L'IA vient de basculer en 7 jours (et personne n'en parle)

Cette semaine a été marquée par des avancées majeures dans le domaine de l'intelligence artificielle, avec des annonces significatives de la part d'acteurs majeurs comme Alibaba, Anthropic, OpenAI et Google. Commençons par **Anthropic** et la sortie de **Claude Opus 4.7**. Cette mise à jour apporte des améliorations notables, notamment une performance de 87,6 % sur le benchmark SW bench, une référence pour les tâches d'ingénierie logicielle. L'une des améliorations les plus frappantes concerne la gestion des images : la résolution visuelle passe de 1,15 mégapixel à 3,75 mégapixels, permettant au modèle de traiter des images avec une précision inégalée, où chaque pixel correspond désormais à un pixel de l'écran d'origine. Cela représente un bond qualitatif pour l'analyse de documents, la compréhension d'interfaces et toute tâche nécessitant une interprétation visuelle fidèle. La fenêtre de contexte est également étendue à un million de tokens, équivalent à environ 750 000 mots, permettant d'analyser des corpus de textes très volumineux, comme l'intégralité de la saga Harry Potter ou des répertoires de code entiers, sans perte de contexte. Cependant, Claude Opus 4.7 semble optimisé pour des tâches spécifiques, notamment le "coding agentique" et les workflows longs et autonomes. Certains utilisateurs rapportent des régressions sur d'autres types de tâches, comme la gestion, la finance ou la rédaction complexe hors code. Il est donc conseillé de tester avant de migrer si l'usage principal n'est pas le développement. Le point le plus discuté concernant Anthropic est la confirmation qu'ils détiennent un modèle interne beaucoup plus puissant, nommé **Mythos**, qu'ils ne rendent pas public. Ce modèle, verrouillé sous un programme appelé "Project Glass Wing", est réservé à quelques partenaires pour des travaux de cybersécurité défensive, en raison de ses capacités jugées trop risquées pour un accès public, notamment dans la découverte et l'exploitation de vulnérabilités. Opus 4.7 intègre d'ailleurs des gardes-fous cybersécurité automatisés, une réponse directe aux risques mis en évidence par Mythos. Cette stratégie de retenue calculée d'Anthropic contraste avec la politique de déploiement rapide d'autres laboratoires, soulevant des questions sur leur positionnement face à des concurrents comme Gemini 3.1 Pro qui sont plus rapides et moins chers sur les benchmarks généralistes. Dans une démarche diamétralement opposée, **Alibaba** a fait une entrée fracassante dans l'open source avec **Qwen 3.6 35B A3B**. Ce modèle "Mixture of Experts" (MoE) combine la capacité d'un modèle de 35 milliards de paramètres avec le coût de calcul d'un modèle de 3 milliards actifs par token. Les résultats sont impressionnants : 73,4 % sur le SW bench, surpassant les modèles propriétaires sur le coding agentique. Il obtient également 51,5 % sur le Terminal Bench, soit 20 % de plus que Gemini 431B, et double les performances de ce dernier sur le benchmark MCP. Sous licence Apache 2.0, il est disponible sur Hugging Face et même en format quantifié pour fonctionner sur des configurations moins puissantes. De plus, Qwen 3.6 est nativement multimodal, avec des performances élevées en vision et en audio, surpassant Claude Sonnet 4.5 et Gemini 431B sur le benchmark MMU. Alibaba signale ainsi que des modèles open source compétitifs pour le coding agentique sont désormais accessibles localement, redéfinissant la course à l'IA vers l'accessibilité. Mais Alibaba ne s'arrête pas là. Ils ont également dévoilé **Happy Houster**, un "world model" capable de générer des mondes 3D interactifs en temps réel. Contrairement à une vidéo passive, Happy Houster crée des environnements dynamiques qui réagissent aux interactions de l'utilisateur et continuent de se générer autour de lui. Il propose deux modes : "directing" pour construire un monde à partir de prompts texte et images, et "wondering" pour une exploration libre. Développé par la division ATH d'Alibaba, il s'inscrit dans la lignée de leur précédent succès, Happy Horse, un modèle de génération vidéo qui avait dominé les classements. Bien qu'encore en accès anticipé et limité en résolution, Happy Houster, aux côtés de Genie 3 de Google et Spark 2.0 de World Labs, signale une convergence vers les "world models" interactifs comme prochain champ de bataille de l'IA générative. Ce même jour, **Tencent** a lancé **H World 2.0**, son propre "world model". Contrairement à l'approche interactive d'Alibaba, H World 2.0 produit des assets 3D (maillages, nuages de points) directement importables dans des moteurs de jeu et de simulation comme Unity, Unreal Engine ou Nvidia Isaac Sim. Ces deux approches, bien que différentes, convergent vers l'idée que la création de mondes 3D deviendra un processus de direction et de prompt. L'objectif final des "world models", comme le souligne Yann LeCun, n'est pas seulement le divertissement, mais surtout de doter les agents et les robots d'une compréhension physique du monde pour planifier leurs actions. L'intégration avec Nvidia Isaac Sim pour l'entraînement de robots illustre parfaitement cette application, où la robotique constitue le véritable marché derrière cette technologie. En parallèle, **OpenAI** a annoncé **GPT Rosalind**, un modèle de raisonnement spécialisé pour les sciences de la vie (génomique, ingénierie des protéines, chimie). Ce n'est pas un chatbot généraliste amélioré, mais un modèle optimisé pour les scientifiques, capable de comprendre des données biochimiques complexes, de planifier des expériences et de synthétiser de la littérature. Il surpasse GPT-4 sur plusieurs tâches de bioinformatique appliquée. Cependant, son accès est restreint aux clients d'entreprises américaines qualifiés, marquant une stratégie de déploiement différente pour les modèles verticaux. L'IA s'oriente donc vers des applications métier spécifiques, avec un potentiel de gains considérables dans des domaines comme la pharmacie. Enfin, **Google** a dévoilé **Gini 3.1 Flash TTS**, un générateur de voix synthétique révolutionnaire. Ce modèle permet un contrôle vocal granulaire au mot près grâce à plus de 200 balises audio insérables directement dans le texte. Il offre une qualité vocale exceptionnelle, surpassant les modèles existants sur le leaderboard TTS d'Artificial Analysis. Il supporte nativement le dialogue multi-voix, plus de 70 langues, et intègre un watermarking audio pour identifier le contenu généré par IA. Bien que le clonage vocal soit interdit, la finesse du contrôle expressif transforme le "text to speech" en "text to performance". Ce modèle est accessible gratuitement pour commencer via l'API Gemini, Google AI Studio ou Vertex AI. En résumé, cette semaine démontre une accélération sans précédent de l'IA, où l'open source rattrape rapidement le closed source. Des modèles comme Qwen 3.6 et les "world models" marquent un tournant, rendant des technologies de pointe accessibles au plus grand nombre. L'avantage concurrentiel ne réside plus dans l'accès à la technologie, mais dans la capacité à l'utiliser et à l'intégrer efficacement. Face à cette évolution rapide, une veille structurée et une formation adaptée sont essentielles pour naviguer dans le paysage de l'IA et passer de spectateur à utilisateur actif. Le programme d'apprentissage mentionné offre justement cette possibilité, en se concentrant sur l'intégration concrète des outils d'IA dans la vie professionnelle et personnelle, y compris un nouveau module sur l'automatisation par IA avec N8N pour la création d'agents IA.