Connexion
Soutenir sur Patreon
Retour aux news
IA

Actualités IA du 28 septembre 2026

À la une : Jev : le premier modèle "System One" dédié aux décisions typées dans les boucles d'agents IA

Publié le 28 septembre 2026

Veille IA - 28/09/2026

Jev : le premier modèle "System One" dédié aux décisions typées dans les boucles d'agents IA

  • Date : 05/10/2026
  • Catégorie : Agent IA / Automatisation
  • Résumé technique : TypeSafe AI a lancé Jev, un modèle de décision "System One" qui ne génère pas de texte libre mais renvoie des réponses strictement typées (Choice, Score, Noul) accompagnées de probabilités calibrées. Entraîné via RLCD (Reinforcement Learning for Calibrated Decisions), il évalue jusqu'à 255 options en parallèle sur un seul état JSON/texte. Latence mesurée : 70 à 500 ms. Coût indicatif : $0,042/million de tokens d'entrée (sortie gratuite). Des implémentations open-source compatibles (Laya, kev) exposent la même interface /v1/systemone.
  • Pourquoi c’est intéressant : Résout un goulot d'étranglement critique des agents autonomes : le routage conditionnel, le gating de sécurité et la vérification de citations. Jusqu'à 193x plus rapide et 444x moins cher que les LLMs généraux pour ces tâches bornées. Permet de décharger efficacement les modèles frontier dans les boucles agenciques tout en garantissant une sortie schéma-sûre, sans hallucination de format.
  • Angle possible pour une vidéo YouTube : "Arrêtez d'utiliser ChatGPT pour router vos agents ! Test technique de Jev vs Claude Opus 5 sur le gating, le reranking et la détection d'injections."
  • Source originale : MarkTechPost / TypeSafe AI 29
  • URL directe :

Exa Agent Ultra : orchestrateur de recherche profonde à effort maximal

  • Date : 05/10/2026
  • Catégorie : Automatisation IA / Outil
  • Résumé technique : Exa a déployé "Ultra", le niveau d'effort maximal de son API Agent. Le système décompose les requêtes complexes, assigne des sous-agents parallèles et route dynamiquement vers des modèles frontier ou rapides selon l'étape du workflow. Conçu pour l'épuisement des tâches de recherche (enrichissement massif d'entités, collecte multi-sources). Durée typique : 30 min à 3h. Budget par exécution ajustable de $1 à $100 via maxCostDollars.
  • Pourquoi c’est intéressant : Surpasse Opus 5.5, GPT-6 Astra et Perplexity Agent sur les benchmarks WANDR (soft recall), DeepSearchQA (F1) et WideSearch, tout en réduisant le coût par tâche (ex: -54% vs GPT-6 sur DeepSearchQA). Idéal pour la veille concurrentielle poussée, l'enrichissement de bases CRM, ou la recherche financière/académique exigeant des milliers de sources croisées avec citation systématique.
  • Angle possible pour une vidéo YouTube : "L'IA qui lit 1000 pages à votre place : Test d'Exa Agent Ultra pour la veille concurrentielle et l'enrichissement automatisé de données."
  • Source originale : MarkTechPost / Exa 30
  • URL directe :

Altar-1 : modèle de sécurité MoE compressé à 328 Go pour réseaux isolés (air-gapped)

  • Date : 05/10/2026
  • Catégorie : Nouveau LLM / Open Source / Méthode technique
  • Résumé technique : Aikido Security publie les poids open de Altar-1, une version compressée du MoE GLM-5.3 (753B paramètres). Applique l'AWQ INT4 et une prune d'experts via REAP (Router-weighted Expert Activation Pruning), passant de 256 à 168 experts par couche sans réentraînement. Réduction mémoire : 1,5 To → 328 Go (-78,2%). Déployable sur un nœud 4x H200 ou 4x H100 via vLLM, avec cache KV optimisé pour le contexte long (128k). Rappel CVE maintenu à 60,4% (92% de la couverture du modèle parent).
  • Pourquoi c’est intéressant : Comble un vide critique en cybersécurité et souveraineté : permet le pentesting autonome et l'analyse de code dans des infrastructures hors-cloud ou déconnectées d'internet, sans fuite de contexte sensible. Démonstration technique rare de pruning dynamique d'experts MoE préservant les spécialistes (code, langues rares, output structuré).
  • Angle possible pour une vidéo YouTube : "Comment faire du pentesting IA 100% hors-ligne ? Installation et benchmark d'Altar-1 (MoE compressé) sur cluster GPU."
  • Source originale : MarkTechPost / Aikido Security 31
  • URL directe :

Analyse contractuelle et coût réel des agents de code IA en entreprise (Copilot, Kiro, Cursor, Devin)

  • Date : 05/10/2026
  • Catégorie : Conseil d’usage / Automatisation entreprise
  • Résumé technique : Audit transversal des conditions contractuelles actuelles (indemnisation IP, rétention des prompts, logs audit, coût réel à 500 sièges) pour GitHub Copilot, AWS Kiro, Cursor et Cognition (Devin/Windsurf). Microsoft offre une indemnisation sans plafond pour le code non modifié. AWS couvre les droits d'auteur mais exige la conservation des filtres de service. Cursor indemnifie les "Suggestions" hors du plafond de frais, mais exclut les combinaisons modifiées. Cognition exclut explicitement les sorties générées de l'indemnisation standard (plafonné à 2x les frais). Les politiques de rétention varient : GitHub conserve 0 jour en IDE mais 28 jours ailleurs ; Cursor offre un mode privacy avec zéro rétention chez les fournisseurs ; Cognition impose un opt-out explicite.
  • Pourquoi c’est intéressant : Information stratégique vitale pour les DPO, chief legal officers et CTO avant tout déploiement à scale. Clarifie les risques réels de fuite de propriété intellectuelle et donne une grille de lecture fiable sur le coût réel (incluant SSO, audit logs SCIM et crédits d'usage) qui dépasse souvent largement les tarifs affichés par siège. Aide à arbitrer entre performance agencique et conformité juridique.
  • Angle possible pour une vidéo YouTube : "Le vrai coût caché des agents de code IA en entreprise : analyse juridique, risques IP et comparatif Copilot vs Cursor vs Devin."
  • Source originale : MarkTechPost / Analyse contractuelle 32
  • URL directe :

Architecture de veille IA automatisée : tâches planifiées, tri par "Skills" et synthèse actionnable

  • Date : 05/10/2026
  • Catégorie : Workflow IA / Automatisation / Conseil d’usage
  • Résumé technique : Synthèse des architectures 2026 pour la veille automatisée. Utilisation de Claude Cowork ou ChatGPT Work pour exécuter des tâches planifiées et ingérer directement les boîtes mail via connecteurs Gmail officiels. Intégration de fichiers SKILL.md pour standardiser les méthodes de tri (catégorisation en 3 niveaux : à appliquer immédiatement, à lire, archiver). Couplage avec Make/Zapier pour l'agrégation RSS initiale et le stockage structuré dans Notion/Google Sheets. L'accent est mis sur la boucle de feedback humain qui ajuste les seuils de confiance du skill au fil des exécutions.
  • Pourquoi c’est intéressant : Passe d'une veille passive (flux RSS saturants) à un système actif de filtration contextuelle piloté par l'IA. Montre comment structurer le contexte (contexte.md), définir des exclusions précises, et transformer chaque signal en action concrète (prompt à tester, paramètre à ajuster). Applicable immédiatement pour les indépendants, chefs de produit ou équipes marketing sans nécessiter de compétences avancées en développement.
  • Angle possible pour une vidéo YouTube : "Jeune freelance, j'ai automatisé ma veille IA avec Claude Cowork et Make : setup complet en 1 heure (tri intelligent, synthèse, actions concrètes)."
  • Source originale : Guides spécialisés / Tutos IA 33
  • URL directe :