1015 | L'IA en rafale : modèles, agents et outils du quotidien

Claire Martin: Bonjour et bienvenue dans l'édition du jour. Moi c'est Claire Martin, et en face de moi Nicolas Moreau. Bonjour Nicolas.

Nicolas Moreau: Bonjour Claire. Alors ce qu'on a aujourd'hui, c'est une nouvelle fournée de lancements, et il se dégage un vrai fil rouge : des modèles qui progressent, des agents qui s'exécutent, et surtout toute une couche d'outils pour les rendre fiables, moins chers, mieux outillés en mémoire.

Claire Martin: Oui, et ça traverse toute l'actualité : benchmarks de décision, synthèse vocale, nouvelle puce d'inférence, agents de code, mémoire utilisateur, prospection automatisée, et puis des outils du quotidien. On va prendre ça dans l'ordre, et on va s'attarder sur ce qui change concrètement pour l'utilisateur.

Nicolas Moreau: Commençons par les modèles eux-mêmes. Nimble sort deux modèles de décision, v4 et v4-max, qui dépassent Jev 1.13 sur le Decision Index. Le score au sommet, c'est 68,46 pour le v4-max, et c'est un modèle de 27 milliards de paramètres.

Claire Martin: Et c'est là que c'est intéressant : 27B, c'est relativement compact. Si un modèle de cette taille prend la tête d'un index de décision, ça veut dire qu'on n'a plus besoin systématiquement de monstres de plusieurs centaines de milliards pour les tâches de décision. Reste que c'est un score de benchmark, affiché par l'éditeur, pas un résultat vérifié en production.

Nicolas Moreau: Exactement. Le Decision Index, on ne sait pas précisément quelles tâches il couvre ni comment ces modèles se comportent sur des cas réels. Donc à prendre comme un indicateur, pas comme une certitude. Et dans la même famille de modèles de voix, il y a Kugel 3.5 TTS.

Claire Martin: Kugel 3.5, c'est de la synthèse vocale, et là on a des chiffres plus concrets. Il bat quatre concurrents sur huit des neuf tests. Il réussit 97,1 % des longs nombres, ce qui est un point sensible classique des TTS : les numéros, les montants, les dates. Et il accepte l'IPA, donc la notation phonétique internationale, ce qui permet de corriger la prononciation à la main.

Nicolas Moreau: Le prix aussi est annoncé : 5,25 cents la minute. C'est du concret pour quelqu'un qui envisage de brancher ça sur une application. Mais même remarque que pour Nimble : les comparaisons viennent de l'éditeur, donc prudence sur les conditions de test. Ce qui est quand même notable, c'est le 8 sur 9, parce que ça suggère qu'il y a au moins un cas où il perd, ce qui rend la revendication un peu plus crédible qu'un « on gagne partout ».

Claire Martin: Oui, et ça amène naturellement au troisième morceau du hardware et des modèles : Microsoft. Ils annoncent la puce Ma 300, une puce d'inférence de nouvelle génération.

Nicolas Moreau: Les chiffres annoncés : production visée en 2027, 40 % de tokens par mégawatt en plus, et des racks de 96 accélérateurs. Le tokens-per-megawatt, c'est un indicateur d'efficacité énergétique : combien de texte généré par unité d'énergie. Avec la pression sur l'électricité des datacenters, c'est le bon indicateur à optimiser.

Claire Martin: Mais attention, 2027, c'est loin. Entre l'annonce et la production, tout peut bouger, et les 40 %, c'est une revendication de Microsoft. Ce qu'on ne sait pas : à quel prix ces puces arriveront, si elles seront réellement disponibles à cette échelle, et comment elles se compareront aux GPU NVIDIA existants sur des charges réelles. Donc on retient l'idée d'une puce dédiée à l'inférence, pas au training, avec un pari sur l'efficacité.

Nicolas Moreau: Bon, ces modèles et ces puces, à quoi ça sert concrètement ? À faire tourner des agents. Et justement, le deuxième bloc, c'est la fiabilité et le coût des agents. Le premier, Reason : c'est un agent de code, disponible en cloud ou en local, avec un cache optimisé.

Claire Martin: Sur le Coding Agent Index, il affiche 65,1 contre 62,5 pour Codex, et il serait 22 % moins cher. Encore une fois, ce sont des chiffres de l'éditeur, mais le 22 % d'économie via un cache, c'est mécaniquement plausible : si tu évites de re-payer des tokens identiques, le coût baisse. Et pour les gens qui utilisent déjà des agents de code, une réduction de facture de 22 % sur un travail équivalent, ça se remarque vite.

Nicolas Moreau: Ensuite, Inferock, qui attaque un autre angle : les appels qui échouent. C'est un proxy d'inférence, donc il se place entre toi et les fournisseurs de modèles. Quand un appel échoue, il fournit un reçu, et après vérification, il rembourse les crédits.

Claire Martin: C'est malin parce que ça rend un problème invisible visible. Aujourd'hui, si un appel d'API échoue, tu le remarques rarement, et tu ne récupères jamais le coût. Avec des reçus, tu peux auditer ta facture et ton taux d'échec. L'option Watch est gratuite si tu utilises tes propres clés, donc tu peux tester sans risque. Ce qu'on ne sait pas, c'est le volume réel d'appels en échec chez les fournisseurs, donc l'économie totale dépend de ça.

Nicolas Moreau: Et le troisième pilier, c'est la mémoire. Hindsight 1.0, mémoire d'agent open source sous licence MIT, se classe numéro un de l'Agent Memory Benchmark.

Claire Martin: Techniquement, c'est un moteur Rust développé par Memlake, et la revendication est forte : 100 millions de souvenirs avec une latence p99 sous 100 millisecondes. Le p99, ça veut dire que même dans le pire 1 % des requêtes, tu restes sous les 100 ms. C'est important parce qu'en production, ce qui tue une expérience d'agent, c'est la latence de la queue de distribution, pas la latence moyenne.

Nicolas Moreau: Et le fait que ce soit MIT et open source change la donne : tu peux l'héberger toi-même, l'auditer, le modifier. Ce qui est commun aux trois outils de ce bloc, Reason, Inferock et Hindsight, c'est qu'ils construisent les fondations : exécution fiable, coût maîtrisé, mémoire persistante. La vraie question qui reste, c'est l'adoption en production : est-ce que ces chiffres tiennent quand tu mets des vrais agents dessus à grande échelle.

Claire Martin: C'est exactement la question qu'on se pose pour le bloc suivant, qui est le plus gros de l'émission : les agents de code qui construisent, déploient et vérifient. On a sept outils là-dessus, donc on va les regrouper en trois familles : construire et déployer, vérifier, et orchestrer.

Nicolas Moreau: Commençons par construire et déployer. Exodus : gratuit et open source, il migre des applications vers Cloud Run via plus de 50 playbooks, et il produit des rapports de coûts.

Claire Martin: Les playbooks, c'est la clé. Une migration vers Cloud Run, c'est un tas de petites décisions : quelle image, quelle variable d'environnement, quelle configuration réseau. Si Exodus a encodé ça en 50 playbooks réutilisables, ça transforme une migration artisanale en quelque chose de semi-automatique. Et le rapport de coûts, c'est précieux, parce que la crainte numéro un sur le cloud, c'est la facture surprise.

Nicolas Moreau: Dans le même registre, mais plus orienté interface, EditUI : c'est une extension Chrome. Tu pointes un élément d'interface dans ton navigateur, tu donnes des instructions en lot, et ça part vers Claude Code ou Cursor. Gratuit, sans inscription.

Claire Martin: Ce qui est intéressant, c'est le mode batch. Au lieu de décrire à ton agent de code « le bouton en haut à gauche, le formulaire en dessous », tu pointes littéralement l'élément et tu dis ce que tu veux changer. Ça réduit le gouffre de traduction entre ce que tu vois et ce que l'agent comprend. La limite évidente : ça ne traite que ce qui est visible dans le navigateur, donc pas la logique back-end.

Nicolas Moreau: Et pour le déploiement, Specreel : il génère des démos à partir de traces Playwright ou d'un crawl d'URL, et les republie à chaque build verte, pour que les démos ne deviennent jamais obsolètes.

Claire Martin: C'est un vrai problème qu'on sous-estime. Combien de projets ont une démo qui ne marche plus parce que le code a évolué ? Si la démo se régénère automatiquement depuis les traces de tes tests, elle reflète toujours l'état réel. Et ça, ça rejoint une idée qu'on va retrouver dans tout ce bloc : les agents construisent, mais sans vérification automatique, on ne sait pas si ce qu'ils ont construit marche.

Nicolas Moreau: Justement, parlons de vérification. Trois outils se présentent. Epherem, d'abord : c'est un scanner de sécurité gratuit pour les applications générées par IA. Tu lui donnes un ZIP ou un repo GitHub, et il propose des correctifs à appliquer via Claude Code, Cursor ou Lovable.

Claire Martin: Le problème auquel ça répond est bien réel : les apps générées par IA sont rapides à produire, mais personne ne fait de revue de sécurité dessus. Un scan gratuit avec des prompts de correction prêts à coller dans ton agent, c'est un pont intelligent entre le scan et la réparation. Ce qu'on ne sait pas, c'est ce que le scan couvre exactement, quelles catégories de vulnérabilités.

Nicolas Moreau: LegacyFixer, ensuite, en Python : il scanne les dépendances à la recherche de vulnérabilités et ouvre des pull requests, mais seulement si ses propres validations passent.

Claire Martin: Ce « seulement si », c'est le détail important. Beaucoup d'outils d'auto-réparation inondent les repos de PRs à moitié fonctionnelles. Le fait de conditionner l'ouverture de la PR à des validations qui passent, ça filtre le bruit. Le périmètre est Python, donc c'est étroit, mais c'est un choix assumé de profondeur plutôt que de largeur.

Nicolas Moreau: Tiden, enfin, attaque un angle plus conceptuel : la vérification d'intention. Tu as des specs versionnées, et le verdict est basé sur de vrais tests, pas sur une IA qui juge.

Claire Martin: Ça, c'est la phrase clé de tout le bloc. On voit beaucoup d'outils qui utilisent un modèle pour évaluer la sortie d'un autre modèle. Tiden dit : non, on compare le comportement à des specs versionnées, et on juge avec de vrais tests. C'est reproductible, auditable, et ça ne dépend pas de l'humeur d'un LLM. Le défi, c'est évidemment d'écrire et de maintenir les specs, ce qui est un vrai travail.

Nicolas Moreau: Et pour boucler la boucle sur l'orchestration : WriterzRoom. Une plateforme multi-agents avec 8 agents LangGraph et un Quality Gate, le tout 100 % serverless sur Cloud Run, avec 9 services.

Claire Martin: Le Quality Gate, c'est le même motif qu'on vient de voir : un point de contrôle qualité avant de livrer. Le fait d'orchestrer 8 agents spécialisés plutôt qu'un agent généraliste, ça permet de cloisonner les responsabilités. Et le serverless sur Cloud Run, ça veut dire que tu paies à l'usage. Notons au passage que Exodus migre justement vers Cloud Run, donc il y a une cohérence d'écosystème autour de cette plateforme.

Nicolas Moreau: Le fil conducteur de ce bloc, Claire, c'est vraiment ça : les agents écrivent et déploient du code à grande vitesse, mais la confiance viendra de la vérification systématique, pas de la vitesse. Epherem sur la sécurité, LegacyFixer sur les dépendances, Tiden sur l'intention, WriterzRoom avec son Quality Gate, Specreel qui régénère les démos : tous disent la même chose autrement.

Claire Martin: Et sur ce thème de la confiance, on glisse vers le bloc suivant : quand les agents travaillent avec ton contexte personnel et ta mémoire. Quatre outils là-dessus. Make0 Brain, d'abord : un magasin de mémoire partagé entre ChatGPT, Claude et Cursor, via MCP, avec import des conversations en environ 2 minutes. Bêta ouverte, gratuite.

Nicolas Moreau: MCP, Model Context Protocol, c'est le standard qui émerge pour brancher des outils sur les modèles. L'idée de Make0, c'est que ta mémoire ne soit plus piégée dans une application : ce que tu as dit à Claude, ce que tu as configuré dans Cursor, tout ça dans un endroit commun. Les 2 minutes d'import, c'est un chiffre concret sur la facilité de migration, mais on ne sait pas ce que ça importe exactement ni comment les memories sont structurées.

Claire Martin: daily.dev for agents, c'est le même principe appliqué à l'information : en MCP, il expose les flux, la recherche et les favoris à Claude, Cursor et Codex, plus un marketplace de plugins et une API. Donc ton agent peut consulter ton feed tech et tes bookmarks à ta place.

Nicolas Moreau: Puis AirJelly, qui passe au niveau du bureau : un agent desktop gratuit sur Mac et Windows, qui observe le contexte de ton écran, crée automatiquement des tâches et envoie des rappels.

Claire Martin: Là on est sur de la surveillance active de l'écran. L'utilité, c'est réel : un agent qui voit que tu relis un document trois fois peut te proposer une tâche. Mais ça soulève exactement la question ouverte du bloc : jusqu'où ces agents ont-ils le droit de voir et de retenir ? Un agent qui lit ton écran en continu voit potentiellement des messages privés, des mots de passe, des documents confidentiels.

Nicolas Moreau: Et Winq pousse le geste un cran plus loin : le contrôle de macOS par caméra. Focus du regard, clics par clin d'œil par œil, 11 gestes, et surtout tout en on-device pour la confidentialité.

Claire Martin: Le traitement on-device est le point décisif ici : si rien ne sort de ta machine, la barrière de confidentialité est beaucoup plus haute. Le cas d'usage, c'est l'accessibilité, ou le pilotage mains libres quand tes mains sont prises. La question qui reste, c'est la fiabilité réelle du tracking du regard dans des conditions d'éclairage normales, ce qu'aucun descriptif ne garantit.

Nicolas Moreau: Donc sur ce bloc, la tension est claire : ces agents sont plus utiles quand ils en savent plus sur toi, et plus risqués dans le même temps. Make0 et daily.dev centralisent, AirJelly observe, Winq regarde. Le calibrage du droit de regarder et de retenir, c'est le chantier de la prochaine période.

Claire Martin: Et de ton contexte personnel, on passe au contexte marketing. Quatre outils qui automatisent des métiers. AdAnt 2.0 d'abord : une équipe marketing IA 24h/24 avec quatre agents, Strategist, Creator, Analyst, Manager, avec 40 crédits gratuits.

Nicolas Moreau: La division du travail est classique : stratégie, création de contenu, analyse, gestion des réseaux. L'intérêt, c'est la continuité : un système qui tourne la nuit. Mais on ne sait pas quel niveau de supervision humaine est nécessaire, et la qualité du contenu généré reste à évaluer. Les 40 crédits gratuits permettent au moins d'essayer.

Claire Martin: Retriever AI, ensuite, un agent navigateur gratuit pour la prospection, l'outreach et la recherche d'emploi. Les revendications : 81,4 % au Web Bench, 5 fois plus rapide, 300 fois moins cher que les concurrents.

Nicolas Moreau: Le « 300 fois moins cher », c'est un chiffre qui demande de la prudence. Contre qui ? Mesuré comment ? On ne sait pas. Ce qui est plus fiable, c'est le cas d'usage : un agent qui navigue le web pour toi, trouve des prospects, envoie des messages. Gratuit pour commencer, donc testable.

Claire Martin: Pancake, puis, qui se présente comme « le Vercel pour le GTM ». GTM, go-to-market, donc tout le processus de mise sur le marché. Ils disent avoir été numéro 1 en mai, et être en train d'être reconstruit. Un MCP donne aux agents un GTM Brain, plus de 40 fournisseurs de données et l'infrastructure d'envoi.

Nicolas Moreau: Le GTM Brain, c'est la couche de connaissance du produit et du marché, les 40 fournisseurs de données c'est l'approvisionnement en contacts et signaux, et l'infrastructure d'envoi c'est la logistique des messages. Le fait que la plateforme soit « en reconstruction » est à la fois un signal d'ambition et une question : qu'est-ce qui motive une refonte si proche du succès annoncé ?

Claire Martin: Et le dernier du bloc, Blade, cofondé par le cofondateur de KAYAK. Il extrait des contacts depuis les en-têtes d'e-mail uniquement, et propose un essai gratuit de 30 jours.

Nicolas Moreau: L'angle est limité et honnête : uniquement les headers. Donc pas le contenu des messages, juste qui t'a écrit. C'est moins intrusif, mais ça capture aussi moins. Et la caution du cofondateur de KAYAK est un signal d'expérience du fondateur, pas une preuve de qualité du produit. Ce qu'on surveille dans tout ce bloc, c'est la fiabilité de ces agents en prospection réelle : les 81 %, les 300x, tout ça restera des affirmations tant qu'on n'a pas de retours d'utilisateurs vérifiables.

Claire Martin: Bon, on termine par le bloc des outils du quotidien, et là il y en a beaucoup, donc on va être efficaces. Mira Tours, d'abord : ton téléphone devient un guide audio de marche. Tu crées le circuit par chat ou il est généré automatiquement, 23 langues, 30 minutes gratuites puis paiement à l'usage.

Nicolas Moreau: Le modèle pay-per-use après 30 minutes gratuites, c'est adapté au cas d'usage touristique : tu ne veux pas un abonnement pour deux heures de visite. Le risque à évaluer, c'est la fiabilité du contenu en 23 langues, parce qu'un guide qui dit des imprécisions, c'est le début du problème.

Claire Martin: Table Canon, ensuite, plus de niche mais bien ciblé : il transforme l'audio de tes soirées de jeu de rôle en résumés, dossiers d'entités et historique recherchable, avec 6 heures offertes. Pour une table de TTRPG, ça résout un vrai problème : le MJ ne se souvient pas de ce qui s'est passé il y a trois séances.

Nicolas Moreau: Screenwell, dans la même veine d'outils spécialisés : l'IA Luna fait passer les premiers entretiens d'embauche sur Meet ou Teams, avec des scorecards classées, en plus de 30 langues, 14 jours gratuits. Le fait de se limiter au premier tour est un choix réaliste, parce que c'est là où le volume est le plus écrasant pour les recruteurs. Reste évidemment la question de l'expérience du candidat face à une IA.

Claire Martin: Et côté matériel et logiciel : le HomePod mini 2 arrive à 149 dollars, avec Sound Glow et de meilleures intégrations Mac et Apple TV.

Nicolas Moreau: Le détail à retenir, c'est ce qui manque : Siri avec l'IA n'est pas là au lancement, il arrive dans une future mise à jour. Donc si tu achètes maintenant, tu achètes pour le son et les intégrations, pas pour l'assistant de nouvelle génération. C'est un lancement en deux temps.

Claire Martin: Rambox, le gestionnaire de messageries unifiées, se refait une beauté : Command Center, recherche unifiée, onglets internes et workspaces pour séparer comptes et contextes. La fonction workspaces, c'est utile si tu sépare travail et vie perso dans la même app.

Nicolas Moreau: Pour l'info cloud, Cloud Releases : un feed unique qui agrège les mises à jour d'AWS, Azure, GCP et Cloudflare, plus de 700 services, les dépréciations mises en avant, et c'est gratuit. Pour quelqu'un qui doit suivre quatre fournisseurs à la fois, ça évite quatre consoles et quatre blogs.

Claire Martin: Et pour finir, NoteHouse, qui gère les prêts entre particuliers : reconnaissances de dette, signature électronique, comptabilité partagée entre les deux parties. C'est un problème réel et mal servi par les outils classiques, le prêt entre proches. La comptabilité partagée est le détail qui évite les malentendus sur les remboursements.

Nicolas Moreau: Donc pour résumer cette édition, Claire, sans faire un catalogue : on a vu des modèles qui gagnent des benchmarks de décision et de voix, une puce d'inférence annoncée pour 2027, et surtout une couche entière d'outils qui rendent les agents exécutables, abordables et dotés de mémoire.

Claire Martin: Et la tendance qui traverse tout, c'est la vérification : specs versionnées, quality gates, scans de sécurité, reçus d'inférence. Ce qui reste inconnu, c'est comment tout ça se comporte en production réelle, et pour la puce de Microsoft, si les promesses tiendront d'ici 2027.

Nicolas Moreau: Merci d'avoir été avec nous. On se retrouve demain pour une nouvelle édition.

Claire Martin: Merci, et à très vite.