvrent le raisonnement, l'image, la voix et le codage. La raison est simple : les modèles internes coûtent moins cher que ceux sous licence, et le patron de l'IA, Mustafa Suleyman, avait déjà déclaré en juin qu'Anthropic était tout simplement trop cher. Cette décision coïncide avec la suppression de 4 800 postes, soit 2,1 % de l'effectif, bien que la DRH Amy Coleman souligne que ces postes ne seront pas remplacés par l'IA. Anthropic a riposté avec son propre rapport sur Claude Cowork : sur 1,2 million de sessions, 33,4 % concernent les opérations commerciales, suivies par la création de contenu (16,4 %) et le développement de logiciels (8,7 %). Le chiffre clé réside dans l'analyse : même si les modèles MAI n'atteignent que 80 à 90 % de la qualité des modèles de pointe, de nombreuses entreprises pourraient accepter ce compromis si le prix est juste et si les modèles sont considérés comme plus sûrs. → The Deep View

Synthszr Take : Microsoft teste la thèse du «  juste assez bon  », et l'économie plaide en sa faveur. Quand on a des centaines de millions d'utilisateurs d'Office 365 dans un système fermé, on n'a pas besoin du meilleur modèle, mais du moins cher qui ne fera fuir personne. Une qualité de 80 à 90 % pour une fraction du coût est un bon compromis pour la plupart des prompts Excel, car très peu de tableaux exigent un raisonnement de pointe. Le double regard sur le risque est intéressant : Microsoft externalise le risque financier des licences et internalise le risque qualitatif de ses propres modèles, et les deux paris sont faits simultanément. Le rapport Cowork d'Anthropic montre à quel point les travailleurs du savoir dépendent déjà de Claude, mais la fidélisation en entreprise ne constitue pas une forteresse imprenable si le gardien du temple change le paramètre par défaut. Pour quiconque achète de l'IA, la leçon est concrète et immédiatement applicable : le choix du modèle ne doit pas être enfermé dans un contrat pluriannuel, mais placé derrière un pattern d'adaptation qui permet de changer facilement. La neutralité vis-à-vis des fournisseurs est actuellement l'assurance la moins chère que l'on puisse souscrire.

Robotique en Europe : un ex-scientifique de Tesla mise sur la confiance

Un ancien scientifique de Tesla parie que la réglementation européenne stricte sur l'IA physique pourrait devenir un avantage : les robots lancés dans un environnement réglementé pourraient gagner la confiance du public plus rapidement qu'ailleurs. C'est ce que rapporte The Deep View dans son édition du 8 juillet 2026. Le contexte est pourtant peu réjouissant. Selon une nouvelle étude de DigiCert menée auprès de 1 001 responsables informatiques et de la sécurité aux États-Unis, au Royaume-Uni et en Australie, près de huit entreprises sur dix ont connu des incidents de sécurité liés à l'IA au cours des six derniers mois, et environ la moitié a signalé au moins un incident causé par un agent IA non autorisé ou mal configuré. Bien que 90 % des organisations aient discuté de la gouvernance de l'IA, seule la moitié y a alloué un budget et des programmes formels. De plus, près de la moitié n'a pas une visibilité complète sur la manière dont leurs systèmes d'IA parviennent à leurs résultats. → The Deep View

Synthszr Take : La confiance est la ressource la plus rare dès que l'IA passe de l'écran à l'espace physique. Un chatbot qui hallucine produit du charabia, un bras robotisé mal configuré produit une visite à l'hôpital. C'est pourquoi le pari de cet ex-scientifique de Tesla est plus malin qu'il n'y paraît : dans un environnement qui exige très tôt une homologation et une traçabilité, la confiance se transforme en un véritable avantage concurrentiel. Les chiffres de DigiCert montrent le prix de l'alternative. Si la moitié des entreprises subissent déjà des incidents avec de simples agents logiciels par manque de contrôle, personne ne veut vivre la même perte de contrôle avec des machines dotées de bras préhensiles. Quiconque construit une IA physique devrait intégrer des pistes d'audit et des identités pour les acteurs non humains dans le produit dès le premier jour et les ancrer dans la conception cette semaine, avant que le premier robot ne commette une erreur. Pour une fois, les garde-fous européens peuvent servir d'avance dans la course à la crédibilité.

Sécurité de l'IA : quand l'IA est plus rapide que le pare-feu

Près de huit entreprises sur dix ont rencontré des problèmes de sécurité liés à l'IA au cours des six derniers mois, selon une nouvelle étude du fournisseur de sécurité DigiCert menée auprès de 1 001 responsables informatiques et de la cybersécurité aux États-Unis, au Royaume-Uni et en Australie. Environ 50 % ont subi au moins un incident causé par un agent IA non autorisé ou mal configuré, et 28 % supplémentaires ont découvert des vulnérabilités avant qu'un incident ne se produise. Les risques incluent le prompt injection, le data poisoning et l'accès non autorisé à des systèmes sensibles. Brian Trzupek de DigiCert résume le problème central : les agents sont des acteurs non humains qui opèrent à la vitesse de la machine, mais la plupart des entreprises n'ont jamais étendu leurs contrôles d'identité et d'audit à ces derniers. 90 % ont discuté de gouvernance, mais seule la moitié y a alloué un budget et un programme formel. Parallèlement, 75 % ont déployé quatre systèmes d'IA ou plus en six mois, et 35 % en ont même déployé plus de dix. Près de la moitié manque de visibilité sur la manière dont leurs systèmes parviennent à leurs résultats. → The Deep View

Synthszr Take : Le schéma est ancien, seule la vélocité est nouvelle. Quiconque déploie quatre à dix agents en six mois dans son entreprise sans leur donner la même identité, authentification et piste d'audit que n'importe quel stagiaire lors de son intégration, produit les incidents en même temps. Le point sensible n'est pas le modèle, mais le manque de traçabilité : si près de la moitié des entreprises ne peuvent pas dire quel système a pris quelle décision, personne ne peut répondre à la question de la responsabilité en cas de problème. La sécurité en fin de chaîne n'a jamais fonctionné pour le code humain ; pour des agents qui accèdent aux systèmes 24/7, la vérification finale devient une pure formalité administrative. Les 86 % qui disposent au moins d'un mécanisme de révocation pour les systèmes compromis montrent que la direction est la bonne, mais le rythme est à la traîne par rapport à l'adoption. Chaque agent a besoin de sa propre identité, d'un journal d'audit propre et d'un humain nommément désigné à ses côtés. Cette décision peut être prise cette semaine, pas après le douzième incident. Quiconque intègre sérieusement l'IA dans ses processus fait de la gouvernance une condition sine qua non, sinon il achète en même temps une surface d'attaque à grande échelle.

Obligation d'étiquetage de l'IA : les risques de la transparence

Le débat sur l'étiquetage de l'IA tient le secteur des médias en haleine depuis des semaines, et MEEDIA a demandé à l'avocat Patrick Schulz de HEUKING d'apporter un peu d'objectivité. L'essentiel : l'art. 50, al. 4 du règlement sur l'IA ne concerne pas seulement les fournisseurs comme OpenAI ou Anthropic, mais tout exploitant, c'est-à-dire toute personne ou entreprise qui utilise une IA générative de manière autonome à des fins commerciales. L'obligation est particulièrement stricte pour les deepfakes, c'est-à-dire les contenus image, audio et vidéo générés ou manipulés par l'IA qui pourraient être perçus comme réels. La Commission européenne, dans ses projets de lignes directrices, inclut même les représentations d'apparence réaliste de choses qui n'existent pas. Pour les textes, l'obligation est beaucoup plus restreinte et ne concerne que les publications d'intérêt public ; les textes publicitaires classiques, les newsletters et les descriptions de produits sont généralement exclus. Les textes vérifiés par une rédaction, pour lesquels une personne physique ou morale assume la responsabilité, sont également exemptés. Le plus grand risque concerne les images publicitaires photoréalistes, les voix de célébrités clonées et les influenceurs virtuels. L'étiquetage lui-même, selon l'art. 50, al. 5, doit être clair et sans ambiguïté ; la loi n'impose pas de format spécifique. → MEEDIA Daily Update

Synthszr Take : La véritable nouvelle tient en un mot : exploitant. Quiconque pense que l'obligation d'étiquetage est un problème réservé aux grandes entreprises de modèles n'a pas lu le texte. Elle incombe à tous ceux qui utilisent l'IA générative à des fins commerciales, c'est-à-dire quasiment tout le monde. La bonne nouvelle est l'interprétation restrictive pour les textes ; le service marketing peut continuer à travailler comme avant cette semaine, tant qu'un humain assume la responsabilité de la publication. Le point critique se situe ailleurs, à savoir dans les images photoréalistes, les voix clonées et les modèles IA, précisément là où le marketing se développe le plus rapidement et où la frontière entre le réel et le généré est délibérément floutée. Quiconque utilise aujourd'hui une voix de célébrité clonée ou un témoignage virtuel devrait définir sa logique d'étiquetage maintenant, et non pas attendre de recevoir une mise en demeure. La transparence ne coûte ici rien de plus qu'une petite mention, et cette mention est moins chère que n'importe quel litige.