Tendances du jour
Dimanche calme côté lancements, mais le harness s'impose comme variable de premier plan : il change le classement des modèles sur Co-Design Bench, et la gestion des permissions et des identifiants (Claude Code, Hermes Desktop) devient le vrai sujet de sécurité. La supervision d'agents par d'autres modèles bute sur les faux positifs. OpenAI tease une annonce développeurs pour ce lundi.
Co-Design Bench : le meilleur agent de code ne termine que 26,4 % des tâches réelles, et le harness change le classement
The Decoder
Des chercheurs d'Alibaba et de plusieurs universités asiatiques ont construit Co-Design Bench à partir de vraies demandes de modification d'applications web, en retenant celles où les utilisateurs avaient reformulé ou annulé des changements. Dix modèles ont été testés : GPT-6 Astra arrive en tête mais ne réussit entièrement que 26,4 % des tâches (41 % en multimodal, moins de 18 % en refonte de dépôt), alors que les mêmes modèles dépassent 99 % sur des benchmarks plus anciens. Point clé pour les orchestrateurs : Qwen3.8-27B passe de 56 % à 75 % sur les grosses refontes selon le harness utilisé, et le classement des modèles bouge avec l'environnement. Les auteurs recommandent de toujours publier le couple modèle + harness, et la notation repose sur un juge IA qui teste l'app dans un navigateur, doublé d'un second juge anti-mock.
Lire l’article complet sur the-decoder.com (nouvel onglet)Hermes Desktop : le navigateur de l'agent peut réutiliser vos sessions connectées et remplir les mots de passe sans les voir
RuntimeWire
Nous Research a fusionné dans Hermes Agent une modification qui permet au navigateur intégré de Hermes Desktop de réutiliser, sur option, une session déjà connectée du profil de navigateur réel de l'utilisateur. Le navigateur peut aussi remplir des identifiants depuis Hermes Vault, Bitwarden ou 1Password en mode « password-blind » : l'agent saisit les identifiants sans jamais les lire. C'est une réponse directe au principal blocage des agents navigateurs (sessions authentifiées, 2FA), mais l'article ne précise ni comment les sessions sont copiées ni quels contrôles d'accès s'appliquent. Pour qui déploie des agents web, c'est un modèle à étudier, avec une vraie question de périmètre de confiance.
Lire l’article complet sur runtimewire.com (nouvel onglet)Superviser des agents avec des LLM : très bonne détection, mais un déluge de fausses alertes
The Decoder (publié samedi soir)
Andy Hall (Anthropic Institute, en congé de Stanford) a reproduit et étendu une étude du METR en demandant à cinq modèles (GPT-5, GPT-5 nano, GPT-6 Astra, Opus 4.8, Gemini 3.8 Flash) d'auditer des logs d'agents du jeu de données MALT. Sur le reward hacking, GPT-5 détecte près de 98 % des cas pour 5 % de faux positifs, mais Opus 4.8 signale 40 % des logs sains et Gemini 3.8 Flash 63 % à 80 % de détection. À 100 000 sessions par mois, même 3 % de faux positifs produisent environ 3 000 alertes inutiles pour 2 000 vraies, de quoi saturer une équipe de revue. Pour les orchestrateurs, la leçon est de mesurer la précision des alertes et la charge des réviseurs, pas seulement le taux de détection, et de comparer le coût des auditeurs (GPT-5 coûte environ huit fois moins cher que GPT-6 Astra tout en étant meilleur sur le reward hacking).
Lire l’article complet sur the-decoder.com (nouvel onglet)Claude Code : le « Don't ask again » a exposé des secrets sur GitHub, Anthropic promet du secret scanning
iTnews
Selon l'étude d'Apiiro (publiée le 5 novembre, largement reprise ce week-end), l'option « Yes, and don't ask again » enregistre la commande approuvée, secrets compris, en clair dans .claude/settings.local.json. Sur 104 185 copies publiques de ce fichier, 1 122 contenaient au moins un vrai secret (1 379 au total : mots de passe de bases, clés Supabase service-role, tokens GitHub/npm, clés AWS), et Gitleaks comme TruffleHog en ratent une partie. Boris Cherny, responsable de Claude Code, a répondu sur Hacker News que l'équipe va prototyper une détection de ces commandes en auto mode et un secret scanning basique, tout en rappelant que le fichier est gitignoré à sa création. À retenir pour les harness : les règles de permission persistées sont une surface d'exfiltration, donc préférez des motifs et des variables issues d'un gestionnaire de secrets aux commandes littérales.
Lire l’article complet sur itnews.com.au (nouvel onglet)DeepSeek Harness prépare une marketplace officielle de plugins
RuntimeWire
DeepSeek prévoit une marketplace officielle de plugins pour Harness, son runtime d'agents open source, ainsi qu'un programme de soutien aux auteurs, sans date de lancement annoncée. Le contexte : 1,54 million d'utilisateurs actifs quotidiens via l'API officielle au 4 novembre (contre 429 000 début octobre), environ 92 000 milliards de tokens traités par jour et quelque 35 000 plugins tiers déjà publiés. Une marketplace officielle ferait de Harness un écosystème d'extensions comparable aux plugins et skills de Claude Code, avec les mêmes enjeux de gouvernance et de supply chain. C'est à suivre pour qui standardise ses outils d'agents sur plusieurs harness.
Lire l’article complet sur runtimewire.com (nouvel onglet)OpenAI Developers tease une annonce pour ce lundi 9 novembre
RuntimeWire
Le compte @OpenAIDevs a publié dimanche un simple « Tomorrow » accompagné d'une vidéo, sans nommer de produit, de modèle ni d'horaire. Le compte cible les développeurs qui s'appuient sur les modèles OpenAI, Codex et l'API, ce qui laisse penser à une annonce touchant l'outillage agentique, mais rien n'est confirmé pour l'instant. Si vous pilotez des workflows Codex en production, surveillez d'éventuels changements de modèles par défaut, de tarifs ou de comportement de l'API.
Lire l’article complet sur runtimewire.com (nouvel onglet)
Autres actus IA
Anthropic achète pour 3,4 Md$ de générateurs à gaz pour ses data centers
The Next Web (d'après le Financial Times)
Selon le FT, Anthropic a repris fin septembre environ 1,7 GW de générateurs Caterpillar commandés par OnePWR Solutions (San Antonio), qui ne pouvait pas financer l'achat, pour environ 3,4 milliards de dollars, installation comprise. Ce serait le plus gros achat connu d'équipement électrique par une entreprise d'IA. Anthropic ne rachète pas OnePWR, et l'emplacement final des générateurs reste inconnu. L'annonce tombe alors qu'Anthropic prépare son introduction en bourse, avec des engagements d'infrastructure massifs.
Lire l’article complet sur thenextweb.com (nouvel onglet)Le conseil de Nvidia ouvre une enquête indépendante sur les soupçons d'ingérence visant Jensen Huang
NVIDIA (communiqué via GlobeNewswire)
À la suite d'informations selon lesquelles Jensen Huang aurait été la cible d'une opération de renseignement étranger, le conseil d'administration de Nvidia confie une enquête à un comité d'administrateurs indépendants assisté d'un avocat extérieur. Le conseil dit n'avoir aucune raison de penser que la sécurité nationale ou des secrets de l'entreprise aient été compromis, et Huang s'engage à coopérer. Le conseil réaffirme sa confiance dans le PDG et l'équipe dirigeante. L'affaire s'ajoute aux tensions politiques autour des puces IA et de la Chine.
Lire l’article complet sur globenewswire.com (nouvel onglet)