NewsFolio

OpenAI a ajouté à son application de bureau macOS une fonction nommée « Computer History », qui enregistre les clics et les frappes clavier de l'utilisateur pour en constituer une chronologie d'activité. ChatGPT et Codex peuvent ensuite consulter cet historique lorsqu'une demande leur est adressée, proposer d'automatiser des gestes répétitifs et reprendre des tâches laissées en cours.

Le changement est de nature, pas de degré : l'assistant ne se contente plus de ce qu'on lui écrit, il observe ce qu'on fait. C'est la condition technique d'un agent réellement utile sur un poste de travail, puisque le contexte qui lui manquait — quels fichiers, quels outils, quelle étape en cours — provient précisément de cette activité.

C'est aussi ce qui rend la fonction sensible. Un journal des frappes clavier capte par construction des identifiants, des messages privés et des données professionnelles couvertes par des obligations de confidentialité. Les conditions d'activation, la durée de conservation et le périmètre exact de ce qui est envoyé aux serveurs déterminent si la fonction est déployable en entreprise.

La société Composio a soumis DeepSeek V4 Flash à trente tâches multi-étapes délibérément difficiles, mobilisant des outils réels comme Gmail, GitHub, Slack et Google Sheets, à travers huit environnements d'agent différents dont Claude Code, Codex et OpenCode. Sur 240 exécutions, 129 ont abouti, soit un taux de réussite de 53,8 %, et six scénarios seulement sur trente ont été menés à bien par la totalité des environnements testés.

Le modèle figure pourtant en tête de plusieurs classements publics depuis sa sortie. L'écart mesuré ici illustre ce que les benchmarks classiques ne captent pas : enchaîner correctement des appels d'outils, gérer les erreurs et maintenir un état sur plusieurs étapes relève autant de l'orchestration que de la qualité brute du modèle.

Le résultat vaut d'autant plus d'attention que les tarifs de DeepSeek sont en hausse, ce qui réduit l'argument du rapport coût-performance qui avait porté son adoption. À noter qu'il s'agit d'un test conduit par un éditeur d'outillage pour agents, partie prenante du sujet, sur un protocole qui lui est propre.

Suno a annoncé un partenariat mondial avec l'éditeur musical BMG, présenté par son cofondateur et directeur général comme le préalable au lancement de son premier modèle développé avec l'industrie musicale. L'accord porte donc sur l'amont : le catalogue et les droits qui servent à entraîner un modèle, et non sur une simple distribution des morceaux générés.

Le contexte donne sa portée à l'annonce. Les générateurs de musique se sont construits sur des corpus dont l'origine était contestée, et les maisons de disques ont répondu par des actions en justice. Un accord de licence explicite avec un acteur de la taille de BMG déplace le sujet du contentieux vers la négociation commerciale.

Les conditions financières et le périmètre du catalogue concerné n'apparaissent pas dans la communication publique, pas plus que la date de disponibilité du modèle. Ce sont ces éléments qui diront si le précédent est reproductible avec les autres ayants droit.

Suno a mis en ligne Studio 2.0, nouvelle version de l'espace de production qui accompagne son générateur musical. Studio vise les utilisateurs qui ne se satisfont pas d'un morceau produit d'un seul bloc et veulent reprendre la matière générée : agencement des sections, retouches, travail par pistes.

C'est la direction que suivent les outils de génération musicale à mesure qu'ils cherchent un usage professionnel : le rendu final compte moins que la capacité à le modifier ensuite sans repartir de zéro. L'annonce ne porte pas de date exploitable dans le flux collecté et le détail des fonctions figure sur la page de Suno, à consulter pour les nouveautés précises de cette version.

Cartesia a doté son modèle de transcription Ink-2 de deux fonctions destinées aux applications vocales temps réel. Le « keyterm prompting » permet de fournir au modèle une liste de termes attendus — noms propres, références produit, vocabulaire métier — afin qu'il les transcrive correctement au lieu de les rendre phonétiquement. La détection de fin de tour devient pour sa part configurable.

Ce second point est le plus déterminant pour qui construit un agent vocal : décider du moment où l'interlocuteur a fini de parler conditionne le naturel de l'échange. Un seuil trop court coupe la parole, un seuil trop long crée des silences. Rendre ce paramètre ajustable permet de l'accorder au cas d'usage, un standard téléphonique et une dictée n'ayant pas le même rythme.

Une femme a déclaré publiquement que son beau-père avait utilisé Grok, l'outil de xAI, pour transformer une photographie d'elle enfant en image à caractère sexuel explicite. Elle décrit des outils qui prennent des scènes de vie ordinaire pour en faire du matériel d'abus sexuel sur mineur.

Le cas met en cause la retouche d'image à partir d'une photographie fournie par l'utilisateur, un chemin plus difficile à filtrer que la génération à partir d'un simple texte : le système doit reconnaître qu'il s'agit d'un enfant sur l'image d'entrée avant d'appliquer la consigne. Les garde-fous de Grok ont déjà été mis en cause sur ce terrain.

La question de la responsabilité juridique reste ouverte et se posera vraisemblablement devant les tribunaux : celle de l'auteur des requêtes ne fait guère de doute, celle de l'éditeur de l'outil dépend des juridictions et des textes applicables.

Une prépublication déposée sur arXiv décrit le portage sur GPU d'un code de simulation météorologique de 250 000 lignes, réalisé avec l'assistance de modèles de langage. Ces codes scientifiques, souvent écrits en Fortran et maintenus pendant des décennies, représentent le cas le plus ingrat de la modernisation logicielle : le comportement numérique doit être préservé à l'identique alors que peu de personnes en maîtrisent encore l'ensemble.

L'intérêt du travail tient à son échelle. Les démonstrations de génération de code portent d'ordinaire sur des fonctions isolées ; il s'agit ici d'une base existante et de grande taille, dont le résultat se vérifie objectivement — le code compile, s'exécute plus vite, et produit les mêmes sorties ou non.

Il convient de rappeler qu'une prépublication arXiv n'a pas été relue par des pairs, et que l'ampleur réelle de la contribution des modèles par rapport au travail humain d'encadrement se juge à la lecture de la méthodologie.

The Verge revient, dans sa chronique hebdomadaire consacrée à un sujet unique, sur l'idée que les comportements d'agents hors de contrôle ont quitté le registre de la fiction. Le texte part d'un incident survenu en juillet et impliquant un agent autonome d'OpenAI.

Il s'agit d'une chronique d'opinion et non d'une enquête, et le détail de l'incident n'est pas restituable à partir du seul extrait collecté. La lecture utile porte sur le déplacement du débat : la sûreté des agents cesse d'être une discussion prospective sur les risques à long terme pour devenir une question d'exploitation, à traiter avec des journaux d'activité, des permissions et des procédures de reprise.