Bonjour,
Ce numéro est construit autour d'une question : peut-on assembler une chaîne d'information tenue par des machines, de la collecte au montage ? Cinq étages, six outils réels, un trou au deuxième, et l'addition qui va avec.
Les sorties
GPT-6 Astra
10 $ par million de jetons en entrée, 50 $ en sortie. Déploiement progressif sur ChatGPT Plus, Pro, Business, Enterprise et l'API OpenAI.
Pour quoi faire Programmation, cybersécurité, recherche scientifique, pilotage d'ordinateur. C'est le premier modèle à franchir le seuil « critique » du cadre de préparation d'OpenAI en cybersécurité, ce qui veut dire qu'il sait attaquer autant que défendre. Un mode rapide double la vitesse, et double le prix.
Limite Le déploiement n'est pas terminé, tout le monde ne l'a pas encore. Et c'est un modèle que vous ne pouvez pas héberger : la sortie est à 50 $ le million de jetons, quand la gamme Flash de Google est à 3,75 $.
Les repos
msitarzewski/agency-agents · ★ 150 281 · MIT · dernier commit 5 septembre 2026
Une bibliothèque de fiches de poste pour assistants de code. Chaque fiche est un fichier texte qui décrit un spécialiste (sécurité, tests, référencement, finance) et que vous déposez dans votre outil. Le dépôt annonce plus de 230 agents. Notre propre comptage après clonage, le 6 septembre 2026, donne 273 fiches. Ce qu'il ne fait pas : aucun code ne s'exécute, ce ne sont que des consignes écrites. Le coût reste celui du modèle qui les lit. Le projet documente lui-même que certains outils n'en enregistrent qu'une partie et abandonnent le reste en silence.
En bref
DEUX ENGAGEMENTS ANNONCÉS CETTE SEMAINE, EN DOLLARS |
NVIDIA rachète Hugging Face |
| 12,9 milliards |
OpenAI pour la cyberdéfense |
| 1 milliard |
NVIDIA acquiert Hugging Face pour 12,9 milliards de dollars. Le principal dépôt de modèles ouverts passe sous le contrôle du premier fournisseur de GPU. Jensen Huang s'engage à garder la plateforme ouverte : la neutralité dépendra des actes. blogs.nvidia.com/blog/…
OpenAI consacre un milliard de dollars à la cyberdéfense des services essentiels. Le programme Daybreak ouvre un accès subventionné à ses modèles et produits cyber aux opérateurs d'infrastructures critiques, aux collectivités et aux mainteneurs de logiciels libres, avec formation et support, à commencer par les États-Unis. openai.com/index/…
Le problème de la semaine
Fabriquer une chaîne d'information tenue par des machines
Vous voulez un flux d'information continu : ramasser des sources, vérifier ce qui est vrai, résumer, mettre en vidéo, et coordonner le tout. Cinq étages. Voici ce qui existe à chacun, ce que ça coûte, et où ça casse.
Étage 1 : ramasser. ScrapeGraphAI (30 601 étoiles, MIT) lit une page web et rend les données rangées. Vous lui donnez une adresse et une phrase, il se débrouille. Mais il ne lit ni les flux RSS ni X : pour ces deux sources, il faut écrire ou brancher soi-même la collecte. Le service hébergé coûte à partir de 20 $ par mois, la bibliothèque seule est gratuite mais les appels au modèle sont à votre charge.
À lire
TROIS LECTURES, ET CE QUE CHACUNE APPORTE | |
Latent Space sur GPT-6 Astra | 20 milliards de jetons dépensés |
Funes, par Hugging Face | une mémoire d'agent que vous hébergez |
Project HydraFusion, par GitHub | plusieurs modèles sur un même agent |
GPT-6 Astra : un ingénieur IA automatisé pour moins de 6 dollars de l'heure · Latent Space a dépensé plus de 20 milliards de jetons pour explorer Astra en profondeur. L'article détaille les gains réels par tâche, les cas où le modèle échoue, et pourquoi il coûte plus cher au jeton mais moins cher au résultat. latent.space/p/astra
Donnez à vos agents de code une mémoire qui vous appartient · Hugging Face présente Funes, un système de mémoire persistante pour agents de code que vous hébergez et contrôlez. huggingface.co/blog/funes
Project HydraFusion : qualité frontière par orchestration multi-modèles · GitHub montre comment faire travailler plusieurs modèles sur un même agent pour atteindre la qualité d'un gros modèle en réduisant le coût. github.blog/ai-and-ml/…
Le réflexe sécurité
LITELLM, LA FICHE DE LA FAILLE | |
Identifiant | CVE-2026-59822 |
Gravité | 8,8 sur 10 |
Version qui corrige | 1.84.0 |
Catalogue CISA | ajoutée le 2 septembre 2026 |
Ce que l'attaquant atteint | les outils exposés par vos agents |
LiteLLM est un relais que beaucoup d'équipes placent entre leurs agents et leurs fournisseurs de modèles, pour envoyer les requêtes au bon endroit. Une faille d'authentification (CVE-2026-59822, gravité 8,8 sur 10) permet à un inconnu de présenter un jeton fabriqué de toutes pièces : le contrôle échoue, et au lieu de refuser, le relais laisse passer la requête avec une identité vide. L'attaquant atteint alors les outils que vos agents exposent, sans aucune clé. La faille est activement exploitée, la CISA l'a ajoutée à son catalogue le 2 septembre. Le détail technique, la gravité et la version qui corrige viennent de l'avis de sécurité du projet lui-même : github.com/BerriAI/litellm/…
Le bon geste. Passez LiteLLM en version 1.84.0 ou plus récente aujourd'hui, c'est la version qui corrige la faille. Si vous ne pouvez pas mettre à jour immédiatement, coupez l'accès réseau entrant vers le relais et changez toutes les clés API qui y sont enregistrées.
Répondez à ce mail pour dire ce que vous construisez. Toutes les réponses sont lues.
— News World AI