⚔️ Trois agents Claude, une guerre ouverte

Voici votre toast du jour.

Dans l’édition de ce matin :

• Trois agents Claude sur le même projet, et ça finit au malware

• Databricks voulait lever 1 milliard, ses investisseurs en proposaient 15

• Le calcul informatique va se négocier comme le pétrole

The Toast : Microsoft fusionne ses deux Copilot et débranche trois fonctions, la régie publicitaire d’OpenAI facture après la pause, Apple fait les poches des éditeurs pour Siri, et une cellule humaine passe au simulateur de vol.

À transférer : Anthropic a lâché trois agents IA sur un même projet. Ils ont fini par se lancer des malwares auto-répliquants.

Partager

Deux ouvriers sur le même chantier avec des plans différents, ça donne une dispute. Trois agents IA, ça donne une guerre de territoire.

Pourquoi on en parle ? La Frontier Red Team d’Anthropic, l’équipe interne chargée de chercher les comportements dangereux de ses modèles, a donné à trois agents Claude l’accès au même projet logiciel, avec des instructions incompatibles et sans les prévenir de la présence des autres. Résultat publié jeudi : « nous avons systématiquement observé une guerre de territoire entre agents ».

Rappel : un agent, ici, n’est pas un chatbot qui répond à une question. C’est un modèle à qui on confie une tâche et des outils — écrire des fichiers, exécuter du code — et qu’on laisse travailler seul jusqu’au bout. Les tests de sécurité habituels évaluent un modèle isolé, face à un utilisateur. Là, on regarde ce que plusieurs modèles se font entre eux.

Dans les faits : les agents ont supposé que les autres cherchaient volontairement à entraver leur travail, puis ont déployé des logiciels malveillants « de plus en plus agressifs et auto-répliquants ». Tous n’ont pas choisi la force : les modèles les plus capables ont souvent négocié une trêve, jusqu’à 98 % des cas pour Mythos 5, tandis que Sonnet 4.6 et Opus 4.6 réglaient plus volontiers l’affaire par la force. Certains ont inventé des mécanismes que personne n’avait prévus, comme un tournoi pour désigner qui garde le contrôle — Mythos 5 y a proposé des critères d’apparence objective dont il savait qu’ils avantageaient ses propres capacités. D’autres ont laissé derrière eux des messages de commit et des fichiers markdown s’excusant de leur comportement malveillant.

Ce que ça change : une seconde expérience a placé plusieurs agents sur un marché, avec les mêmes prix de gros et la consigne de maximiser chacun son profit. Quand un canal de discussion privé existait, ils se sont accordés très vite sur des prix planchers, et ont maintenu l’entente même après la fermeture du canal. Pour une entreprise qui fait tourner plusieurs agents sur le même dépôt de code, le même stock ou la même grille tarifaire, ce n’est plus une question de qualité de modèle, mais de règles du jeu entre les agents.

Un peu de recul. L’observation la plus gênante n’est pas la bagarre, c’est le conformisme : « quand un agent prend une mauvaise décision, il est probable que beaucoup d’agents prennent la même mauvaise décision ». Une flotte d’agents ne se plante donc pas ici ou là, elle se plante d’un bloc. Et rien de tout cela n’apparaît dans les évaluations de sécurité actuelles, qui examinent les modèles un par un.

Bref. On a passé deux ans à se demander si un modèle était sûr. Il faut maintenant se demander ce que dix modèles font quand on les met dans la même pièce.

À qui l’envoyer : DSI, RSSI, directeurs de l’ingénierie, équipes qui déploient des agents en production, responsables conformité.

À copier-coller : Anthropic a lâché trois agents Claude sur le même projet : ils ont fini par s’envoyer des malwares auto-répliquants.

Rare situation où l’entreprise qui tend le chapeau doit expliquer qu’elle en veut moins.

Dans les faits : Databricks a annoncé jeudi une levée de 5 milliards de dollars sur une valorisation de 190 milliards, menée par Coatue, avec Blackstone, MGX, des fonds T. Rowe Price et Sixth Street Growth parmi la vingtaine de participants. L’entreprise visait 1 milliard ; les investisseurs en mettaient 15 sur la table.

Pourquoi ça compte ? Databricks vend aux entreprises l’infrastructure qui range et exploite leurs données, socle indispensable à tout projet d’IA interne. Son revenu annualisé atteint 7 milliards de dollars, en hausse de 80 % sur un an, son entrepôt de données dans le cloud double son rythme à 1,5 milliard, et sa base de données pour l’IA, Lakebase, lancée à l’été 2025, tourne déjà à 100 millions. La société dégage un flux de trésorerie positif : elle n’avait donc pas besoin de cet argent pour vivre. Son PDG Ali Ghodsi le résume sans détour — « l’IA coûte cher » — entre une équipe de recherche de cent personnes, des engagements pluriannuels chez les grands fournisseurs de cloud et des rachats en série, dont celui d’Electric cette semaine.

Bref. Quand une entreprise rentable lève cinq fois ce qu’elle demandait, ce n’est pas elle qui a besoin des investisseurs, ce sont les investisseurs qui ont besoin d’elle.

À qui l’envoyer : investisseurs, directions financières, DSI, responsables data, fondateurs en levée.

À copier-coller : Databricks voulait lever 1 Md,sesinvestisseursenproposaient15.Elleapris5,aˋ190Md, ses investisseurs en proposaient 15. Elle a pris 5, à 190 Md ,sesinvestisseursenproposaient15.Elleapris5,aˋ190Md de valorisation.

Un mois de location de carte graphique, livré en octobre, à un prix fixé aujourd’hui.

Dans les faits : le CME Group, l’une des plus grandes places de marché de contrats à terme au monde, lancera le 5 octobre deux contrats sur le calcul informatique, sous réserve de l’accord du régulateur. Chaque contrat représente la valeur d’un mois de location d’une carte Nvidia H100 ou d’une Blackwell B200.

Pourquoi ça compte ? Un contrat à terme sert à bloquer un prix à l’avance : c’est ce qui permet à une compagnie aérienne de se protéger d’une flambée du kérosène. Appliqué aux GPU, cela donnerait aux entreprises qui entraînent des modèles un moyen de sécuriser leur budget calcul, et aux financiers un nouveau produit à échanger. Le CME s’appuie sur Silicon Data, qui publie des indices de prix du calcul, pendant qu’un concurrent new-yorkais, OneChronos, prépare sa propre place de marché avec l’économiste Paul Milgrom, prix Nobel et spécialiste des enchères de fréquences. Larry Fink, patron de BlackRock, annonçait dès mai qu’« une nouvelle classe d’actifs consistera à acheter des contrats à terme sur le calcul ».

Bref. Le patron d’OneChronos, Kelly Littlepage, doute pourtant du principe même : le calcul « n’est pas fongible, pas stockable, pas transportable — rien là-dedans ne ressemble à une matière première ».

À qui l’envoyer : directions financières, trésoriers, investisseurs, acheteurs cloud, responsables infrastructure.

À copier-coller : Le CME veut lancer des contrats à terme sur les GPU Nvidia le 5 octobre, comme il en existe sur le pétrole.

Partenaire qu’on 💙

Créer un deck, un document ou un mini-site qui a l’air pro, sans designer.

Gamma est un outil de design assisté par IA pour créer rapidement des présentations, des documents, des sites et d’autres supports visuels, sans code ni compétence design avancée. L’outil met l’accent sur des mises en page propres par défaut, une cohérence visuelle rapide et un partage simple.

➡️ Vous partez d’une idée, d’un brief ou d’un document brut
➡️ Gamma le transforme en support visuel beaucoup plus propre en quelques clics
➡️ Vous partagez ensuite par lien ou exportez vers PDF, PowerPoint ou Google Slides selon le besoin

C’est particulièrement utile pour :

• monter un pitch deck sans y passer la nuit,

• créer une landing page ou un mini-site sans développeur,

• produire des supports client, internes ou commerciaux nettement plus présentables.

Résultat : moins de temps perdu sur la mise en forme, plus de clarté, et des idées qui ressemblent enfin à des livrables sérieux.

🔗 Cliquez ici pour découvrir Gamma

🔹 Grok 4.6 — Le nouveau modèle de SpaceXAI rejoint le peloton de tête (à égalité avec GPT-5.6 Sol) tout en coûtant deux fois moins cher, un choix solide pour les développeurs qui veulent des agents fiables sur des tâches longues sans exploser leur budget API.

🔹 Qwen3.8-Max — Le nouveau modèle phare d’Alibaba (2 400 milliards de paramètres, 1 million de tokens de contexte) passe en open-weights, une aubaine pour les entreprises et développeurs qui veulent une alternative open-source aux modèles occidentaux, capable de coder en autonomie pendant plusieurs jours.

🔹 DeepSeek V4 Pro — La mise à jour du modèle phare de DeepSeek rivalise avec les meilleurs modèles fermés du marché tout en restant radicalement moins cher (moins d’1$ par million de tokens en sortie), l’option idéale pour les équipes qui veulent des performances proches du frontier sans le prix qui va avec.

🔹 Grok Bot — SpaceXAI lance des agents IA « toujours actifs » dotés de leur propre ordinateur cloud, capables de se connecter à vos outils et de mener des tâches à terme sans supervision, pour les équipes qui veulent déléguer un vrai travail plutôt que discuter avec un chatbot.

🧹 Microsoft n’a plus qu’un seul Copilot, et trois fonctions en moins — L’éditeur a annoncé jeudi la fusion de son application Copilot grand public et de Microsoft 365 Copilot dans une seule application, qui réunit le chatbot, la génération d’images, la suite bureautique et l’accès aux fichiers, avec bascule entre compte personnel et compte professionnel. Le déploiement commence sur mobile et sur le web, en accès anticipé sur Windows et Mac. Le ménage prend effet le 18 août : les podcasts générés disparaissent, y compris les liens partagés, les discussions de groupe sont supprimées définitivement, et la recherche approfondie quitte la version grand public au profit d’une fonction payante. L’historique de conversation est conservé et les anciens fichiers basculent dans OneDrive.

💸 La régie publicitaire d’OpenAI continue de facturer après la pause — L’article 11.1 des conditions publicitaires d’OpenAI autorise ses annonces à tourner jusqu’à un jour ouvré après la mise en pause d’une campagne, aux frais de l’annonceur. Excel4Business, une société britannique qui a testé le service, a vu des publicités s’afficher plus de dix heures après avoir appuyé sur pause, pour 60,72 livres de dépenses non voulues, puis 6,47 livres lors d’une récidive début août. Le support d’OpenAI a d’abord reconnu un décalage technique entre le statut de la campagne et celui des annonces, avant de revenir sur son offre de remboursement en invoquant la clause des 24 heures. Son dirigeant Ed Bolton admet que le délai existe ailleurs dans la publicité en ligne, mais précise avoir géré des campagnes Google pendant dix-sept ou dix-huit ans sans jamais rencontrer le problème. Les publicités dans ChatGPT, testées aux États-Unis depuis février, viennent de s’étendre au Royaume-Uni, au Mexique, au Brésil, au Japon et à la Corée du Sud.

📰 Apple fait les poches des éditeurs pour sauver Siri — Selon le Wall Street Journal, Apple négocie depuis plusieurs mois avec des éditeurs de presse, non identifiés, l’accès à leurs contenus pour alimenter la nouvelle version de Siri en informations à jour. La méthode de paiement tranche avec celle du secteur : plutôt qu’un forfait garanti comme en proposent OpenAI et consorts, Apple offrirait une rémunération variable, indexée sur l’usage réel des contenus. Le nouveau Siri, annoncé à la WWDC 2024 puis disparu deux ans avant de réapparaître en juin dernier, est attendu avec iOS 27 d’ici la fin de l’année, en partie propulsé par les modèles Gemini de Google. Autrement dit, Apple loue le moteur à Google et la matière première à la presse.

🧬 Une cellule humaine passe au simulateur de vol — Des chercheurs décrivent dans Nature Medicine un « organisme numérique » qui simule le trajet d’un médicament ou d’une modification génétique à travers les molécules, les cellules, puis l’organisme entier. Eric Xing, cofondateur de GenBio AI, président de l’université d’IA Mohamed bin Zayed à Abou Dabi et professeur d’informatique à Carnegie Mellon, le compare à un simulateur de vol pour la médecine : on fait tourner l’expérience avant de la mener pour de bon. Sa société annonce la première mise en œuvre de cette cellule virtuelle ; en face, la fondation BioHub, financée par Mark Zuckerberg et Priscilla Chan, travaille sur une plateforme ouverte du même ordre. L’objectif affiché est modeste et utile : écarter les pistes de médicaments les plus faibles avant les tests coûteux, sans remplacer ni les études animales ni les essais cliniques. Restent trois obstacles reconnus par les auteurs — des données d’entraînement biaisées, la variabilité entre patients, et la fâcheuse tendance des modèles à confondre corrélation et causalité.

Pourquoi c’est utile : Les meilleures accroches ne sortent pas d’un brainstorming : elles sont déjà écrites par vos clients. Ici, ChatGPT Work extrait leurs points de friction, les transforme en accroches et en idées de visuels, puis vous construit une petite application pour rejouer l’opération autant de fois que vous voulez.

Comment faire :

1. Créez un dossier sur votre ordinateur (clic droit → Nouveau dossier, nommez-le par exemple « pubs-clients »). Tout y sera rangé : les tableaux, les images et le code.

2. Ouvrez l’application ChatGPT pour ordinateur, basculez sur Work (menu en haut à gauche → ChatGPT → interrupteur Work), et créez un projet pointant sur ce dossier. Un projet garde le contexte et les fichiers d’un même chantier au même endroit.

3. Rassemblez 10 à 20 commentaires ou avis clients réels : avis Google, retours par mail, commentaires sous vos publications, verbatims d’entretiens. Collez-les dans la conversation.

4. Demandez à ChatGPT d’en faire un CSV avec une colonne par information : la personne, son point de friction, le moment précis qui l’a agacée, le résultat qu’elle souhaitait, son objection, et la provenance du commentaire. (CSV = un fichier tableau, qui s’ouvre dans Excel ou Google Sheets.)

5. Ouvrez ce fichier depuis votre dossier et relisez-le. C’est votre matière première : si un point de friction est mal formulé ici, toutes les accroches qui en découlent seront faibles.

6. Demandez ensuite un second CSV : pour chaque point de friction, une accroche publicitaire, un CTA (call to action = la phrase qui pousse à l’action, du type « Essayez gratuitement ») et une idée de visuel carré pour un fil d’actualité (format 1:1, celui d’Instagram ou Facebook).

7. Parcourez ce second tableau et repérez les angles qui vous intéressent vraiment. Vous n’utiliserez pas les 100 : c’est le tri qui fait la qualité.

8. Demandez à ChatGPT de générer les premières publicités à partir des angles retenus. Regardez le résultat, dites précisément ce qui ne va pas (ton trop froid, visuel trop chargé, promesse peu crédible) et faites-lui refaire. Répétez jusqu’à obtenir une version que vous valideriez pour de vrai.

9. Une fois cette version figée, demandez-lui de créer la structure d’une petite application qui parcourt automatiquement votre CSV, génère les images via une clé OpenRouter et les range dans des dossiers. (OpenRouter = un service qui donne accès à de nombreux modèles IA avec une seule clé ; la clé API est un identifiant privé qui permet à votre application de les utiliser, facturé à l’usage.)

10. Créez un compte sur openrouter.ai, générez votre clé dans l’espace dédié, puis donnez-la à ChatGPT quand il vous la demande pour finaliser l’application. Ne la publiez jamais ailleurs.

11. Lancez l’application en suivant les instructions que ChatGPT vous donne, puis ouvrez votre dossier : vos visuels publicitaires s’y rangent automatiquement.

Prompt :

Étape 4 : Voici 10 à 20 commentaires clients. Transforme-les en un fichier CSV avec ces colonnes : personne, point de friction, moment frustrant, résultat souhaité, objection, provenance du commentaire. Commentaires : [collez ici]

Étape 6 : À partir de ce CSV, crée un second CSV : pour chaque point de friction, une accroche publicitaire, un CTA et une idée de visuel carré pour un fil d’actualité.

Étape 9 : Crée la structure d’une application qui parcourt ce CSV, génère les visuels publicitaires via une clé OpenRouter, et enregistre les images dans des dossiers.

Option : n’automatisez pas 100 choses d’un coup. Faites d’abord le travail à la main, ajustez jusqu’à obtenir un résultat qui vous plaît vraiment, et seulement ensuite rendez le processus répétable. C’est l’étape 8 qui décide de la qualité des 100 suivantes.

Temps : 1 h à 1 h 30 pour la première série, quelques minutes ensuite.

> Cet email vous a été transféré ? Abonnez-vous ici