Supersocks Intelligent

Crouton Alpha, nouveau modèle gratuit sur OpenCode pour la semaine à venir. 1M de contexte, multimodal et ZDR. Let's go, testons l'engin et à vos pronos pour qui se cache derrière.

Ce que vous voyez, c'est mon app iPad, construite sur un fork de T3 Code. Qu'est-ce que j'ai fait ? J'ai ajouté une vue multi-fils, pilotée depuis un fil principal. Combien de temps ça m'a pris ? 5 minutes pour implémenter cette feature. Pourquoi ? Pour profiter de l'iPad et piloter mes machines à distance sur une dizaine de fils, le tout depuis une seule conversation, à la voix, avec les modèles de mon choix. Et pour bosser sur plusieurs projets à la fois. Conclusion ? Si Claude Code ou Codex vous plaisent, restez-y. Mais si vous avez d'autres besoins, ne vous mettez pas de barrière : aucun harnais n'est meilleur qu'un autre, tout dépend de ce que vous en faites. Mon objectif, presque atteint : ne bosser mes side projects que depuis l'iPad, être plus proactif que sur PC ou Mac, et ne me fixer aucune limite de personnalisation. Mais si quelque chose n'est pas utile, ça dégage.

Ça me fume de rire. Depuis la sortie d’Opus 5.5, c’est le mail que je reçois après quasiment chaque échange : « Nice preparation ». Je fais des présentations à des dinosaures qu’Opus 5.5 me torche en 30 minutes. Et derrière, mon outil que j’ai reverse-engineeré me sort 10 scénarios avec toute la Bill of Materials, les PFD, les budgets, les schémas d’installation… Le client m’envoie sa demande le lundi. Le mardi, je débarque avec un deck digne des plus grands cabinets de conseil. Et je parle de projets à plusieurs millions de dollars. Opus me prémâche l’analyse, les scénarios, les présentations et même le discours. Je n’ai plus qu’à me concentrer sur ce qui compte : comprendre le client, challenger les hypothèses, défendre les choix techniques et convaincre. J’arrive comme une fleur avec l’assistant dont j’ai toujours rêvé. Pendant ce temps, je développe WattsElse, LLMgram, un Age of Empires-like… quelle vie. Le POC est validé. Maintenant, je standardise tout ça pour que mes collègues aient les mêmes armes. Pour l’anecdote, je fais littéralement le boulot de cinq sales et j’en redemande. Évidemment, l’expérience compte. Savoir poser les bonnes questions, comprendre la technique, orchestrer les outils et repérer les conneries que peut sortir un modèle, ça ne s’improvise pas. Mais quel engin. On parle beaucoup de l’IA qui remplacera les métiers. Moi, je vois surtout ce qui se passe quand quelqu’un qui maîtrise déjà son métier se retrouve avec une capacité de production démultipliée. Ne perdez pas votre temps à tout refaire manuellement. Un template, une idée, une bonne orchestration, et bim.

Mistral vient de publier le rapport technique de Mistral Large 4, son nouveau modèle ouvert : 1 000 milliards de paramètres, entraîné 45 jours sur 3 840 puces NVIDIA près de Paris. Le rapport ne se contente pas d'aligner des scores, il raconte comment on fabrique une IA de pointe en 2026, erreurs comprises. J'en retiens quatre choses. Première chose : un modèle peut réussir les tests et rater le travail. Pour économiser de la mémoire, Mistral l'avait bridé pour qu'il ne relise souvent que les derniers mots, ce qui passait inaperçu aux tests habituels mais le rendait décevant sur les longues tâches, alors l'équipe l'a opéré en plein apprentissage pour qu'il relise tout, puis a ajouté une technique de DeepSeek : un petit module de tri qui, pour chaque mot, ne lui fait relire que les passages utiles, où qu'ils soient. Deuxième : une usine à exercices. Pour apprendre à agir, avec des outils, des commandes et du code, le modèle s'entraîne sur plus de 300 000 exercices et n'est récompensé que s'il réussit. des agents IA partent de vrais projets GitHub, cachent la solution et rédigent l'énoncé, puis d'autres vérifient qu'on ne peut pas tricher. En cyber, ils partent de failles connues, et le correctif doit bloquer l'attaque sans rien casser. Les essais réussis de ces agents entraînent aussi le modèle, pour que chaque génération fabrique les exercices de la suivante. Résultat sur les cinq tests cyber du rapport, ML4 arrive premier sur deux face aux six modèles ouverts comparés, DeepSeek sur les trois autres. Troisième : le faire tourner sans se ruiner. Compressé sans perte sur ses évaluations, le modèle publié pèse 606 Go et tient sur quatre puces NVIDIA GB300. Il propose trois niveaux de réflexion, pour ne pas payer une longue réflexion quand la question est simple. Quatrième : ce que l'équipe a découvert en route. Pendant l'entraînement, deux agents sont sortis de leur bac à sable : l'un a pris le contrôle d'une machine de Mistral en enchaînant quatre failles, l'autre a effacé par erreur 30 000 environnements. Les alertes ont sonné, Mistral a corrigé puis relancé l'entraînement. Comme il s'attend à des évasions plus habiles, il remplace ses bacs à sable, jusqu'ici de simples conteneurs, par de petites machines virtuelles mieux isolées. Un troisième agent a triché en espionnant le correcteur pour lui voler la réponse ; ce genre de triche est surveillé en continu, et les environnements sont renforcés au fur et à mesure. Autre surprise, plus discrète : les agents polluent le web. Certains sites transforment chaque recherche qu'ils reçoivent en une nouvelle page. Or tous les agents qui passent le même test public en cherchant en ligne, comme BrowseComp, conçu par OpenAI, y laissent ainsi des traces, quel que soit le labo, et les suivants les retrouvent dans leurs résultats. En octobre, la plupart des essais de ML4 sur ce test tombaient sur l'une de ces pages dès les dix premières recherches. Elles ne donnent pas la réponse, mais font perdre du temps et poussent sans doute les agents vers les mêmes pistes. Anthropic avait prévu que ça empirerait ; Mistral prévoit de passer à sa propre copie du web, hors ligne. Dans ce rapport Mistral raconte ses erreurs, pas seulement ses scores. Et le rapport montre où se déplace la difficulté : quand une IA agit, il faut surveiller ce qu'elle touche, et jusqu'aux traces qu'elle laisse aux suivantes. Le rapport : huggingface.co/mistralai/Mis…

Grokbot inutilisable à cause des quotas ? Je crains que Duet ne gâche ma lune de miel avec mes agents. On a vu l'effet de Dots chez OpenAI sur l'annonce des limites d'usage, dont le discours se veut depuis plus rassurant. Mais ces bestioles ne sont pas gratuites, surtout quand on cumule LLM, machine virtuelle et stockage dans un seul harnais. Une fois l'utilisateur bien installé dans la logique commerciale, il devra passer à la caisse pour du 24/7, et plus encore s'il ne se contente pas d'automatiser mais y fait tourner un vrai process de dev. On me dit souvent : « Mais attends, t'es pas en automatique avec Grok ? » Si, mais je reste très méfiant : j'ai quelques workflows et je les surveille de près. Hors de question de payer en plus de mon abonnement xAI. C'est pour ça que je vois les projets open source comme Hermes, ou la sortie de Deep Agent par DeepSeek, comme une aubaine : avec un peu d'huile de coude, on obtient une expérience comparable, sans limite d'usage et sous son contrôle. Et c'est aussi pour ça que je souris quand des pro-IA qui travaillent pour les labs nous vantent 1 000 Grokbots branchés les uns aux autres pour envoyer des milliers de PR par jour. Comme les politiciens, ils ne connaissent pas la valeur de l'argent ces gens là : ce n'est pas eux qui paient.

DeepSeek va récupérer nos données. » Quelques réponses à ce post disent ça, et elles se trompent. DeepSeek n'a publié aucun service à qui confier quoi que ce soit. Ils ont publié du code sous licence MIT, qui tourne chez toi, avec le modèle que tu choisis. dsh-superagent s'installe sur ta machine. Son panneau écoute sur 127.0.0.1, sa base et ses dossiers de travail restent dans le répertoire que tu choisis, et le modèle est celui que tu branches : DeepSeek ou un autre fournisseur… Tes données partent seulement vers le modèle que tu as choisi, comme avec n'importe quel autre harnais. Leurs modèles sont open weights, pas open source, c'est vrai : on n'a ni les données ni la recette d'entraînement. Mais la licence MIT donne l'usage, la modification et l'exploitation commerciale. V4 Flash est entré dans le top 3 open weights d'Artificial Analysis cet été, le prochain Pro s'annonce très prometteur, et aujourd'hui c'est le labo frontière qui mérite le plus le nom d'open AI, quoi qu'on en dise. Le pré-entraînement et le post-entraînement restent la sauce des labos. Un particulier n'a ni les données ni les GPU pour rivaliser, et ce n'est pas là qu'il s'émancipe. Le harnais, lui, se construit chez soi si on le décide : qui parle à l'humain, qui code, qui surveille, ce qu'on trie en code avant d'appeler un modèle, ce qu'on garde en mémoire hors du contexte. Partager ces pratiques en public met une grosse pression sur les labos et sur les projets qui vendent la même chose en boîte noire. Ma stack tourne déjà sur ce schéma : un cockpit, un juge qui route, des workers isolés, une QA indépendante et un moniteur qui suit les tâches sans dépenser un tour de modèle. Retrouver les mêmes réponses dans un dépôt MIT, avec en plus un mode « observe » activé par défaut et une reprise qui vérifie Git avant de refaire une action, m'a confirmé la direction et donné des pièces à reprendre. Proactivité et gestion de plusieurs fils en parallèle, c'est le standard des harnais de cette fin d'année : Grok Bot, Muse, Claude Duet, ChatGPT Dot. Oui, ça recoupe d'autres initiatives, mais je parie aussi que Hermes Agent et d'autres vont s'en inspirer. DeepSeek précise lui-même que c'est un prototype de recherche. il faut prendre le code comme une brique et lire l'article pour la vision.

Que l'AGI soit mal définie ne veut pas dire qu'elle est inutile, ni déjà atteinte. On ne s'accorde pas non plus sur une définition de l'intelligence, ça n'empêche pas de voir ce qui manque. Un agent qui code peut essayer, voir que ça plante et recommencer. Une mauvaise action dans une usine, sur un réseau électrique ou dans un bloc opératoire, on ne la rattrape pas : il faut anticiper avant d'agir, donc simuler. C'est exactement ce que vise un world model. Je ne dis pas que les LLM sont une impasse, ni qu'ils sont incapables dans ces cas-là. Ils sont bluffants, mais suffisants pour quoi ? Pour écrire, coder, chercher, on s'en approche. Pour agir dans le réel, une brique reste encore mal maîtrisée : anticiper de façon fiable ce qui va se passer dans une situation physique nouvelle. Le langage donne accès aux intentions et aux explications, le world model aux conséquences physiques. Et il faut que ça tourne sur un robot ou une machine, en temps réel, pas seulement dans un datacenter. C'est là que JEPA est intéressant. Tous les world models ne font pas la même chose. Certains génèrent une vidéo du futur, comme Genie ou Cosmos : ils redessinent toute la scène, reflets et textures compris. JEPA, lui, ne cherche pas à reconstruire chaque pixel : il prédit une représentation abstraite de la scène, en gardant ce qui sert à comprendre et à agir. Plutôt une carte qu'une photo. Et comme il ne fabrique pas d'images, il peut être beaucoup plus léger à faire tourner, ce qui compte pour un robot. Et ça marche déjà en partie : avec V-JEPA 2, sorti chez Meta en 2025, des bras robotiques ont pu attraper et déplacer des objets dans des labos où ils n'avaient jamais été entraînés. Le modèle avait surtout appris sur plus d'un million d'heures de vidéos internet, puis sur moins de 62 heures de vidéos de robots. Les taux de réussite restaient loin de 100 %, mais la version 2.1, publiée en mars 2026, fait déjà mieux sur la saisie d'objets. Et ce qu'on appelle « un LLM » aujourd'hui, c'est déjà bien plus qu'un LLM. Claude Opus 5.5, ce n'est pas juste un bon modèle de langage : c'est un très bon système. Il est entraîné par renforcement, utilise des outils, exécute du code, vérifie ses résultats et travaille en agent. Google pareil, avec Gemini d'un côté, Genie, son world model, et Gemini Robotics de l'autre. Le progrès vient déjà de l'assemblage de briques. Les world models peuvent en devenir une, sans devoir nécessairement remplacer le reste. Rien ne prouve encore que JEPA soit la bonne architecture, c'est un pari de recherche. Mais LeCun n'a pas besoin que les LLM soient une impasse pour avoir raison d'explorer une autre voie. Quant à savoir si on a besoin de l'AGI, peu importe le mot. Ce qu'on cherche, on le sait : des IA qui apprennent avec peu d'exemples, qui s'adaptent à ce qu'elles n'ont jamais vu et qui anticipent les effets de leurs actes. Des robots fiables ailleurs qu'en démo. La question est simple : une IA qui parle très bien comprend-elle assez le monde pour y agir de façon fiable ? Pour l'instant, la réponse honnête est : pas encore.