AISPrix de AISwap

L'économie agentique connaît une croissance fulgurante avec le lancement d'une plateforme permettant aux IA autonomes de « louer » des services humains pour des tâches nécessitant une intelligence biologique, comme la résolution de CAPTCHA, le raisonnement émotionnel ou la création de contenu. Ce phénomène, présenté comme la première couche tangible de l'économie Machine-to-Human (M2H), bouleverse le marché du travail numérique et le secteur de la création de contenu, estimé à 85 milliards de dollars. Le jeton SUBBD ($SUBBD) se positionne comme un pont entre l'automatisation de l'IA et la créativité humaine, en proposant un écosystème de paiement décentralisé et des outils intégrés comme le clonage vocal et la création d'influenceurs IA. Déjà 1,4 million de dollars ont été levés lors de la prévente, signalant un intérêt marqué pour les workflows hybrides. Le jeton, au prix actuel de 0,05749 $, offre un mécanisme de staking à 20% APY pour inciter à la détention à long terme. Malgré les risques réglementaires, cette approche décentralisée est perçue comme une innovation majeure pour l'économie des créateurs.

Le nouveau modèle d'Anthropic, Claude Mythos, a provoqué une panique à Wall Street en prétendant avoir découvert des milliers de vulnérabilités zero-day, dont une vieille de 27 ans dans OpenBSD. Cependant, des tests indépendants révèlent que ces résultats sont grandement exagérés : la plupart des vulnérabilités concernent des logiciels obsolètes et inexploitables, et les modèles open-source plus petits (à partir de 3B de paramètres) ont réussi à identifier les mêmes failles pour un coût bien moindre. De plus, les capacités de Claude Opus 4.6 se sont significativement dégradées, avec une baisse de la longueur de raisonnement et une augmentation des coûts pour les utilisateurs. Des experts, comme le hacker George Hotz, accusent Anthropic de dramatiser les risques de sécurité pour faire parler de ses nouveaux modèles, alors que les progrès réels de Mythos seraient linéaires et non révolutionnaires. La stratégie de communication d'Anthropic est critiquée comme une manœuvre marketing alarmiste.

OpenAI a récemment déployé un nouveau système de mémoire pour ChatGPT, basé sur la technologie « Dreaming ». Ce système permet à l'IA de collecter et de synthétiser automatiquement les préférences, projets et informations contextuelles de l'utilisateur au fil des conversations, au lieu de s'appuyer uniquement sur des souvenirs explicitement sauvegardés. L'objectif est triple : maintenir un contexte utile, respecter les préférences de l'utilisateur et garantir l'actualité des informations, en sachant distinguer ce qui est toujours pertinent de ce qui est devenu obsolète (comme un voyage passé). Les évaluations internes montrent une nette amélioration, le taux de réussite passant de 41,5% en 2024 à 82,8% en 2026 pour le rappel de faits. Une nouvelle fonctionnalité, le « résumé de mémoire », permet aux utilisateurs de visualiser, modifier ou corriger les informations que ChatGPT a retenues. Ils conservent un contrôle via les paramètres de mémoire, les conversations temporaires (sans mémoire) et la possibilité de supprimer des données. La fonction « sources de mémoire » indique quels éléments (conversations passées, fichiers, Gmail connecté, etc.) ont influencé une réponse. Cette évolution représente une étape clé pour transformer ChatGPT d'un modèle de langage en un véritable assistant personnel capable d'un suivi continu. Elle soulève également des questions sur la relation avec l'utilisateur et la nature d'un « soi externe » numérisé, tout en nécessitant une attention particulière quant au contrôle et à la confidentialité des données. Le déploiement commence par les utilisateurs américains payants avant une extension progressive.

La phase à élimination directe de la Coupe du Monde entre dans sa phase décisive avec les quarts de finale. Plusieurs modèles d'IA, dont ChatGPT, Claude, Gemini, DeepSeek, Qwen et Grok, ont été consultés pour prédire les résultats. Tous s'accordent sur les quatre équipes qui devraient se qualifier pour les demi-finales : la France, l'Espagne, l'Angleterre et l'Argentine. Les divergences portent principalement sur les scores précis et la possibilité de prolongations. Pour France - Maroc, tous les modèles prévoient une victoire française en temps régulier, avec des scores de 2-0 ou 2-1. L'Espagne est également largement favorite face à la Belgique, avec des prédictions allant d'une victoire 1-0 à 2-1, bien que Gemini envisage une possible séance de tirs au but. La rencontre entre la Norvège (portée par Haaland) et l'Angleterre suscite le plus de débat. Si l'Angleterre reste favorite, certains modèles comme Claude, Gemini et ChatGPT estiment que le match pourrait aller en prolongation en raison de la menace norvégienne. Enfin, face à la Suisse, réputée solide défensivement, l'Argentine est favorite. Les prédictions vont d'une victoire 2-0 en temps régulier à un scénario plus serré, Claude et ChatGPT n'excluant pas une décision aux tirs au but.

Le 11 juillet, OpenAI a annoncé que GPT-5.6 Sol Ultra avait prouvé la « conjecture de la double couverture par cycles », un problème non résolu en théorie des graphes depuis 50 ans, en moins d'une heure. Le système a utilisé 64 agents IA parallèles, orchestrés pour éviter les écueils classiques de la recherche : exploration de voies diverses, interdiction de suivre aveuglément une piste prometteuse, et présence d'une « équipe de vérification » chargée de critiquer rigoureusement chaque étape. Grâce au calcul parallèle en temps de test (TTC), cette approche a permis de compresser en une heure un travail qui aurait pu prendre des jours. La preuve générée par l'IA procède en plusieurs étapes clés. Elle commence par simplifier le problème aux graphes cubiques. Puis, elle utilise le théorème des 8-flots de Tutte pour associer à chaque arête un vecteur non nul. Ensuite, un lemme ingénieux montre que si l'on peut attribuer à chaque arête un ensemble de deux « étiquettes » satisfaisant certaines conditions de parité aux sommets, la conjecture est démontrée. Enfin, le problème est transformé en un système d'équations linéaires, où l'algèbre linéaire permet de prouver qu'une solution existe toujours. Cette démonstration entièrement automatisée marque un bond en avant dans les capacités de raisonnement abstrait de l'IA. Bien que des questions subsistent sur l'équivalence entre la profondeur et la parallélisation, cet exploit ouvre la perspective de résoudre d'autres problèmes scientifiques complexes à un rythme sans précédent.