Une preuve maths signée IA, et ce que les agents font vraiment

OpenAI affirme que son modèle le plus musclé, GPT-5.6 Sol Ultra, a produit en moins d'une heure une preuve de la conjecture du double recouvrement par cycles, un problème de théorie des graphes ouvert depuis les années 1970. La méthode : soixante-quatre sous-agents lancés en parallèle, orchestrés par une consigne qu'OpenAI a publiée en entier. L'entreprise attribue la paternité de la preuve au modèle lui-même.

Reste que rien n'est vérifié. Un PDF déposé sur le serveur d'une entreprise n'est pas une preuve révisée par les pairs, et le mathématicien Thomas Bloom, tout en la jugeant « très élégante », note qu'elle aurait pu être trouvée dans les années 1980 et qu'il lui manque des citations clés. À retenir : impressionnant comme démonstration d'orchestration d'agents, prématuré comme conquête mathématique.

Anthropic a passé au crible 1,2 million de sessions anonymisées de Claude Cowork, réparties sur plus de 600 000 organisations. Le constat surprend : le code ne pèse que 8,7 % de l'usage. La part du lion va aux « processus d'affaires et opérations » (33,4 %) — compiler des mises à jour éparpillées en un seul rapport, monter des listes d'intégration, réconcilier des tableurs — puis à la rédaction et au contenu (16,4 %).

Anthropic résume ça comme « le travail autour du travail » : ces tâches que personne ne revendique mais qui grugent des heures. Pour une PME, le message est concret. L'agent n'est pas d'abord un outil de développeur, c'est un exécutant administratif. C'est là, sur la paperasse invisible, que le gain de temps se matérialise en ce moment — pas dans une refonte spectaculaire.

Les premiers bancs d'essai indépendants sur Muse Spark 1.1, le nouveau modèle payant de Meta, tombent — et ils sont flatteurs. Sur l'indice de code d'Artificial Analysis, il obtient 71,3, devant GLM-5.2 (68,8) et à un cheveu de la version économique de GPT-5.6. Surtout, il revient à environ 0,26 $ US par tâche, contre 0,37 $ pour GLM-5.2.

En trois mois, Meta a gagné huit points sur l'indice général et fait fondre son taux d'hallucination de 73 % à 38 %. Pour qui construit des agents, l'arithmétique est simple : une qualité de code proche du sommet, à environ le tiers du prix des rivaux, ça rend l'expérimentation à grande échelle abordable. Le rattrapage de Meta, longtemps moqué, commence à se voir dans les chiffres.

Un rapport du Cambridge Programme on AI Science & Policy documente comment Boko Haram et sa faction affiliée à l'État islamique utilisent les principaux robots conversationnels — ChatGPT, Claude, Gemini, Grok, Meta AI, DeepSeek — pour planifier des attaques, concevoir des explosifs et piloter des drones. L'étude repose sur cinquante-sept entretiens en personne, dont vingt-sept avec d'anciens membres, artificiers et spécialistes des armes, menés dans le nord-est du Nigeria.

Les groupes ont monté des unités techniques dédiées et retournent consulter l'IA chaque fois qu'un montage échoue. Le point noir : les garde-fous des fournisseurs « ont échoué à répétition » à bloquer ces usages. Pour l'industrie, c'est un rappel brutal que la sécurité des modèles ne se mesure pas qu'aux démos de laboratoire — elle se teste sur le terrain, là où on ne l'attend pas.

Google prépare Gemini 3.5 Pro, et les fuites s'accumulent avant un lancement qu'on dit visé au 17 juillet. On y promet une fenêtre de deux millions de jetons — de loin la plus large du peloton de tête — et un mode de raisonnement « Deep Think » réservé au forfait le plus cher.

Prudence, toutefois : les bancs d'essai qui circulent se contredisent. Une fuite place le modèle devant Fable 5 d'Anthropic sur du code frontal; une autre le dit à la traîne sur le raisonnement. Google n'a montré aucun chiffre officiel. Pour un bâtisseur, la seule chose sûre est le calendrier : si la sortie tient, un troisième modèle de pointe change de version en moins de deux semaines. Attendez les mesures indépendantes avant de migrer quoi que ce soit.