Larssen Consulting

  1. GitHub Copilot ouvre l'authentification serveur-à-serveur aux agents du Copilot SDK

    GitHub Changelog

    En public preview, les services et agents construits avec le Copilot SDK peuvent désormais appeler Copilot au nom d'une organisation, via une GitHub App, sans dépendre des identifiants d'un utilisateur connecté. Il suffit d'accorder la permission organisationnelle en lecture seule « Copilot Requests », d'installer l'app et de passer un jeton d'installation de courte durée au SDK. La consommation est facturée à l'organisation et soumise à ses politiques de modèles, budgets et plafonds, avec un suivi par app_client_id dans les rapports d'usage. C'est la brique qui manquait pour faire tourner des agents headless (CI, bots, orchestrateurs) sur Copilot sans « compte de service humain ».

    Lire l’article complet sur github.blog (nouvel onglet)
  2. IBM dote les agents d'une identité, de credentials éphémères et d'un kill switch

    IBM Newsroom

    Annoncée à TechXchange 2026, la nouvelle couche « Agent Identity » enregistre le propriétaire, le cycle de vie et les droits de chaque agent, tandis que HashiCorp Vault 2.2 leur délivre des credentials courts et étroitement scopés, révocables en temps réel. watsonx Orchestrate ajoute Discover (repérage d'agents tiers sur Bedrock, Foundry ou Gemini), Contain (sandbox + kill switch) et Evaluate (tests pré-déploiement, monitoring et suivi des coûts tokens), et Terraform gagne un serveur MCP distant pour des changements d'infra gouvernés. Pour qui orchestre des flottes d'agents, c'est un modèle de référence du « least privilege » appliqué aux agents, intégré aussi à NVIDIA OpenShell.

    Lire l’article complet sur newsroom.ibm.com (nouvel onglet)
  3. Scion : comment Anthropic a remplacé Git pour absorber les workloads d'agents

    InfoQ

    InfoQ décrypte Scion, le système de contrôle de version qui a remplacé Git sur le monorepo d'Anthropic : commits, merges, rebases et blame sont exécutés côté serveur via API, avec stockage adressé par contenu, checkouts virtualisés et caches hiérarchisés (daemon local, caches régionaux, backend Spanner). Les changements fusionnés quotidiens sont passés d'environ 2 500 en mai à plus de 30 000 en septembre, avec ~25 millions de checkouts CI par jour et des taux de cache supérieurs à 99 %. Leçon pour les orchestrateurs : multiplier les agents de code fait exploser la charge sur le VCS, et des API serveur riches (diffs, écritures sans checkout) deviennent un prérequis.

    Lire l’article complet sur infoq.com (nouvel onglet)
  4. AWS trie les CVE du noyau Linux avec un pipeline filtre → agent → humain

    InfoQ

    L'équipe noyau EC2 d'AWS a détaillé son pipeline : un script déterministe élimine d'abord ~70 % des CVE (version ou fichiers non concernés), puis un agent reçoit l'arbre source, la config par plateforme, le modèle de menace et une grille de sévérité pour produire un tableau sous-système / type / vecteur d'attaque, en ~3,4 s par CVE. Deux ingénieurs relisent ensuite, et l'équipe estime informellement que 5 à 10 % des décisions de l'agent posent problème. Un cas d'école d'architecture agentique sobre : pré-filtrage non-IA, contexte riche, sortie structurée et humain dans la boucle — la revue devient le goulot.

    Lire l’article complet sur infoq.com (nouvel onglet)
  5. « Thinking-in-Bets » : une checklist privée qui empêche les agents de céder aux fausses critiques

    arXiv

    Cette méthode sans entraînement fait rédiger à l'agent, avant de lire le feedback utilisateur, une « Claim Checklist » de ses affirmations, des vérifications qui les étayent et de sa confiance. Sur cinq modèles Gemini et huit benchmarks (SWE, rapports, CLI…), les revirements injustifiés en revue de patch passent de 12,2 % à 0,02 %, et les modifications de fichiers inutiles après une plainte erronée chutent nettement ; une variante « gated » réduit le surcoût en tokens. Facile à implémenter dans un harness (hook avant tour utilisateur, ou étape de self-check), c'est une parade concrète à la sycophantie des agents de code.

    Lire l’article complet sur arxiv.org (nouvel onglet)
  6. Liquid AI LFM3 : des modèles de 1,7–2 Md de paramètres taillés pour les agents navigateur on-device

    VentureBeat

    Liquid AI publie six modèles LFM3 (texte, vision, voix, décisions structurées) sur une base commune de 1,7 Md de paramètres, architecture « tri-hybride » convolutions/attention, pré-entraînée sur 22 T tokens puis tunée pour le tool use et les tâches agentiques. Le modèle texte tient en ~1 Go en 4 bits et annonce 38,4 sur WebArena-Verified et 41,3 sur AutomationBench, devant Qwen3.5-9B, mais reste derrière sur SWE-bench Verified (43,4 vs 51,2). Pour des sous-agents spécialisés (navigation, extraction) exécutés en local ou à très bas coût (0,08 $/M tokens en entrée), c'est une option sérieuse face aux grands modèles.

    Lire l’article complet sur venturebeat.com (nouvel onglet)
  7. Oracle branche ChatGPT et Codex sur ses applications avec AI Workspace

    SiliconANGLE

    Lors d'Oracle AI World, Oracle a présenté AI Workspace, qui connecte ses applications cloud à ChatGPT pour exécuter des tâches de bout en bout en coordonnant applications, agents, données et outils, y compris externes. App Composer permet de générer du logiciel sur mesure avec scan de vulnérabilités avant déploiement, et AI Security Mesh s'appuie sur les modèles cyber d'OpenAI pour classer les failles et proposer des correctifs. Un bundle PME inclut ChatGPT Business et Codex : un signal de plus que les harness de code deviennent des composants packagés des suites d'entreprise.

    Lire l’article complet sur siliconangle.com (nouvel onglet)
  8. Atlassian : la part des devs gagnant plus de 10 h/semaine grâce à l'IA chute de 68 % à 26 %

    InfoQ

    Le rapport State of Developer Experience 2026 d'Atlassian montre un net reflux des gains de temps déclarés, et seuls 28 % des développeurs constatent une baisse notable des frictions. Les responsables d'ingénierie disent passer plus de temps que les développeurs à gérer et corriger la production de l'IA. Pour qui déploie des équipes d'agents, c'est un rappel que le coût de supervision et de revue doit être mesuré et outillé (evals, observabilité, garde-fous), sous peine de déplacer le travail au lieu de le réduire.

    Lire l’article complet sur infoq.com (nouvel onglet)

Autres actus IA

  1. Google DeepMind dévoile Genie 4, world model avec audio et pilotage en temps réel

    TechCrunch

    Genie 4 génère des environnements interactifs plus photoréalistes, avec audio synchronisé (musique, ambiance, dialogues) et cohérence jusqu'à deux minutes, le double de Genie 3. On peut modifier la scène en cours par prompt, et dans une expérience Gemini Robotics, Gemini planifie les étapes pendant que Genie 4 les simule en temps réel. Disponible en research preview, puis dans les prochaines semaines pour les abonnés Google AI Ultra et des partenaires de l'API Gemini.

    Lire l’article complet sur techcrunch.com (nouvel onglet)
  2. Anthropic étend son partenariat avec la GSA pour amener Claude à tous les niveaux de gouvernement

    Anthropic

    Un nouvel accord avec la General Services Administration américaine accorde aux partenaires publics une remise de 40 % sur Claude Enterprise, Claude for Government et l'API Claude. L'annonce intervient au lendemain du dépôt du S-1 d'Anthropic en vue de son introduction en bourse, et élargit l'accès à Claude au-delà des agences fédérales.

    Lire l’article complet sur anthropic.com (nouvel onglet)