Anthropic a annoncé cette semaine que dorénavant ils watermarkaient les textes produits par Claude, et j'ai lu à peu près tout et n'importe quoi sur le sujet depuis. Je vous explique donc comment fonctionne un filigrane de texte, et pourquoi tout ceci est un non-événement. 🤔

Mais, avant, le sommaire :

Sur une phrase, cette préférence reste invisible. Sur deux mille mots, la proportion de mots verts devient statistiquement anormale, là où un texte humain pioche à parts égales dans les deux sacs. Le détecteur possède la clé, il recompte, et il tranche. Aucune balise cachée, aucun caractère fantôme, juste un déséquilibre. Le papier de l'université du Maryland annonçait déjà en 2023 plus de 99 % de détection pour moins de 1 % de faux positifs.

Les limites sont connues et Anthropic les assume : un texte court ne donne pas assez de matière au calcul, une réécriture complète par un autre modèle efface le motif, et dans le développement, le code est très peu marqué parce qu'on ne remplace pas une méthode par un synonyme.

Reste le point qui manque à la plupart des commentaires. Anthropic n'invente rien. Google DeepMind fait tourner SynthID-Text en production sur Gemini depuis 2024, a publié la méthode dans Nature après l'avoir mesurée sur près de 20 millions de réponses, et en a même ouvert le code. OpenAI dispose d'un outil équivalent depuis 2023 et le garde au placard, parce que son propre sondage indiquait que 30 % des utilisateurs de ChatGPT s'en serviraient moins. Ces labos ont d'ailleurs une raison très égoïste de marquer leur production : éviter de réentraîner la génération suivante sur le texte craché par la précédente.

La nouveauté de la semaine est juridique. L'article 50 du règlement européen sur l'IA est applicable depuis le 2 août, il impose un marquage lisible par machine et prévoit jusqu'à 15 millions d'euros d'amende. Anthropic l'applique sur toute la planète plutôt que d'entretenir deux tuyauteries. Une règle votée à Bruxelles vient donc de modifier le comportement d'un labo américain pour ses utilisateurs australiens, et c'est bien la seule chose qui méritait qu'on en parle. 🇪🇺

Sundar Pichai a annoncé le 11 août que l'application Gemini avait dépassé le milliard d'utilisateurs mensuels. C'est le quatorzième produit de Google à franchir ce cap, et celui qui y est arrivé le plus vite de toute l'histoire de la maison.

Les chiffres d'usage donnent le vertige : 150 millions d'images générées chaque jour, 100 millions d'utilisateurs actifs sur iOS, 63 % des utilisateurs qui passent par la voix, et un sur cinq qui active la caméra ou le partage d'écran dans Gemini Live. Au deuxième trimestre, Google en revendiquait encore 950 millions.

ChatGPT avait passé ce cap en juin, deux mois plus tôt. Attention tout de même à la comparaison : ce milliard concerne la seule application, hors AI Mode dans le moteur de recherche, il se compte en utilisateurs mensuels quand OpenAI communique en hebdomadaires, et Gemini est poussé par défaut sur Android et dans toute la suite Google.

Alibaba a lancé le 3 août Qwen3.8-Max, une architecture à experts qui empile 2 400 milliards de paramètres dont environ 95 milliards actifs à chaque passe. Le modèle accepte le texte, l'image et la vidéo, avec une fenêtre de contexte d'un million de tokens.

Les scores le placent d'emblée dans le peloton de tête : 86,1 sur OSWorld-Verified, le test d'usage agentique d'un ordinateur, 93,0 sur PaperBench, 86,6 sur Terminal-Bench 2.1, 67,7 sur SWE-bench Pro et 92,6 sur GPQA Diamond. Côté tarif, l'API est facturée 2 $ le million de tokens en entrée et 6 $ en sortie.

Alibaba vend donc des performances agentiques de haut de gamme au prix exact de Grok 4.6, sorti neuf jours plus tard. Le labo a également promis des poids téléchargeables sur Hugging Face, une habitude qui manque cruellement du côté américain.

xAI a lancé le 11 août Grok Bot, présenté comme une équipe d'agents qui disposent de leur propre ordinateur dans le cloud. Ils se connectent à vos outils, exécutent des tâches en plusieurs étapes et déposent le résultat directement là où un humain l'aurait rangé.

L'agent apprend un enchaînement en vous regardant le faire une fois, conserve le contexte d'une conversation à l'autre et attend une validation plutôt que de vous relancer à chaque étape. L'accès est inclus dans SuperGrok Heavy à 300 $ par mois et dans Cursor Ultra à 200 $, avec une formule équipe à 120 $ par siège. La bêta démarre sur macOS.

xAI a enchaîné dès le lendemain avec Grok 4.6, qui affiche 69,9 % sur CursorBench v3.2 et 65,9 % sur DeepSWE v1.1, au même tarif que le modèle d'Alibaba.

Google a présenté le 13 août Gemini 3.7 Flash, la version rapide et économique de sa gamme. Les progrès sur le code sont intéressants: DeepSWE v1.1 passe de 49,0 à 65,3 %, FrontierCode 1.1 de 34,4 à 43,6 %, et AutomationBench de 17,0 à 30,4 %, soit un quasi-doublement.

Le tarif d'introduction est fixé à 0,75 $ le million de tokens en entrée et 3,75 $ en sortie, jusqu'au 31 décembre 2026. Au 1er janvier, ces prix doublent, à intégrer dès maintenant dans vos calculs de coût. Le modèle est disponible dans AI Studio, Android Studio et Antigravity, et dans Gemini Spark pour les abonnés AI Pro et Ultra de plus de 160 pays.

Le « petit » modèle de Google talonne désormais Grok 4.6 sur DeepSWE pour deux fois moins cher.

Z.ai vient de sortir GLM-5.3, un modèle d'environ 750 milliards de paramètres qui reprend l'architecture de GLM-5.2. Il dépasse Kimi K3 de Moonshot sur de nombreux tests et se hisse au niveau de Claude Fable 5 et de GPT-5.6 Sol. Il est déjà accessible dans l'offre Coding Plan et les poids ouverts sont attendus sur Hugging Face d’ici peu.

Dans son analyse du modèle, Nathan Lambert balaie l'explication paresseuse de la distillation des modèles américains et propose trois facteurs.

Le premier tient à la vitesse de mise sur le marché. Z.ai publie en jours là où OpenAI et Anthropic mettent des mois, et continue d'optimiser pendant que les labos américains font tourner leurs batteries de tests internes. Le second est une sur-optimisation mesurée des benchmarks, encouragée par les levées de fonds et les projets de cotation, sans que GLM-5.3 donne pour autant l'impression d'un modèle fait uniquement pour les tests. Le troisième est le plus structurel : une excellence organisationnelle, des équipes largement issues de Tsinghua, et une maîtrise de l'apprentissage par renforcement à grande échelle. Lambert ajoute un point qui devrait faire réfléchir à San Francisco : les données d'entraînement par renforcement produites par des entreprises américaines finissent régulièrement revendues à des labos chinois.

Pour nous, la conséquence est très concrète. Quand un labo publie ses poids deux semaines après la sortie de son modèle, vous pouvez faire tourner sur vos propres serveurs, en Europe, un système qui rivalise avec le haut de gamme américain resté fermé. La souveraineté numérique passe aujourd'hui par Hangzhou et Pékin plus que par Bruxelles… 🀄

Vous utilisez Codex et vous aimeriez y brancher Claude, Gemini ou un modèle qui tourne sur votre machine ? OpenCodex est un proxy local qui traduit l'API Responses de Codex vers n'importe quel fournisseur. Le CLI, l'application et le SDK continuent de parler à Codex, et c'est le proxy qui redirige derrière.

Plus de 40 fournisseurs sont pris en charge : Anthropic, Google, xAI, Kimi, DeepSeek, Groq, Azure, OpenRouter, et Ollama pour les modèles locaux (oui, avec ton GPU). L'installation tient en trois commandes (npm install -g @bitkyc08/opencodex, puis ocx init et ocx start), il faut simplement Bun 1.1 et une machine sous macOS, Linux ou Windows.

Vous avez des idées à partager, des suggestions à proposer, des informations à échanger, ou vous souhaitez tout simplement discuter avec moi ?

Alors n'hésitez pas à répondre à cette newsletter !