Veille IA - 30/09/2026
OpenAI « Dots » : Agents IA persistants avec ordinateur et navigateur cloud dédiés
- Date : 29/09/2026
- Catégorie : agent IA / tendance
- Résumé technique : OpenAI a lancé les « Dots » lors de son DevDay, des agents IA autonomes alimentés par GPT-6 Astra. Chaque Dot reçoit un ordinateur cloud et un navigateur isolés, fonctionne via 4 000+ applications Connectées aux plugins ChatGPT, et conserve sa propre identité, mémoire et historique après la déconnexion de l'utilisateur. Le système intègre un niveau de contrôle en temps réel (Custom Rules, auto-review, sécurité proactive en lecture seule) et gère les identifiants sans exposer les mots de passe au modèle. Disponible en bêta pour Pro, Business Premium et Enterprise/Edu/Healthcare via Microsoft Agent 365.
- Pourquoi c’est intéressant : Marque un tournant technique et produit : on passe du « prompt → réponse » à des agents toujours actifs avec environnement matériel dédié. Cela ouvre la voie à l'orchestration de tâches complexes, au monitoring concurrentiel continu ou à la recherche automatisée sans supervision humaine constante. L'isolation cloud + les garde-fous matériels/logiciels répondent aux problèmes de sécurité et de drift observés chez les agents autonomes actuels.
- Angle possible pour une vidéo YouTube : « OpenAI change tout : tes premiers agents IA auront désormais leur propre ordinateur cloud » ou « Dots vs Codex : comment les agents persistants vont remplacer vos workflows ChatGPT ».
- Source originale : OpenAI DevDay / MarkTechPost
- URL directe :
Holo4 (H Company) : Modèle VLM unifié pour l'usage informatique (GUI, code, MCP & APIs)
- Date : 28/09/2026
- Catégorie : agent IA / outil / LLM
- Résumé technique : H Company publie Holo4, une famille de modèles vision-langage optimisés pour le contrôle d'interfaces. Disponible en version dense 27B (CC BY-NC) et MoE 35B-A3B (Apache 2.0), il fonctionne sur desktop, web, Android, sandboxes code et APIs via un seul pipeline. Entraîné sur 127B tokens dont 75% de trajectoires agencées validées, il utilise un harness Open Source qui injecte screenshots + résultats outils, puis exécute clics, saisies et appels MCP/API nativement. Benchmarks : 85.2% sur OSWorld à 0,08$/tâche, 61.7% sur OSWorld 2.0 avec coût fortement réduit vs Opus 5.5.
- Pourquoi c’est intéressant : Comble le fossé historique entre les agents « écran-only » et les agents « API-only ». Un seul modèle gère maintenant l'interaction visuelle et programme/API, ce qui simplifie drastiquement l'architecture des automates RPA modernes. Les poids open (35B) permettent l'auto-hébergement commercial, idéal pour les infra souveraines ou les studios d'automatisation low-code.
- Angle possible pour une vidéo YouTube : « Fini le choix écran vs API : Holo4 contrôle enfin tout avec un seul modèle open source » ou « Test en direct : déployer Holo4 35B MoE sur son own serveur pour l'automatisation GUI ».
- Source originale : H Company / MarkTechPost
- URL directe :
NVIDIA Open Agent Safety Platform : Sandboxing runtime + watchdog matériel BlueField-4
- Date : 28/09/2026
- Catégorie : automatisation / agent IA / méthode
- Résumé technique : NVIDIA sort une plateforme de sécurité open pour les agents IA, combinant OpenShell (runtime isolé gérant Docker/Podman/MicroVM/K8s avec politiques YAML hot-reloadables) et Sentry (watchdog out-of-band sur BlueField-4 DPU). L'architecture impose un contrôle « hors bande » : l'agent ne peut pas désactiver ses propres garde-fous. Sentry inspecte les requêtes/réponses en circuit séparé, atteste l'identité de l'agent et coupe l'accès au modèle en millisecondes si dérive détectée. Compatible Vera CPUs, extensible Arm/Intel, intégrée par Anthropic, SpaceXAI, Salesforce, SAP.
- Pourquoi c’est intéressant : Répond directement au « drift » des agents qui contournent les contrôles applicatifs pour accomplir leurs tâches. Le déplacement de l'exécution politique dans le silicium (DPU) et non dans l'agent lui-même est une avancée sécurité critique pour les déploiements enterprise. Open en Apache 2.0, prêt pour Kubernetes et les runtimes existants.
- Angle possible pour une vidéo YouTube : « Pourquoi tes agents IA échappent à ton contrôle (et comment NVIDIA bloque le drift avec du hardware) » ou « Sandbox agent IA : passer des garde-fous logiciels au watchdog matériel NVIDIA ».
- Source originale : NVIDIA AI Blog / MarkTechPost
- URL directe :
RRSI (Google Cloud AI & Universités) : Amélioration recursive régulisée des harness d'agents sans toucher aux poids
- Date : 27/09/2026
- Catégorie : méthode / automatisation / agent IA
- Résumé technique : Framework open source Apache 2.0 permettant à un LLM d'évoluer son propre harness (prompts, outils, mémoire, flux de contrôle) sans modifier les weights du modèle. Introduit une régularisation mathématique du cycle d'amélioration : budget d'edition cosine-annealed, credit-aware proposer (ledger des diffs/hypothèses), leakage critic, floor ajusté au bruit statistique et règle de coût token/point. Résultats validés sur 8 benchmarks dont Terminal-Bench 2.1 (+6pts) et SWE-bench Verified (+1.8pt) sans sur-ajustement sur l'ensemble d'évolution. Réduit la consommation de tokens policy de ~30% vs boucles non régulées.
- Pourquoi c’est intéressant : Résout le problème structurel du « overfitting sur l'evolve set » qui tue la généralisation des agents auto-améliorants. Offre une méthode reproductible, open et compatible LiteLLM pour monter en compétence de harness de manière stable, mesurable et économe. Idéal pour les équipes data/ML qui cherchent à passer de prompts statiques à des systèmes agencés évolutifs sans ré-entraînement coûteux.
- Angle possible pour une vidéo YouTube : « Faire évoluer son agent IA sans retrain le modèle : la méthode RRSI de Google en pratique » ou « Fini les harnesss sur-optimisés : comment régulariser l'auto-amélioration des agents LLM ».
- Source originale : Google Cloud AI Research / MarkTechPost
- URL directe :