Un tournant historique : les bots IA sont désormais plus nombreux que les humains sur le web

Pour la première fois, plus d'agents autonomes que d'humains naviguent sur le web

Matthew Prince, PDG et cofondateur de Cloudflare, a annoncé que pour la première fois dans l'histoire d'Internet, les bots ont dépassé le trafic humain. Le ratio pour les requêtes HTTP est actuellement de 57,5 % pour la machine et 42,5 % pour l'humain. Il est important de les distinguer des bots classiques comme les crawlers, les indexeurs de recherche ou les bots de fraude : Cloudflare inclut ici les agents autonomes qui naviguent sur le web pour le compte d'humains. Ces agents lisent des pages de produits, comparent les prix, réservent des vols, extraient du contenu pour les modèles d'IA plutôt que pour les moteurs de recherche, et effectuent des commandes ou des tâches de service client en tant qu'assistants personnels. Cloudflare n'a commencé que l'année dernière à classer le trafic par agents signés et bots vérifiés, c'est pourquoi les graphiques ne remontent pas très loin. En termes de temps passé sur les applications, le streaming et les fils d'actualité infinis, les humains restent les principaux utilisateurs, car ces formats ne génèrent pas la succession rapide d'appels de pages que produisent les agents automatisés. → www.tomshardware.com

Synthszr Take : En mai 2024, j'écrivais qu'un processus de sélection rigoureux commencerait dès que les IA navigueraient sur le web : la médiocrité disparaîtra, seul l'excellent survivra. Le point de bascule est maintenant atteint, deux ans plus tôt que ce que le PDG de Cloudflare, Prince, pensait lui-même. Si 57,5 % de toutes les requêtes HTTP proviennent d'agents, alors un agent lit votre page produit, vérifie le prix et compare le vol pour son humain. Votre belle image de héros ne l'intéresse absolument pas. Pour chaque marque, cela signifie que la page doit être lisible par les machines, avec des données et des prix clairs, et tout le monde peut ajouter ça au backlog dès demain matin. D'ailleurs, Prince mesure les requêtes ; le temps passé sur la page est une autre histoire. Pour le défilement des fils d'actualité, nous, les humains, sommes encore les principaux clients. Mais pour comparer, réserver et commander, c'est la machine qui est aux commandes. La nostalgie du vieux web cliquable ne nous mènera nulle part, alors construisons des pages qu'un agent comprend et qu'un humain aime quand même.

Sam Altman : la «  proactive AI  » est la prochaine grande innovation

Lors d'un événement d'entreprise d'OpenAI, Sam Altman a esquissé une thèse en trois phases sur le développement de produits d'IA. La première phase concernait les modèles de chat comme ChatGPT, la deuxième les systèmes basés sur des agents comme Codex, et la troisième, qu'il nomme «  proactive AI  », est une intelligence artificielle qui fonctionne en permanence en arrière-plan. «  Si je devais me préparer à une seule chose l'année prochaine, ce serait celle-là  », a déclaré Altman. La phase des agents a été jusqu'à présent la plus grande catégorie, poussée par la demande des clients, mais de nombreux utilisateurs sont dépassés lorsqu'il s'agit d'utiliser le chat, Codex ou une API. Parallèlement, OpenAI travaille sur une sorte de super-application qui regrouperait les fonctions agentiques de Codex et ChatGPT. S'ajoute à cela un problème d'utilisation : «  la plupart des gens  » ne savent tout simplement pas comment bien utiliser l'IA, l'«  énergie d'activation  » est trop élevée. La «  proactive AI  » est aussi la réponse d'OpenAI à ce problème : pour ceux qui n'apprennent pas à travailler avec l'IA, l'automatisation se fera autour d'eux. → Techpresso

Synthszr Take : La troisième phase d'Altman est avant tout un aveu. Les gens n'utilisent pas ces outils parce que l'«  énergie d'activation  » est trop élevée, comme il le dit lui-même. Au lieu d'apprendre aux gens comment poser des questions, l'IA est censée fonctionner en permanence en arrière-plan et se rendre utile d'elle-même. Cela semble pratique. Sauf que cela déplace le deuxième problème là où ça fait mal. Une IA connectée 24h/24 à l'ensemble du contexte de l'entreprise consomme encore plus de Compute que n'importe quel chat, et Uber a déjà grillé tout son budget annuel au premier trimestre sans même une utilisation continue. Nous avons avoué les coûts en février au Claws Club : les gars, ça va coûter cher, très cher. Mon conseil pour tous ceux qui ne veulent pas attendre un an pour la «  proactive AI  » : réduisez vous-mêmes l'énergie d'activation. Une demi-journée de véritable onboarding par équipe rapporte aujourd'hui plus de rendement en numérisation que n'importe quelle automatisation en arrière-plan promise par OpenAI pour l'année prochaine.

Altman et Amodei veulent réguler la chaîne d'approvisionnement de l'ADN

Le 3 juin, les dirigeants des plus grandes entreprises d'IA ont signé une lettre ouverte demandant au Congrès américain une réglementation accrue. Leur demande vise la chaîne d'approvisionnement en ADN et ARN synthétiques, un domaine extérieur à leurs propres produits. L'argument : les systèmes d'IA deviennent si performants en biologie qu'ils pourraient faciliter la conception de pathogènes dangereux par des acteurs malveillants. Concrètement, les fournisseurs devraient vérifier chaque commande d'ADN et d'ARN par rapport à des bases de données de séquences dangereuses connues, vérifier obligatoirement l'identité des clients et effectuer une évaluation des risques avant l'expédition. Depuis début 2024, OpenAI mène un red-teaming interne pour tester si ses propres grands modèles de langage pourraient aider à évaluer les menaces biologiques. Les résultats ont apparemment été suffisamment préoccupants pour que les normes volontaires du secteur soient jugées insuffisantes. Les fabricants de technologies de biosécurité ainsi que les acteurs établis disposant d'une infrastructure de conformité existante en profiteraient. → Techpresso

Synthszr Take : Sam Altman et Dario Amodei ne sont d'accord sur presque rien, leurs entreprises se livrent une course existentielle. Pourtant, ils signent la même ligne dans la lettre sur l'ADN : chaque commande d'ADN et d'ARN synthétiques aux États-Unis doit être vérifiée et suivie. C'est un signal honnête, car OpenAI teste en interne depuis début 2024 pour voir si ses propres modèles pourraient aider quelqu'un à évaluer des menaces biologiques. Les résultats ont apparemment été si dérangeants que les normes volontaires de l'industrie ne suffisent plus. Je remarque simplement où le garde-fou doit être placé : chez les fournisseurs de synthèse d'ADN, tandis que leurs propres modèles de langage restent à l'écart. C'est pratique, car les obligations de filtrage évinceront du marché les petits fournisseurs aux marges faibles, et au final, les grands acteurs avec une infrastructure de conformité déjà en place en profiteront. Néanmoins, l'initiative est juste : la chaîne d'approvisionnement de l'ADN est le seul goulot d'étranglement physique où un risque numérique peut être contrôlé de manière tangible.

DeepSeek se retrouve sur les factures des entreprises américaines

DeepSeek figure en tête de la liste des fournisseurs de logiciels «  tendance  » du rapport Ramp de juin 2026, qui mesure la croissance par rapport à la taille. Le modèle d'utilisation derrière ce classement est déterminant : les entreprises paient directement DeepSeek et font transiter leurs données directement par les systèmes de DeepSeek. C'est un signal différent de l'adoption de modèles open-weight auto-hébergés. Déjà en janvier, DeepSeek avait brièvement atteint une adoption commerciale de 0,3 %, avant de retomber à 0,1 %. Cette fois, il y a un moteur tangible : en mai, DeepSeek a rendu permanente la réduction de 75 % sur son modèle V4-Pro. L'input en cache coûte désormais à partir de 0,025 RMB, soit environ 0,0035 dollar par million de tokens, ce qui représente environ un pour cent des coûts comparables chez Anthropic. Ramp met en garde contre la surestimation de la durabilité de cette tendance, ce qui est une précaution justifiée. Aux côtés de DeepSeek, Fireworks AI, fal AI, DeepInfra et le fournisseur de GPU Vast.ai apparaissent également dans la liste. En mai, OpenRouter montrait déjà que 7 des 10 modèles les plus utilisés étaient de fabrication chinoise, avec un volume hebdomadaire de 25 billions de tokens, contre 5 billions six mois auparavant. → Hello China Tech

Synthszr Take : À un pour cent du coût d'Anthropic pour l'input en cache, DeepSeek devient le choix par défaut pour tout DAF qui surveille la facture d'inférence. C'est exactement ce que montre le rapport Ramp : les entreprises paient directement et transmettent leurs données via des systèmes chinois, au lieu de simplement discuter des prix sur les forums de développeurs. Dans notre comparaison de fournisseurs, la question de la conformité était toujours au centre des préoccupations pour DeepSeek, et un prix de 0,0035 dollar par million de tokens ne la fait pas disparaître. L'inférence bon marché augmente la consommation, c'est le paradoxe de Jevons à l'état pur : 25 billions de tokens par semaine sur OpenRouter, un chiffre multiplié par cinq en six mois. Ce qui se forme ici, c'est un tout nouveau palier de coûts en dessous des fournisseurs premium, avec Fireworks AI, fal AI et DeepInfra comme couche de service. Début avril, nous écrivions que les tokens devenaient le nouveau PIB ; la facture est maintenant sur les comptes des entreprises américaines. La tâche pour chacun est concrète et peut être décidée dès demain matin : clarifier d'abord quelles données peuvent même transiter par un modèle chinois, puis parler des économies de coûts.

L'IA récursive accélère considérablement le développement

L'Anthropic Institute a publié des chiffres qui montrent que l'IA accélère déjà le développement de l'IA ; Ethan Mollick les résume dans sa newsletter. Les ingénieurs d'Anthropic livrent aujourd'hui huit fois plus de code par trimestre qu'entre 2021 et 2025. Le terme pour cela est «  recursive self-improvement  » : un système qui conçoit et entraîne son propre successeur. On n'en est pas encore là, mais la courbe pointe nettement dans cette direction. La durée des tâches que les modèles peuvent gérer seuls de manière fiable double désormais tous les quatre mois, contre sept auparavant. En mars 2024, Claude Opus 3 gérait des tâches logicielles de quatre minutes ; un an plus tard, Sonnet 3.7 accomplissait des tâches d'une heure et demie, et Opus 4.6 gère aujourd'hui des tâches de douze heures. Sur SWE-bench, les modèles sont passés de pourcentages à un chiffre à la saturation en deux ans, et sur CORE-Bench de 20 % à une résolution complète en quinze mois. Mollick distingue deux domaines de travail : l'ingénierie, où Claude peut résoudre de manière autonome une tâche sous-spécifiée, et la recherche, où il égale ou surpasse des humains expérimentés sur des expériences clairement définies. Pour 2027, il estime possibles des systèmes d'IA pour des tâches qui prendraient normalement des semaines à un humain. → Ethan Mollick from One Useful Thing

Synthszr Take : Le facteur 8 fait la une. La vraie leçon se cache dans les 800 corrections individuelles que Claude a effectuées de manière autonome via l'API en avril, réduisant ainsi le taux d'erreur d'un facteur 1 000. C'est là que se trouve le levier que chacun peut actionner dès demain matin : lancer des agents sur les dettes techniques reportées depuis des années, celles que plus personne ne veut toucher, au lieu de les lancer sur de nouvelles fonctionnalités spéculatives. Ce qui est honnête, c'est qu'Anthropic nomme ouvertement le deuxième effet : inonder le système de code synthétique fait de la révision humaine le goulot d'étranglement, et la loi d'Amdahl frappe sans pitié. C'est exactement pour cela qu'il y a maintenant un réviseur Claude automatisé dans le pipeline, qui aurait rétrospectivement attrapé un tiers des bugs qui ont paralysé claude.ai. Comme je l'ai décrit dans Code Crash, le rôle de l'ingénieur passe de la frappe à la direction d'orchestre. Une production de code 8 fois supérieure par ingénieur n'a aucune valeur tant que l'assurance qualité reste à l'ancienne cadence. Quiconque ne dispose pas d'une architecture de révision automatisée ne produira désormais que des déchets plus rapidement.

Claude-Mem dote les agents de codage d'une mémoire : 80 000 étoiles GitHub pour un plugin

Claude-Mem transforme les sessions de code Claude en une mémoire de projet consultable et datée. Le projet open-source d'Alex Newman intercepte les événements de session via des hooks, les compresse en observations et les rend accessibles via un serveur MCP. Au 2 juin, le dépôt avait recueilli 80 253 étoiles et 6 910 forks sur GitHub, ainsi que 149 issues et pull requests ouvertes. L'architecture combine des hooks de code Claude, une couche Bun-CLI, un worker Express, ainsi que SQLite et Chroma. Newman souligne que l'outil génère de «  nouvelles pensées, de nouvelles observations  » à chaque exécution d'outil, au lieu de simplement sauvegarder des transcriptions. En plus de Claude Code, Cursor, Gemini CLI, Windsurf, OpenCode et Codex CLI sont également pris en charge. Avec la version 13.0.0, le projet est passé de la licence AGPL-3.0 à Apache-2.0 afin que, selon Newman, «  tout le monde puisse intégrer les primitives dans ses systèmes  ». L'inconvénient : d'un simple plugin, on passe à un service local avec des logs de worker, des appels de fournisseur et des limites de taux à surveiller (avec Gemini sans facturation, on parle de 5 à 10 requêtes par minute). → Marcus Schuler

Synthszr Take : La mémoire est la couche manquante entre un agent de codage utilisable et un agent auquel vous n'avez pas besoin de réexpliquer la moitié de la base de code chaque matin. 80 253 étoiles à une époque où d'autres projets mendient pour en avoir 200 en dit long sur le point de douleur. En janvier, nous écrivions que les LLM allaient se doter d'une mémoire à long terme ; en voici la version open-source tangible, construite avec SQLite, Chroma et quelques hooks. Le passage à Apache-2.0 est la véritable annonce : Newman offre les primitives pour qu'Anthropic, Cursor et les autres puissent les intégrer directement. Ainsi, la couche de mémoire devient un produit interchangeable avant même que quiconque ait pu sérieusement la monétiser. Tout responsable d'ingénierie qui mise là-dessus ne doit pas sous-estimer les coûts d'exploitation, car le worker local avec ses logs et ses appels de fournisseur nécessite de la maintenance. Mon conseil pragmatique : installez-le proprement une fois, vérifiez les logs du worker, validez les nouvelles lignes dans la base de données, puis savourez le fait que votre agent sait enfin ce qu'il a mal réparé la veille.

🦾 ChatGPT rêve maintenant et réécrit votre passé au passage

OpenAI dote ChatGPT d'une fonction que l'entreprise décrit avec l'image d'une nuit de sommeil : le modèle retravaille en arrière-plan tout l'historique du chat et met à jour les anciens faits, afin qu'il sache que votre voyage est terminé et que vous êtes de retour à la maison. ElevenLabs va plus loin avec le Flows Agent : à partir d'un seul briefing, il crée une publicité complète. Le système choisit les modèles, connecte le pipeline et génère lui-même les images, la vidéo, la voix et la musique ; en cas de modification en cours de processus, il ne régénère que la partie concernée. Meta met à la disposition de chaque entreprise un représentant IA qui répond aux questions, recommande des produits, prend des rendez-vous et conclut des ventes via WhatsApp, Messenger et Instagram. Le wearable AWEAR se place derrière l'oreille, lit les signaux électriques du cerveau et traduit en temps réel le stress, la concentration et la charge mentale en conseils compréhensibles. À côté de cela, deux contributions qui font réfléchir : six expériences montrent que les erreurs augmentent et que la pensée critique diminue dès que les humains font confiance à l'IA sans contre-vérification. Les développeurs de Claude Code décortiquent dans un playbook six modèles fondamentaux avec lesquels Claude construit ses propres workflows. S'y ajoutent des outils plus modestes comme Comp AI pour les audits SOC-2 ou Recoverit pour la récupération de données. → TAAFT - There's An AI For That

Synthszr Take : En janvier, la mémoire à long terme des modèles faisait encore la une. Maintenant, OpenAI laisse ChatGPT retravailler sa propre mémoire en arrière-plan : le voyage est terminé, vous êtes à la maison, l'ancien état est remplacé en silence. Pratique, sans aucun doute. Mais je trouve plus intéressante l'information trois paragraphes plus bas, sur les six expériences concernant les humains qui arrêtent de penser. Dès que nous faisons confiance à l'IA sans contre-vérification, les erreurs grimpent et la pensée critique disparaît doucement. C'est précisément là que les deux nouvelles se croisent : un système qui organise ses propres faits rencontre des utilisateurs qui ne vérifient plus. Quiconque externalise complètement sa mémoire perd le contrôle de sa propre histoire de versions.

78 ans d'histoire de l'informatique, exécutables sur un ordinateur portable

Il existe désormais un musée virtuel des systèmes d'exploitation qui rend toute l'histoire de l'informatique, de 1948 à nos jours, exécutable sur un ordinateur portable ordinaire. Le Virtual OS Museum regroupe plus de 570 systèmes d'exploitation différents, plus de 250 plateformes et au total plus de 1700 installations préinstallées, toutes sous forme de machines émulées pour QEMU, VirtualBox ou UTM. Un lanceur dédié démarre les systèmes indépendamment de l'émulateur respectif, tout est préconfiguré, et une fonction de snapshot permet de restaurer une installation endommagée en un clic. La collection commence avec le Manchester Baby de 1948, le premier ordinateur à programme enregistré, et s'étend jusqu'aux premières versions d'Android et d'iOS, en passant par le CTSS, l'ancêtre de tous les systèmes d'exploitation modernes. Le Xerox Star, le premier système avec une interface graphique de bureau, est également inclus. Le catalogue couvre les grands systèmes, les stations de travail avec leurs variantes Unix, les ordinateurs personnels comme le Commodore et le ZX Spectrum, ainsi que les systèmes PC, de DOS à Windows version 1.0 en passant par OS/2 et BeOS. Les versions classiques de Mac OS jusqu'à Mac OS X 10.5 et les systèmes de recherche comme Smalltalk et Oberon sont également présents. Il existe une version complète qui fonctionne entièrement hors ligne et une variante Lite qui télécharge les images au premier démarrage. → The Download from MIT Technology Review

Synthszr Take : Quiconque conçoit des interfaces aujourd'hui devrait passer une heure à cliquer ici. Le Xerox Star avait déjà finalisé la métaphore du bureau en 1981, bien avant qu'Apple et Microsoft n'en fassent un standard. 570 systèmes d'exploitation sur 78 ans, prêts à l'emploi sur un ordinateur portable : c'est la leçon d'histoire la plus honnête pour quiconque pense inventer quelque chose de nouveau. Une grande partie de ce que nous célébrons comme un nouveau cas d'utilisation se trouvait déjà sur un écran à Palo Alto dans les années 80. La valeur pratique réside dans le fait de voir quelles idées ont fait leurs preuves et lesquelles ont disparu à juste titre. L'émulation transforme l'histoire du logiciel en code exécutable plutôt qu'en capture d'écran dans un manuel, et c'est ce qui manque à la plupart des équipes de développement de produits. Je l'intégrerais à la formation de chaque junior. Connaître l'histoire permet de construire l'avenir avec plus d'humilité.