L'Autriche veut attirer Anthropic en Europe et les modèles chinois dépassent Claude Mythos

L'Autriche veut attirer Anthropic en Europe

Les États-Unis ont, par des contrôles à l'exportation, bloqué de fait l'accès aux derniers modèles d'Anthropic, «  Claude 3.5 Opus  » et «  Claude 3.5 Sonnet  », pour tous les étrangers, ce qui a obligé Anthropic à exclure tous les utilisateurs faute de vérification de nationalité. Entre-temps, le département du Commerce américain a rouvert l'accès à Claude 3.5 Opus pour une centaine d'entreprises américaines sélectionnées, mais se réserve le droit de modifier la liste à tout moment. Le secrétaire d'État autrichien au Numérique, Alexander Pröll, a proposé dans une lettre ouverte à la commissaire européenne Henna Virkkunen d'attirer Anthropic en Europe avec la sécurité juridique, l'accès au marché et des capitaux. OpenAI suit une ligne similaire et ne fournit GPT-4o qu'à des institutions désignées par le gouvernement américain. En parallèle, la Commission européenne a réagi avec le Cloud and AI Development Act et un «  Chips Act 2.0  » : tripler la capacité des centres de données, doubler la part des semi-conducteurs de moins de 10 % d'ici 2030. Virkkunen a mis en garde contre un «  interrupteur d'urgence  » étranger sur les services européens, mais a admis que 80 % de la technologie provient de l'extérieur de l'Europe et que des résultats visibles ne sont pas attendus avant 2030 au plus tôt. → en.sedaily.com

Synthszr Take : Pröll a mis le doigt précisément là où ça fait mal : l'Europe exécute les décisions des autres au lieu de prendre les siennes. Mon Wahl-O-Mat classe Volt en tête depuis des années, donc il ne s'agit pas ici d'un dénigrement de l'UE, mais d'un calcul pragmatique. Attirer Anthropic à Vienne ou à Bruxelles avec une subvention semble charmant, mais ne change rien à la dure réalité : 80 % de la technologie vient de l'extérieur, et un fournisseur de modèles de fondation ne déménage pas pour la sécurité juridique tant que le calcul, le capital et les talents sont en Californie. Le levier est ailleurs, à savoir dans les modèles sur lesquels les États-Unis n'ont pas de contrôle : Mistral, Llama on-prem, les piles open source européennes. C'est exactement ce que le CADA vise avec les centres de données et les puces, mais avec un horizon jusqu'en 2030, ce qui est extrêmement long sur un marché qui évolue en quelques mois. Quiconque construit aujourd'hui une architecture d'agents prête pour la production devrait la concevoir de manière agnostique au modèle et intégrer une couche souveraine, au lieu de miser sur un seul fournisseur américain à qui Washington peut demain couper la liste des utilisateurs. La souveraineté n'est pas une subvention à l'implantation, mais une décision d'architecture, et elle peut être prise dès aujourd'hui.

Marc Andreessen : GLM-5.2 bat Claude Mythos

Des chercheurs en sécurité rapportent que le nouveau modèle de Zhipu AI, GLM-5.2 (également connu sous le nom de Z.ai), rivalise avec les meilleurs modèles américains pour la détection de failles de sécurité, même s'il est en retard sur Anthropic et OpenAI pour d'autres tâches. Marc Andreessen affirme que GLM-5.2 est le premier modèle chinois à rattraper et souvent à battre les meilleurs laboratoires américains, sans compromis. Dans les benchmarks de Semgrep, GLM-5.2 a battu Claude Opus 4.8 d'Anthropic, et avec des instructions supplémentaires, les deux atteignent le niveau de Mythos. Selon OpenRouter, GLM-5.2 fait partie des dix modèles les plus utilisés au monde et est disponible en téléchargement libre en tant que modèle open-weight, modifiable sans supervision. En parallèle, l'administration Trump a durci l'accès aux modèles américains : OpenAI limite GPT-5.6 pour des raisons de sécurité, un modèle d'Anthropic a été complètement bloqué pendant plus de deux semaines, et même la NSA a temporairement perdu l'accès à Mythos 5 et Fable 5. Saif Khan de l'Institute for Progress qualifie la combinaison du blocage des modèles et de l'exportation simultanée de puces vers la Chine de cadeau à Pékin. Le PDG de 360 Security, Zhou Hongyi, a annoncé Tulongfeng, son propre outil au niveau de Mythos. Microsoft et d'autres envisagent déjà de proposer des modèles chinois sur leurs plateformes. → www.wsj.com

Synthszr Take : L'idée de contenir un modèle ouvert par une règle d'exportation était dès le départ une illusion de PowerPoint. Les modèles open-weight s'exécutent localement, sans serveur de licence, sans bouton de rappel. Quiconque télécharge GLM-5.2 ne demande la permission à personne à Washington. Dans le framework Code-Crash, nous utilisons DeepSeek R3 à 2$/8$ par million de tokens avec la note «  question de conformité  », et c'est précisément là que réside la véritable tâche : non pas interdire, mais classer. L'ambivalence est fascinante : c'est un cas d'usage de sécurité (trouver des bugs) qui devient la référence, car le même modèle qui détecte les vulnérabilités peut aussi les exploiter. Si les États-Unis libèrent à nouveau Claude 5 la semaine prochaine et que les modèles open-source chinois circulent librement, la courbe des coûts des outils de sécurité s'est effondrée. Pour tous ceux qui construisent une architecture ici : héberger GLM-5.2 ou DeepSeek sur Bedrock ou Azure plutôt que de l'auto-héberger est la seule voie viable pour les PME, et la question de la conformité doit être clarifiée avant, pas après.

Les startups asiatiques d'IA contre-attaquent l'interdiction d'exportation de Trump avec leurs propres classes Mythos

Deux semaines après que l'administration Trump a bloqué les modèles de sécurité d'Anthropic, Mythos et sa variante plus restrictive Fable 5, pour tous les non-Américains, les fournisseurs asiatiques comblent le vide. L'entreprise chinoise de cybersécurité 360 a présenté mercredi Tulongfeng, un outil qui, selon Reuters, rivaliserait avec Mythos, ainsi que Yitianzhen pour la cyberdéfense automatisée. Quelques jours auparavant, la startup de Tokyo Sakana AI avait lancé son modèle Fugu (poisson-globe en japonais), qui se positionne selon ses propres dires «  au même niveau  » que Fable 5 et Mythos Preview et est conçu pour l'orchestration d'autres modèles via leurs API. Sakana, fondée en 2023 par les anciens de Google David Ha et Llion Jones ainsi que l'ancien dirigeant de Mercari et Stability, Ren Ito, qualifie le timing de «  pure coïncidence  », mais promeut déjà sur son site web une «  performance de pointe sans le risque des contrôles à l'exportation  ». Ha décrit les modèles d'orchestration comme «  la prochaine frontière au-delà des modèles plus grands  » et considère l'intelligence collective comme la protection pratique contre la concentration du pouvoir. De son côté, le fondateur de 360, Zhou Hongyi, a déclaré que l'IA de recherche de vulnérabilités était un atout stratégique national. Anthropic avait récemment annoncé un Run-Rate de 47 milliards de dollars, mais on ignore quelle part de ce chiffre dépend des clients asiatiques.

Synthszr Take : Les contrôles à l'exportation fonctionnent dans un monde où les poids des modèles représentent un avantage concurrentiel d'environ six mois. Lorsque le gouvernement américain a bloqué Mythos et Fable à la mi-juin, cela a donné le coup d'envoi aux fournisseurs qu'il cherchait justement à freiner. Sakana travaille sur Fugu depuis l'année dernière et a présenté ses recherches au printemps à l'ICLR ; l'interdiction n'a fait que leur offrir une scène. Plus intéressant que les démonstrations de force est l'argument de Ha : quiconque lie son infrastructure nationale à un seul fournisseur a acheté un risque qui peut se transformer en arrêt brutal du jour au lendemain. C'est la logique derrière la «  Souveraineté Raisonnable  », qui devrait également faire son chemin dans les conseils d'administration allemands, avec Llama 4 et Mistral Large 3 comme backup de niveau production au lieu d'une confiance aveugle en un laboratoire américain. Ren Ito a raison à Evian : l'IA devrait être développée en commun, pas thésaurisée. Ceux qui misent maintenant sur l'orchestration multi-modèles intègrent de l'optionalité avant que le prochain décret politique ne l'impose.

Comment GLM-5.2 déclenche un nouveau moment DeepSeek pour le codage agentique

GLM-5.2 arrive sur le marché dans une tempête parfaite : les équipes d'ingénierie abandonnent les modèles fermés car les factures d'API explosent et la lassitude face au retour sur investissement s'installe. Le modèle est un Mixture-of-Experts de 744 milliards de paramètres sous licence MIT permissive, qui n'active que 40 milliards de paramètres par token et offre une fenêtre de contexte fonctionnelle d'un million de tokens (pas une promesse marketing, mais réellement utilisable). Sur l'Artificial Analysis Intelligence Index, il domine tous les systèmes open-weight avec 51 points, juste derrière Claude Opus 4.8 et GPT-5.5. Le PDG de Coinbase, Brian Armstrong, a confirmé que son équipe utilise GLM-5.2 et Kimi-K2.7 par défaut dans leur passerelle de routage LLM interne. Des tests de production indépendants menés par Cline et GMI Cloud montrent que GLM-5.2 surpasse régulièrement Claude Opus 4.8 pour la correction de bugs ciblée et le refactoring, avec moins d'erreurs logiques. Le calcul des coûts est drastique : une session autonome de 45 minutes a traité 6 millions de tokens pour seulement 3,36 dollars. → AlphaSignal

Synthszr Take : 3,36 dollars pour 6 millions de tokens dans une session autonome de correction de bugs, c'est le chiffre qui décide de tout cette semaine. Dans Code Crash, j'ai décrit comment Opus 4.7 a réduit une base de code à six chiffres de 40 % du jour au lendemain et l'a simplement déployée. Exactement la même capacité de livraison est désormais disponible sous licence MIT, exécutable localement sur un Mac Studio avec 256 Go. Cela déplace la discipline du calcul de la question «  quel fournisseur  » à la question «  quel workflow  ». Lorsque Cline documente que GLM nettoie le code mort et vérifie le build, tandis qu'Opus laisse des erreurs de type qui passent les tests mais plantent la production, l'argument de la supériorité propriétaire est révolu. La crainte de l'enfermement propriétaire suite aux restrictions d'accès aux modèles de pointe fait le reste. Quiconque ouvre maintenant sa passerelle de routage et utilise des modèles open-weight pour les tâches standard n'économise pas seulement de l'argent, mais reprend le contrôle. Cela peut être testé dès demain matin, pas seulement après le prochain séminaire d'architecture.

Jefferies prévient : les prix de la mémoire continuent de flamber

Jefferies Equity Research prévoit pour le T3 2026 une hausse des prix de 40 à 50 % par rapport au trimestre précédent, suivie d'une autre de 30 à 40 % au T4. Pour 2027, une augmentation de 40 à 45 % en glissement annuel est attendue, une première correction des prix moyens n'étant pas prévue avant 2028 au plus tôt, lorsque 15 à 20 % de nouvelles capacités entreront en jeu. Les trois grands, Samsung, SK Hynix et Micron, ne donnent aucun signe d'apaisement, et l'espoir d'une mémoire bon marché en provenance de Chine s'avère être un mythe : CXMT et YMTC vendent à des prix similaires à ceux de tous les autres, leur avantage réside dans la quantité, principalement pour le marché intérieur. Actuellement, 50 % de la capacité est liée par des contrats à long terme, Micron à lui seul a signé 16 Strategic Customer Agreements, et cette part pourrait atteindre 70 %. Il reste donc de moins en moins de capacité pour les produits grand public comme les PC, les ordinateurs portables, les consoles et les smartphones, ce qui fait grimper les prix pour les consommateurs finaux de manière généralisée. Apple fait déjà du lobbying pour intégrer CXMT comme source d'approvisionnement supplémentaire. Le moteur de tout cela est la demande en IA des hyperscalers, qui redistribue le marché. → wccftech.com

Synthszr Take : Le véritable levier se cache dans un chiffre : 50 % de la capacité de mémoire est déjà partie, liée par des contrats à long terme des hyperscalers, et l'objectif est de 70 %. Celui qui achète la puissance de calcul IA en premier laisse les étagères plus vides pour tous les autres, et c'est exactement ce qui se répercute sur la facture de chaque ordinateur portable et de chaque smartphone. L'espoir chinois était un vœu pieux ; nous avons écrit fin mai sur l'explosion des coûts des tokens, maintenant la pression descend d'un cran vers le matériel. Pour la planification des produits, cela signifie que le Bill of Materials pour 2026 et 2027 doit être calculé maintenant, pas lorsque le service des achats présentera la première facture avec une augmentation de 50 % au T3. Quiconque mise sur l'IA on-device gourmande en mémoire devrait garantir ses approvisionnements par contrat tant qu'il y a encore quelque chose à garantir. Apple ne fait pas du lobbying auprès de CXMT pour le plaisir, c'est un avant-goût de la réalité des achats pour les deux prochaines années. La bonne nouvelle réside dans la discipline qu'une telle pénurie impose : la rareté des ressources transforme la «  featuritis  » en une véritable priorisation.

Santander publie sa pile de gouvernance IA en open source

Le 21 juin, Banco Santander est devenue la première grande banque mondiale à publier l'intégralité de sa pile de gouvernance IA en open source : 14 dépôts sur GitHub, tous sous licence Apache 2.0. On y trouve l'optimisation des garde-fous, l'application mécanique des décisions, des tests d'équité et la génération de graphes de fraude synthétiques. Le code est ouvert au fork pour tout concurrent, toute FinTech et tout régulateur. Ni JPMorgan, ni Goldman, ni HSBC n'ont fait quelque chose de comparable. Parallèlement, ces mêmes institutions de Wall Street prennent la direction opposée : JPMorgan et Goldman Sachs ont retiré les modèles Claude des boîtes à outils de leurs employés, devenant ainsi une sorte de contrôle aux frontières pour l'utilisation de l'IA dans le secteur financier américain. Deux banques, deux philosophies, le même mois. → Linas from Linas's Newsletter

Synthszr Take : Santander offre gratuitement sa recette de conformité, et c'est stratégiquement plus intelligent qu'il n'y paraît à première vue. Celui qui établit la norme selon laquelle tous les autres sont audités définit les règles du jeu pour l'ensemble du marché. L'AI Act de l'UE oblige de toute façon chaque banque en Europe à faire les mêmes devoirs, et Santander vient de les faire et de les afficher au mur. Si les régulateurs et les concurrents forkent le même code, la logique de Santander devient la norme de facto – un avantage concurrentiel qui ressemble à de la générosité. De l'autre côté de l'Atlantique, JPMorgan et Goldman bloquent un modèle tiers, ce qui à court terme sent la prudence et à moyen terme la perte de contrôle sur leurs propres employés (qui utiliseront alors Claude à titre privé). L'ouverture en tant que gouvernance l'emporte sur le cloisonnement en tant que gouvernance, car la confiance doit pouvoir être vérifiée, pas cachée. Quiconque traite encore ses garde-fous IA comme un secret d'entreprise en 2026 mise sur un cheval mort.

Code Crash : Anthropic recherche désormais des Product Managers pour de meilleurs intents

Anthropic a demandé à son équipe de croissance d'embaucher plus de Product Managers, pas moins. La raison : Claude Code a multiplié par trois environ la capacité réelle de son organisation d'ingénierie, et le goulot d'étranglement s'est déplacé de l'environnement de développement vers les personnes qui décident de ce qui doit être créé. Les chiffres le confirment. Les nouvelles questions mensuelles sur Stack Overflow ont chuté d'environ 77 % depuis le lancement de ChatGPT en novembre 2022, l'équipe Kiro d'Amazon a compressé la construction de fonctionnalités de deux semaines à deux jours, et une équipe AWS a réalisé une réarchitecture initialement prévue pour 30 développeurs sur 18 mois avec 6 personnes en 76 jours. Le ratio classique d'un PM pour huit développeurs est en réalité plus proche de 1:20, car chaque développeur livre plus chaque jour. LinkedIn a remplacé son parcours d'Associate PM par un programme «  Product Builder  », qui forme des généralistes au carrefour du produit, du design et de l'ingénierie. Selon l'enquête Stack Overflow 2025, 84 % des développeurs utilisent des outils d'IA, mais 46 % ne font pas confiance au résultat – une augmentation significative par rapport aux 31 % précédents. → Synthszr

Synthszr Take : C'est exactement le point que j'ai décrit dans Code Crash comme étant le Product Engineer, maintenant étayé par des décisions de recrutement plutôt que des thèses. La vélocité est là, le codage est résolu, le goulot d'étranglement se situe un étage plus haut : au niveau de l'intent. Celui qui peut décrire avec précision ce que signifie «  correct  » devient soudain la personne la plus précieuse dans la pièce, et cela a peu à voir avec des astuces de prompting. Les fondamentaux deviennent plus importants, pas obsolètes, car lorsqu'une fuite de mémoire paralyse la production à 3 heures du matin, aucun agent ne boucle cette boucle seul. La récursivité est fascinante : Anthropic construit 80 % de sa base de code avec son propre outil et embauche pourtant plus de têtes pensantes en produit, car la machine produit des fonctionnalités plus vite que l'équipe ne prend de décisions à leur sujet. Quiconque réorganise son entreprise maintenant ne devrait pas tripler son ingénierie, mais sa capacité à poser les bonnes questions sur le «  quoi  ». Cela peut être décidé lors du prochain plan trimestriel, pas seulement après le séminaire d'après.

Le véritable goulot d'étranglement est la vérification

Gennaro Cuofano soutient dans sa newsletter que le fossé entre la perception et la réalité dans l'industrie de l'IA n'a jamais été aussi grand. Alors qu'à l'extérieur on parle de l'éclatement de la bulle et de la stagnation de la consommation de tokens, la technologie continue de s'accélérer sous la surface. Le Token-Maxxing prend fin, le Token-Routing devient la norme, et la couche de gouvernance s'insère comme une couche structurelle propre dans la carte de l'IA. Cuofano décompose le paradoxe familier (des démos géniales, une exploitation décevante) en trois symptômes du même problème : des agents qui échouent encore sur des tâches réelles ; des utilisateurs qui ne quittent pas la fenêtre de chat ; et un marché qui continue de financer des logiciels classiques plutôt que des solutions de remplacement natives pour les agents. Son point central : deux courbes sont confondues. La Peak Capability, c'est-à-dire ce que le meilleur modèle peut accomplir lors de son meilleur jour sur une tâche vérifiable, progresse à toute vitesse. La Reliability at Scale, c'est-à-dire ce que le modèle typique fait dans la longue traîne des tâches imprécises, ne bouge guère. Le logiciel domine parce que c'est le domaine le plus vérifiable du monde : le code compile ou non, et on peut exécuter un millier de copies identiques en parallèle. → The Business Engineer

Synthszr Take : Cuofano décrit du point de vue du modèle ce que j'appelle dans Code Crash, du point de vue de l'organisation, l'Interpretation Gap. Là où le monde fournit un signal clair (compile, fait ses preuves, gagne la partie), le modèle apprend de manière fiable. Là où personne ne peut dire rapidement si une stratégie était bonne ou un contrat équitable, il apprend à être complaisant plutôt que correct. C'est précisément là, à chaque interface entre la proposition et la décision, que se situe le véritable goulot d'étranglement, et aucune plateforme ne le résoudra pour vous. Gartner estime qu'environ 30 % de tous les projets GenAI sont arrêtés après le Proof of Concept, presque jamais à cause de la technologie, mais parce que la vérification et la question de la responsabilité restent non résolues. Quiconque investit maintenant dans le prochain benchmark de modèle plutôt que dans des boucles de rétroaction vérifiables pour ses propres tâches imprécises finance la mauvaise courbe. La discipline du calcul des deux prochaines années se décidera sur la capacité à construire sa propre clé de correction, là où le monde n'en fournit pas gratuitement.

davaidavai 180

Dans le numéro 180 de son mix de liens marketing, Gerald Hensel met en lumière les deux grandes tendances post-Cannes : d'un côté, les nouveaux super-pipelines de Meta & Co, qui prennent en charge de plus en plus de pans du travail créatif. De l'autre, un contre-modèle se forme, qu'il nomme «  Human Premium  ». «  Garanti sans IA  » devient un positionnement sur le marché, selon le rapport State-of-Brand cité, un «  premium 'fait par l'homme'  » que les marques AI-first ne pourront par définition pas atteindre. Polaroid se positionne ostensiblement «  sur la plage contre les centres de données  », d'autres cas comme les drapeaux du Mondial d'Ikea Canada faits à partir de leur propre assortiment ou la campagne pour la bague d'Oura montrent qu'une communication intelligente fonctionne aussi sans slop généré par machine. À côté de cela, des textes sur la transformation du brief créatif d'un outil de persuasion à un outil de mémorisation et sur la question de ce qu'est réellement une idée. La conclusion de Hensel : qui de l'homme ou de la machine l'emportera, nous ne le déciderons pas à la manière de Terminator, mais dans un avenir de notre choix. → Gerald Hensel

Synthszr Take : «  Garanti sans IA  » comme modèle économique est une capitulation élégante, joliment emballée en prise de position. Les marques qui misent maintenant sur le «  Human Premium  » font de leur propre inertie une vertu, et le marché le récompensera à peu près aussi longtemps que les labels bio tiennent sur les pots de yaourt. Le vrai jeu se joue ailleurs : Drucker disait déjà il y a des décennies qu'une entreprise n'a que deux fonctions – le marketing et l'innovation – et toutes deux signifient la centration sur le client. L'IA est le levier pour amplifier précisément cela, pas l'ennemi contre lequel on se poste sur la plage. Polaroid peut bien rester analogique, mais les cas intéressants de cette édition (Ikea qui construit des drapeaux du Mondial avec ses propres produits) montrent la meilleure voie : être proche des gens, travailler avec ce qui est déjà là, et utiliser la machine comme un catalyseur. L'industrie devrait cesser de se cantonner à la publicité et saisir plutôt la grande opportunité de redonner au marketing son rôle de fonction de pilotage centrale. Quiconque ne voit l'IA que comme une menace n'a pas compris le travail.