Surprise : le meilleur modèle ouvert pour le code vient d’Europe

Mistral publie Large 4 et prend la tête des benchmarks ouverts de code

Mistral a publié les poids de son modèle à un billion de paramètres, Mistral Large 4, baptisé en interne « Le Chonk », sur Hugging Face. Les entreprises et les administrations peuvent ainsi télécharger le modèle, l’exécuter en local et l’adapter à leurs besoins. Une version préliminaire était accessible depuis le 6 octobre via l'API, tandis que la publication des poids était initialement prévue pour le 27 octobre. Au cours des trois semaines d’intervalle, Mistral a indiqué avoir réentraîné le modèle grâce à du Reinforcement Learning additionnel ainsi qu’aux retours de clients et de partenaires de sécurité. En parallèle, l’entreprise a considérablement réduit les tarifs de son API.

Sur le plan technique, l’architecture reste identique à celle de la préversion. Large 4 est un système à activation clairsemée (sparse) comptant 1,05 billion de paramètres au total et 52 milliards de paramètres actifs. Selon Mistral, le chiffre de 49 milliards évoqué précédemment correspondait à l’activation par token, le chiffre plus élevé englobant les embeddings et les couches de sortie. Le modèle traite du texte et des images, génère du texte et dispose, selon Artificial Analysis, d’une fenêtre de contexte d’un million de tokens. Il a été entraîné sur 3 800 GPU Grace-Blackwell de Nvidia hébergés sur une infrastructure européenne. Mistral propose trois modes de raisonnement permettant aux utilisateurs d’arbitrer entre performance et coût.

Les mesures indépendantes réalisées par Artificial Analysis mettent avant tout en lumière des gains d’efficacité. Dans l'Intelligence Index v5, Large 4 obtient 26 points en mode de raisonnement élevé, contre 25 pour la préversion. Il devance ainsi Muse Spark Open d’un point et s’impose, dans cette évaluation, comme le modèle à poids ouverts le plus performant développé hors de Chine. Il ne lui manque que six points pour égaler les leaders open weight que sont DeepSeek V4.1 Flash 1017 et GLM-5.3. Le coût par tâche de l’indice a chuté de 5,54 à 2,06 dollars, soit une baisse de 63 %. Les évaluateurs constatent également moins d’hallucinations que dans la préversion. Les résultats peuvent varier en fonction des logiciels et des configurations utilisés.

Dans le domaine du code, Mistral positionne son modèle comme le meilleur modèle open weight au monde pour le développement agentique. Sur le Coding Agent Index d’Artificial Analysis, il atteint un score de 48 %, se plaçant pratiquement à égalité avec GLM-5.3 tout en consommant en moyenne 47 % de tokens en moins par tâche. Les évaluateurs classent d’ailleurs Large 4 à la deuxième place des modèles ouverts sur cet indice. Sur Terminal-Bench 4.0, le modèle gagne 13 points de pourcentage par rapport à sa préversion pour atteindre 41 %, tout en nécessitant 30 % de tokens de sortie en moins. Sur ce même benchmark, GLM-5.3 affiche 40 %, Kimi K3 21 % et Muse Spark Open 6 %. Sur le benchmark propriétaire FrontierCode 2.0 de Cognition, qui évalue si un maintainer accepterait la modification de code soumise par un agent, Large 4 recueille 19,7 %, devançant de peu DeepSeek V4.1 Flash à 19,3 %. Le second axe prioritaire du modèle est la cybersécurité défensive. → Mistral Blog, VentureBeat, The New Stack, Wired, TechCrunch

Synthszr Take : Passer de 5,54 à 2,06 dollars par tâche change complètement l’équation économique pour toute startup développant des agents de code. Avec 47 % de tokens en moins par rapport à GLM-5.3, les marges permettent désormais d’envisager un produit facturé au ticket résolu. Mistral fixe ici une limite précise : sa licence n’impose aucun seuil de chiffre d’affaires et n’exige un contrat dédié que si le modèle est lui-même redistribué sous forme de service. Déployer des agents sur sa propre infrastructure est donc pleinement encouragé, concurrencer directement leur API ne l’est pas.

Les dépenses en IA font plonger le cash-flow d’Alphabet dans le rouge, l’action chute de 12 %

L’action Alphabet a chuté de plus de 12 % jeudi à la suite de la publication de ses résultats trimestriels. Le groupe a ainsi vu s’envoler environ 500 milliards de dollars de capitalisation boursière, une perte historique en une seule séance, tandis que le Nasdaq reculait de plus de 1,4 %. Selon CNBC, cette déroute a été déclenchée par un flux de trésorerie disponible (free cash-flow) négatif de 9,07 milliards de dollars au troisième trimestre, alors que les analystes n’anticipaient qu’un déficit de 2,70 milliards de dollars. La maison mère de Google maintient néanmoins sa prévision d’investissements annuels comprise entre 195 et 205 milliards de dollars. Les revenus de la publicité sur les moteurs de recherche, principale source de revenus d’Alphabet, ont également manqué les attentes, bien qu’ils aient progressé de 12 % pour atteindre 63,35 milliards de dollars. → CNBC

Synthszr Take : Alphabet finance son pari sur l'IA en puisant directement dans la trésorerie que ce pari est précisément en train de vider. L'AI Mode est censé préserver la recherche en ligne, mais génère moins de revenus que les liens bleus qu’il vient remplacer. Dans le même temps, jusqu’à 205 milliards de dollars sont engloutis dans les centres de données, et le free cash-flow plonge à moins 9,07 milliards. Microsoft investit à un rythme plus mesuré et est resté bénéficiaire. Les actionnaires paient ainsi l’addition deux fois : pour la construction de l’infrastructure et pour l’érosion des marges de l’activité censée la financer.

OpenAI casse les prix face à Anthropic et inverse la part d’usage sur le code chez Rippling

D’après The Information, OpenAI gagne du terrain auprès des entreprises clientes en pratiquant des remises ciblées, délogeant des positions jusqu’ici largement occupées par les modèles d’Anthropic. Le média cite notamment l’éditeur de logiciels RH Rippling, dont plusieurs centaines de développeurs exploitent des modèles d’IA pour programmer. En mai dernier, 57 % de ces tâches de codage reposaient sur les modèles d’Anthropic, contre 16 % pour OpenAI à la même période. Depuis, le rapport de force s’est inversé : selon l’article, la part du leader du marché culmine désormais à 52 %. → The Information

Synthszr Take : Rippling évalue le choix de ses modèles en pourcentages d’utilisation, et c’est précisément là que réside le problème pour Anthropic. Dès lors que le travail de développement est réparti entre plusieurs fournisseurs, il transite par une couche d’aiguillage déjà en place. Cet aiguillage permet de réorienter la charge par une simple modification de configuration, sans passer par un appel d’offres. OpenAI applique donc ses réductions là où les volumes de tokens sont les plus massifs et où le coût de migration est minime. La marge d’Anthropic repose sur ces très gros consommateurs, ce qui en fait les flux de revenus les plus prompts à changer de camp.

Une étude sur cinq millions de pages web : les textes générés par IA prolifèrent surtout en périphérie du web

Une équipe de chercheurs menée par Adam Visokay et Tyler H. McCormick a analysé plus de cinq millions de pages web indexables. Leur constat : la proportion de textes générés par IA sur le web public a fortement augmenté en moins de cinq ans, mais de manière très hétérogène. Selon l’étude parue sur arXiv, les pages anglophones comportent plus souvent des contenus issus de l’IA que les pages rédigées dans d’autres langues. Sur les domaines en .gov et .edu, cette proportion est nettement inférieure à celle constatée sur les sites en .com, même après correction des effets de structure. La position d’une page au sein du maillage de liens du web joue également un rôle déterminant : les textes d’IA sont les plus fréquents et progressent le plus vite sur les pages les moins centrales, ce qui explique la majeure partie de la hausse globale. À l’inverse, c’est sur les pages les plus interconnectées que l’on trouve le moins de contenus générés par IA.

Synthszr Take : La périphérie du web se remplit de prose synthétique tandis que le centre reste majoritairement humain. Les coûts de production étant devenus dérisoires, les contenus générés par IA prolifèrent là où personne ne fait de liens. Ce sont les liens entrants qui deviennent la véritable ressource rare, car ils déterminent la visibilité. Le pouvoir de négociation bascule donc vers les nœuds centraux, qu’il s’agisse des domaines institutionnels ou des éditeurs établis. Leurs contenus deviennent des denrées précieuses, tant pour les moteurs de recherche que pour les laboratoires en quête de données d’entraînement non polluées. Les fermes de contenus, quant à elles, s’étendent à grande échelle vers l’insignifiance.

OpenAI mobilise des centaines d’employés pour contrer la manipulation électorale lors des midterms américaines

Selon un rapport exclusif de Politico, OpenAI met en place une cellule de crise interne chargée de surveiller les tentatives d’ingérence dans les élections de mi-mandat américaines. D’après Politico, l’entreprise rassemble à cet effet plusieurs centaines d’employés. Leur mission est de réagir aux tentatives présumées d’utiliser les outils d’OpenAI pour perturber les midterms. Les élections ont lieu la semaine prochaine, le rapport étant daté du 28 octobre 2026. → Techpresso

Synthszr Take : Une war room qui fait l’objet d’une exclusivité dans Politico une semaine avant l’élection s’adresse au moins autant à Washington qu’aux fermes à trolls. Plusieurs centaines d’employés constituent une assurance bon marché contre des réglementations contraignantes. Lors de la prochaine audition, OpenAI pourra mettre en avant son autorégulation concrète et fixer ainsi la norme. Google, Meta et Anthropic devront s’aligner sous peine de paraître négligents. C’est ainsi que le leader du marché définit le coût de la diligence, que les plus petits acteurs peuvent difficilement assumer.

L’application open source TypeWhisper dicte localement sur Mac, Windows et iPhone, sans compte ni cloud

Le projet open source allemand TypeWhisper propose une application de dictée pour macOS, Windows et iOS, qui convertit par défaut la parole en texte directement sur l’appareil. Selon les développeurs, le logiciel fonctionne sans compte utilisateur et sans télémétrie. Les services cloud pour ASR et les modèles de langage ne sont sollicités que si les utilisateurs les configurent et les sélectionnent eux-mêmes. Grâce à un raccourci clavier, l’outil écrit dans le champ de texte actif, par exemple dans Mail, Slack ou dans le navigateur, avec des règles personnalisées par application ou site web. Des flux de travail en aval éliminent les tics de langage, placent la ponctuation, mettent en forme les notes ou traduisent via un fournisseur d’IA au choix. La version Mac actuelle 1.8.1 requiert macOS 14 et est publiée sous licence GPLv3. → Marcus Schuler

Synthszr Take : La reconnaissance vocale locale déplace les coûts de calcul du fournisseur vers le client. TypeWhisper n’a donc pas besoin de fermes de serveurs pour croître, mais chaque licence dépend de l’appareil de l’acheteur. Déjà, la version Mac exige macOS 14. Sur des PC portables Windows plus anciens, la puissance risque d’être insuffisante pour faire tourner un bon modèle, poussant alors l’utilisateur vers un fournisseur cloud. La promesse de confidentialité ne vaut donc que pour les parcs équipés de matériel récent. Le marché de la licence commerciale progresse ainsi au rythme des cycles de renouvellement informatique.

Anthropic : un modèle Claude non publié génère des exploits fonctionnels pour cinq plateformes

Selon The Hacker News, le Frontier Red Team d’Anthropic rapporte qu’un modèle de recherche Claude non publié a conçu des chaînes d'exploits complètes pour Chrome, Safari, Android, Windows et Linux. La découverte la plus critique est une chaîne Zero-Click qui permet d’obtenir à distance des privilèges root sous Linux (CVE-2026-98432, score CVSS de 9,8). Pour Chrome, le modèle a combiné quatre failles dans le moteur V8 et le bac à sable pour réussir une évasion en un seul clic ; elles ont été corrigées avec Chrome 156. Sur Safari, il a franchi la frontière Same-Origin en contournant la protection de mémoire Gigacage de WebKit. Un Pixel 9 verrouillé a pu être contourné via USB, et sous Windows, le modèle a provoqué un plantage dans le protocole QUIC (CVE-2026-33096). → AI Weekly Espresso

Synthszr Take : Jusqu’à présent, une vulnérabilité finissait sous la forme d’une simple ligne dans le changelog. Autrefois, Chrome 156 aurait corrigé les quatre failles V8 sans le moindre commentaire. Anthropic en fait un article de recherche avec une chaîne complète, et l'exploit fonctionnel devient la preuve de performance du modèle. Le laboratoire établit ainsi un standard auquel OpenAI et Google devront se mesurer. Pour les éditeurs de navigateurs et de systèmes d’exploitation, cela signifie que leurs cycles de patchs s’aligneront désormais sur le calendrier des publications de recherche externes et de leurs plans de communication.

Un employé d’Accenture connecte un système du Pentagone à son agent Claude privé pendant deux mois

Selon Wired, un employé d’Accenture a relié un système central du département de la Défense américain à son compte personnel Claude Code, l’agent IA de programmation d’Anthropic. Plusieurs agences de renseignement utilisent ce système. D’après des sources anonymes, l’agent est resté actif sur le réseau pendant deux mois avant d’être repéré et la faille colmatée. Durant cette période, il aurait transmis des informations sur le système, notamment des identifiants d’accès, à un site tiers classé à haut risque. Le système contient des Controlled Unclassified Information, c’est-à-dire des données sensibles non classifiées, relatives notamment aux infrastructures critiques. D’après ces sources, Accenture n’a pas immédiatement signalé l’incident, bien que les sous-traitants soient tenus de déclarer les incidents de sécurité sous 72 heures. → Wired

Synthszr Take : Deux mois ont suffi parce que le contrôle d’accès du Pentagone vérifie des humains, pas des agents. L’employé d’Accenture disposait d’une habilitation valide, mais pas son abonnement Claude privé. Entre-temps, les identifiants d’accès ont fuité vers l’extérieur. Pour les cabinets de conseil, cela soulève un problème de modèle économique : ils vendent des compétences humaines, et chaque intervenant apporte désormais son propre agent. Les administrations vont donc encadrer contractuellement les comptes d’agents et imposer leur journalisation. Un prestataire qui ne divulgue même pas qui a mené l’audit interne se présente à cette table des négociations dans la position la plus fragile.

Les utilisateurs adoptent le choix de l’IA et finissent par croire qu’il s’agit du leur

Selon Alberto Romero dans The Algorithmic Bridge, une nouvelle étude d’Anthropic suggère que les humains adaptent leurs décisions à la réponse d’une IA, même après avoir exprimé au préalable leur propre préférence. D’après Romero, les participants s’attribuent ensuite la décision modifiée et estiment ne pas avoir été influencés. Comme point de départ, il décrit le phénomène de Mode Collapse : les modèles de langage concentrent leurs résultats sur un petit nombre de réponses probables, faisant disparaître la dispersion naturelle des choix humains. Si l’on demande à des chatbots le meilleur chiffre entre 1 et 10, ils citent généralement le 7. Pour la couleur préférée, ils optent pour le bleu dans plus de 90 % des cas selon Romero. → Alberto Romero from The Algorithmic Bridge

Synthszr Take : Plus de 90 % de bleu reste inoffensif tant qu’il s’agit de couleurs. Mais face à des tarifs d’assurance, des fournisseurs ou des programmes politiques, ce même rétrécissement devient un levier de pouvoir de marché. Les rédactions devaient publier leurs opinions en tant qu’opinions, et les lecteurs pouvaient les rejeter. Le chatbot fournit une réponse que les utilisateurs considèrent ensuite comme la leur. La définition des priorités éditoriales glisse ainsi des éditeurs de presse vers une poignée de concepteurs de modèles. Pour les marques, la réponse par défaut au sein du modèle devient l’emplacement le plus stratégique, et il ne s’achète pas. Conseil de lecture : le roman consacré à ce phénomène s’intitule Morrow.

Des hackers font fuiter les données de 41 000 employés du DHS, dont des agents infiltrés de l’ICE

Un groupe de hackers nommé « Department of Peace » a dérobé les données de 41 191 employés et sous-traitants du département de la Sécurité intérieure des États-Unis (DHS). Depuis mercredi, elles sont accessibles publiquement dans une base de données interrogeable. Sont concernés le ministère lui-même ainsi que sept agences qui lui sont rattachées, dont les services d’immigration (ICE) et les douanes et gardes-frontières (CBP). Les entrées contiennent des noms, intitulés de poste, adresses e-mail professionnelles, numéros de téléphone portable et adresses de bureaux. Cela représente environ un cinquième des quelque 220 000 employés du DHS. Selon les horodatages, les données ont été exfiltrées à la mi-août, la dernière mise à jour remontant au 19 août 2026.

Plus de 21 000 dossiers concernent du personnel du CBP travaillant dans les aéroports et aux postes-frontières. Pour l’ICE, les chiffres varient : une évaluation fait état de près de 6 600 employés, une autre d’environ 10 000, incluant l’unité d’enquête Homeland Security Investigations. Près de 1 000 entrées proviennent de l’agence de cybersécurité CISA. Selon les hackers, celles-ci sont exclues de la recherche par défaut afin de mettre l’accent sur les secteurs du renseignement et du maintien de l’ordre. D’autres dossiers concernent le quartier général, l’agence de naturalisation USCIS, le Federal Protective Service et les centres de formation de la police fédérale. Au total, la base de données comprend plus de 55 000 groupes et plus de 6 900 bureaux.

Au-delà des coordonnées de contact, le jeu de données contient des références à des systèmes internes et aux droits d’accès de comptes d’utilisateurs individuels. Il mentionne des dizaines de noms de code d’opérations jusqu’ici inconnus, accompagnés des employés responsables et participants. On y trouve également des groupes dédiés à des enquêtes secrètes et sous couverture, ainsi que des groupes d’utilisateurs pour les technologies de Cellebrite et Palantir. Ces éléments permettent de reconstituer l’organisation du ministère et de déterminer qui opère dans quelle chaîne de commandement.

Les hackers affirment avoir extrait les données du système de Single Sign-On d’Okta, via lequel les employés et sous-traitants du DHS se connectent au réseau central de manière transversale entre agences. Okta déclare que l’entreprise est sécurisée et qu’il n’existe aucun indice d’une compromission de ses données ou de ses systèmes. La question de savoir si la faille exploitée a été colmatée entre-temps reste ouverte. Le DHS confirme seulement avoir connaissance d’un « incident potentiel » et travailler dessus. Une partie des données a été confirmée comme authentique par recoupement avec les noms d’employés connus du DHS.

Le groupe a transmis les données à la hackeuse suisse maia arson crimew, qui avait déjà publié en 2023 une liste d’interdiction de vol américaine. En collaboration avec le journaliste Ryan Fae, elle a conçu le moteur de recherche. Le collectif de transparence Distributed Denial of Secrets a mis l’archive en ligne sous le nom d'« Icepick ». Dans une note jointe, les hackers justifient leur démarche : « Ils ont nos données, il n’est donc que juste que nous ayons les leurs. » Ils pointent également du doigt le secrétaire à la Sécurité intérieure Markwayne Mullin, en poste depuis mars, qui avait annoncé le 17 juillet vouloir « accentuer la pression ». → Wired, TechCrunch, Washington Post, BBC, Cyber Daily

Synthszr Take : Un mot de passe peut être réinitialisé après une fuite, une identité d’emprunt non. Des cellules d’infiltration et des dizaines de noms d’opérations ainsi que leurs responsables se trouvent depuis mercredi dans une barre de recherche, et chaque opération en cours sous ces bannières doit désormais être considérée comme compromise. Okta ne voit aucune compromission, le DHS parle d’un « incident potentiel ». Prestataire et client se renvoient la balle. L’addition est payée par les agents, dont la couverture a été grillée par le système d’authentification centralisé lui-même.