Tendances du jour
L'orchestration multi-modèles s'installe dans les harness grand public (HydraFusion de Copilot) et l'observabilité des agents se standardise sur OpenTelemetry (Claude Platform, Claude Code). Côté sécurité, les agents sont désormais confinés en microVM sans réseau (Chainguard) et les serveurs MCP deviennent une surface à protéger à part entière ; la délégation d'agent à agent via MCP (groundcover) se concrétise.
GitHub Copilot : HydraFusion orchestre plusieurs modèles et lance une option Max
GitHub Changelog
HydraFusion, l'option en research preview qui coordonne plusieurs modèles pour produire une seule réponse (VS Code, app Copilot, Copilot CLI), puise désormais dans Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol et GPT-6 Luna selon le workflow. L'effort de raisonnement est réglé par étape (brouillon en effort moyen, revue en effort élevé), le workflow « cascade » ajoute un juge qui ne demande une réparation que si nécessaire, et le workflow « critique » inspecte directement l'espace de travail avec des outils et des critiques en parallèle. Une option Max applique un effort supérieur aux tâches exigeantes. C'est un meta-harness intégré au produit : les patterns brouillon/juge/réparation et critiques parallèles sont directement transposables à vos propres orchestrations.
Lire l’article complet sur github.blog (nouvel onglet)Claude Code 2.1.299 et 2.1.300 : compaction à l'inactivité, traces OpenTelemetry GenAI, nouveaux hooks
Claude Code Changelog
La 2.1.299 compacte automatiquement une conversation de plus de 200K tokens restée inactive environ 54 minutes, juste avant l'expiration du cache de prompt d'une heure (réglable via CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS ou "idleCompaction": false) ; les hooks UserPromptSubmit s'exécutent désormais avant l'expansion des skills et commandes slash. La 2.1.300 ajoute les attributs des conventions sémantiques OpenTelemetry GenAI sur les spans, le détail des tokens de création de cache 5 min / 1 h dans l'événement api_request, un hook prompt.change et $.ui.view({ agentId }) pour afficher le transcript d'un agent. Pour qui fait tourner des sessions longues ou des flottes d'agents, c'est un gain direct sur les coûts de cache et sur l'observabilité.
Lire l’article complet sur code.claude.com (nouvel onglet)Claude Platform : export OpenTelemetry en bêta et déploiements planifiés de Managed Agents sur AWS
Claude Platform Release Notes
Anthropic ouvre en bêta publique l'export OpenTelemetry : les requêtes de la Messages API et les sessions Claude Managed Agents peuvent être tracées dans votre backend d'observabilité. Les SDK Claude émettent les spans en Python, TypeScript, C#, Go, Java, PHP et Ruby, et il suffit d'ajouter une destination OpenTelemetry dans la Console pour recevoir les spans côté API. En parallèle, les déploiements planifiés de Claude Managed Agents arrivent sur Claude Platform on AWS. Les agents managés s'intègrent ainsi aux outils de monitoring déjà en place, ce qui était le principal frein à leur mise en production.
Lire l’article complet sur platform.claude.com (nouvel onglet)groundcover : Claude, Codex ou Cursor délèguent des enquêtes de production à son agent via MCP
SiliconANGLE
Avec son « agent-to-agent observability », groundcover permet à Claude, Codex, Cursor ou Amazon Kiro d'interroger directement logs, traces et événements Kubernetes via des outils MCP, ou de soumettre une « Agent Task » asynchrone à son propre agent. L'agent appelant reçoit immédiatement un identifiant de job et continue son travail ; le résultat revient plus tard sous forme d'analyse de cause racine ou de brouillon de dashboard. L'éditeur ajoute aussi un Agent Mode pilotable en temps réel et une mention @groundcover dans les fils d'incident Slack. C'est un exemple concret de délégation asynchrone entre agents spécialisés, construit sur MCP plutôt que sur A2A.
Lire l’article complet sur siliconangle.com (nouvel onglet)Chainguard Harness : chasse aux vulnérabilités par Claude Mythos 5.1 dans des microVM sans réseau
Chainguard
Chainguard construit l'application depuis les sources et la démarre dans une microVM isolée : un premier modèle prépare le build et les dépendances, puis la VM est suspendue et reprise pour Mythos 5.1 sans accès réseau ni identifiants, avec un simple shell. La boucle d'agent tourne hors du sandbox (chaque commande est journalisée) et le code testé est traité comme donnée non fiable pour se prémunir des injections de prompt. Chaque exploit est rejoué dans une microVM neuve et doit réussir à chaque fois, chaque correctif doit le bloquer, et un ingénieur valide le tout ; l'offre est distribuée via la Claude Marketplace (bêta sur liste d'attente). Un modèle de référence pour isoler et vérifier le travail d'agents autonomes.
Lire l’article complet sur chainguard.dev (nouvel onglet)Codex : GPT-5.5 retiré pour les comptes ChatGPT, GPT-6.1 Sol recommandé
Codex Changelog (OpenAI)
Depuis le 14 octobre à 19:00 UTC, GPT-5.5 n'est plus disponible dans Codex pour les utilisateurs connectés avec ChatGPT ; l'API OpenAI et les sessions Codex authentifiées par clé API ne sont pas concernées. Le remplaçant conseillé est GPT-6.1 Sol (gpt-6.1-sol), selon le plan et le client. OpenAI demande aux administrateurs de mettre à jour les valeurs par défaut des workspaces, les configurations managées, les agents personnalisés, les tâches planifiées et les scripts qui ciblent encore gpt-5.5. À vérifier tout de suite dans vos orchestrations : un agent ou une tâche planifiée figés sur l'ancien modèle risquent d'échouer silencieusement.
Lire l’article complet sur learn.chatgpt.com (nouvel onglet)Radware lance une protection dédiée aux serveurs MCP
Help Net Security
Radware MCP Server Protection inventorie les serveurs MCP déployés (cloud public ou privé, Kubernetes, data centers), les outils et ressources exposés, ainsi que l'activité et les flux des agents. Le produit vise l'abus de protocole, les attaques d'authentification, l'énumération d'outils, les interactions MCP non autorisées, le « tool flooding » piloté par IA et le déni de service. Il analyse aussi les identités d'agents et les schémas d'appel d'outils pour repérer des comportements anormaux, en complément du LLM Firewall de l'éditeur. Signe que MCP devient une couche d'intégration critique à sécuriser au même titre qu'une API publique.
Lire l’article complet sur helpnetsecurity.com (nouvel onglet)CodeWall lève 4 M$ pour des équipes d'agents offensifs qui attaquent les entreprises en continu
SiliconANGLE
La startup londonienne CodeWall sort de l'ombre avec 4 M$ de pre-seed pour des agents autonomes qui testent les entreprises comme un attaquant externe, sans identifiants ni connaissance interne. Plusieurs agents spécialisés travaillent en parallèle et consignent leurs découvertes dans un graphe d'investigation partagé, ce qui permet d'enchaîner une faiblesse sur d'autres systèmes ; ils relancent les tests à chaque nouveau système ou correctif, dans le périmètre autorisé. Plus tôt en 2026, ses agents avaient obtenu en deux heures un accès en lecture/écriture à la base de production de la plateforme Lilli de McKinsey. Un cas d'école de coordination multi-agents par mémoire partagée, et un rappel de ce que vos propres agents exposent.
Lire l’article complet sur siliconangle.com (nouvel onglet)Uvi lève 7,5 M$ pour une couche de contexte partagée qui divise le coût des agents
SiliconANGLE
Uvi propose une « context reasoning layer » qui sert de mémoire institutionnelle commune à tous les agents d'une entreprise, alimentée par Slack, Jira, Confluence, Salesforce, les dépôts de code et les comptes rendus de réunion. Un graphe de connaissances modélise les entités, les dépendances et l'historique des décisions, avec des permissions portées par les relations du graphe. Selon l'éditeur, une réponse passe d'environ 0,75–1,41 $ à 0,10–0,16 $ lorsque l'agent passe par cette couche au lieu de reconstruire le contexte à chaque fois (clients : Monday.com, Lemonade, Melio). La mémoire partagée entre agents s'impose comme une brique d'infrastructure à part entière.
Lire l’article complet sur siliconangle.com (nouvel onglet)
Autres actus IA
Apate envoie des milliers d'agents se faire arnaquer pour collecter du renseignement sur la fraude
TechCrunch
La startup australienne Apate.ai déploie des milliers d'agents vocaux et textuels qui se font passer pour des victimes potentielles : ils répondent aux appels frauduleux, suivent les liens de phishing et infiltrent des groupes sur les réseaux sociaux, avec des âges, accents et langues variés. Leur objectif est de garder les escrocs en ligne pour extraire comptes bancaires, portefeuilles crypto et marques usurpées ; l'entreprise revendique 2,5 millions de conversations. Commonwealth Bank of Australia rapporte une baisse de 76 % des pertes liées aux arnaques signalées publiquement.
Lire l’article complet sur techcrunch.com (nouvel onglet)