1119 | Modèles frontaliers et agents partout : la vague de la semaine

||Download

Show notes

Cette semaine : une salve de nouveaux modèles frontaliers et économes, des agents de code qui vérifient eux-mêmes leur travail, des plateformes qui font tourner des agents 24h/24, des outils créatifs pour les marques et des assistants pour les équipes humaines.

Chronologie

  • 00:00:04 Introduction
  • 00:00:32 La course aux modèles : OpenAI, Qwen, Tencent et la voix temps réel
  • 00:03:14 Des agents de code qui se corrigent eux-mêmes
  • 00:06:33 Plateformes d'agents : mémoire partagée, exécution 24h/24 et workflows
  • 00:09:39 Création et marketing : vidéo, avatars et licences de créateurs
  • 00:11:39 Assistants pour le travail humain : affaires et appels
  • 00:12:31 Conclusion

Liens connexes

Cet épisode est produit par Bri. Bri utilise une technologie d'IA avancée pour transformer les flux qui vous intéressent en podcasts conçus pour l'écoute. Contactez-nous à hi@bri.so.

Transcript

Claire Martin: Bonjour à tous, bienvenue dans votre rendez-vous quotidien. Je suis Claire Martin.

Nicolas Moreau: Et moi Nicolas Moreau. Alors Claire, ce matin on a fait le tri dans ce qui est arrivé ces dernières vingt-quatre heures, et franchement, il y a un fil rouge qui traverse presque tout : les modèles deviennent capables, les agents deviennent autonomes, et chacun essaie de prouver qu'il fait mieux que le voisin.

Claire Martin: Exactement. On a sélectionné ce qui nous a semblé le plus clair : qui résout un vrai problème, avec quoi concrètement, à quel prix, et surtout ce qui reste flou. Et là, il y a du flou, on ne va pas se mentir.

Nicolas Moreau: On commence par la course aux modèles, parce que c'est là que tout le reste se joue.

Claire Martin: Alors la nouvelle la plus visible, c'est OpenAI qui sort GPT-6.2, mais en deux versions. Astra, qui est positionnée comme le modèle de frontière, celui qui pousse les capacités. Et Sol, la version efficace, avec une tarification annoncée clairement : deux dollars par million de tokens en entrée, dix dollars en sortie.

Nicolas Moreau: Ce qui est intéressant, c'est que ce ne sont pas deux produits séparés, c'est une stratégie. Tu prends Astra quand tu veux le maximum, Sol quand tu veux du volume à coût maîtrisé. Et donner le prix publiquement, ça veut dire qu'OpenAI s'adresse aussi aux développeurs qui construisent des produits, pas seulement aux curieux.

Claire Martin: Et là-dessus, ils ne sont pas seuls. Qwen4-Max arrive avec une architecture MoE de 2,4 téra de paramètres au total, mais seulement 71 milliards activés par token.

Nicolas Moreau: C'est tout l'intérêt du MoE, hein. Tu portes un modèle énorme, mais à chaque étape tu n'en utilises qu'une fraction. Donc tu gardes la capacité d'un très grand modèle sans payer le coût d'inférence d'un très grand modèle à chaque fois.

Claire Martin: Qwen4-Max a aussi la vision native, donc le multimodal n'est pas un patch ajouté après coup, et un million de tokens de contexte. Mais voilà le hic, et c'est important : les poids ne sont pas open source.

Nicolas Moreau: Et Tencent joue exactement la même carte avec Hy4 flash. 224 milliards de paramètres au total, 12 milliards activés, un million de contexte aussi. Et là, la Tarification est agressive : 0,07 dollar par million de tokens en entrée. C'est presque symbolique.

Claire Martin: Presque symbolique, oui. Et Tencent annonce l'open source des poids, mais ils ne sont pas publiés pour l'instant. Donc en pratique, tout le monde parle de plans, et les dates, personne ne les connaît.

Nicolas Moreau: C'est ça le point commun des trois, et il faut le dire clairement à l'auditeur : les annonces de poids ouverts restent des annonces, et il n'y a pas de benchmarks croisés entre ces modèles. On ne peut donc pas dire aujourd'hui lequel gagne sur quelle tâche. Chacun publie ses chiffres dans son coin.

Claire Martin: Et il y a une quatrième pièce dans ce tableau, plus originale : uRun présente Sense, un modèle de décision en temps réel pour les agents vocaux et vidéo. Le problème auquel ça répond, c'est le tour de parole : quand un agent est en conversation, il doit décider en permanence s'il peut répondre, s'il doit laisser la personne finir, s'il y a un chevauchement.

Nicolas Moreau: Et Sense est conçu pour prendre ce genre de décision jusqu'à 12,5 fois par seconde. Ce n'est pas un modèle de langage, c'est un modèle de timing. C'est un créneau très différent de la course aux contextes d'un million de tokens, et honnêtement peut-être plus concret pour qui construit un agent vocal.

Claire Martin: Donc résumé de cette première partie : OpenAI fait du deux vitesses avec des prix publics, Qwen et Tencent font du MoE massif avec des poids fermés ou promis, et uRun attaque un problème que les autres ne traitent pas. Et de ces modèles toujours plus capables naissent des agents de plus en plus autonomes. C'est là qu'on veut aller maintenant.

Nicolas Moreau: Alors parlons des agents de code, parce que c'est là que l'autonomie devient très visible. SoreQen Code, par exemple, se décrit comme un agent qui vérifie son propre travail.

Claire Martin: Vérifie son propre travail, ça veut dire quoi concrètement ? Il édite le code, il lance les tests, et il fait une vérification dans le navigateur pour s'assurer que le résultat fonctionne réellement à l'écran, pas seulement que les tests passent.

Nicolas Moreau: Et côté disponibilité, il existe en application de bureau et en CLI open source, avec le choix parmi 18 modèles. Le CLI open source, c'est un signal intéressant : tu peux regarder comment il travaille au lieu de devoir leur faire confiance aveuglément.

Claire Martin: Maintenant, il faut être prudent : tout ça, c'est la description du fabricant. On n'a pas de résultat vérifié indépendant qui dit "il a corrigé X bugs sans erreur". On le rapporte comme une promesse, pas comme un fait établi.

Nicolas Moreau: Polylane for CI est sur le même terrain mais avec un point d'entrée différent : l'intégration continue. Quand une branche principale ou la merge queue échoue, Polylane lit les logs, identifie le commit responsable, et ouvre une pull request de correction. Et détail intéressant : il itère sur ses propres PRs. Donc si sa première correction ne passe pas la CI, il continue de travailler dessus.

Claire Martin: Et ça, ça change quelque chose de réel par rapport aux options existantes. Aujourd'hui, quand la branche principale casse, c'est un humain qui doit lire les logs, faire de l'archéologie sur les commits, et écrire un fix sous pression, souvent en bloquant toute l'équipe. Là, l'agent prend ce travail et l'humain passe en relecture. L'inconvénient évident : la confiance. Une correction automatique sur la branche principale, il faut la revoir sérieusement.

Nicolas Moreau: Et si l'agent écrit le code, quelqu'un doit vérifier que ça marche dans le monde réel. C'est là que Replay QA rentre. Il capture les sessions des utilisateurs frustrés — littéralement les moments où quelqu'un lutte avec le produit — les reproduit automatiquement, fait une analyse des causes racines, et envoie tout ça directement aux agents de code.

Claire Martin: Donc la boucle se ferme : l'utilisateur galère, l'outil capte l'épisode, le reproduit, l'explique, et l'agent corrige. Ce que Replay QA change, c'est qu'avant, ce signal arrivait en ticket flou du type "ça ne marche pas chez moi". Là, c'est une reproduction avec une cause identifiée.

Nicolas Moreau: Et pour compléter le tableau côté qualité, KaDeep unifie trois choses qui sont souvent séparées : l'assurance qualité, la localisation — avec plus de cent formats pris en charge — et les audits d'accessibilité. Et tout ça débouche sur une décision go/no-go de release basée sur des preuves, via un CLI open source.

Claire Martin: Le "go/no-go basé sur des preuves", c'est le mot clé. Ce n'est pas "l'agent a l'air d'avoir fait un truc", c'est un dossier qui justifie la décision de publier ou pas.

Nicolas Moreau: Et autour de ces quatre-là, il y a des briques qui montrent que tout un écosystème se construit. UI Verify, par exemple, résout un problème précis : les agents de code ne voient pas les interfaces qu'ils modifient. UI Verify leur montre toutes les interfaces affectées par un changement et répare automatiquement les régressions visuelles. Et c'est open source, avec cinquante mille snapshots par mois gratuits.

Claire Martin: Review Box, lui, s'attaque à la relecture humaine : une application de bureau pour examiner les pull requests GitHub, avec le suivi de ce qui a déjà été examiné, une vue de résultats, et de l'IA intégrée. Et il y a même canfit, un CLI en Rust, open source, qui répond à une question très pratique avant de lancer un modèle en local : est-ce que ça tient dans la mémoire de ma machine, et quels processus je peux fermer sans risque pour faire de la place.

Nicolas Moreau: Donc si je résume la tendance : l'agent ne se contente plus d'écrire du code. Il prouve que ça marche — par les tests, le navigateur, la reproduction des sessions utilisateurs, le dossier de release. La question qui suit naturellement, c'est : où vivent ces agents, et comment ils collaborent ?

Claire Martin: Et là, on passe à un morceau dense. Commençons par dusk bot : une application de bureau, gratuite et open source, multi-agents. Chaque bot a son propre ordinateur et sa propre mémoire, et ils peuvent se brancher sur vos comptes ChatGPT, Claude ou Grok existants.

Nicolas Moreau: Ce dernier point n'est pas anodin. Tu n'as pas besoin d'un abonnement séparé chez dusk bot pour l'intelligence, tu réutilises ce que tu paies déjà. Et donner à chaque agent sa propre machine et sa mémoire, c'est une manière de dire : ce ne sont pas des chatbots, ce sont des entités qui travaillent dans leur environnement.

Claire Martin: Mais quand plusieurs agents travaillent, il faut un endroit où ils se rencontrent. S.Space, produit par l'équipe AutoGen, propose exactement ça : un espace de travail partagé entre des agents de plusieurs fournisseurs, avec mémoire commune et mécanismes d'approbation.

Nicolas Moreau: La mémoire commune entre agents de fournisseurs différents, c'est un vrai défi, parce que chaque constructeur a ses formats et ses garde-fous. Et les approbations, ça répond à la question qui fâche : qui fait confiance à qui entre agents ? Est-ce qu'un agent peut agir tout seul, ou faut-il qu'un humain valide ? S.Space met des mécanismes d'approbation au cœur du produit, ce qui montre bien que la question est centrale.

Claire Martin: Ensuite il faut orchestrer. Toone permet de construire des workflows d'agents en langage naturel, et chaque nœud est soit un thread de conversation avec un modèle, soit une étape automatique sans IA. Et détail important : les workflows peuvent être mis en pause et repris.

Nicolas Moreau: La pause et la reprise, c'est crucial en pratique. Un workflow d'agent peut durer des heures, attendre une validation, attendre une donnée externe. Si tu ne peux pas le suspendre proprement, tu ne peux pas l'utiliser en production.

Claire Martin: Et Mermaid Flow pousse l'idée plus loin : les workflows deviennent des graphes exécutables, on peut connecter des outils en un pas via MCP, et chaque exécution laisse une trace pas à pas. Là encore, c'est la même préoccupation que tout à l'heure : prouver ce qui s'est passé.

Nicolas Moreau: Et la même idée appliquée à un domaine spécialisé, c'est Waldo by Wherobots. C'est un agent géospatial, signé par les créateurs d'Apache Sedona — donc les gens derrière une brique fondamentale du traitement spatial — qui transforme des questions en anglais simple en cartes ou en pipelines de données. En préversion publique.

Claire Martin: Le pedigree des créateurs d'Apache Sedona, c'est probablement l'argument le plus solide ici, parce que la donnée géospatiale est notoirement difficile. Mais c'est une préversion, donc le recul n'existe pas encore.

Nicolas Moreau: Il faut aussi les données. Dippr est une plateforme de données pour les agents : des requêtes fédérées qui traversent plusieurs sources, et l'autorisation se fait par agent. Donc chaque agent a ses droits, pas un droit global flou.

Claire Martin: Et puis il y a l'exécution longue durée. Dream by Smart Jelly, c'est un agent pour Mac qui travaille sur des tâches qu'il peut terminer pendant la nuit et rend compte au matin. Et il partage sa mémoire entre les outils.

Nicolas Moreau: Le principe du travail de nuit, c'est séduisant : tu ne veux pas regarder un agent travailler, tu veux le résultat au réveil. Et Incredible Agents complète ce tableau : des agents créés à la voix, qui tournent vingt-quatre heures sur vingt-quatre sur ta machine, Windows ou Mac, et qui cherchent activement du travail transférable à leur niveau. Essai gratuit.

Claire Martin: Si on fait la synthèse de cette partie : on a des agents avec leur propre machine, un espace de travail partagé entre fournisseurs, des workflows en langage naturel avec pause et reprise, des données fédérées autorisées par agent, et des agents qui travaillent pendant que tu dors. Ce qui reste à surveiller, et on l'a dit, c'est la confiance entre agents et les mécanismes d'approbation. C'est un sujet jeune, et rien n'est standardisé.

Nicolas Moreau: Passons à un autre versant : la création et le marketing. Arcade, par exemple, est un générateur de vidéos IA destiné aux équipes marketing. À partir d'un prompt, ou d'une source comme Notion, il produit des vidéos de marque éditables, prêtes à publier directement.

Claire Martin: Le mot "éditables" est le point différenciant. Les générateurs de vidéo IA produisent souvent un rendu figé que tu dois accepter ou rejeter. Là, l'équipe marketing récupère quelque chose qu'elle peut retravailler avant publication, ce qui colle beaucoup mieux à la réalité du métier.

Nicolas Moreau: Et le marketing a besoin de visages. ICONS est un marché où les marques réservent des créateurs pour des publications sponsorisées, ou bien licencient leur image sous forme d'IA. Et le créateur fixe ses tarifs et approuve les scripts et les montages finaux.

Claire Martin: Là, il y a une vraie question ouverte, et on ne va pas y répondre parce qu'on n'en sait pas plus : comment les créateurs vont-ils accueillir ces images IA d'eux-mêmes ? Le produit donne des garanties — tarifs fixés par le créateur, approbation du script et du montage final — mais l'accueil réel du milieu, c'est de l'inconnu.

Nicolas Moreau: Ensuite, Pitch Avatar HR Suite applique les avatars IA conversationnels aux ressources humaines : onboarding automatisé, formation, communication RH, et ça parle plus de soixante-dix langues. Pour une entreprise multinationale, le couvrage linguistique est l'argument massue, parce que refaire les formations dans trente langues coûte une fortune.

Claire Martin: Et pour les supports visuels plus simples, Diagramly 2.0 : tu tapes du texte, tu obtiens des diagrammes dessinés à la main, avec en plus des liens de relecture, des commentaires sur les formes, et un mode présentation de diapositives avec notes. Et c'est gratuit, sans inscription.

Nicolas Moreau: Gratuit et sans inscription, ça enlève toute friction à l'essai. Et côté 3D, lepoly est une plateforme de gestion d'actifs numériques pour les assets 3D, directement dans le navigateur, autofinancée et construite par les fondateurs de Sketchfab.

Claire Martin: Ces deux derniers détails comptent. Autofinancé, ça veut dire qu'ils ne répondent pas à des investisseurs pressés. Et les fondateurs de Sketchfab, c'est le référentiel historique du partage de modèles 3D sur le web — donc ils connaissent le problème de la gestion d'assets 3D par cœur. Reste à voir ce que ça donne face aux solutions existantes, mais le pedigree est réel.

Nicolas Moreau: Et pour finir, deux outils qui touchent au travail humain, aux relations. Introzy suit le parcours des recommandations d'introduction, du premier contact jusqu'au paiement de la commission. C'est gratuit pour démarrer, et un assistant IA appelé Kai signale les introductions bloquées.

Claire Martin: Le problème, quiconque a déjà joué au intermédiaire le connaît : tu présentes deux personnes, et après, tu n'as plus aucun suivi. Est-ce que ça a abouti ? Dois-je toucher une commission ? Avec Introzy, le parcours est tracé de bout en bout, et Kai te dit quand ça stagne.

Nicolas Moreau: Et Bluedot s'attaque au téléphone : à partir de son propre numéro, il transcrit, résume et génère des tâches à partir des appels. Mais attention aux limites, elles sont explicites : pour l'instant, uniquement les appels sortants, et seulement dans certains pays.

Claire Martin: Ces deux outils incarnent la même promesse : ne plus perdre le fil dans les relations humaines. Que ce soit une introduction commerciale ou un appel téléphonique, le suivi est ce qui se perd en premier, et c'est ce que ces outils automatisent.

Nicolas Moreau: Voilà pour ce tour d'horizon. Des modèles qui se rivalisent en prix et en contexte, des agents qui vérifient leur propre travail, des plateformes où ils collaborent et travaillent pendant la nuit, des outils de création qui gardent l'humain aux commandes, et des assistants pour ne rien perdre du relationnel.

Claire Martin: Beaucoup d'annonces, et plusieurs promesses de poids ouverts qu'on attend toujours. La semaine prochaine, on verra ce que tout cela devient quand les gens s'en servent vraiment. Merci de nous avoir écoutés.

Nicolas Moreau: À demain, prenez soin de vous.