5 choses qui ont comptédans l'IA cette semaine.

Le vrai problème : ce qui a bougé, ce qui n'a pas bougé

Cette semaine n'a rien changé aux fondamentaux d'un pipeline LLM en production — retrieval, évaluation, garde-fous, coût par tâche. Elle a changé les données d'entrée : un modèle open-weight qui entre dans le peloton de tête du code, un laboratoire qui devient une société cotée, un indice qui redéfinit sa pondération, et des chiffres qui confirment que l'agent est devenu le mode par défaut du développement. Pour une équipe, la bonne question n'est pas « quelle est la nouvelle du jour », mais : lequel de ces cinq points doit déplacer une décision d'architecture ou de budget dès cette semaine ?

1. Mistral Large 4 (Le Chonk) passe en open-weight

Mistral a publié les poids de Mistral Large 4 le 29 octobre : un modèle multimodal MoE de 1 trillion de paramètres, 49 milliards de paramètres actifs, fenêtre de contexte de 1M de tokens, deux variantes officielles (FP8 et NVFP4) et des GGUF (Unsloth, llama.cpp) — le tout sous licence Mistral Ecosystem Open-Weight, un dérivé MIT avec une limitation explicite pour les offres de modèle-en-service (annonce Mistral, fiche Hugging Face).

Les chiffres annoncés, après trois semaines de reinforcement learning supplémentaires sur la preview :

L'argument sérieux n'est pas le classement, c'est l'efficacité token. Sur un agent qui boucle des tâches, la facture suit le nombre de tokens, pas le score — et 47 % de tokens en moins à score égal se voit directement dans une marge. Dans les évaluations humaines en aveugle (Surge Code), le modèle est préféré à GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash, derrière Claude Opus 5.5 seulement.

Quand s'en passer : si vous prévoyez de le revendre comme service, lisez la licence avant tout code. Si vous voulez un petit modèle à héberger simplement, ce n'est pas lui — servir 1T de paramètres, même avec 2 % actifs, reste de l'infra multi-GPU. Et si votre besoin est le code au plus haut niveau absolu, les préférences humaines donnent encore Opus 5.5 devant.

2. Anthropic dépose son S-1

Anthropic a déposé son formulaire S-1 auprès de la SEC le 26 octobre, officiellement pour une introduction en bourse (communiqué Anthropic). Le document a dépassé 1 700 points sur Hacker News — et pour cause : comme le résume The Verge, il fournit la justification financière d'une dépense de calcul maximale. La même semaine, Anthropic élargissait son accord GSA (−40 % pour les administrations américaines) — le mouvement enterprise et secteur public se confirme.

Ce que ça change pour une équipe technique : rien cette semaine, beaucoup à moyen terme. Les prochains rapports trimestriels deviendront la meilleure source publique sur les coûts réels d'entraînement et d'inférence — des chiffres qu'aucun blog de laboratoire ne publie. Côté acheteur, un fournisseur coté est plus facile à qualifier (comptes audités, risque fournisseur documenté). Côté roadmap API, attendez-vous à des arbitrages prix/volume dictés par les attentes du marché. Règle simple : gardez votre couche d'abstraction modèle, et ne liez pas votre architecture à un seul fournisseur — cette semaine en est une illustration de plus.

3. AA v5 et le dilemme du benchmarkeur

Artificial Analysis a mis à jour son Intelligence Index (v5), et Nathan Lambert en a fait sur Interconnects la critique la plus utile de la semaine (« Artificial Analysis v5 and the benchmarker's dilemma »). Nouvelle pondération : travail de connaissance 25 % (AA-Briefcase 15 %, AutomationBench-AA 5 %, GDP.pdf 5 %), code 25 % (FrontierCode 2.0 15 %, Terminal-Bench 4.0 10 %), science 25 %, général 25 % — avec AA-Omniscience qui sépare désormais exactitude et non-hallucination.

Le paradoxe décrit par Lambert vaut pour toute équipe qui cite un classement : tout le monde a besoin d'un seul chiffre pour comparer, mais toute agrégation en un chiffre tranche des compromis — et ces indices pèsent désormais assez pour orienter le développement des modèles eux-mêmes. En pratique : ne citez pas un score agrégé sans citer sa pondération. Si votre charge est 80 % de code, un indice dont le code pèse 25 % vous renseigne mal. Notre revue de Gemini 4 Carbon en est l'exemple de la semaine : premier de l'indice, troisième sur le code réel.

4. Octoverse 2026 : l'agent devient le défaut

GitHub a publié son Octoverse 2026 — et les volumes sont sans ambiguïté : 17,9 milliards de pushes en 12 mois (plus que 2024 et 2025 réunis), 34,3 milliards de commits, 1,3 milliard de pull requests fusionnées. Le chiffre qui concerne l'organisation d'une équipe : en septembre, plus de 40 % des pull requests commençaient avec un agent, contre 17 % en mars. Les dépôts créés dans l'année avec un fichier de configuration d'agent enregistrent par ailleurs huit fois plus de commits que la moyenne des nouveaux dépôts, et 61 % des utilisateurs de Copilot ont utilisé plusieurs modèles en septembre.

Lecture pragmatique : quand la première version d'un diff devient quasi gratuite, le temps de l'équipe se déplace vers la relecture, les tests et les garde-fous. La revue de code est le nouveau goulot d'étranglement, et elle se budgette : temps de review par PR, taux de rework, bugs introduits par diffs agents. Les équipes qui gagnent ne sont pas celles qui ajoutent le plus d'agents, mais celles qui mesurent ce que les agents produisent réellement.

5. Les crédits API entrent dans les abonnements

Après Anthropic plus tôt dans le mois, OpenAI a annoncé le 29 octobre l'équivalent : les abonnements à 100, 200 ou 500 $ par mois ouvrent droit à l'équivalent en crédits API, à appliquer sur une de vos organisations API (aide OpenAI, relayé par Simon Willison). Le détail qui compte : les crédits expirent.

Pour le développement, les démos et l'expérimentation, c'est concret — une partie de votre R&D est déjà financée par des sièges que vous payez. Pour la production, ne changez rien : un budget construit sur des crédits expirants est un incident en attente. Deuxième lecture : la frontière entre abonnement et API s'efface, et les deux géants se copient en quelques semaines — la pression tarifaire sur les revendeurs purs augmente d'autant.

Checklist de production

1. Benchmarkez Mistral Large 4 sur vos 30 à 50 tâches réelles avant toute migration — surveillez le coût par tâche (tokens consommés), pas le score. Vérifiez la licence Mistral Ecosystem si vous envisagez une offre managée.
2. Reprenez les pondérations de chaque indice que vous citez (AA v5 : 25/25/25/25) et alignez-les sur votre distribution de tâches réelle avant de trancher un choix de modèle.
3. Si vos PRs sont largement générées par des agents, mesurez le taux de rework, le temps de review et les bugs en prod. La revue est votre goulot, pas le nombre d'agents.
4. Récupérez vos crédits API (OpenAI et Anthropic) pour la R&D et les démos, mais gardez la production sur un budget contractuel classique.
5. Suivez les prochains rapports trimestriels d'Anthropic : ce seront vos meilleures données publiques sur les coûts réels du compute.

Besoin de concevoir des workflows IA fiables, d'auditer l'architecture d'un LLM ou de former votre équipe ? Découvrez comment nous travaillons chez Kaleido-Lab.