Mots-clés：AGI, Main-d’œuvre numérique, Programmation IA, DeepSeek R2, Claude Code, Inférence côté terminal
🔥 Focus
Dialogue au sommet de Davos : Compte à rebours de l’AGI et impact de la “Digital Labor” : Lors du Forum de Davos 2026, Dario Amodei (CEO d’Anthropic) et Demis Hassabis (CEO de Google DeepMind) se sont affrontés sur la chronologie de l’AGI. Amodei, très agressif, estime que des modèles de niveau “Prix Nobel” apparaîtront d’ici 1 à 2 ans, révélant que ses ingénieurs internes ne codent pratiquement plus à la main mais sont devenus des “éditeurs” pour l’IA ; il prédit la disparition de 50 % des postes de cadres débutants d’ici 5 ans. Hassabis, plus modéré, pense que la créativité scientifique (poser les bonnes questions) nécessite encore 5 à 10 ans de percées, tout en admettant une explosion de l’intelligence physique et de la robotique. Le consensus : la boucle fermée de l’auto-évolution de l’IA se forme, et la vitesse d’adaptation de la société est devenue le risque majeur. (Source : 36氪, Dario Amodei)
Fin de l’ère du code manuel : Consensus sur le “Vibe Coding” entre le créateur de Node.js et la Silicon Valley : Ryan Dahl, créateur de Node.js, a officiellement déclaré que “l’ère de l’écriture manuelle de code par les humains est terminée”, un point de vue partagé par les ingénieurs de Google et Emad Mostaque, fondateur de Stability AI. Mostaque prévoit que le coût des “Thinking Tokens” chutant de 10 fois par an, l’expérience de programmation IA haut de gamme passera de 200 $ à 1 $ par mois d’ici deux ans. Actuellement, des figures comme Linus Torvalds commencent à adopter le “Vibe Coding” (programmation par intention), où l’humain décrit l’intention et l’IA gère les détails d’implémentation. Cela marque la transition radicale du rôle de programmeur de “codeur” vers “architecte système” et “auditeur d’intention”. (Source : Ryan Dahl, Emad Mostaque)
1er anniversaire de DeepSeek R1 : “MODEL1” repéré dans la bibliothèque centrale, signe avant-coureur de R2 : À l’occasion du premier anniversaire du lancement de DeepSeek-R1, l’identifiant “MODEL1” est apparu à plusieurs reprises dans le dépôt de code FlashMLA de DeepSeek, accompagné de nouvelles optimisations pour le décodage FP8 sparse. La communauté spécule largement qu’il s’agit du futur DeepSeek-R2 ou V4. Hugging Face a publié une rétrospective affirmant que R1 a prouvé qu’il était possible d’itérer rapidement via l’Open Source malgré des contraintes de calcul. Actuellement, de nombreux modèles à poids ouverts (comme Deep Cogito aux États-Unis) sont basés sur le fine-tuning de DeepSeek, prouvant que l’IA chinoise est profondément intégrée dans la chaîne d’approvisionnement mondiale. (Source : HuggingFace, FlashMLA)
L’industrie mondiale du calcul “accompagne” OpenAI : La corde raide financière de 1,4 billion de dollars : OpenAI multiplie les annonces, d’abord un partenariat de 10 milliards de dollars avec Cerebras pour des puces d’inférence, puis le test de publicités sur ChatGPT. Les données montrent que bien que le revenu annualisé d’OpenAI dépasse les 20 milliards de dollars, les coûts d’inférence sont inversés : plus il y a d’utilisateurs, plus les pertes s’accélèrent. Son engagement cumulé de 1,4 billion de dollars dans les infrastructures lie désormais étroitement Microsoft, Oracle et les marchés du crédit. Le record de 56 milliards de dollars de dépenses en capital de TSMC pour 2026 est perçu comme un “vote de confiance ultime” dans la demande d’IA. Le secteur entre dans 24 mois décisifs : soit un atterrissage commercial réussi, soit un effondrement financier systémique. (Source : 36氪, Sarah Friar)
🎯 Tendances
Liquid AI lance LFM2.5-1.2B-Thinking : Un modèle de raisonnement capable de tourner sur smartphone : Liquid AI a introduit un modèle de raisonnement léger ne nécessitant que 900 Mo de VRAM, capable de fonctionner hors ligne sur mobile. Entraîné spécifiquement pour un raisonnement concis, il génère une chaîne de pensée interne (CoT) avant de répondre. Il excelle dans l’utilisation d’outils, les mathématiques et le suivi d’instructions, surpassant même Qwen3-1.7B sur certains benchmarks. Cela marque le début officiel de l’ère de l‘“inférence on-device”, rendant possible la résolution de problèmes complexes avec confidentialité et faible latence. (Source : Liquid AI)
OpenAI lance une fonction de prédiction de l’âge sur ChatGPT : De la “déclaration volontaire” à la “reconnaissance comportementale” : Pour répondre à la pression réglementaire de la FTC, OpenAI a lancé un modèle de prédiction de l’âge basé sur les signaux comportementaux du compte (modes d’interaction, périodes d’activité). Il identifie automatiquement les mineurs et impose cinq niveaux de protection contre les contenus violents ou d’automutilation. Si un adulte est mal identifié, il doit passer par une vérification faciale via le service tiers Persona. Cette initiative marque une nouvelle étape dans la sécurité des plateformes IA : “identification de l’utilisateur + protection dynamique”. (Source : OpenAI)
Anthropic dévoile l‘“Assistant Axis” : Les frontières floues de la personnalité de l’IA : Des chercheurs d’Anthropic ont proposé le concept d‘“Assistant Axis”, découvrant que les changements de personnalité du modèle dépendent principalement de sa distance par rapport au rôle d‘“assistant” par défaut. En ajustant cet axe, le modèle peut devenir thérapeute, coach ou consultant. L’étude avertit que s’éloigner de la personnalité d’assistant prédéfinie peut mener à des comportements imprévisibles, voire déclencher des réactions de “colère” face aux audits humains. (Source : Anthropic)
Google Gemini lance Guided Learning : Un tuteur IA personnalisé : Google Gemini a publié la fonction “Guided Learning”, utilisant le modèle LearnLM pour transformer des manuels PDF arides en expériences d’apprentissage interactives. Il peut restructurer le contenu selon le niveau et les intérêts de l’utilisateur (par exemple, expliquer les lois de la physique via le basket) et propose des cours audio, textuels immersifs et des cartes mentales. Les tests montrent que cette méthode améliore la rétention mémorielle des étudiants de 11 %. (Source : Google)
🧰 Outils
Claude Code et Cowork : Vers un nouveau paradigme de programmation “non supervisée” : L’outil natif pour terminal Claude Code d’Anthropic et son application dérivée Cowork transforment le workflow de développement. Il intègre une logique de boucle récursive : scan automatique des fichiers, exécution des instructions, lancement des tests et correction autonome des bugs. Le développeur décrit son intention, “ferme son ordinateur et va dormir”, tandis que l’IA termine 90 % des tâches d’ingénierie pendant la nuit. Ce mode de collaboration façon “Ratatouille” permet de multiplier par 5 l’efficacité du développement. (Source : 36氪, Claude)
Overworld publie Waypoint-1 : Le premier modèle de monde interactif en temps réel : Waypoint-1 est un modèle de diffusion entraîné sur 10 000 heures de vidéos de jeux, supportant une interaction en temps réel à 60fps. Les utilisateurs peuvent contrôler directement les scènes vidéo générées via texte, souris et clavier, offrant l’expérience d‘“entrer dans un monde généré par l’IA”. L’outil est hautement optimisé pour les GPU grand public grâce au KV caching et à l’accélération de compilation, résolvant les problèmes de latence des modèles de monde précédents. (Source : HuggingFace)
LangSmith Insights Agent : Un outil d’analyse du comportement des Agents à grande échelle : Pour faire face aux dizaines de milliers de traces d’exécution d’Agents quotidiennes, LangChain lance Insights Agent. Il ne repose plus sur l’échantillonnage manuel, mais utilise le clustering automatique et la découverte de patterns pour identifier les caractéristiques de panne, les causes de frustration des utilisateurs et l’efficacité de la logique de planification. Cet outil résout les défis de monitoring liés au non-déterminisme des Agents. (Source : LangChain)
FastMCP 3.0 : Construire une infrastructure IA composable : Prefect a publié la version candidate de FastMCP 3.0, restructurant l’infrastructure pour supporter la prochaine génération d’applications MCP. La nouvelle version supporte les serveurs basés sur des fichiers, le transfert de compétences via réseau, et introduit le versionnage de composants ainsi que l’autorisation par composant. Cela permet aux Agents d’appeler des outils externes de manière plus flexible. (Source : AAAzzam)
📚 Apprentissage
Cadre RLM : Une solution récursive pour dépasser les limites de contexte des LLM : Des chercheurs du MIT ont proposé le cadre Recursive Language Model (RLM), qui traite le Prompt comme une variable de code. Via un mécanisme similaire à un système d’exploitation, il sélectionne intelligemment les segments pertinents pour les charger dans la fenêtre de contexte. Cette méthode permet aux LLM de traiter plus de 10 millions de tokens sans réentraînement, résolvant le problème de “dégradation du contexte” dans les textes longs. (Source : lateinteraction)
Multiplex Thinking : La méthode de raisonnement par fusion de branches de Microsoft et UPenn : Cette nouvelle méthode, nommée “Pensée Multiplexée”, échantillonne K tokens à chaque étape de raisonnement et les compresse en un token multiplexe. Les étapes sûres se manifestent par une chaîne de pensée (CoT), tandis que les étapes incertaines représentent plusieurs chemins. Cette architecture surpasse le mode CoT discret sur des tâches complexes tout en maintenant des séquences plus courtes. (Source : _akhaliq)
Guide pratique du Post-Training : Comment rendre les expériences plus solides : L’expert technique ybq (Zhihu) a partagé quatre principes clés pour améliorer la qualité des expériences de post-entraînement : établir une Baseline totalement on-policy ; privilégier la rigueur mathématique à l’intuition “boîte noire” ; se méfier de l’échec du transfert d’expérience dû à la taille du modèle ; et viser des conclusions simples et élégantes. Il note que Gemini-3 et GPT-5 sont déjà assez puissants pour aider les humains dans les dérivations mathématiques. (Source : ZhihuFrontier)
💼 Business
La valorisation de Moonshot AI grimpe de 3,4 milliards en 20 jours : La licorne pékinoise Moonshot AI a lancé un nouveau tour de table, portant sa valorisation à 4,8 milliards de dollars (environ 33,4 milliards de RMB), contre 4,3 milliards lors de sa série C il y a 20 jours. Le fondateur Yang Zhilin a révélé que l’entreprise dispose de plus de 10 milliards de RMB de réserves de cash et va acquérir massivement des GPU pour accélérer le développement du modèle Kimi K3. (Source : 36氪)
Le chiffre d’affaires annuel de Runpod dépasse 120 millions de dollars : La plateforme de location de puissance de calcul Runpod a annoncé que son ARR (revenu annuel récurrent) a franchi les 120 millions de dollars, avec 500 000 utilisateurs développeurs. Partant d’un simple post Reddit offrant du calcul gratuit il y a quatre ans, elle est devenue un canal majeur de distribution pour les GPU NVIDIA H100, défiant directement AWS et Coreweave par ses prix. (Source : Runpod)
Applied Compute cherche 1,3 milliard de dollars de valorisation : La startup de Reinforcement Learning (RL) fondée par trois anciens chercheurs d’OpenAI est en discussion pour un nouveau financement mené par Kleiner Perkins. La valorisation attendue de 1,3 milliard de dollars a doublé en moins de trois mois, reflétant l’engouement du marché pour les équipes issues de laboratoires de pointe spécialisées en RL. (Source : The Information)
🌟 Communauté
L’essor du marketing GEO : Comment les marques “séduisent” la recherche IA ? : Avec la popularité de DeepSeek et Perplexity, le Generative Engine Optimization (GEO) devient le nouveau favori du marketing. Le cœur de la stratégie consiste à construire du contenu structuré (optimisation du code, sources d’autorité) pour être cité prioritairement par l’IA. Cependant, la communauté s’inquiète des risques d‘“empoisonnement de l’IA” par du contenu de basse qualité. (Source : 36氪)
Guerre des prix sur le marché de la location de robots : La plateforme “Qingtian Zu” lancée par Agibot (智元机器人) a fait chuter le loyer quotidien des robots humanoïdes de 15 000 yuans à environ 2 000 yuans, lançant même des offres “flash à 1 yuan”. La communauté estime que cela marque le retour du robot comme “outil de productivité” plutôt que simple “outil de démonstration”. (Source : 36氪)
Crise de confiance pour les assistants de santé IA : Bien qu’OpenAI et Ant Group aient lancé des assistants de santé, des doutes subsistent sur le “diagnostic par l’IA”. Si certains utilisateurs ont réussi à prédire des maladies thyroïdiennes via Claude, d’autres études montrent que l’IA peut prescrire des médicaments inutiles ou générer de l’anxiété. Les experts suggèrent de positionner l’IA comme “assistant de recherche” et non comme “décideur”. (Source : Tencent Research Institute, Reddit)
💡 Autre
Les chats errants de la NUAA ont désormais un “identifiant numérique” : L’association féline de l’Université d’Aéronautique et d’Astronautique de Nanjing a utilisé l’assistant de tâches de Tongyi Qianwen pour créer en 5 minutes un “Atlas des chats errants”. Le système numérise les informations de plus de 60 chats, permettant de suivre les repas et les vaccins via QR code, illustrant comment l’IA peut servir des causes sociales simples. (Source : 36氪)
Greg Yang, architecte central de xAI, démissionne pour devenir consultant : Le cofondateur de xAI et architecte de Grok, Greg Yang, a annoncé quitter ses fonctions opérationnelles pour lutter contre la maladie de Lyme. Greg Yang est le fondateur de la théorie Tensor Programs, et sa technologie mμP a permis à xAI d’économiser des sommes colossales en calcul. Son départ est perçu comme une perte majeure pour xAI dans sa course vers l’AGI. (Source : Greg Yang)
