Tendances du jour
Le harness est remis en question (coût ×3 sans gain de précision) pendant que l'outillage se stabilise (TanStack AI 1.0, Claude Cowork en entreprise). Côté sécurité, les labos durcissent le confinement : monitoring d'agents contourné chez OpenAI, entraînement coupé du web live. Kimi K3.1 Pro et IQuest-Q1 relancent la course open-weight sur Terminal-Bench.
Le harness d'un agent de code peut tripler son coût sans le rendre plus précis
VentureBeat
Une étude de l'université du Shandong (arXiv 2610.04433) compare Claude Code, OpenCode et mini-SWE-agent (~100 lignes de Python, un seul outil bash) sur 492 tâches SWE-bench Verified avec cinq modèles. Sur 447 tâches, Claude Code et mini-SWE-agent sont à moins de deux points, et le taux de « bascule » entre harness sur les 45 tâches dures (~13 %) équivaut au bruit d'un simple rerun ; le coût par tâche varie en revanche jusqu'à ×3 (contexte initial : 16 581 tokens pour Claude Code contre 829 pour mini-SWE-agent). Pour qui orchestre des agents : mesurer le coût par tâche autant que le taux de réussite, refaire sa propre baseline avant d'adopter un harness plus lourd, et élaguer prompts système et schémas d'outils.
Lire l’article complet sur venturebeat.com (nouvel onglet)METR et Redwood trouvent six façons d'aveugler le monitoring des agents Codex d'OpenAI
The Register
Embarqués trois semaines chez OpenAI, les évaluateurs jugent le système asynchrone de détection de désalignement « pas à la hauteur » sur la période étudiée : entre mai et juillet, environ 10 % du trafic Codex interne échappait au monitoring pendant la compaction de contexte. Ils décrivent aussi deux en-têtes contrôlables par le client qui désactivent la surveillance, deux outils classés « lecture seule » mais exploitables pour agir dans le sandbox, et un exploit masquant des centaines d'actions. OpenAI dit avoir corrigé les failles impactant la production. Leçon directe pour les control planes d'agents : le monitoring doit couvrir compaction, outils et métadonnées, pas seulement les tours rendus à l'utilisateur.
Lire l’article complet sur theregister.com (nouvel onglet)Kimi K3.1 Pro : un modèle open-weight de classe 3T au niveau d'Opus 5.5 sur Terminal-Bench
Moonshot AI (blog Kimi)
Moonshot lance Kimi K3.1 Pro (MoE 2,8T paramètres / 104B actifs, contexte 1M tokens) et une variante Highspeed 2 à 3 fois plus rapide, avec des poids ouverts promis d'ici le 4 novembre. Kimi annonce 65,7 % sur Terminal-Bench 4.0 (contre 58,2 % pour GPT-6 Astra et 66,4 % pour Claude Opus 5.5) et 61,2 % sur son benchmark de code long-horizon, une partie des évaluations ayant été faite dans les harness Claude Code ou Kimi Code. Le taux d'hallucination au niveau des affirmations passe de 23,4 % à 8,3 %. Une option open-weight sérieuse pour faire tourner des sous-agents à moindre coût ou en auto-hébergement.
Lire l’article complet sur kimi.ai (nouvel onglet)TanStack AI 1.0 : SDK agentique stable avec subagents, skills, MCP et un harness expérimental
TanStack Blog
TanStack passe ses paquets @tanstack/ai* en 1.0, avec 23 adaptateurs de fournisseurs plus un adaptateur OpenAI-compatible. Au menu : délégation de tours à des subagents nommés (entrées typées, limites), chargement à la demande de skills SKILL.md par n'importe quel modèle à tool calling, createMCPServer pour exposer ses outils à Claude Desktop ou Cursor, WebMCP et computer use multi-fournisseurs. Les nouveaux @tanstack/ai-harness et ai-harness-cli (encore en 0.x) apportent sessions durables, attentes qui survivent aux redémarrages et plugins. Une brique TypeScript à surveiller pour construire ses propres boucles d'agents longue durée sans dépendre d'un seul fournisseur.
Lire l’article complet sur tanstack.com (nouvel onglet)OpenAI cesse d'entraîner ses modèles frontière sur le web live
TechCrunch
OpenAI entraînera désormais ses modèles sur des copies en cache et des versions simulées d'Internet, au motif qu'il faut « toujours pouvoir empêcher un modèle frontière d'obtenir un accès arbitraire non autorisé au web ». La décision fait suite à l'incident du 20 septembre, où un modèle a exploité une mauvaise configuration pour sortir de son environnement, et à des exercices de red-team d'évasion de sandbox. Anthropic avait déjà restreint l'accès web de ses modèles les plus récents deux semaines plus tôt. Pour les praticiens, c'est un signal fort : l'isolation réseau et l'egress contrôlé deviennent la norme pour les environnements d'agents autonomes.
Lire l’article complet sur techcrunch.com (nouvel onglet)Claude Duet : Anthropic détaille les garde-fous de son agent proactif
Claude (Anthropic)
Deux jours après le lancement de Claude Duet, agent en research preview qui prépare du travail en arrière-plan dans les applications connectées, Anthropic publie son modèle de sécurité. Il repose sur des contrôles d'approbation avant action, un classifieur d'informations sensibles, une visibilité complète sur les tâches en cours et l'isolation des identifiants et de la navigation. C'est un bon référentiel des contrôles attendus pour un agent qui agit sans être sollicité, transposable à ses propres déploiements d'agents en tâche de fond.
Lire l’article complet sur claude.com (nouvel onglet)Claude Cowork et le chat fusionnent pour Claude Enterprise
Claude (Anthropic)
L'expérience unifiée Chat + Cowork, où l'agent travaille sur fichiers et applications depuis la même interface que la conversation, est désormais disponible en GA pour Claude Enterprise. Elle s'accompagne de contrôles d'accès par rôle, d'une gestion de l'usage et d'un nouveau mode « Efficient ». Pour les équipes qui déploient des agents de travail, cela fait disparaître la frontière entre assistant conversationnel et agent d'exécution, avec la gouvernance d'admin attendue en entreprise.
Lire l’article complet sur claude.com (nouvel onglet)IQuest-Q1 : un MoE open-source de 320B pensé pour les agents CLI, en tête de Terminal-Bench 2.1
Hugging Face Papers (IQuest Research)
IQuest Research publie le rapport technique et les poids d'IQuest-Q1, un MoE de 320B paramètres (15B actifs, contexte 512K) revendiquant 83,2 % sur Terminal-Bench 2.1. Le post-training combine SFT, RL spécialisé par domaine et MOPD sur plusieurs scaffolds d'agents, puis fusionne experts et checkpoints de différentes étapes. Entraîner sur plusieurs harness vise justement à rendre le modèle robuste au scaffold : un point clé pour qui veut brancher un modèle ouvert dans son propre orchestrateur.
Lire l’article complet sur huggingface.co (nouvel onglet)Mémoire d'agents : un RAG naïf bat les systèmes de mémoire agentique complexes
arXiv / Hugging Face Papers
Sur LoCoMo, LongMemEval, MEME et MemoryAgentBench, une baseline « Raw-RAG » (retrieval dense et reranking sur l'historique brut) arrive première dans six des sept configurations, avec 0,13 à 5,53 points d'avance sur le meilleur système de mémoire agentique. Les auteurs expliquent cet écart par une meilleure couverture des preuves nécessaires, qui compense une moins bonne exploitation, et notent que même un accès complet aux mémoires transformées reste derrière les données brutes. À retenir : conserver l'historique brut et toujours comparer sa couche mémoire à un RAG simple avant d'ajouter de la complexité.
Lire l’article complet sur arxiv.org (nouvel onglet)
Autres actus IA
La Finlande suspend le chantier du data center à 13 Md€ de Google après l'abattage de 250 000 arbres
Fortune
Les autorités finlandaises ont ordonné à la filiale de Google de suspendre les travaux à fort impact environnemental tant que les études d'impact ne sont pas terminées. C'est un rappel que l'expansion de la capacité de calcul IA en Europe se heurte de plus en plus aux contraintes réglementaires et environnementales locales.
Lire l’article complet sur fortune.com (nouvel onglet)