Musk fait la promotion de la nouvelle version de Grok 4.6 : «  objectivement n°1  »

Grok 4.6 meilleur que Kimi K3 et moins cher qu’OpenAI

SpaceXAI, anciennement xAI, a publié Grok 4.6 ce mercredi, moins d’un mois après Grok 4.5. Le modèle atteint 61 points dans l'Artificial Analysis Intelligence Index, une valeur collective issue de neuf benchmarks, se plaçant ainsi devant le modèle chinois en open-weights Kimi K3 de Moonshot et à égalité avec le GPT-5.6 Sol Max d’OpenAI. Seuls Claude Opus 5 d’Anthropic avec 63 points et Claude Fable 5 avec 62 points devancent Grok. Par rapport à Grok 4.5 High, qui était à 56, cela représente une augmentation de cinq points.

Le prix de l'API reste à 2 dollars par million de tokens d’entrée et 6 dollars par million de tokens de sortie ; à partir de 200 000 tokens de prompt, les deux tarifs doublent. D’après les calculs de The Decoder, Grok 4.6 est ainsi plus de 60 % moins cher que Claude Opus 5 (5/25 dollars) et GPT-5.6 Sol (5/30 dollars). Le modèle est disponible dès maintenant via l’API, dans Cursor, dans l’outil de codage maison Grok Build (inclus dans l’abonnement SuperGrok à partir de 30 dollars par mois) ainsi que chez des partenaires comme OpenRouter, Vercel et Cloudflare. La première semaine, SpaceXAI double le quota inclus dans Cursor et Grok Build.

Techniquement, SpaceXAI décrit une phase d’entraînement complémentaire plus longue que pour Grok 4.5, avec des données de raisonnement et techniques organisées et générées par le modèle, ainsi qu’un Optimizer modifié. Ensuite, avec Grok 4.5, les trajectoires pour le Supervised Fine-Tuning ont été recréées à travers différents niveaux de raisonnement, de harnesses d'agents et de domaines, et les parcours anormaux ont été écartés par une vérification basée sur le modèle. Le Reinforcement Learning ciblait des environnements agentiques tels que le codage général, l’optimisation de noyau, le développement web et la CAD. Selon le fournisseur, sur de longues chaînes de tâches, le modèle vérifie plus souvent son propre travail intermédiaire avant de continuer ; cette affirmation n’a pas été vérifiée de manière indépendante.

Selon The New Stack, les résultats individuels sont mitigés. Sur CursorBench v3.2, Grok 4.6 atteint 69,9 % (Grok 4.5 : 66,7), se plaçant devant GPT-5.6 Sol Max avec 67,2 %, mais derrière Fable 5 Max avec 70,5 %. Sur DeepSWE v1.1, le score passe de 54 à 65,9 %, tandis que Sol Max atteint 73 % et Fable 5 Max 70 %. Sur Terminal-Bench v3.0, Grok s’améliore de 15,7 à 26 % mais reste nettement derrière Sol (34,6) et Fable (34,1). Sur le benchmark de travail intellectuel GDPval-AA v2, le modèle se classe deuxième avec un score Elo de 1 753, derrière Claude Opus 5, et nécessite environ 53 étapes pour des tâches complexes, là où Opus 5 en a besoin d’environ 103.

Elon Musk a déclaré sur X que Grok 4.6 est «  objectively #1 when considering intelligence, speed & cost  ». Gizmodo souligne que le retour dans le groupe de tête coïncide avec le rachat du fournisseur de solutions de codage Cursor, dont les données d’utilisation réelles auraient déjà été intégrées dans l’entraînement de Grok 4.5. Un jour avant le modèle, SpaceXAI avait lancé en version bêta Grok Bot, un système pour des agents fonctionnant en continu. Gizmodo note également que Grok s’est surtout fait remarquer publiquement pour la génération massive d’images de nu non consensuelles et que plusieurs autorités américaines ont exprimé des préoccupations en matière de sécurité. → venturebeat, thenewstack, x, gizmodo, the-decoder

Synthszr Take : 61 points sont un compromis arithmétique de neuf benchmarks, et ce compromis lisse ce qui fait la différence au quotidien. Sur Terminal-Bench v3.0, Grok 4.6 est à 26 %, Sol et Fable à plus de 34 % : dans une configuration qui travaille beaucoup dans le shell, c’est un retard d’un tiers, masqué dans la note globale par de bons scores sur CursorBench et FrontierCode. Le chiffre le plus parlant de toute cette annonce ne figure même pas dans l’index : 53 étapes au lieu de 103 pour des tâches GDPval comparables, car le nombre d’étapes a un impact direct sur la facture, alors qu’un point d’index ne coûte rien à personne. Le «  objectively #1  » de Musk est la conséquence logique du fait qu’un seul chiffre est devenu un argument de vente, bien qu’il soit issu de neuf tests très différents. Si votre agent optimise un noyau, un autre modèle sera en tête que s’il construit des prototypes frontend, et aucun de ces deux cas de figure n’apparaît dans le classement. Mettre dix vrais tickets de son propre backlog en compétition sur trois modèles et mesurer le coût par ticket résolu : deux après-midis de travail, et la réponse est plus fiable que n’importe quelle position dans un leaderboard.

Un fonds de l’UE investit dans Lovable

La startup stockholmoise Lovable a levé 400 millions de dollars lors d’un tour de financement de série C, pour une valorisation de 13,3 milliards de dollars. La plateforme permet aux utilisateurs de créer des logiciels par description en langage naturel, un procédé désormais connu sous le nom de Vibe Coding. L’information a d’abord été rapportée par le Wall Street Journal, alors que les rumeurs précédentes faisaient état de 300 millions pour 13,2 milliards. Le tour est co-dirigé par Menlo Ventures et le Scaleup Europe Fund, un véhicule d’investissement de l’UE géré par le gestionnaire d’actifs suédois EQT et qui, selon Bloomberg, dispose d’une enveloppe de cinq milliards d’euros. Lovable est l’un des premiers investissements révélés de ce fonds, dont l’objectif déclaré est d’empêcher les entreprises de croissance européennes de délocaliser aux États-Unis. L’entreprise indique se diriger vers un revenu annuel récurrent de près de 600 millions de dollars à la fin du mois, soit près du triple de la valeur mentionnée en décembre selon ses propres dires, et prévoit d’augmenter ses effectifs de 50 % pour atteindre 450 personnes. Parmi ses clients figurent Nvidia, Adidas, Hearst et la Deutsche Telekom. → Techpresso

Synthszr Take : La valorisation a doublé en huit mois, le revenu récurrent a presque triplé sur la même période. En décembre, 6,6 milliards pour un peu plus de 200 millions de run rate coûtaient plus cher qu’aujourd’hui 13,3 milliards pour 600 millions : le multiple de chiffre d’affaires est passé d’environ 33 à environ 22, alors que tout le monde parle de bulle. Le prix est donc à la traîne par rapport à l’activité, et c’est précisément le véritable signal du boom du Vibe-Coding : les coûts de développement logiciel ont tellement baissé que 1,2 million de nouveaux projets voient le jour chaque semaine, ce qui signifie que l’on construit des choses qui n’étaient tout simplement pas rentables auparavant. Le point faible réside dans la demi-vie de la croissance. Un revenu récurrent est un instantané, et personne ne sait combien des 60 millions de projets seront encore actifs dans un an, et encore moins payants. Zendesk est à la fois client et témoin clé du scepticisme, lorsque son propre directeur de produit déclare publiquement que la fiabilité n’est pas suffisante à grande échelle. On peut acheter une certification et une police d’assurance de Lloyd’s, mais pas un code robuste : la question de savoir si ces 600 millions se transformeront en une activité viable dépendra de la résistance du code généré en production.

Mistral veut construire un gigawatt de puissance de calcul IA propre en Europe d’ici 2030

Mistral annonce vouloir développer jusqu’à un gigawatt de capacité de calcul en Europe d’ici 2030. L’entreprise justifie cette démarche par l’objectif d’une infrastructure souveraine, c’est-à-dire une base d’IA qui ne fonctionne pas sur les centres de données de fournisseurs américains. Selon TLDR IT, Mistral recherche déjà des engagements clients à long terme pour garantir son expansion. Jusqu’à présent, l’entreprise française exploite principalement ses modèles sur des infrastructures tierces, notamment chez Microsoft Azure, Google Cloud et CoreWeave. Début 2026, Mistral avait levé 722 millions d’euros pour construire ses propres centres de données avec du matériel NVIDIA en France et en Suède. L’objectif d’un gigawatt mentionné maintenant est une cible pour la fin de la décennie, et non une capacité existante. → TLDR IT

Synthszr Take : Un gigawatt d’ici 2030 est une déclaration de politique industrielle en Europe, et c’est ainsi qu’il faut la comprendre. Le chiffre semble énorme jusqu’à ce qu’on le compare aux centaines de milliards que les fournisseurs américains vont investir dans les centres de données rien que dans les deux prochaines années. Plus intéressant que la capacité, c’est la phrase qui l’accompagne : Mistral recherche des engagements clients à long terme avant que les pelleteuses n’entrent en action. La souveraineté devient ainsi un contrat que les entreprises européennes doivent signer, et c’est précisément là que se décidera si cette annonce se concrétisera. Tant que les services achats et IT continueront d’optimiser en fonction du prix par token chez les hyperscalers, le gigawatt restera un communiqué de presse avec une note de bas de page. Pour une entreprise industrielle avec des données de machines, de processus ou de conception, devenir un locataire de référence européen est une assurance abordable contre les aléas politiques, et en tout cas bien moins chère qu’une migration ultérieure sous la pression du temps. La question passionnante des douze prochains mois n’est pas de savoir si Mistral peut construire, mais qui signera les contrats.

Gemini atteint un milliard d’utilisateurs, ChatGPT y était déjà des semaines auparavant

Le PDG de Google, Sundar Pichai, a annoncé sur X que l’application Gemini atteint un milliard de personnes par mois, ce qui en fait le produit à la croissance la plus rapide de l’histoire de l’entreprise. C’est le 14ème produit de Google à franchir ce seuil. OpenAI avait déjà atteint ce jalon : l’annonce selon laquelle «  plus d’un milliard de personnes utilisent ChatGPT  » figurait dans un article de blog du 6 août sur des cas d’utilisation, tandis que des données externes, selon Reuters, indiquaient déjà un milliard en juin. La porte-parole d’OpenAI, Lindsay McCallum, a déclaré que les Monthly Active Users avaient dépassé le milliard il y a longtemps, et que la barre hebdomadaire avait été franchie en juillet ; l’entreprise ne donne pas de chiffre mensuel précis. En février, OpenAI avait signalé 900 millions d’utilisateurs actifs hebdomadaires, tandis que Google annonçait au même moment 750 millions d’utilisateurs mensuels pour Gemini, puis 950 millions fin juillet. Le responsable de Gemini, Josh Woodward, a écrit que l’application comptait plus de 100 millions d’utilisateurs actifs sur iOS, ce qui situe la grande majorité de la base d’utilisateurs sur Android. Anthropic ne publie pas de chiffres d’utilisation ; les estimations se situent dans les dizaines de millions. → MyClaw Newsletter

Analyse de Synthszr : Pichai annonce le milliard dans un post, OpenAI le place dans un article de blog sur les cas d’utilisation. Le volume sonore est inversement proportionnel à la position sur le marché, et un chiffre l’illustre : passer de 900 millions en février à un milliard en juillet représente une croissance d’environ onze pour cent en cinq mois. Gemini est passé de 750 à 950 millions dans la même période. Pour un produit présenté pendant des années comme le logiciel à la croissance la plus rapide de tous les temps, sa propre courbe est la nouvelle la plus désagréable de l’été, d’où le ton discret. Le chiffre de Google a cependant une notice : un bon 100 millions d’utilisateurs actifs sur iOS, tout le reste sur Android, où Gemini est préinstallé sur l’appareil. C’est de la distribution déguisée en demande, et cela explique assez bien pourquoi OpenAI investit dans son propre matériel depuis cet été. Les deux ont maintenant un milliard d’utilisateurs et la même question en suspens : quelle part est réellement payante ?

Y Combinator publie son framework d’agents interne QM sous licence MIT

Y Combinator a publié QM (abréviation de Quartermaster) sur GitHub, un framework que l’accélérateur utilisait auparavant en interne depuis des mois. Le repo le décrit comme un Agent Harness multijoueur pour le travail, utilisable dans Slack et sur le web. Selon YC, le système fonctionnait en interne dans les services de comptabilité, juridique, événementiel et d’ingénierie, QM étant lui-même développé avec QM. La licence est MIT et, selon la newsletter de Linas, une équipe n’a à payer que l’hébergement cloud et les tokens de modèle. Cette publication intervient dix jours après la sortie en open source de Buzz par Block, un espace de travail pour agents basé sur Nostr qui vise à remplacer Slack et GitHub, alors que QM s’intègre à Slack existant. → Linas from Linas’s Newsletter

Analyse de Synthszr : La licence MIT signifie copier, modifier, utiliser commercialement, sans demander la permission à personne. Pour tous ceux qui n’entraînent pas de modèle et ne lèvent pas de fonds, cela met à disposition la couche de coordination sur laquelle la plupart des projets d’agents ont buté l’année dernière : plusieurs humains et plusieurs agents dans un même fil de discussion, de manière traçable, avec une répartition claire des tâches. Le fait que QM s’intègre à Slack existant abaisse la barrière à l’entrée à un après-midi de travail, tandis que Buzz de Block exige qu’une équipe migre toute sa collaboration. Les 13 000 étoiles sur GitHub mesurent la curiosité, rien de plus. Le véritable travail réside dans les autorisations et dans la décision de confier ou non certaines tâches à un agent, et cela reste la responsabilité de l’équipe.

OpenAI lance ChatGPT avec Codex en natif sur Linux, avec accès aux dépôts locaux

OpenAI a publié une preview de l’application de bureau officielle ChatGPT pour Linux, après des années de disponibilité uniquement sur Mac et Windows. Selon AlphaSignal, il s’agit d’une application native, et non d’un wrapper de navigateur ou d’un outil en ligne de commande. Elle regroupe trois composants : l’assistant ChatGPT bien connu, ChatGPT Work pour les tâches d’équipe et de travail, ainsi que Codex, un agent de codage, capable de lire des fichiers locaux, de travailler dans des référentiels existants et de contrôler des applications sur la machine. Les versions prises en charge sont Ubuntu 24.04 et 26.04 LTS, Debian 13 ainsi que Fedora 43 et 44. L’installation se fait via des paquets .deb ou .rpm pour x64 et ARM64, l’installateur ajoutant également un référentiel OpenAI pour que les mises à jour soient distribuées via apt. Le téléchargement est gratuit, mais certaines fonctionnalités nécessitent un abonnement payant. → AlphaSignal

Analyse de Synthszr : L’agent s’installe sur la machine où se trouve le code source, et la gestion des droits y est celle de 1995 : un utilisateur Unix qui possède tout ce qui se trouve dans son répertoire personnel. Simultanément, des chercheurs montrent que les blobs de raisonnement chiffrés de Claude, GPT et Gemini sont portables. On prend un blob d’Opus, on le transfère dans le modèle moins cher Haiku, et ce dernier en lit sagement le contenu, sans même avoir à casser le chiffrement. Une analyse d’environ 7 000 traces partagées publiquement a révélé 62 clés API, 33 adresses e-mail et 33 mots de passe. Les laboratoires ont apporté des correctifs après la divulgation, mais le rythme reste déséquilibré : la profondeur d’accès augmente en semaines, les mécanismes de protection en trimestres. En pratique, cela signifie qu’il faut donner à l’agent son propre utilisateur système, autoriser l’accès aux référentiels individuellement et déplacer les identifiants des fichiers de projet vers un gestionnaire de secrets ; cela se fait en un après-midi, l’installation du .deb prend une minute. Un agent avec des droits de lecture sur l’ensemble du répertoire personnel est un choix, pas une configuration par défaut.

Perplexity bloque les publicités du Time pour les agents IA et menace les éditeurs d’une baisse de leur score de confiance

Perplexity a confirmé bloquer la publicité que Time diffuse depuis peu dans les versions Markdown de ses pages web, c’est-à-dire dans la version que les agents IA consultent au lieu des lecteurs humains. Digiday avait rapporté un peu plus de deux semaines auparavant que Time était le premier éditeur à vendre de telles publicités pour agents. Le directeur de la communication de Perplexity, Jesse Dwyer, a qualifié le format de trompeur auprès de Digiday et a déclaré que les éditeurs utilisant des «  deceptive advertising like markdown ads  » risquaient une dévaluation dans l’index de recherche de l’entreprise ainsi qu’une baisse de leur Trust Score. Perplexity n’a pas répondu à la question de savoir comment il définit «  trompeur  » ni comment le blocage fonctionne techniquement ; Steven Liss d’OpenAds.AI suppose, dans une déclaration à Digiday, que les agents sont simplement instruits de ne pas récupérer les blocs publicitaires. Le produit publicitaire lui-même provient de l’entreprise de technologie publicitaire Mobian, qui génère du contenu Markdown au format FAQ à partir d’un briefing de marque, l’insère dans les pages du Time et mesure la fréquence à laquelle les moteurs de recherche IA le reprennent. Les premiers acheteurs étaient Ally Bank et le Project Management Institute ; il n’est pas clair si leurs contrats seront ajustés. Le PDG de Mobian, Jonah Goodhart, a déclaré à Digiday que la réception du format était jusqu’à présent positive, sans toutefois fournir de chiffres. → MyClaw Newsletter

Analyse de Synthszr : Time a vu la faille évidente et a tenté de la combler. L’agent lit la page, plus personne ne voit la bannière publicitaire, alors on vend le message à la machine. Le calcul ne fonctionne que si la machine joue le jeu, et Perplexity a décidé en moins de deux semaines que ce ne serait pas le cas. L’asymétrie dans la justification est intéressante : ce que Time vend comme une information vérifiée et identifiée par la marque, l’index le classe unilatéralement comme une tromperie, avec le Trust Score comme moyen de pression. Ally Bank et le Project Management Institute ont payé pour de la visibilité, Time a fourni le contenu, et la récupération par l’agent ne coûte toujours rien à Perplexity. Tant que cela reste ainsi, toute monétisation via le contenu de la page n’est qu’une tentative de passer à la caisse sans le consentement du gardien. La solution la plus robuste est un prix négocié par consultation, avec un contrat plutôt qu’une ligne de texte cachée. Tout le reste se termine par un jeu du chat et de la souris que l’éditeur perdra.

Pékin compte 140 billions de tokens par jour et en fait un indicateur économique officiel

La newsletter sectorielle Hello China Tech soutient que le marché chinois de l’IA peut être évalué plus précisément par le volume de tokens, les appels d’offres publics et les prix que par les classements des benchmarks de modèles. En toile de fond, une décision de Pékin datant de mars : le Token, c’est-à-dire la plus petite unité de traitement dans laquelle les modèles de langage décomposent les textes, a été élevé au rang d’indicateur économique officiel. L’auteur mentionne comme valeur de référence environ 140 billions de tokens traités quotidiennement sur le marché chinois. Il existe donc un chiffre de consommation officiel pour l’utilisation de l’IA, comparable aux indicateurs de consommation d’électricité ou de transport de marchandises. L’auteur se demande ce que ce cadre comptable représente et ce qu’il omet, et rappelle qu’il avait déjà présenté cet argument en novembre et l’avait approfondi en avril. L’article ne donne pas de chiffres sur la composition du volume ou la méthode de collecte. → Hello China Tech

Analyse de Synthszr : 140 billions de tokens par jour est un chiffre de consommation, aussi significatif que les kilowattheures ou les tonnes de fret. Il montre le volume traité par les centres de données, mais ne dit rien sur la résolution effective d’un problème. Un modèle qui doit s’y reprendre à trois fois parce que les deux premières réponses étaient inutilisables génère trois fois plus de tokens qu’un modèle qui trouve la bonne réponse du premier coup : l’échec semble meilleur dans l’indice que la solution correcte. À cela s’ajoute la dynamique des prix : si les prix des tokens baissent plus vite que le volume n’augmente, l’indicateur monte alors que les revenus diminuent. Les appels d’offres et les listes de prix que Hello China Tech analyse en parallèle sont la véritable monnaie d’échange, car ils montrent qui met réellement de l’argent sur la table. L’indice ancre le débat dans la demande réelle plutôt que dans les résultats de tests, ce que les classements de benchmarks n’ont pas réussi à faire jusqu’à présent. Le moment clé sera celui où Pékin détaillera ce chiffre par secteur : on verra alors si les tokens sont utilisés dans la production et l’administration ou dans des chatbots dont personne n’a besoin.

Spotify marque les artistes IA comme «  AI Persona  » et les exclut des recommandations

À partir de mi-septembre, Spotify marquera les profils d’artistes dont l’identité est générée artificiellement avec un badge «  AI Persona  » et exclura par défaut leur musique des recommandations éditoriales et algorithmiques. L’entreprise a annoncé ce changement mardi. Les artistes peuvent s’identifier eux-mêmes comme AI Persona, mais selon le fournisseur, Spotify ne se fie pas uniquement à cette auto-déclaration et vérifie également les profils pour déterminer si le nom et les images indiquent une identité photoréaliste générée. La vérification commence avec les profils qui ont dépassé des seuils d’écoute prédéfinis, afin que les comptes les plus écoutés soient traités en premier. Le badge apparaîtra sur la bannière du profil, dans la section «  À propos  », dans les résultats de recherche et sur les lignes de pistes des playlists. La musique d’une AI Persona n’apparaîtra dans les recommandations personnalisées que si un utilisateur suit activement le profil. Cette règle étend la politique de Spotify en matière d’IA de septembre 2025, qui identifie déjà les titres via une norme de l’industrie et interdit le clonage de voix non autorisé ainsi que les deepfakes. → AI Secret

Analyse de Synthszr : Pour l’auditeur, la vraie question est de savoir ce que signifie l’absence du badge. Spotify déclare vérifier d’abord les profils dépassant certains seuils d’écoute, ce qui signifie a contrario que pour la grande masse en dessous, une absence de label indique simplement que personne n’a encore regardé. Un avis de transparence, interprété comme une déclaration d’authenticité alors qu’il ne renseigne que sur le statut de vérification, génère précisément une confiance mal placée. La deuxième partie est plus sévère que le badge : quiconque est retiré des recommandations éditoriales et algorithmiques perd le seul canal de distribution qui offre une réelle portée sur Spotify. À partir de là, dissimuler l’origine devient financièrement rentable. Le chiffre intéressant ne sera donc pas le nombre de badges attribués, mais le délai entre le téléchargement d’un nouveau profil et sa classification. Si ce délai reste de l’ordre de quelques semaines, le label n’est qu’une façade. Un troisième état dans l’interface serait judicieux : vérifié, non vérifié, IA. Trois états sont plus honnêtes qu’un badge qui ne communique que dans un seul sens.

CoEvoSkills permet aux agents d’IA d’écrire et de vérifier eux-mêmes leurs paquets de compétences

Une équipe de chercheurs dirigée par Hanrong Zhang et Philip S. Yu a présenté avec CoEvoSkills une méthode permettant aux agents de générer de manière autonome ce qu’on appelle des Skills, au lieu de les recevoir écrits à la main. Les Skills sont un concept introduit par Anthropic : alors qu’un outil est une fonction unique et autonome, un Skill se compose d’un ensemble structuré de fichiers interdépendants pour des tâches spécialisées à plusieurs étapes. Les auteurs soutiennent que la création manuelle de tels paquets est laborieuse et entraîne des divergences entre la compréhension humaine et celle de la machine, ce qui dégrade les performances des agents dans les évaluations sur SkillsBench. Les méthodes d’auto-amélioration existantes seraient adaptées à des outils individuels et ne pourraient pas être directement appliquées aux Skills en raison de leur complexité plus élevée. CoEvoSkills couple donc un Skill Generator, qui révise les paquets par étapes, avec un Surrogate Verifier, qui est développé en parallèle et fournit des retours sans connaître le contenu réel des tests. Selon les auteurs, la méthode surpasse cinq approches comparatives sur SkillsBench, tant avec Claude Code qu’avec Codex, et se transpose à six autres modèles de langage. L’article a été accepté à la COLM, et le code est publiquement disponible sur GitHub. → Techpresso

Analyse de Synthszr : La partie intéressante se trouve dans le Verifier, pas dans le générateur. Le Fine-Tuning déplace des poids dans une boîte noire, personne ne peut ensuite consulter le Diff pour voir ce qui a changé. Un Skill est un ensemble de fichiers : lisible, versionnable, supprimable. C’est précisément pour cette raison que l’auto-amélioration à ce niveau est gérable sur le plan opérationnel, alors qu’elle reste un problème de confiance au niveau des poids du modèle. Le véritable pari technique de cet article est qu’un vérificateur, qui ne voit même pas les tests de référence (ground-truth), fournit néanmoins un feedback utile et ne commence pas, au cours du développement conjoint, à vanter les mérites de son propre générateur. Le fait que cela fonctionne sur six modèles de langage supplémentaires est un signal plus fort que la victoire sur cinq Baselines. Concrètement, cela signifie que la bibliothèque de ses propres Skills devient un actif que l’on gère comme du code, avec revue, Rollback et propriétaire. Lorsque les agents écrivent leurs propres instructions de travail, le travail d’ingénierie se déplace vers la question de savoir ce qui définit un bon Skill, et ces critères ne peuvent être fournis par aucun article, ils proviennent du domaine propre à chacun. Dans douze mois, l’indicateur le plus intéressant ne sera pas le nombre de Skills qu’un agent a générés, mais combien d’entre eux ont été rejetés par un humain après un coup d’œil au dépôt.