Blog

Claude vs. Codex : La crise informatique d’Anthropic face à l’offensive développeurs d’OpenAI

Mardi 16 juin 2026

Bonjour, ce digest hebdomadaire traite les vidéos nouvelles les plus importantes d’environ 40 chaînes YouTube d’IA et de Coding curées — avec substance, rien de superficiel. Un résumé complet par vidéo, plus un aperçu hebdomadaire des thèmes dominants. Lisez tranquillement — ou copiez un résumé dans le LLM de votre choix et approfondissez. Cliquez sur le lien sous chaque résumé pour voir la vidéo originale.

Sorties de modèles et benchmarks

GPT 5.5 d’OpenAI a dominé la discussion des benchmarks de la semaine : AI with Arnie, Tech With Tim et Melvynx ont confirmé des améliorations significatives par rapport à GPT 5.4, en particulier en matière de codage, de feuilles de calcul et d’automatisation du navigateur. Via l’interface Codex, GPT 5.5 peut tester de manière autonome le navigateur, effectuer des clics et prendre en charge l’ensemble du bureau via Computer Use. Google testait pendant ce temps un Gemini 3 Flash amélioré dans l’arena, qui selon WorldofAI atteint une qualité proche de Gemini 3.1 Pro — avec Google I/O (19–20 mai) comme date d’annonce probable pour Gemini 3.5 Pro. La Chine de Baidu a fourni un autre contrepoint avec Ernie 5.1 : de meilleurs résultats aux benchmarks que DeepSeek V4 à moindre coût. Le modèle SubQ de Sub Quadratic avec une fenêtre de contexte supposée de 12 millions de tokens et une efficacité 52 fois supérieure a fait sensation, mais a été évalué avec scepticisme en raison de l’absence de rapports techniques et de benchmarks flous (Tim Carambat).

IA locale et open source

LM Studio a connu une mise à niveau de fonctionnalités significative selon un tutoriel de Bart Slodyczka : l’application intègre désormais des outils MCP via Node.js, supporte l’analyse PDF, la recherche web et le traitement d’images, et peut servir de serveur de modèles locaux pour les frameworks d’agents comme Claude Co-work, Claude Code, OpenClaw ou Hermes. Leon van Zyl a démontré LocalForge (présenté dans la vidéo sous le nom « Honeyfree ») en tant qu’agent de codage local gratuit qui construit un tableau Kanban avec des modèles comme Qwen 3.6 ou JML4 via LM Studio/Ollama pour la mise en œuvre autonome des fonctionnalités — recommandation : définir la fenêtre de contexte à au moins 64 000 tokens. DeepSeek V4 s’est établi dans plusieurs workflows comme point d’entrée bon marché pour les tâches de codage de base, tandis que les modèles plus coûteux restent réservés au polissage (démo WorldofAI avec Claude Code + DeepSeek V4). Google a publié Gemma 4 sous licence Apache 2.0 spécifiquement pour les workflows agentiques et le raisonnement sur appareil.

Claude Code et outils Anthropic

La semaine a apporté un flot de contenu pratique sur Claude Code. Julian Ivanov a compilé 20 trucs pour Claude Code — du mode plan et slashinit en passant par le mot-clé Ultrathink et les worktrees jusqu’aux hooks pour les notifications en arrière-plan. En parallèle, il a présenté la mise à jour de l’application de bureau, qui permet désormais une utilisation complète de Claude Code incluant le mode automatique, l’aperçu des fichiers et plusieurs sessions en parallèle. Nate Herk a présenté six compétences pertinentes pour la production : le créateur de compétences officiel (compétence méta pour la génération automatique de compétences), Superpowers (flux de travail des développeurs seniors avec des environnements isolés), GSD (sous-agents avec un contexte propre contre la dérive du contexte), /review et /ultra review (flotte d’agents multi-examinateurs en sandbox, à partir d’Opus 4.7), Context Mode (snapshot SQLite au lieu de données inutiles) et ClaudeMem (recherche vectorielle de la mémoire entre les sessions). En outre, il a montré comment créer un agent de vente vocal avec Claude Code et 11 Labs en 15 minutes, et comment Higgsfield fonctionne via le connecteur MCP en tant qu’agence créative pour la génération d’images et la production vidéo. TheAIGRID a fourni des tutoriels sur l’intégration officielle de Claude dans Microsoft Word et PowerPoint (chacun en tant que module complémentaire, à partir du forfait Pro, avec choix de modèle entre Sonnet 4.6 et Opus 4.6).

Agents de codage (non-Claude)

Codex d’OpenAI a été positionné dans plusieurs vidéos comme un concurrent à part entière de Claude Code : Nate Herk a construit un tableau de bord YouTube Analytics complet incluant le déploiement GitHub et l’automatisation hebdomadaire ; Everlast AI a listé 34 conseils pour l’application de bureau, y compris Chronicle Research Preview et Sub-Agents pour la gestion du contexte. Melvynx a comparé directement Codex et Claude Code : Codex a impressionné avec la vue d’ensemble des sous-agents, la gestion des PR, l’aperçu du navigateur et la mise en file d’attente des messages, mais a eu besoin de 29 minutes pour une tâche pour laquelle Claude avait besoin de 40+ minutes. En tant qu’alternatives open source au centre : Leon van Zyl a montré OpenCode (à ne pas confondre avec OpenClaw) en tant qu’outil CLI avec sélection de fournisseur entre OpenAI, Anthropic, Gemini, OpenRouter et d’autres. Le harnais Pi Agent (Alejandro AO) se positionne comme un harnais minimaliste et entièrement extensible avec quatre fonctions de base, un système de compétences, une gestion des paquets et une gestion des sessions — sans fonctionnalités préfabriquées comme MCP ou sous-agents. Tech With Tim a démontré Mistral Vibe avec le modèle open source Devstral 2 pour les sous-agents parallèles spécialisés (Test Writer, Code Reviewer, Deploy Prep).

Ingénierie logicielle et culture de développement

L’analyse par Nate B. Jones de l’expérience Mozilla Mythos était le contenu d’ingénierie logicielle le plus profond de la semaine : Claude Mythos Preview a trouvé 271 failles de sécurité en un cycle de publication Firefox (par rapport à 22 avec Opus 4.6), car il ne recherche pas seulement des modèles connus, mais boucle à travers la lecture de code, la formation d’hypothèses, la génération de cas de test et la synthèse d’explications. Sa thèse : la lisibilité devient une propriété de sécurité, et il existe une fenêtre de 4 à 5 mois pour refactoriser les bases de code pour les systèmes de sécurité IA. Fireship a traité une faille critique du noyau Linux (CVE-2023-31431, présente depuis 2017, découverte par un outil d’agent IA) qui permet l’accès root local via un script Python de 732 octets — toutes les distributions Linux après 2017 sont affectées. Cole Medin a démontré en direct la boucle PIV (Plan, Implement, Validate) en tant que système reproductible pour l’assistance au codage IA avec Claude Code et Jira. Matt Pocock a présenté l’outil de triage pour les backlogs de problèmes GitHub : un système de machine d’état avec deux types (Bug/Enhancement) et cinq états qui prépare les problèmes directement pour le traitement autonome par les agents.

Système d’exploitation IA personnel et frameworks d’agents

L’agent Hermes a dominé cette semaine la discussion comparative avec OpenClaw. Alex Finn a animé un livestream « Agent Olympics » de trois heures, dans lequel quatre combinaisons (OpenClaw et Hermes chacun avec ChatGPT et Opus comme backend) se sont affrontées — OpenClaw avec Opus a remporté, mais Hermes a montré des progrès considérables avec sept nouvelles fonctionnalités comme Kanban Board, Slashgo pour les missions à long terme, agents multi-profils, catalogue de modèles et fonctionnalité de curateur automatique (nettoyage des compétences inutilisées après sept jours). Hermes souffre cependant d’erreurs de compaction (perte d’états de travail), ce qui sécurise les avantages de cohérence d’OpenClaw. Leon van Zyl a construit Hermes avec succès en tant qu’agent de codage pour les applications web simples avec déploiement Vercel via Telegram. Nate B. Jones a analysé OpenClaw en tant que runtime agentique : le mouvement architectural décisif n’est pas la diversité des modèles (dropdown), mais la mémoire en tant que couche de contexte indépendante en dehors de tous les modèles — la recette Open Brain en tant que dépôt open source définit les étiquettes de provenance pour chaque souvenir stocké. Mark Kashef a démontré un système d’exploitation IA auto-construit basé sur Claude Code avec visualisation « Hive Mind », affichage de graphique 3D et intégration meta-CLI pour l’analyse des annonces publicitaires.

Automatisation et workflows IA

Nate B. Jones a fourni deux vidéos de concept structurant : d’abord une taxonomie des couches d’échafaudage d’agents (Prompt → Skill → Plugin → MCP/App-Connector → Hook/Script), où il souligne que tracer les limites des plugins est une compétence bien rémunérée pour 2026. Deuxièmement, l’écart d’anticipation — le problème central des agents de consommation actuels n’est pas la capacité, mais le manque de proactivité ; il propose un modèle d’échelle de permissions à cinq niveaux. Cole Medin a présenté Archon, un générateur de harnais open source pour les workflows de codage IA définis en YAML, qui se dirige vers une place de marché communautaire pour les workflows partagés ; lors d’un deuxième livestream, il a démontré un workflow complet de génération vidéo (Archon + 11 Labs + Remotion). n8n a montré dans une interview avec la directrice produit Sindhuja le développement d’un MCP au niveau de l’instance, ce qui rend n8n contrôlable à partir de n’importe quelle plateforme. Nate Herk a présenté Printing Press — une usine CLI avec plus de 50 CLI prédéfinis (dont ESPN et Hacker News) comme alternative plus efficace en tokens aux serveurs MCP dans les workflows d’agents.

Vidéo IA et création de contenu

Cole Medin a construit dans un livestream un workflow vidéo IA complet : Archon orchestre le pipeline, 11 Labs génère la parole, Remotion crée les éléments visuels — démontré sur l’exemple d’une vidéo marketing pour Archon lui-même, avec améliorations itératives via des boucles de rétroaction. Nate Herk a montré l’intégration Higgsfield via MCP dans Claude Web et Claude Code : une seule invite génère des photos de produit, des annonces Instagram et des vidéos UGC ; Claude Code crée en outre une base de données Google Sheet avec plus de 45 générations pour le suivi du statut. WorldofAI a présenté Open Design comme alternative open source à Claude Design (Anthropic) : 31 capacités composables, 72 systèmes de conception, compatibilité avec 15 CLI d’agents de codage, déployable localement.

IA commerciale, marketing et travail indépendant

Dave Ebbelaar a esquissé un « Data Freelancer Blueprint » en trois étapes : démontrer des projets (Get Going), rechercher le tarif horaire et utiliser des présentations de réseaux chauds (Getting Paid), améliorer systématiquement les leads et la livraison (Get Good) — avec N8N et Airtable comme entrée low code. Kyle Balmer a analysé le playbook des grands labs (expansion du conseil) et en a déduit une lacune du marché : mettre en œuvre la même stratégie sur le marché intermédiaire, avec des ateliers comme entrée la moins chère (2 000 à 5 000 dollars de l’heure). TheAIGRID a présenté Meli, le nouvel outil de marketing IA de Google depuis Google Labs, qui génère des créations pour les réseaux sociaux, des vidéos et des campagnes à partir d’entrées de sites Web, soutenu par Gemini.

PKM et gestion des connaissances

Fireship a livré une vidéo compacte d’explication du système d’exploitation non spécifique à l’IA — du chargeur d’amorce via la mémoire virtuelle, le noyau, le planificateur et les threads jusqu’au processus d’arrêt — comme base conceptuelle pour tous ceux qui veulent comprendre ce qui se passe sous la couche d’agent.

Invites et alphabétisation IA

Kyle Balmer a disséqué l’invite système viral de Marc Andreessen : des superlatifs comme « expert de classe mondiale » n’améliorent pas démontrablement les performances du modèle, « jamais halluciner » ne fonctionne pas structurellement, et la longueur maximale produit du remplissage plutôt que de la qualité. Comme alternative, il a présenté le cadre RISEN (Role, Instructions, Steps, End Goal, Narrowing). Dans une deuxième vidéo, il a expliqué mécaniquement les hallucinations de l’IA (les LLM comme prédiction de tokens stochastique, pas interrogation de base de données) et nommé les mesures pratiques de contre : activer la recherche web (–45 % d’erreurs), des modèles plus puissants, NotebookLM comme système RAG personnel. Une troisième vidéo a traité les modèles d’écriture IA et leur évitement : OpenAI a interdit « Goblin » après une boucle de renforcement RLHF ; Wikipédia a élaboré un guide de 15 000 mots avec des signes de détection IA ; les détecteurs IA automatiques ne fonctionnent pas de manière fiable et désavantagent systématiquement les locuteurs non natifs.

Industrie et stratégie de l’IA

La restructuration du partenariat Microsoft-OpenAI était le plus grand sujet de stratégie de la semaine. Theo (t3.gg) a analysé comment OpenAI, depuis la percée du raisonnement O1, a résilié l’exclusivité avec Microsoft et propose maintenant également des modèles via AWS Bedrock et Google Cloud — une attaque directe sur l’avantage d’entreprise d’Anthropic là-bas. Kyle Balmer a souligné qu’OpenAI (avec « The Deployment Company ») et Anthropic (avec Blackstone, Goldman Sachs) ont pratiquement simultanément commencé le conseil et envoient directement des ingénieurs IA dans les entreprises — le modèle Palantir. TheAIGRID a documenté les parts de marché croissantes d’Anthropic malgré les critiques de la communauté. Nate B. Jones a enquêté sur l’infrastructure de commerce d’agents de Stripe : Links Wallet pour les agents avec autorité de paiement programmatique, Metronome pour le suivi de l’utilisation, Radar contre la fraude par token — la thèse centrale : les décisions d’achat se formeront à l’avenir dans l’environnement de l’acheteur, pas sur le site Web du vendeur. Concernant le paysage GitHub : Theo a discuté des alternatives (Forgejo/Codeberg, Pierre, Graphite après l’acquisition de Cursor, Entire de l’ex-PDG de GitHub) face aux problèmes de fiabilité croissants.

IA et société / Avenir du travail

Melvynx a réfuté la thèse du perte d’emploi avec des données historiques (agriculture, électrification, feuilles de calcul) et des chiffres actuels : 90 pour cent des entreprises interrogées signalent aucun impact significatif sur l’emploi en trois ans, la demande de développeurs de logiciels a augmenté considérablement depuis début 2025. Nate B. Jones a complété un cadre d’audit pratique : catégoriser le travail en Théâtre (T), Commodity (C), On-the-Line (L) et Durable (D) — sa thèse centrale : les systèmes de performance récompensent les résultats visibles, pas la véritable création de valeur, c’est pourquoi les rôles peuvent bien paraître tandis que leur base économique s’érode. Everlast AI s’est entretenu avec deux experts en robotique : un professeur de TU Munich sur les robots humanoïdes (modèles VLA, Nvidia Omniverse, questions de responsabilité) et fondateur de Goodbites, Dr. Susemihl, dont la cuisine robot entièrement autonome produit 50 000 repas par jour et approvisionne l’armée américaine — gagnant du Robotics Award 2026 de la foire de Hanovre. TheAIGRID a discuté du problème d’alignement et de la raison pour laquelle les PDG de l’IA ont peur de leur propre produit malgré — ou précisément à cause de — leur travail AGI.

Brèves notes

Zed (éditeur de code) a introduit le protocole ACP (Agent Client Protocol), qui rend les propres agents de Codex, Cursor ou Claude directement utilisables dans l’éditeur, complétés par un support multi-dépôt avec work-trees (Melvynx). · NeuralNine a montré une configuration VPS étape par étape d’OpenClaw avec Ubuntu, Node.js et intégration Telegram, ainsi qu’un tutoriel Python Quickstart pour les bots Slack avec intégration GPT-4o. · TheAIGRID a documenté l’accélération de l’informatique quantique par l’IA : la recherche Google montre que moins de 1 200 qubits logiques pourraient suffire pour certaines attaques de chiffrement ; Cloudflare avance son objectif d’infrastructure sûre quantique à 2029. · WorldofAI a rapporté la conférence des développeurs Anthropic avec des annonces sur la fonction Dreaming (les agents vérifiez les sessions passées), l’orchestration multi-agents et trois objectifs de développement de modèle : fenêtre de contexte infini, coordination multi-agents, raisonnement persistant à long terme. · Perplexity a introduit un agent financier avec des données sous licence (WorldofAI). · Baidu Ernie 5.1 surpasse selon les benchmarks DeepSeek V4 à moindre coût (WorldofAI).

AI Explained

Aucune nouvelle vidéo dans cette période.

AI Foundations (1 nouvelle vidéo)

• FULL Claude Cowork Tutorial For Beginners in 2026! (Zero to PRO)
  4.5.2026, 17:28:28

  La vidéo offre une introduction complète à Claude Co-work, une fonctionnalité avancée de l’IA Claude qui va au-delà de la fonctionnalité de chat de base. Elle commence par une explication de la structure tarifaire, qui nécessite au minimum la version Pro de Claude, et met en évidence les fonctionnalités uniques de Co-work, qui ne sont pas accessibles via l’interface web, mais via une application de bureau.

  Le tutoriel montre l’interface utilisateur de Claude Co-work et explique les différents onglets tels que Projets, Tâches planifiées, Artefacts en direct, Dispatch et Paramètres. L’accent principal est mis sur la différence d’interaction avec Claude Co-work par rapport au mode chat. Co-work est conçu pour accomplir des tâches, tandis que le mode chat est plutôt destiné au brainstorming et au développement de stratégies.

  Un exemple pratique montre comment créer un dossier sur le bureau et faire interagir Claude Co-work avec celui-ci pour effectuer une recherche sur l’année 1800. Des sub-agents sont utilisés pour rechercher en parallèle et créer des fichiers Markdown. Cette fonctionnalité permet de traiter plusieurs tâches simultanément et d’enregistrer les résultats directement sur l’ordinateur.

  Un autre aspect important est la création d’Artefacts en direct, qui sont décrits comme des mini-applications connectées à des données en temps réel. Un exemple montre comment créer un tableau de bord interactif pour l’année 1800, contenant diverses informations et outils d’apprentissage.

  La vidéo montre également comment connecter des outils comme Gmail à Claude Co-work pour automatiser des tâches comme la catégorisation des factures. Cette intégration permet de lire et d’écrire des données à partir de diverses applications, ce qui augmente considérablement l’efficacité du traitement des e-mails et des autres tâches.

  De plus, les Claude Skills sont présentés, décrits comme des automatisations qui accomplissent certaines tâches toujours de la même manière. Un exemple est un automatisme de briefing quotidien qui résume les e-mails et les entrées de calendrier et donne à l’utilisateur un aperçu de la journée.

  Les projets dans Claude Co-work sont décrits comme des conteneurs qui contiennent des instructions spécifiques et des fichiers pour accomplir certaines tâches. Un exemple montre comment créer un projet pour produire des articles de blog optimisés pour le SEO basés sur des transcriptions YouTube.

  La vidéo se termine par une invitation à rejoindre la communauté AI Foundations, où des cours supplémentaires et des ressources pour l’automatisation avec Claude sont proposés.

  Remarque finale : la vidéo traite explicitement de Claude Co-work et s’adresse plutôt aux utilisateurs intermédiaires à avancés.

AI mit Arnie (1 nouvelle vidéo)

• Cette percée en IA est-elle réelle ?
  7.5.2026, 15:15:00

  La vidéo teste et compare les nouveaux modèles d’OpenAI, en particulier GPT 5.5 et le modèle d’image GPT Image 2.0, ainsi que la concurrence avec la version 4 de Deeps. Le test couvre diverses applications telles que la création d’un site web, la simulation d’une ruche, un jeu de course moto 3D, une simulation interactive d’usine et de production, une simulation de trafic, la création de workflows ComfyUI et N8N ainsi que l’analyse de données financières. Les benchmarks montrent que GPT 5.5 apporte des améliorations significatives dans de nombreux domaines par rapport aux versions précédentes, notamment dans le Terminal Benchmark et le Vending Benchmark. La vidéo discute également des problèmes actuels chez Anthropic, en particulier les limites de débit, les problèmes de performance et l’instabilité des modèles, ainsi que les avantages et inconvénients des plans OpenAI et Anthropic. Il est recommandé de ne pas dépendre d’un seul fournisseur et d’utiliser les deux modèles pour compenser les différentes forces et faiblesses.

  La vidéo aborde explicitement OpenAI (GPT 5.5, GPT Image 2.0, Codex), Anthropic (Cloud Code) et Deeps version 4. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés, car elle comprend des tests détaillés et des analyses techniques.

AI News & Strategy Daily | Nate B Jones (7 nouvelles vidéos)

• You’re Wasting 40% Of Your AI Time On Something Fixable
  9.5.2026, 15:00:09

  # Résumé : Les couches d’échafaudage des agents IA

  La vidéo explique les différents composants qui rendent un agent IA fonctionnel – non pas le modèle de langage lui-même, mais l’« armure » qui l’entoure. L’intervenant ordonne ces composants selon leur complexité et leur réutilisabilité :

  **Les prompts** sont conçus pour des tâches ponctuelles. Ils ne s’adaptent pas bien aux travaux répétés et nécessitent une saisie manuelle à chaque fois. **Les skills** sont des documents Markdown qui décrivent des processus réutilisables (par ex., comment votre marque traite le service client). Les skills sont universels et utilisables indépendamment de l’outil. **Les plugins** sont des packages de workflow plus volumineux qui regroupent les skills, les connexions de données, les scripts, les hooks et les assets, fonctionnant comme une unité installable – par exemple, extraire des données Salesforce, les traiter et vérifier le résultat.

  **Les MCPs et connecteurs d’applications** sont les « prises Internet » du système : ils connectent l’agent aux données en direct provenant d’outils externes comme Slack, Figma ou GitHub.

  **Les hooks et scripts** sont des contrôles déterministes sur lesquels on ne devrait pas compter pour le jugement du modèle – par exemple, valider du JSON, exécuter des tests ou formater du code. Ils font souvent partie du plugin.

  L’idée centrale : ce ne sont pas des outils concurrents, mais des briques de Lego. Un travail répété reste un skill. Quand un workflow s’agrandit, avec des sources de données ou des validations, il devient un plugin. L’intervenant souligne que ce n’est pas un problème purement technique – même les non-techniciens peuvent construire des plugins en utilisant leur expertise métier pour délimiter et structurer les workflows. C’est selon lui une compétence bien rémunérée en 2026, car peu de gens comprennent où se situent les limites d’un workflow.

  La vidéo critique aussi le fait que ces concepts restent souvent vagues et seuls les ingénieurs les comprennent – l’automatisation reste ainsi un privilège des techniciens. Au lieu de cela, chacun devrait savoir : une fois = Prompt, répété = Skill, portable/avec outils = Plugin.

  Exemples pratiques : rapports commerciaux hebdomadaires (plugin avec feuilles de calcul, Slack, Docs, tableaux de bord), révisions rédactionnelles, workflows de conception avec intégration Figma, e-mails de prospection avec données CRM, plugins de service client pour les retours par rapport aux activations (séparés, pas tout en un).

  L’intervenant annonce un workbook sur Substack avec des arbres de décision, des plugins de démarrage, des checklists de test et des questions de confiance pour les installations sécurisées.

  **Format :** Deep-dive / Avis, explicitement traités sont Codex, Claude, Claude Design et le concept générique des agents ; la vidéo s’adresse aussi aux CTO et aux dirigeants qui doivent comprendre le modèle mental.

• 271 Vulnerabilities: What Mozilla’s AI Found Changes Everything
  8.5.2026, 14:00:50

  # Résumé : L’inversion de la confiance dans le code – du mythe et l’avenir de l’ingénierie logicielle

  L’argument central de cette vidéo est un changement fondamental dans l’architecture de sécurité des logiciels : l’affirmation « Un bon ingénieur humain a écrit ceci » perd de sa force en tant que garantie de confiance, tandis que les systèmes IA gagnent en importance comme sceau de qualité.

  **L’expérience du mythe :** Mozilla a reçu un accès précoce à l’aperçu Claude Mythos d’Anthropic et l’a appliqué à Firefox. Le résultat : 271 vulnérabilités identifiées en un seul cycle de publication – un navigateur qui a déjà un fuzzing, un sandboxing, un travail de sécurité de la mémoire, des équipes de sécurité internes et des programmes de bug bounty. En comparaison : la collaboration précédente avec Claude Opus 4.6 n’a trouvé que 22 bugs critiques de sécurité (14 d’entre eux de sévérité élevée). Cela montre non pas simplement un meilleur examen du code, mais un nouveau processus industriel de détection des vulnérabilités.

  **Signification vs. implémentation :** L’auteur sépare deux choses entrelacées dans le code : la *signification* (ce que le système *devrait* faire) et l’*implémentation* (ce qu’il *fait* réellement). Les failles de sécurité surgissent souvent à la jonction entre l’intention exprimée et le comportement réel. Mythos semble non seulement chercher les modèles nuisibles connus, mais participer activement à une boucle de recherche : lire le code, former des hypothèses, utiliser des outils, générer des cas de test, reproduire les erreurs, affiner et expliquer les découvertes.

  **Le changement de confiance :** Les gens accordaient confiance au code informatique parce que le jugement humain était la seule capacité à produire et à comprendre les logiciels au bon niveau d’abstraction. Si les machines surpassent les humains dans la recherche exhaustive des conséquences du code, la paternité humaine ne devient plus l’ancre de confiance – mais plutôt une source de risque non vérifié.

  **Parallèle avec les changements antérieurs :** Le logiciel a déjà connu de tels changements (les compilateurs au lieu de l’assembleur, le garbage collection au lieu de la gestion manuelle de la mémoire, l’automatisation au lieu du déploiement manuel). Les humains n’ont pas été éliminés de l’informatique, mais *déplacés vers le haut* vers les niveaux d’abstraction supérieurs. La sécurité pourrait être le prochain tel changement.

  **La conséquence pratique :** Le rôle de l’ingénieur humain se déplace de l’implémentation personnelle du code à la définition de la signification et de l’intention. Le processus devient : les humains décrivent l’intention → les modèles proposent des implémentations → d’autres modèles les attaquent → les outils produisent des preuves → les ingénieurs séniors inspectent le cycle d’examen de Mythos et décident de l’adéquation au déploiement.

  **Impacts sur les évaluations et les pipelines :** Actuellement, beaucoup de gens écrivent des évaluations composées à 80% de code fonctionnel et seulement 20% de spécifications non-fonctionnelles. Cela devrait être inversé : au moins 50% devrait traiter l’hygiène du code, l’architecture, les limites de fonction claires et les normes de sécurité. Mythos peut reprendre ce travail d’examen de sécurité humain – mais pour cela, le code doit être lisible et bien structuré.

  **La fenêtre de refactorisation dorée :** Il existe peut-être une fenêtre de 4-5 mois (jusqu’à environ fin 2026) pour refactoriser les bases de code de sorte qu’elles puissent être comprises par les systèmes de sécurité IA. Le mauvais code n’est pas seulement gênant, il crée un risque de sécurité – il peut être structurellement résistant aux outils qui pourraient le sécuriser. La lisibilité devient une propriété de sécurité.

  **Pour différents rôles en détail :**
  – **Contributeurs individuels :** écrire de meilleures spécifications, comprendre la clarté de l’intention, structurer le code pour que les machines puissent le comprendre et le défendre.
  – **Chefs d’équipe :** commencer dès maintenant à architecturer des pipelines agentiques – concevoir de manière modulaire pour que les systèmes équivalents à Mythos puissent être intégrés plus tard.
  – **CTO :** commencer la budgétisation et la planification ; restructurer le modèle de confiance de l’organisation.

  **Le plus grand changement :** d’un monde où la base de code elle-même est l’étalon-or, à un monde de bundles d’intention (intention + implémentation + vérification par pipelines agentiques), qui ensemble sont dignes d’examen. L’ingénieur précieux ne sera pas celui qui écrit les prompts les plus intelligents, mais celui qui peut définir un système qui peut être implémenté en toute sécurité : par le biais de normes aiguës, de limites vérifiables, d’API qui minimisent les fuites d’autorité.

  **La responsabilité humaine ne diminue pas – elle se concentre :** pas sur la dactylographie de chaque ligne, mais sur la définition de l’endroit où la signification entre dans le système. L’ingénierie sénior a toujours dépendu de la compréhension de la signification, de la détection des couplages cachés, de la conscience des moments où un choix de produit crée un problème de sécurité – cela devient maintenant le rôle central.

  **Mise en garde contre la surinterpretation :** pas tout le code IA n’est sûr aujourd’hui. Ne pas remplacer tous les ingénieurs séniors par un modèle. Claude Mythos est spécifique. Mais il y a des signes (ChatGPT 5.5 a des attributs similaires de reniflage de sécurité ; les modèles open-source suivront) que les capacités de type Mythos se propageront jusqu’à la fin de l’année.

  **Le paradoxe :** dans un monde avec Mythos, le code écrit par l’homme pourrait être perçu comme *non sûr* – non pas parce que les humains sont fondamentalement mauvais, mais parce que le code qui n’a pas été recherché de manière exhaustive et antagoniste porte de nouveaux risques. Le code généré est digne de confiance non pas parce qu’il provient d’un modèle, mais parce qu’il a suivi un processus vérifié.

  **Les zéro-jours :** un modèle qui trouve un bug ne guérit pas magiquement le système. Le processus de sécurité ne s’arrête pas à la découverte. C’est pourquoi : parcourir le code existant maintenant avec les capacités équivalentes à Mythos et patcher agressivement. Mozilla publie Mythos sélectivement, parce que les organisations qui l’obtiennent contrôlent certains des systèmes les plus puissants d’Internet – on veut les voir endurcis, pas attaqués par des adversaires dans 3-4 mois.

  **Le modèle de confiance plus profond :** le code n’est pas digne de confiance parce qu’il est lisible pour l’homme (c’est un effet secondaire), mais parce qu’une bonne architecture le rend attaquable pour les machines amicales. Les modules étroits sont plus faciles à contraindre, les limites explicites plus faciles à tester, les petites interfaces plus faciles à vérifier.

  **La demande :** pas du langage naturel entrant, application sortant, mais : langage naturel entrant → réfléchir → traçages, preuves, systèmes de types, tests, examen antagoniste comme partie du pipeline agentique → vérification → les humains inspectent et signent le bundle d’intention. C’est la norme vers laquelle on travaille.

  Anthropic Claude (spécifiquement l’aperçu Mythos), ChatGPT et les futurs modèles open-source sont centraux ; avis/deep-dive sur le changement fondamental dans la sécurité logicielle, les modèles de confiance et la culture d’ingénierie.

• Your AI Agent Is Locked To One Model. OpenClaw Just Killed That.
  7.5.2026, 14:00:11

  # OpenClaw en avril 2026 : du projet de démonstration au runtime agentique prêt pour la production

  OpenClaw s’est transformé en avril 2026 de framework d’agent open-source viral en runtime agentique sérieux – en accord avec cela, le système a été étendu avec une vitesse de mise en version massive autour de la gestion des tâches, des fonctionnalités de mémoire, du support des fournisseurs, des mises à jour des canaux et de l’automatisation. La description superficielle « un modèle avec accès à votre ordinateur » devient inadéquate : OpenClaw devient la couche d’action pour les agents, pas seulement un wrapper chatbot.

  **Les nouveaux fondements de produit pour le travail sérieux :** Task Flow orchestre maintenant les workflows multi-étapes durables avec son propre état et suivi des révisions ; Memory a été refondue d’un gadget (« le bot se souvient de votre nom ») à une couche de contexte opérationnel – avec des concepts comme Memory Wiki, Active Memory et rappel riche en provenance, qui enregistrent si les souvenirs ont été observés, confirmés ou déduits par le modèle. Les canaux traitent désormais les exigences hétérogènes des différentes plates-formes (Slack, Discord, Teams, etc.) avec un threading correct et une gestion des permissions comme composant de runtime central plutôt que comme fonctionnalité de distribution.

  **Les guerres des modèles :** Anthropic a bloqué les abonnements Claude en avril pour les agents tiers toujours actifs – la justification est rationnelle (les agents consomment plus de tokens, ne sont pas des utilisateurs de chat normaux, Anthropic veut une tarification API plutôt qu’un forfait fixe), mais impopulaire auprès des développeurs qui utilisaient Claude comme cerveau de fond bon marché. OpenAI a pris la position opposée : Codex a été rendu accessible à tous les niveaux ChatGPT payants ; Sam Altman a annoncé explicitement qu’OpenClaw fonctionne maintenant nativement sur l’infrastructure OpenAI. Google a lancé Gemma 4 sous Apache 2.0 pour les workflows agentiques et le raisonnement on-device.

  **La réorientation stratégique :** l’intuition décisive n’est pas qu’OpenClaw peut maintenant utiliser différents modèles (c’est un menu déroulant), mais qu’il *devrait* : modèles locaux bon marché pour la classification et le triage, GPT 5.5 pour le travail complexe avec les repos, Claude API pour les tâches à haut jugement, d’autres pour la synthèse. Cela nécessite cependant une architecture où le modèle n’est pas la surface du produit, mais un moteur de raisonnement remplaçable au sein d’une boucle de workflow stable. Un motif de workflow durable le montre de manière exemplaire : examen du code qui trie les problèmes GitHub, les vérifie par rapport aux correctifs historiques, connaît les fichiers à risque et stocke les leçons de test – les connaissances utiles ne sont pas dans le prompt, mais dans l’historique du code, les révisions, les déploiements et les leçons accumulées. Si cette mémoire ne vit que dans la transcription du chat ou dans un produit fournisseur, le motif de workflow s’effondre.

  **La mémoire en tant que couche de contexte indépendante :** au cœur de la solution : la mémoire doit vivre en dehors de chaque modèle individuel. Par conséquent, une « recette de cerveau ouvert pour OpenClaw » a été publiée en tant que repo open-source – elle définit comment l’agent récupère le contexte avant le travail critique (conventions du projet, personnes, décisions, échecs antérieurs), comment il l’écrit après (sorties, leçons, canal source, utilisation du modèle, ID de tâche, confiance) et quels libellés de provenance accompagnent chaque souvenir (observé, déduit, confirmé par l’utilisateur, importé). Recettes concrètes : mémoire d’examen de code pour les leçons de RP réutilisables, journal de flux de tâches pour les tentatives d’agent de longue durée, recette de provenance de mémoire pour les étiquettes d’origine claires. Cet isolement rend le workflow résistant au changement de modèle, aux modifications de tarification, aux meilleurs modèles locaux.

  **La conclusion architecturale :** construire une runtime une fois, router différents cerveaux, construire des workflows verticalement (Sales Ops, Research, Meeting Follow-Up, Compliance, Finance) – la rareté n’est pas l’accès au modèle, mais la propriété de la mémoire, des outils, des permissions, du rythme opérationnel. Les utilisateurs d’OpenClaw ne devraient pas miser sur la fidélité au fournisseur, mais sur une conception d’exécution où le modèle reste remplaçable et la mémoire appartient à l’utilisateur.

  —

  **Fournisseurs/modèles explicitement traités :** OpenAI (GPT 5.5, Codex), Anthropic (Claude, Claude API), Google (Gemma 4), Open Router, DeepSeek, Ollama, LM Studio ; axé sur OpenClaw en tant que framework. **Format :** deep-dive avec thèse d’architecture fortement exécutée ; niveau de difficulté élevé (s’adresse aux bâtisseurs, pas aux débutants).

• The Work Primitive: What Every AI Product Leader Gets Wrong
  6.5.2026, 14:01:00

  # Résumé : les primitives de travail et la couche stratégique sous les workflows soutenus par des agents

  L’auteur soutient que le champ de bataille stratégique central pour les agents IA n’est pas la capacité superficielle à exploiter un ordinateur, mais le contrôle des **primitives de travail sémantiques** – des unités de travail significatives que les agents doivent comprendre et exécuter.

  **Les trois couches :** accès (Access), signification (Meaning) et autorité (Authority). L’utilisation de l’ordinateur donne aux agents l’accès ; les MCP et les API leur donnent accès à des interfaces plus riches. Mais le vrai pouvoir réside au niveau *sémantique* : le système comprend-il ce qu’une action signifie ? Déplacer un rendez-vous de calendrier n’est pas qu’un clic – cela notifie cinq personnes, peut-être casse les engagements des clients, crée des conflits. Un remboursement n’est pas qu’un bouton, mais une action avec flux monétaire, risques de fraude, implications fiscales.

  **Pourquoi les agents de codage ont d’abord fonctionné :** non pas parce que le code est du texte, mais parce que l’environnement de développement a déjà une signification sémantique riche – tests, linters, dépendances, historique Git. L’agent reçoit un retour sémantique directement. Avec le calendrier ou les workflows de vente, cette structure fait souvent défaut ; la signification est cachée dans la politique, les relations et l’histoire non écrite.

  **La hiérarchie des interfaces :** les agents doivent utiliser l’interface sémantique la plus riche (API > Connecteur > Navigateur > Contrôle de bureau), pas l’inverse. Ceci n’est pas seulement une préférence d’ingénierie, mais nécessaire pour le travail fiable à enjeux élevés.

  **La bataille des plates-formes :** deux approches concurrencent : (1) rétroactif à partir de la signification sémantique du travail vers les agents (stratégie Perplexity), (2) vers l’avant des modèles et du code vers le travail (Claude, Codex). Les hyperscalers peuvent emprunter les deux chemins ; les non-hyperscalers doivent choisir leur voie. Salesforce expose consciemment les MCP et les API ; SAP bloque les agents – l’auteur voit Salesforce comme bien positionné.

  **Tension centrale pour toutes les entreprises logicielles :** trop peu de sémantique = les agents cliquent maladroitement dans l’interface utilisateur ; trop = le produit devient l’infrastructure backend pour les interfaces agentiques étrangères. La question est : qui définit la signification du travail ?

  **L’objectif réel :** non pas un logiciel qui rend chaque bouton cliquable, mais un logiciel qui décrit l’*action derrière le bouton*, l’autorise, la rend vérifiable, réversible et composable – à partir du départ lisible pour les agents, pas seulement techniquement lisible.

  **Outils et fournisseurs explicitement nommés :** Codex (avec utilisation informatique et fonction d’examen automatique), Claude (préfère les MCP), Perplexity (ordinateur personnel, workflows financiers, Comète), Salesforce (360, MCP/API), SAP (blocage des agents), GitHub, Stripe, Shopify.

  **Format :** deep-dive / avis (cadre stratégique pour les responsables de produits).

• Consumer AI Has a Problem Nobody’s Naming.
  5.5.2026, 14:00:58

  # Résumé

  L’intervenant critique que le paysage actuel des agents IA ait un problème fondamental : bien que les agents soient techniquement capables, ils forcent les utilisateurs dans une nouvelle couche de gestion plutôt que de leur offrir une véritable assistance. Le problème central est l’**Anticipation Gap** – les agents sont réactifs (tu dois les appeler), pas proactifs. L’agent idéal futur remarquerait les problèmes avant qu’ils ne deviennent du travail : il remarque que ton vol est retardé et te demande si tu veux être remboursé. L’école envoie un email avec un formulaire de signature à signer avant vendredi – l’agent te l’indique. Un fil de travail tendu a besoin d’une réponse soignée – l’agent ébauche une contre-proposition calme.

  Le plus grand obstacle n’est pas la capacité technique, mais que les agents comprennent *quand* ils peuvent apparaître, *ce* qui compte vraiment, et *comment* agir sans être intrusifs ou faussement proactifs. Les produits actuels comme Poke (interface de messagerie), Clickie (assistant curseur) et Cluey (aide invisible) essaient différentes approches, mais manquent tous encore la véritable proactivité – leurs réponses semblent trop génériques ou elles nécessitent une intervention de l’utilisateur.

  L’intervenant propose un **principe d’échelle de permissions** : niveau 1 (Lire), niveau 2 (Suggérer), niveau 3 (Ébaucher), niveau 4 (Agir avec confirmation), niveau 5 (Autonome). Pour les agents grand public, on devrait choisir consciemment quel niveau viser – pas « gérer ma vie », mais quelques domaines spécifiques avec assez de contexte et de contrôle.

  Un chemin prometteur : la proactivité pourrait d’abord émerger au *travail* (comme Slack), car il y a là des mesures claires et des contextes plus structurés. Les signes d’une percée imminente sont les embauches stratégiques (p. ex., l’embauche de Peter Steinberger par OpenAI), l’augmentation du soulagement de charge dans les agents existants et les notes de version des modèles qui annoncent l’intention grand public durable avec la mémoire.

  La vidéo soutient que la demande est énorme et la capacité technique existe, mais l’approche du produit doit être fondamentalement différente : pas « réactif jusqu’à ce que tu m’appelles », mais « j’apparais quand c’est important, j’ask la permission pour les décisions importantes, sinon je disparais. »

  **Outils/plates-formes explicitement mentionnés :** OpenAI, Claude/Anthropic, Codex, GitHub, Cursor, Protocole Symphony, Stripe, Poke, Clickie, Cluey, Co-work, Chronicle (Codex), Open-Source/OpenClaw. **Format :** Avis/Réflexion avec deep-dive en conception de produits et cas d’usage ; conçu pour les penseurs de produits avancés et les personnes intéressées par l’IA.

• AI’s ‘Thin Ice’ Moment: Is Your Job Already Gone?”
  4.5.2026, 14:01:31

  # Résumé

  L’auteur soutient que le véritable danger de l’IA pour les travailleurs du savoir n’est pas que des emplois complets disparaissent, mais que des tâches individuelles au sein d’un emploi deviennent superflues – ce qui sape le fondement d’un rôle entier, comme les réservations en ligne ont changé les agences de voyage. Il présente un cadre d’audit qui trie les deux dernières semaines d’activité professionnelle en quatre catégories : **T (Théâtre)** = performance organisationnelle sans véritable valeur, **C (Commodity)** = routine véritable mais interchangeable, **L (On the Line)** = activités de transition avec une pression d’automatisation croissante, **D (Durable)** = travail dont la valeur dépend d’un jugement non entièrement descriptible.

  La plupart des travailleurs du savoir constateront que leur semaine est disproportionnément composée de T et C, tandis que le travail D – le véritable jugement sous incertitude, les questions de maintien plutôt que simplement de réponse – s’avère nettement plus petit que leur identité professionnelle ne le suggère. Le problème central : les systèmes de performance récompensent les résultats visibles, pas la véritable création de valeur, c’est pourquoi les rôles peuvent aujourd’hui « bien paraître » même si leur fondement économique s’érode.

  L’auteur recommande six étapes concrètes : (1) éliminer graduellement les tâches de théâtre, (2) ne pas investir le temps économisé dans plus de travail commodity, mais dans le développement de D, (3) documenter hebdomadairement le jugement durable, (4) réduire systématiquement les charges commodity par le choix des projets, (5) communiquer les résultats du jugement sans expliciter les mécanismes plus profonds (légibilité partielle), (6) changer de rôles si le potentiel D est insuffisant. L’intuition centrale : la transition n’est pas forcée – il y a encore du temps pour se réorienter soi-même avant que l’organisation ne le fasse.

  **Format et outils :** avis/réflexion avec outil d’audit pratique ; Claude et Codex mentionnés comme aides au traitement des données.

• Stripe, Visa, Mastercard, Microsoft, Meta. All Building The Same Thing.
  3.5.2026, 17:00:44

  # Résumé : le passage du pouvoir des vendeurs aux acheteurs via le commerce d’agents

  Le cœur des nouvelles annonces de Stripe ne réside pas dans le fait que les agents IA peuvent maintenant acheter du café, mais dans une restructuration fondamentale de l’économie Internet : le pouvoir se déplace pour la première fois en décennies du vendeur à l’acheteur.

  **Trois changements centraux :**

  1. **L’ancien entonnoir de vente était une machine pour rendre visible l’intention humaine.** Les sites web, les applications, les paiements et les pages d’accueil étaient des environnements contrôlés où les entreprises pouvaient observer la demande. Cette configuration justifiait une industrie entière (8 000+ entreprises martech dans les années 2010) autour de l’attention humaine. Les agents changent cela radicalement : la décision d’achat ne se forme plus sur le site du vendeur, mais dans l’environnement de l’acheteur, avant même que celui-ci ne visite le magasin.

  2. **L’autorité de paiement se déplace avec la tâche, pas à la caisse.** Stripe Links Wallet pour les agents permet à un agent ayant accès programmatique de travailler avec des instructions de paiement limitées – avec une carte virtuelle unique ou un jeton de paiement partagé. Ce n’est pas la même chose que le paiement traditionnel. La méthode de paiement est liée à la tâche, peut être limitée par montant, devise, commerçant ou statut approuvé. Dans l’ancien modèle, le vendeur extrayait l’autorité de paiement. Dans le nouveau modèle, l’agent de l’acheteur apporte l’autorité de paiement.

  3. **La question compétitive n’est plus « utilisons-nous l’IA ? », mais « les agents peuvent-ils nous appeler ? »** Quand les agents arrivent (pas si), le parcours d’achat sera à la fois dirigé par les clients et par les agents. Cela signifie que la comparaison commerciale, la légitimité du vendeur et la clarté des prix doivent exister bien avant le moment du paiement.

  **Pourquoi tout cela doit simplement fonctionner :**

  Pour qu’un agent puisse acheter quelque chose pour un acheteur, il a besoin : d’informations produit structurées qu’un agent peut lire (pas seulement du contenu marketing), de prix clairs, de politiques de retour, de fenêtres de livraison, d’options de paiement et d’« Intent Hooks » – des façons de traduire des demandes humaines vagues (« du café authentique ») en demandes commerciales précises. C’est une norme bien plus élevée que « l’optimisation pour les agents ». Un agent ne peut pas vivre avec l’ambiguïté comme un humain ; il a besoin de clarté pour agir.

  **Ce que cela signifie concrètement pour les entreprises :**

  Les sites web peuvent devenir moins centraux, mais la réalité commerciale doit devenir nettement plus explicite. Le catalogue de produits, les prix, les politiques, les méthodes de paiement, les limites d’utilisation, les restrictions d’exécution doivent être exposés en tant que surfaces accessibles aux agents – via des protocoles, des API, des flux ou des plates-formes comme Stripe elle-même. La découverte devient moins « gagner un classement Google » et plus « être une option disponible dans le processus de décision de l’agent ».

  **Sur le paiement instantané et OpenAI :**

  Le test pilote avec Walmart a montré que le paiement instantané (les achats directement dans le chat) convertissait réellement moins bien que le renvoi au site web. Le problème est structurel : les gens ne veulent pas acheter des articles individuels dans le chat quand ils ont déjà des paniers, des programmes de fidélité, des attentes de livraison et des relations marchands existantes. La réponse corrigée d’OpenAI a été de se concentrer sur la découverte et de traiter le paiement comme un accessoire, pas une expérience principale.

  **Les structures de paiement à l’ère des agents :**

  Les annonces de Stripe autour des paiements en flux (avec Metronome pour le suivi d’utilisation et Tempo pour les micropaiements en stablecoin) révèlent une image beaucoup plus large. Pas chaque transaction est un achat unique. Il y a des intentions chronométrées (« achète plus tard »), des limites de budget (« dépense jusqu’à 100 $ pour trouver le meilleur fournisseur »), des modèles basés sur l’utilisation (par requête, par jeton), des modèles basés sur les résultats (paye si le ticket est résolu) et des hybrides. Ceux-ci étaient autrefois inconfortables pour les humains à gérer – maintenant ce sont des transactions natives pour les agents. Cela nécessite différents systèmes de facturation et d’établissement des factures que les pages de paiement classiques.

  **La fraude et la confiance à l’ère des agents :**

  L’annonce de Stripe Radar est critique : dans un monde où les agents consomment des tokens, les fraudeurs peuvent entraîner des coûts énormes. Une période d’essai gratuit, autrefois inoffensive, devient la consommation de jetons. Radar utilise le réseau de Stripe (Link comme portefeuille, Stripe Signals pour les données de risque sur le paiement, l’entreprise, l’inscription et le comportement des agents) pour détecter la fraude. C’est comme un garant de confiance pour une économie dirigée par les acheteurs – quand le commerce quitte l’entonnoir du vendeur, la confiance doit venir d’ailleurs.

  **Sur les marques :**

  Un agent ne ressent pas la nostalgie ou l’aspiration comme un humain. Il ne sera pas ému par les émotions de la page d’accueil. Mais cela ne signifie pas que les marques disparaissent – elles changent de lieu. Dans l’ancien web, la marque fonctionnait à la persuasion : vous atterrissez, voyez le design et la preuve sociale, le vendeur raconte la marque. Sur le web des agents, la marque fait partie de la mémoire de l’acheteur : vos préférences, vos achats antérieurs, votre historique de confiance, vos appartenances de fidélité, vos aversions exprimées deviennent des entrées pour les agents. L’agent peut apporter « j’aime le café 49th Parallel » comme contrainte – ou « j’évite cette compagnie aérienne ». C’est difficile pour les vendeurs, car ils ne peuvent pas réinitialiser la conversation. La marque ne devient pas comme un panneau d’affichage – elle devient une entrée dans le contexte opérationnel de l’acheteur, dans le grand livre. Les marques qui comptent pour les agents sont celles qui sont devenues des préférences fiables : données claires, politiques claires, exécution cohérente, forte réputation.

  **L’implication plus large :**

  Si Stripe réduit les coûts de transaction et de confiance, les entreprises qui ne sont pas basées sur des relations d’acheteur authentiques pourraient disparaître, mais seulement parce que des acheteurs fatigués y atterrissaient autrement. Les agents rendront ces moments « atterrir par frustration » moins fréquents. L’économie Internet deviendraitplus rationnelle, plus efficace, moins émotionnelle. Cela ne signifie pas que le marketing disparaît – il doit fonctionner différemment. Vous ne pouvez pas persuader émotionnellement un agent. Vous devez rendre votre expérience pertinente.

  **Questions critiques pour chaque entreprise :**

  – Un agent peut-il appeler une entreprise de manière programmatique (pas scraped, mais via les API) ?
  – L’agent peut-il comprendre quand l’entreprise est pertinente et peut-il la comparer par rapport à des alternatives ?
  – L’agent peut-il agir sans surveillance humaine ?
  – L’agent peut-il distinguer les faits du bluff marketing ?
  – L’agent peut-il lire vos prix, conditions, politiques d’annulation, traitement des erreurs ?

  La raison pour laquelle le commerce est difficile n’est pas que cliquer sur les boutons est difficile. Le commerce est difficile parce que l’action économique a des conséquences réelles. Stripe comprend cela, car Stripe a toujours vécu au croisement du logiciel et de l’argent.

  **Perspective :**

  L’ancien Internet se demandait : « Comment mettre le client dans notre magasin ? » Le nouveau Internet demande : « Comment devenir utile pour l’agent du client, alors que le client ne vient même pas ? » L’infrastructure de l’entonnoir de vente s’effondrera. Soit vous investissez dans des expériences de haute qualité pour les vraies personnes (et dans le marketing IRL), soit vous rendez toute votre infrastructure amie des agents et contrats nets. Quand l’acheteur veut du « café authentique » et que l’agent visite votre site web, il faut tous les hooks pour que l’agent lise les véritables qualités et vous fasse correspondre au café éthiopien traité au miel.

  —

  **Technologie et format :** analyse approfondie de la stratégie de commerce d’agents Stripe avec implications pratiques ; pas de modèles IA individuels spécifiquement thématisés, mais plutôt le changement économique plus large et le rôle de Stripe.

Alejandro AO (1 nouvelle vidéo)

• Pi Agent – Crash Course | Minimal Coding Agent
  6.5.2026, 06:17:00

  La vidéo présente le Pi Agent Harness, une harness d’agents minimaliste qui s’adapte aux besoins de l’utilisateur. L’accent est mis sur permettre aux utilisateurs de commencer rapidement sans couvrir toutes les fonctionnalités en détail. Les points clés sont :

  1. **Qu’est-ce que Pi ?**
  – Pi est une harness d’agents minimaliste qui démarre avec seulement quatre fonctions de base et peut être personnalisée individuellement par des extensions et adaptations.
  – Contrairement à d’autres harnesses d’agents, Pi n’offre pas de fonctionnalités prédéfinies comme MCP (Multi-Chat-Persistance), support des sub-agents, mode de planification ou listes de tâches intégrées. Au lieu de cela, ces fonctionnalités peuvent être ajoutées selon les besoins.

  2. **Installation et configuration de base**
  – L’installation se fait via une simple commande en ligne de commande.
  – Après l’installation, les utilisateurs doivent s’authentifier avec une clé API ou un abonnement (par exemple de Hugging Face, Anthropic, ChatGPT ou GitHub Copilot) pour utiliser les LLMs (Large Language Models).
  – Les modèles peuvent être sélectionnés via la commande `/model` et il est possible de basculer entre différents fournisseurs.

  3. **Sélection et personnalisation de modèles**
  – Les utilisateurs peuvent choisir entre différents modèles et les enregistrer dans des listes de favoris.
  – Le niveau de réflexion du modèle (par exemple faible, moyen, élevé) peut être ajusté.

  4. **Modèles de prompts**
  – Des prompts personnalisés peuvent être créés et enregistrés pour simplifier les commandes fréquemment utilisées.
  – Ces prompts sont stockés dans la structure de répertoire `.pi` et peuvent être modifiés manuellement.

  5. **Skills**
  – Les Skills sont des fonctionnalités qui étendent la harness d’agents. Ils peuvent être chargés depuis différents répertoires, notamment `.agents` et `.clod`.
  – Les Skills peuvent être appelés et utilisés via la commande `/skill`.

  6. **Thèmes et interface utilisateur**
  – L’interface utilisateur de Pi peut être modifiée en ajustant les thèmes.
  – Des thèmes personnalisés peuvent être créés et enregistrés dans la structure de répertoire `.pi`.

  7. **Fichiers de contexte**
  – Pi utilise les normes `agents.md` et `clod.md` pour la gestion du contexte.
  – Ces fichiers peuvent être stockés dans différents répertoires (par exemple workspace ou répertoire home) et chargés par Pi.

  8. **Extensions**
  – Les extensions permettent la personnalisation et l’extension des fonctionnalités de Pi.
  – Les extensions d’exemple incluent les messages de bienvenue et les demandes de confirmation de sécurité avant les commandes dangereuses (par exemple `rm -rf`).

  9. **Packages**
  – Les Packages sont des ensembles d’extensions, de skills et de prompts qui peuvent être installés ensemble.
  – Des exemples de Packages sont `PySubagents`, `ContextMode` et `MCPAdapter`.

  10. **Sessions**
  – Les Sessions permettent de gérer, modifier et naviguer les threads.
  – Les Sessions peuvent être nommées, exportées et enregistrées dans différents formats.
  – Les utilisateurs peuvent basculer entre différentes sessions, les dupliquer ou les fusionner.

  La vidéo traite explicitement du Pi Agent Harness et est plutôt destinée aux utilisateurs intermédiaires qui ont déjà une expérience des harnesses d’agents et souhaitent les personnaliser individuellement.

Alex Finn (4 nouvelles vidéos)

• Hermes Agent is blowing me away…
  9.5.2026, 20:54:26

  La vidéo compare les agents IA Hermes et OpenClaw et recommande Hermes en raison de sa fiabilité, de son auto-amélioration et de sa convivialité. L’auteur décrit les avantages de Hermes, notamment des mises à jour régulières et thématiques, une capacité d’auto-amélioration par l’utilisation et une forte emphase sur l’expérimentation et les modèles locaux. L’installation de Hermes est décrite comme simple, avec des options pour différents modèles et services de communication, Telegram et Opus étant recommandés. L’auteur montre trois cas d’usage : un pour les débutants qui découvrent quotidiennement de nouveaux outils IA, un pour les utilisateurs avancés qui effectuent des vérifications proactives quotidiennes, et un pour les experts qui créent des vidéos générées par IA. À la fin, l’auteur souligne l’importance du brain-dumping et du reverse-prompting pour utiliser l’agent IA de manière personnelle et efficace.

  La vidéo traite explicitement des outils IA Hermes Agent et OpenClaw et s’adresse plutôt aux utilisateurs intermédiaires et avancés.

• LIVE: Anthropic and Elon just teamed up to take down OpenAI
  6.5.2026, 20:12:34

  La vidéo traite de l’alliance stratégique entre Anthropic et X.AI d’Elon Musk, caractérisée par un accord majeur de puissance de calcul. Anthropic accède au cluster Colossus-1 de SpaceX, ce qui améliorera considérablement sa capacité à développer et à entraîner des modèles IA. Ce partenariat marque un tournant dans la concurrence avec OpenAI, qui a pris une position dominante ces derniers mois avec Codeex. Anthropic avait connu des limites décroissantes et des modèles moins performants durant cette période, ce que la nouvelle alliance devrait maintenant compenser. Elon Musk, qui était auparavant critique envers Anthropic, fournit désormais des ressources informatiques massives, changeant la dynamique de la concurrence en IA. La vidéo discute également des stratégies à long terme d’Elon Musk, qui pourrait se concentrer sur des objectifs plus larges comme les véhicules autonomes, l’exploration spatiale et la robotique, plutôt que de rester dans la concurrence des chatbots IA. L’alliance pourrait conduire à une nouvelle ère d’innovation et d’amélioration des outils IA, dont les consommateurs bénéficieront. La vidéo souligne l’importance d’utiliser à la fois les outils IA leaders, Claude Code et Codeex, pour tirer parti de leurs forces respectives.

  **Outils/Modèles/Fournisseurs IA :** Anthropic, OpenAI, Elon Musk (X.AI), Claude, Codeex, Grock, Gemini, Open-Source
  **Public cible :** Intermédiaire

• Hermes Agent might have just killed OpenClaw
  5.5.2026, 21:11:59

  La vidéo présente Hermes Agent comme une alternative plus fiable à OpenClaw et aborde sept nouvelles fonctionnalités qui améliorent la productivité et la convivialité. Celles-ci incluent :

  1. **Cananband Board** : Permet le multitâche en traitant plusieurs fils de tâches en parallèle. Un agent gestionnaire remplit les tâches avec des détails et les déplace à travers différents statuts (Triage, To-Do, Ready, In Progress, Block, Done).

  2. **Slashgo** : Une fonction de mission de haut niveau qui confie à l’agent des tâches à long terme pouvant être traitées sur une période prolongée. La qualité du prompt est cruciale pour de bons résultats.

  3. **Profiles (Multi-Agents)** : Permet la création de plusieurs agents avec leurs propres mémoires et compétences, pour optimiser les performances et éviter la surcharge.

  4. **Model Catalog** : Simplifie le changement et l’attribution de modèles à des tâches spécifiques, améliorant le contrôle des coûts et l’efficacité.

  5. **Compression** : En ajustant le seuil de compression à 0,5, des compressions moins drastiques sont effectuées, ce qui améliore la capacité de mémorisation.

  6. **Curator Feature** : Suppression automatique des compétences peu utilisées tous les sept jours pour réduire le surcharge et maintenir les performances.

  La vidéo critique OpenClaw pour ses mises à jour fréquentes qui entraînent l’instabilité et des problèmes de performance, et souligne les mises à jour ciblées et fiables de Hermes. Il est recommandé d’utiliser les nouvelles fonctionnalités de Hermes pour augmenter la productivité.

  **Commentaire de conclusion** : La vidéo traite explicitement de Hermes Agent et OpenClaw et s’adresse plutôt aux utilisateurs intermédiaires à avancés.

• LIVE: Is Hermes better than OpenClaw? FINALE!!!
  4.5.2026, 21:53:53

  La vidéo YouTube montre un direct dans lequel l’animateur teste différents agents IA (OpenClaw et Hermes) dans une compétition appelée « Agent Olympics ». Le direct dure exceptionnellement longtemps (3,5 heures) et est divisé en différentes sections, allant des tests techniques aux discussions personnelles en passant par des décisions spontanées.

  **Résumé du contenu :**
  1. **Agent Olympics :**
  – L’animateur teste quatre combinaisons d’agents IA (OpenClaw et Hermes avec différents modèles backend comme ChatGPT et Opus) sur cinq tâches différentes.
  – Les tâches incluent la création d’infographies, de vidéos musicales animées et d’autres tâches complexes.
  – Les résultats sont évalués en direct, OpenClaw avec Opus émergeant en tant que vainqueur à la fin.

  2. **Discussions techniques :**
  – Il y a des discussions approfondies sur la stabilité et la fiabilité des différents agents IA, notamment Hermes, critiqué pour les erreurs de « compaction » (perte d’états de travail).
  – OpenClaw est loué pour sa cohérence et sa convivialité.

  3. **Sujets personnels :**
  – L’animateur parle de ses problèmes de sommeil et expérimente différentes solutions comme les kiwis et le magnésium.
  – Il y a des discussions sur les méthodes de travail, y compris l’utilisation de tapis de course et de bureaux debout, l’animateur exprimant ses préférences et aversions.

  4. **Interaction communautaire :**
  – Les spectateurs sont activement impliqués dans le chat, posant des questions et donnant des commentaires.
  – L’animateur décide spontanément de créer un deuxième canal YouTube appelé « Alex Finn Labs », ce qui mène à une interaction amusante avec un spectateur qui a déjà réservé le nom de canal souhaité.

  5. **Annonces et plans futurs :**
  – L’animateur annonce qu’il publiera davantage de vidéos sur Hermes et les configurations multi-agents à l’avenir.
  – Il est discuté si les directs devraient avoir lieu à des heures ultérieures pour atteindre un public plus large.

  **Commentaire de conclusion :**
  La vidéo traite explicitement des outils IA OpenClaw, Hermes, ChatGPT et Opus. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés, car elle traite de détails techniques et d’applications avancées des agents IA.

Bart Slodyczka (1 nouvelle vidéo)

• LM Studio Is Getting Insane — Start Using It Now
  4.5.2026, 11:31:00

  La vidéo montre comment exécuter des modèles d’IA localement sur son propre ordinateur avec LM Studio. LM Studio est une application de bureau gratuite qui permet de rechercher, télécharger et utiliser différents modèles d’IA. La vidéo explique comment vérifier la compatibilité de son ordinateur avec les modèles, télécharger les modèles et les charger dans LM Studio. Elle démontre comment communiquer avec les modèles via une interface de chat, charger des PDF, analyser des images et effectuer des recherches Web. Elle montre également comment intégrer les modèles avec d’autres outils métier comme Claude Co-work, Claude Code, OpenClaw ou Hermes Agent. La différence entre l’IA Cloud et l’IA locale est expliquée, l’IA locale étant privée et gratuite, mais souvent plus lente et moins performante. La vidéo aborde également les aspects techniques, tels que l’utilisation de Node.js et la configuration des outils MCP (Model Context Protocol) pour l’intégration d’outils externes. Enfin, elle montre comment intégrer un modèle d’IA local dans l’application Claude Co-work.

  La vidéo traite explicitement de LM Studio, Gemma 4, Claude, Node.js et MCP-Tools et convient plutôt aux utilisateurs de niveau intermédiaire.

Ben AI

Aucune nouvelle vidéo dans cette période.

Brian Casel

Aucune nouvelle vidéo au cours de cette période.

Coding with Lewis

Aucune nouvelle vidéo pendant cette période.

Cole Medin (3 nouvelles vidéos)

• AI YouTube Is Only Claude Hype Now
  7.5.2026, 00:01:02

  **Résumé :**

  La vidéo présente en direct la création d’une feuille de route pour le projet open-source Archon, un gestionnaire pour l’AI-Coding. L’animateur commence par une introduction à Archon, qui permet d’encapsuler les processus d’AI-Coding dans des workflows et de les exécuter en parallèle sur différentes bases de code. Les workflows sont définis en YAML et peuvent inclure des actions basées sur des agents ainsi que des actions basées sur des scripts.

  Un thème central est l’idée d’une marketplace pour les workflows Archon, permettant aux utilisateurs de partager et d’installer leurs propres workflows. L’animateur discute de différentes approches pour implémenter cette marketplace, notamment la question de savoir si les workflows doivent être hébergés dans des dépôts séparés ou intégrés directement au dépôt Archon. Les avantages et inconvénients de chaque approche sont examinés, en mettant l’accent sur la sécurité et la convivialité.

  Pendant la vidéo, la feuille de route actuelle d’Archon est créée et mise à jour, avec l’ajout de diverses fonctionnalités et améliorations, telles que le support de l’agent PI-Coding et l’optimisation du processus de configuration. L’animateur utilise Cloud Code et d’autres outils pour visualiser et affiner la feuille de route.

  **Remarque finale :**

  La vidéo se concentre explicitement sur les outils et modèles open-source, en particulier Claude et Cloud Code, et est destinée aux utilisateurs de niveau intermédiaire à avancé.

• 🔴LIVE – What’s Next for Archon – Live Roadmap Session
  5.5.2026, 03:58:13

  **Résumé de la vidéo YouTube :**

  La vidéo montre la création de vidéos générées par l’IA avec Archon, un gestionnaire open-source. Le processus implique l’utilisation d’Archon pour le workflow, 11 Labs pour la génération vocale et Remotion pour la génération vidéo. Le créateur démontre la création d’une vidéo sur la nouvelle calculatrice TI-84 EVO, puis explique les étapes pour créer une vidéo marketing pour Archon lui-même.

  **Étapes et outils :**
  1. **Workflow Archon :**
  – Archon est utilisé pour créer un workflow qui divise la génération vidéo en plusieurs étapes.
  – Le workflow comprend la planification de la vidéo, la génération d’audio et de vidéo, la validation et l’itération.

  2. **11 Labs pour la génération vocale :**
  – 11 Labs est utilisé pour générer la sortie vocale.
  – Le créateur expérimente différents paramètres tels que la vitesse, la stabilité, la similarité et l’exagération du style pour obtenir la meilleure qualité sonore.

  3. **Remotion pour la génération vidéo :**
  – Remotion est utilisé pour créer les éléments visuels de la vidéo.
  – Le créateur montre comment le workflow planifie et génère les différentes scènes et animations.

  4. **Itération et amélioration :**
  – Le créateur démontre comment améliorer la vidéo générée de manière itérative en fournissant des retours et en ajustant le workflow.
  – Il montre comment améliorer la sortie vocale et les effets sonores.

  5. **Détails du workflow Archon :**
  – Le workflow est défini dans un fichier YAML et comprend plusieurs étapes orchestrées par Archon.
  – Chaque étape peut utiliser différents modèles et fournisseurs, ce qui augmente la flexibilité et la fiabilité du workflow.

  **Remarque finale :**
  La vidéo se concentre explicitement sur Archon, 11 Labs, Remotion et les modèles open-source. Elle est destinée aux utilisateurs de niveau intermédiaire et avancé qui connaissent les outils et workflows d’IA.

• 🔴LIVE – Full AI Video Generation Workflow Using Claude Code + Remotion + Archon
  3.5.2026, 03:33:47

  La vidéo est une version révisée d’un atelier en direct sur la transformation par l’IA, menée en collaboration avec Leor Weinstein. L’accent est mis sur la création d’un système fondamental pour des résultats fiables et répétables avec l’assistance d’AI-Coding. Le processus est divisé en trois phases : l’idéation avec les agents de codage, la construction d’une boucle itérative (PIV-Loop) et l’amélioration progressive des agents de codage au fil du temps.

  1. **Idéation avec les agents de codage :**
  – Conversations non structurées avec l’agent de codage pour recueillir des idées et clarifier les exigences.
  – Utilisation d’outils tels que Claude Code et Jira pour gérer et organiser le travail.
  – Création d’un Product Requirement Document (PRD) par des commandes spécifiques et des Skills qui structurent la conversation.

  2. **PIV-Loop (Plan, Implement, Validate) :**
  – **Planifier :** Analyse de la base de code et création d’un plan détaillé pour l’implémentation d’un ticket Jira.
  – **Implémenter :** Délégation du codage à l’agent de codage basée sur le plan créé.
  – **Valider :** Validation automatisée par l’agent de codage, suivie d’une révision de code manuelle et de tests manuels.

  3. **Évolution du système :**
  – Analyse rétrospective après chaque PIV-Loop pour améliorer les systèmes et processus.
  – Ajustement des règles, commandes et Skills pour éviter les erreurs futures et accroître l’efficacité.

  L’atelier souligne l’importance de garder le contrôle du processus en prenant en charge la planification et la validation soi-même, tout en déléguant le codage réel à l’outil d’IA. Il montre comment travailler efficacement avec des outils comme Claude Code et Jira pour augmenter la productivité et automatiser les tâches répétitives.

  La vidéo est plutôt destinée aux utilisateurs de niveau intermédiaire et avancé, car elle suppose que les spectateurs ont déjà des connaissances de base en développement logiciel et gestion de projet. Des outils spécifiques tels que Claude Code et Jira sont traités.

Dave Ebbelaar (1 nouvelle vidéo)

• If I Started AI Freelancing in 2026, I’d Do This
  4.5.2026, 15:15:23

  **Résumé :**

  Le contenu vidéo décrit un cadre en trois étapes que l’auteur appelle le “Data Freelancer Blueprint” pour réussir en tant que freelancer dans le domaine de l’IA et des données. Les trois étapes sont :

  1. **Get Going (Se lancer) :**
  – Surmonter les obstacles psychologiques et commencer par des projets simples mais utiles, souvent considérés comme « ennuyeux », comme l’automatisation des données ou la création de rapports.
  – Créer trois projets de bout en bout que vous pouvez démontrer et apprendre à intégrer et déployer le code dans les systèmes réels.
  – Mettre à jour votre profil LinkedIn pour communiquer clairement les problèmes que vous pouvez résoudre.

  2. **Getting Paid (Se faire payer) :**
  – Déterminer votre taux horaire par la recherche.
  – Utiliser votre réseau pour des présentations chaleureuses et des conversations avec les décideurs.
  – Créer après la conversation une proposition de projet détaillée incluant des jalons, des livrables et une estimation des coûts.

  3. **Get Good (S’améliorer) :**
  – Se concentrer sur l’amélioration des prospects, des ventes et de la livraison.
  – Construire des contrats à long terme pour garantir un revenu stable.
  – Utiliser différents canaux comme LinkedIn, YouTube et les plateformes de freelance pour générer des prospects.

  L’auteur souligne que le freelancing dans le secteur technologique est un moyen sûr et lucratif de démarrer une entreprise, et encourage les spectateurs à faire le premier pas.

  **Commentaire de conclusion :**
  La vidéo couvre des outils comme N8N et Airtable (solutions Low-Code/No-Code) ainsi que Python et TypeScript (solutions Custom-Code) et s’adresse aux freelancers intermédiaires et avancés qui souhaitent se lancer dans le domaine de l’IA et des données ou développer leur entreprise.

David Shapiro

Aucune nouvelle vidéo au cours de cette période.

Everlast AI (4 nouvelles vidéos)

• « Vous allez avoir une surprise » Professeur en robotique sur la Chine, les humanoïdes et l’avenir
  7.5.2026, 15:15:00

  La vidéo est une interview avec Alexander von Everlast AI sur l’état actuel et l’avenir de la robotique humanoïde, en particulier avec un focus sur l’assistant robot Gami de la TU Munich. Les thèmes principaux englobent le développement exponentiel de la robotique, l’intégration des Visual Language Action Models (VLAs), les défis de la manipulation et de la sensibilité des robots, ainsi que les questions éthiques et juridiques concernant la responsabilité des systèmes d’IA. Alexander souligne l’importance du design et du design d’interaction pour l’acceptation des robots dans la société et discute du rôle de l’open source et des solutions propriétaires en robotique. Il voit de grands progrès dans la simulation et l’apprentissage collectif des robots, mais avertit des défis liés à la sécurisation et à la responsabilité. La vidéo traite explicitement des modèles et fournisseurs comme Nvidia (Omniverse, Kosmos) et souligne l’importance de la recherche fondamentale et de l’application industrielle. Elle est plutôt destinée aux spectateurs intermédiaires et avancés, car elle contient des discussions techniques et éthiques approfondies.

  Commentaire final : La vidéo traite explicitement Nvidia (Omniverse, Kosmos) et est plutôt destinée aux spectateurs intermédiaires et avancés.

• Expert en robotique : oublie les robots humanoïdes ! VOICI ce qui va vraiment se passer (Dr. Hendrik Susemihl)
  6.5.2026, 15:15:00

  La vidéo est une interview avec Dr. Hendrik Susemil, fondateur de Goodbites, une entreprise qui développe des cuisines robotiques entièrement autonomes. Goodbites produit plus de 50 000 repas par jour et a remporté le Robotics Award 2026 de la Hannover Messe. L’entreprise fournit des cuisines robotiques autonomes à l’armée américaine et est ainsi le leader mondial dans ce domaine.

  Hendrik Susemil discute de l’importance de Physical AI, c’est-à-dire l’IA dotée d’un corps physique, et comment cela changera fondamentalement notre quotidien. Il explique pourquoi la cuisine est plus difficile à automatiser que le travail en usine et comment Goodbites a remporté l’armée américaine comme client. Il aborde également le rôle de l’Allemagne dans la course mondiale à la robotique et souligne la nécessité de penser de manière risquée et d’agir rapidement pour rester compétitif face aux États-Unis et à la Chine.

  Susemil souligne que l’Allemagne est certes leader technologiquement, mais manque de capacité à construire des entreprises mondiales. Il souligne l’importance de la vitesse et de l’esprit d’expérimentation, ainsi que la nécessité de penser de manière risquée pour rester compétitif. Il voit les plus grandes erreurs des entreprises allemandes dans leur passivité et leur manque d’expérimentation.

  En résumé, la vidéo discute de l’importance de Physical AI et du rôle de l’Allemagne dans la course mondiale à la robotique. Elle souligne la nécessité de penser de manière risquée et d’agir rapidement pour rester compétitif.

  La vidéo traite des outils et fournisseurs spécifiques comme Goodbites et est plutôt destinée aux utilisateurs intermédiaires et avancés.

• N’utilise pas Codex tant que tu n’as pas regardé cette vidéo ! (La SuperApp ChatGPT)
  5.5.2026, 15:15:00

  La vidéo présente 34 conseils et astuces pour utiliser Codex, une nouvelle SuperApp d’OpenAI qui doit remplacer ChatGPT. Voici les points les plus importants :

  1. **Bases** : Codex peut être utilisé comme ChatGPT, mais offre des fonctionnalités supplémentaires comme l’accès direct aux dossiers et fichiers locaux.
  2. **Fonctionnement** : Codex peut accéder directement aux dossiers locaux et modifier les fichiers, ce qui représente un grand avantage par rapport à ChatGPT.
  3. **Tableaux Excel** : Codex peut créer et modifier directement des tableaux Excel dans les dossiers locaux.
  4. **Personnalisation du design** : L’interface de Codex peut être adaptée aux besoins individuels, y compris la taille de police, le schéma de couleurs et la police.
  5. **Skills et Plugins** : Codex offre divers skills et plugins qui étendent les fonctionnalités, comme la création de documents Word et de PDFs.
  6. **Subagents** : Codex peut utiliser plusieurs subagents simultanément pour traiter des tâches complexes et gérer le contexte.
  7. **Browser et Computer Use** : Codex peut contrôler le navigateur et les applications locales, ce qui facilite l’automatisation des tâches.
  8. **Automatisations** : Codex peut configurer des automatisations pour accomplir des tâches récurrentes.
  9. **Chronicle Research Preview** : Une fonctionnalité qui construit des souvenirs et du contexte basés sur les workflows quotidiens.
  10. **Open Source** : Codex est open source, ce qui permet aux utilisateurs d’ajouter des fonctionnalités supplémentaires.

  La vidéo s’adresse aux utilisateurs intermédiaires et traite explicitement Codex, OpenAI et des outils spécifiques comme Remotion et Paper.

• Actualités IA : Codex « Goal » travaille PLUSIEURS JOURS, Claude prend ADS, Opus 4.7. piraté & OpenAI « Goblins »
  3.5.2026, 08:15:00

  La vidéo traite de diverses développements et tendances actuelles dans le domaine de la technologie IA. Elle commence par la présentation de Project Deal d’Anthropic, qui permet le commerce entre modèles IA et aurait fait s’effondrer eBay. De plus, la nouvelle fonction objectif Codex Goal est présentée, qui permet aux agents IA de travailler de manière autonome pendant plusieurs jours. Les nouvelles fonctionnalités de Gemini et Cloud Code, intégrées directement dans les logiciels CAO, sont également mentionnées. L’attention est portée sur le problème de tokens de Cloud Code, qui a été officiellement confirmé, tandis qu’OpenAI subventionne massivement Codex.

  Un autre accent est mis sur la sécurité des systèmes IA. Johann Rehberger, un chercheur bien connu en sécurité IA, montre comment manipuler la mémoire de Cloud Opus 4.7 avec une image ChatGPT. Il discute également des failles de sécurité dans Cloud Cowork et d’autres vecteurs d’attaque.

  La vidéo présente également le nouveau Meta CLI, qui permet de contrôler et gérer complètement les annonces publicitaires via des agents IA. Il montre comment utiliser cet outil pour analyser les campagnes et créer de nouvelles créations publicitaires.

  De plus, des mises à jour dans Microsoft 365 et des alternatives open source aux outils IA américains comme MicS pour le domaine juridique sont présentées. La vidéo se termine par une discussion sur les pertes d’emploi dues à l’IA et les impacts de l’AGI sur le marché du travail, basée sur les déclarations de Demis Hasabis et une discussion avec le professeur Peromitsicit et le professeur Dr. Andreas Moring.

  **Commentaire final :** La vidéo traite OpenAI, Cloud Code, Gemini, Codex et des outils spécifiques comme Meta CLI et convient plutôt aux utilisateurs intermédiaires et avancés.

Fireship (2 nouvelles vidéos)

• Every operating system concept in one video…
  7.5.2026, 17:32:34

  La vidéo explique en détail comment un système d’exploitation fonctionne du moment où le bouton d’alimentation est appuyé jusqu’à l’arrêt. Elle commence par le bootloader, qui charge le système d’exploitation, puis passe aux anneaux de privilège qui séparent les droits du noyau et des applications. La mémoire virtuelle est décrite comme un système qui permet à plusieurs applications de s’exécuter en parallèle sans s’interférer. Le noyau construit le système de fichiers, charge les pilotes de périphériques et active les interruptions, permettant au système de réagir aux entrées. Le noyau démarre ensuite le premier processus (PID1), qui est l’ancêtre de tous les autres processus. Les appels système permettent aux applications de communiquer avec le noyau, et l’ordonnanceur gère le temps CPU pour les nombreux processus. Les threads permettent aux applications d’exécuter plusieurs tâches simultanément, et la communication interprocessus (IPC) permet aux différents processus de communiquer de manière sécurisée. Enfin, le processus d’arrêt est décrit, au cours duquel tous les processus sont terminés et le système est arrêté de manière sécurisée.

  La vidéo traite généralement des systèmes d’exploitation et de leurs composants, sans mentionner d’outils ou de fournisseurs spécifiques, et est plutôt destinée aux spectateurs de niveau intermédiaire ou avancé.

• 732 bytes of Python just borked every Linux machine on earth…
  4.5.2026, 18:40:40

  La vidéo traite une faille de sécurité critique dans le noyau Linux, appelée « copy fail » (CVE-2023-31431), qui existe depuis 2017 et a été découverte par un outil d’IA. La faille permet à un utilisateur local d’obtenir un accès root en écrivant quatre octets dans le cache de page d’un fichier protégé en écriture. Toutes les distributions Linux mises à jour après 2017 sont affectées. La faille a été exploitée par un script Python utilisant le protocole ONC ESN et l’interface AF_AGL. Bien que la faille ne soit pas exploitable à distance, il est vivement recommandé de mettre à jour les systèmes. La vidéo mentionne également le rôle de l’IA dans la découverte de failles de sécurité et promeut Code Rabbit, un outil d’IA pour améliorer la qualité du code.

  La vidéo traite explicitement des outils d’IA comme l’outil d’agent d’IA utilisé par Theori et Code Rabbit, et est destinée aux utilisateurs de niveau intermédiaire à avancé.

Greg Baugues

Aucune nouvelle vidéo pendant cette période.

IA et Stratégie | Le SamourAI

Aucune nouvelle vidéo durant cette période.

Julian Ivanov | Automatisation IA (2 nouvelles vidéos)

• Ces 20 astuces Claude Code te font gagner des heures
  7.5.2026, 19:15:23

  La vidéo présente 20 astuces et bonnes pratiques pour utiliser efficacement Claude Code, conçues pour vous aider dans différentes situations de travail. Parmi les principaux conseils figurent :

  1. **Utiliser le mode Plan** : Avant de commencer un projet ou d’apporter des modifications importantes, créer un plan et en discuter avec Claude pour éviter les malentendus.
  2. **Poser des questions** : Demander explicitement à Claude de poser des questions avant de commencer le travail, pour s’assurer que tous les détails sont clarifiés.
  3. **Discuter plutôt que commander** : Traiter Claude comme un partenaire de discussion et exposer les problèmes ouvertement, au lieu de donner des solutions toutes faites.
  4. **Mode Autoaccept et fichier Permissions** : Utiliser le mode Autoaccept pour un travail plus efficace et créer un fichier Permissions pour restreindre l’accès aux fichiers sensibles.
  5. **Utiliser l’entrée vocale** : Entrer les prompts longs par commande vocale pour gagner du temps et mieux transmettre le contexte.
  6. **Slashinit pour l’onboarding de projet** : Utiliser la commande Slashinit pour former rapidement Claude à un projet et créer une mémoire de projet.
  7. **Entretenir la MDI Cloud** : Maintenir activement le fichier MDI Cloud et y stocker les informations importantes pour que Claude dispose des informations pertinentes à chaque session.
  8. **Frein d’urgence et Rewind** : Utiliser la touche Échap pour arrêter ou réinitialiser Claude si quelque chose ne va pas.
  9. **File Mentions comme raccourci** : Référencer les fichiers directement dans le chat pour faciliter l’accès de Claude aux informations importantes.
  10. **Utiliser les captures d’écran** : Utiliser des images ou des captures d’écran pour mieux expliquer les designs ou les mises en page.
  11. **Auto-contrôle** : Demander à Claude de vérifier son propre travail pour éviter les boucles de correction.
  12. **Une tâche par session** : Traiter une seule tâche par chat pour ne pas surcharger la fenêtre de contexte.
  13. **Utiliser Befehl/context** : Vérifier l’état du contexte pour voir ce qui occupe la fenêtre de contexte et libérer de l’espace.
  14. **Slashcompact et Slclear** : Résumer la fenêtre de contexte avec Slashcompact ou la vider avec Slclear pour libérer de l’espace.
  15. **Custom Skills** : Externaliser les tâches récurrentes dans des Skills pour ne pas avoir à réexpliquer à Claude à chaque fois.
  16. **Utiliser les modèles selon la tâche** : Utiliser différents modèles (HighQ, Sonnet, Opus) selon la complexité de la tâche.
  17. **Hooks pour les notifications** : Utiliser les Hooks pour être averti quand Claude a terminé une tâche.
  18. **Subagents et Agent Teams** : Utiliser les Subagents pour les tâches coûteuses en tokens et les Agent Teams pour les travaux complexes et parallèles.
  19. **Mot-clé Ultraathink** : Pour les problèmes difficiles, utiliser le mot-clé “Ultraathink” pour donner plus de temps à Claude pour réfléchir.
  20. **Utiliser Worktrees** : Utiliser Worktrees pour travailler en parallèle sur différentes fonctionnalités d’un projet et éviter les conflits.

  La vidéo traite explicitement de Claude Code et s’adresse plutôt aux utilisateurs intermédiaires.

• Claude Code n’a jamais été aussi facile !
  3.5.2026, 15:26:48

  La vidéo présente les dernières mises à jour de l’application de bureau Claude Code d’Anthropic, qui ont considérablement amélioré l’utilisation de Claude Code. Claude Code est un outil qui s’exécute sur votre ordinateur et a accès à un dossier pour créer, lire et exécuter des fichiers. Auparavant, Claude Code ne pouvait être utilisé que de manière limitée dans l’application de bureau, mais la mise à jour permet maintenant une utilisation beaucoup plus complète. Les utilisateurs peuvent maintenant travailler directement avec Claude Code dans l’application de bureau, afficher et modifier des fichiers, et même prévisualiser les applications créées. La vidéo montre comment créer une application de cartes d’apprentissage en accordant à Claude Code l’accès à un dossier, puis en décrivant l’application. Claude Code planifie et crée automatiquement l’application, et l’utilisateur a la possibilité d’accepter ou d’adapter le plan. L’application de bureau offre maintenant également un mode Auto, dans lequel Claude Code exécute les commandes non dangereuses et demande la permission uniquement pour les commandes plus risquées. De plus, l’utilisateur peut afficher les fichiers créés, les modifier et même ouvrir le terminal pour exécuter d’autres commandes. La vidéo montre également comment utiliser plusieurs sessions simultanément et les limitations restantes, comme l’affichage des images et des fichiers PDF. Dans l’ensemble, l’application de bureau offre maintenant une bien meilleure vue d’ensemble et fonctionnalité pour utiliser Claude Code.

  La vidéo traite explicitement de Claude Code d’Anthropic et s’adresse plutôt aux utilisateurs intermédiaires.

Kyle Balmer | AI with Kyle (4 nouvelles vidéos)

• How to Prompt AI Better Than Marc Andreessen (A Billionaire)
  8.5.2026, 05:15:03

  # Résumé

  L’auteur analyse de manière critique le system prompt viral de Marc Andreessen et explique pourquoi celui-ci date de 2023 et ne fonctionne pas.

  **Aspects problématiques du prompt d’Andreessen :**

  Commencer par « Tu es un expert de classe mondiale dans tous les domaines » et faire des déclarations sur des capacités intellectuelles supérieures ne rendent pas l’IA réellement meilleure – c’est scientifiquement démenti. Des adjectifs comme « perspicace » ou « érudit » sans instructions concrètes sont inefficaces. « Ne jamais halluciner » ne fonctionne pas, car le modèle ne sait pas ce qu’il hallucine (il ne dispose pas d’une base de données d’informations indexées, mais remplit les lacunes de connaissances avec des probabilités). Demander des réponses aussi longues et détaillées que possible entraîne une perte de tokens et du remplissage inutile.

  **Ce qui fonctionne mieux :**

  L’auteur présente son framework « RISEN » (Role, Instructions, Steps/Sequence, End Goal, Narrowing) :
  – **Role** : Oriente la façon de répondre, ne rend pas l’IA plus intelligente
  – **Instructions** : Des verbes concrets plutôt que des adjectifs (« remet en question les hypothèses faibles » au lieu de « sois intelligent »)
  – **Steps** : Nécessaire si un processus suit ; les modèles modernes pensent déjà de façon progressive
  – **End Goal** : Définir spécifiquement ce que signifie la réussite – pas juste « aussi long que possible »
  – **Narrowing** : Restrictions et formats à la fin

  Un prompt révisé selon ce framework serait plus court, plus précis et utiliserait moins la fenêtre de contexte à chaque passage. L’auteur distingue les system prompts (pour les projets/instructions personnalisées, écrits une fois, utilisés à plusieurs reprises) des prompts de conversation quotidienne (informels, aucune nécessité d’ingénierie de prompt).

  **Pratiquement** : On trouve les instructions personnalisées dans ChatGPT sous Compte → Personnalisation → Instructions personnalisées ou dans Claude sous Paramètres → Général → Instructions. Sur le web ChatGPT, un system prompt complet n’est possible qu’au niveau du projet.

  L’auteur offre un guide de démarrage rapide dans sa newsletter.

  —

  *Claude et ChatGPT sont mentionnés comme exemples tout au long ; le clip analyse un system prompt viral comme opinion/réflexion avec des suggestions d’amélioration pratiques.*

• The $10Bn Move OpenAI & Anthropic Are Making That You Can Copy
  7.5.2026, 05:30:15

  # Résumé : Les grands laboratoires d’IA s’immiscent dans les services de conseil et de consultation

  Le 4 mai, OpenAI et Anthropic ont annoncé quasi simultanément de nouvelles initiatives pour implémenter l’IA dans les entreprises non seulement comme des outils, mais comme des services intégrés. Anthropic collabore avec Blackstone, Hellman & Friedman et Goldman Sachs, tandis qu’OpenAI crée « The Deployment Company » avec 19 investisseurs dont BCG, McKinsey, Accenture et Capgemini. Le modèle central : des ingénieurs IA sont déployés directement dans les entreprises pour comprendre les workflows et les restructurer autour de l’IA. La raison en est le concept de « Jagged Frontier » – l’IA ne fonctionne pas aussi bien partout, mais s’est particulièrement améliorée en programmation et s’étend désormais au travail administratif en général. Une étude de la Harvard Business School a montré que les consultants assistés par l’IA travaillent 25% plus rapidement avec une qualité supérieure de 40%. Le playbook suit la stratégie de Palantir : par une intégration profonde du système, ces entreprises deviennent irremplaçables.

  **Opportunités pour les particuliers :** Alors que les laboratoires s’adressent aux entreprises du Fortune 500, un vide se crée pour les freelances et les petites équipes qui peuvent offrir les mêmes services au marché intermédiaire et aux petites entreprises. La stratégie consiste à combiner les connaissances sectorielles avec les compétences en IA – exactement ce que les grands laboratoires apprennent. Les approches concrètes sont le conseil/consultation (sur base de retainer), l’implémentation (base de projet ou SaaS interne) et l’éducation/contenu pour son propre secteur. L’accès le plus simple sont les ateliers (2 000–5 000 dollars de l’heure, extensibles à plusieurs participants) ; ceux-ci ouvrent des portes pour d’autres projets. À long terme, les automatisations dirigées par l’IA menaceront tous les emplois administratifs – mais au cours des prochaines années, une transition lucrative se crée pour les professionnels ayant des connaissances sectorielles. Un guide gratuit se trouve sous aiwithkyle.com/workshop.

  La vidéo traite explicitement OpenAI et Anthropic (Claude) comme des fournisseurs et est une opinion/réflexion fortement axée sur la pratique.

• AI Hallucinations Explained: Why They Happen & How to Stop Them
  6.5.2026, 05:00:35

  # Les hallucinations de l’IA : causes, exemples et approches de solution

  La vidéo traite de manière exhaustive ce que sont les hallucinations de l’IA, pourquoi elles se produisent et comment les gérer.

  **Qu’est-ce qu’une hallucination ?**
  Il existe deux types : premièrement, l’invention complète d’informations inexistantes (par exemple, le Chicago Sun Times qui a ajouté des livres d’auteurs fictifs à sa liste de lectures). Deuxièmement, la forme plus insidieuse où les vraies informations sont mélangées avec de la fiction – fausses citations, chiffres mal adaptés – ce qui est plus difficile à détecter car c’est plus proche de la réalité. Des institutions de haut rang comme Deloitte ont publié des rapports avec des notes de bas de page fictives et des hallucinations qui ont été vendus aux gouvernements.

  **Comment fonctionnent les hallucinations mécaniquement ?**
  Les grands modèles de langage ne fonctionnent pas comme les moteurs de recherche qui récupèrent les informations d’une base de données. Ils prédisent de manière stochastique le prochain token en fonction des données d’entraînement (des milliards de mots provenant d’Internet, de livres, de transcriptions). Ils apprennent les modèles d’apparence des réponses correctes, mais ne génèrent pas de faits – ils créent des probabilités stochastiques. Ce n’est pas une erreur, c’est la caractéristique fondamentale des LLM : ce sont des « machines de rêve », comme l’explique Andrej Karpathy. Tout ce qu’un LLM produit est techniquement une hallucination ; seuls les jugements de valeur distinguent les « bonnes » (intelligentes) des « mauvaises » (factuellement fausses) hallucinations. Les LLM n’ont donc pas de notion du vrai ou du faux – ils ne peuvent pas mentir, mais peuvent produire des informations qui ne correspondent pas à la réalité.

  **Quand les hallucinations sont-elles probables ?**
  – Faits spécifiques (citations, statistiques, noms, dates, citations) – le modèle les invente volontiers pour être utile
  – Sujets de niche avec moins de données d’entraînement
  – Événements actuels au-delà de la date limite des connaissances
  – Hypothèses incorrectes : l’IA accepte les questions suggestives et hallucine pour confirmer la prémisse

  Statistique : 92 % des utilisateurs ne vérifient pas les réponses de l’IA ; 45 % des réponses de l’IA ont des problèmes importants ; 34 % du temps, le modèle est plus confiant quand il se trompe.

  **Mesures pratiques pour la réduction :**
  1. **Activer la recherche sur le web** – réduit les erreurs factuelles de 45 %
  2. **Modèles plus puissants** pour les tâches importantes (Claude Opus 4.6/4.7, GPT-5 Pro avec Thinking, Gemini 2.0/3.1 Pro) – ceux-ci utilisent Extended Thinking ou Deep Research
  3. **Utiliser Notebook LM** – offre une génération augmentée par récupération personnelle (RAG), limite le modèle aux sources données
  4. **Meilleur prompting** : au lieu de « Est-ce une bonne idée ? » faire comparer deux options ; spécifier les sources et demander explicitement que les statistiques soient vérifiées ; dire au modèle que la précision est critique
  5. **Plans payants** : les modèles gratuits sont plus faibles et n’ont souvent pas de recherche web

  **Peuvent-elles être corrigées ?**
  Non – pas fondamentalement. Les hallucinations ne diminuent pas mais augmentent quand les modèles deviennent plus complexes (modèles de raisonnement). C’est parce que l’hallucination est le mode de fonctionnement fondamental des LLM. Ils s’améliorent dans les questions factuelles parce que les modèles peuvent utiliser des outils de recherche. La solution ne réside pas dans l’abolition, mais dans de meilleurs systèmes autour (outils, accès aux documents, intégration d’écosystème).

  **Conclusion** : Les utilisateurs doivent repenser – loin du paradigme de recherche (requête de base de données), vers un paradigme de génération. Celui qui comprend que les LLM ne fonctionnent pas comme des moteurs de recherche plus intelligents, mais génèrent de manière créative, réussira mieux avec l’IA.

  —

  **Modèles/outils thématisés** : Claude (Opus), ChatGPT (y compris GPT-5), Gemini, Notebook LM, Perplexity ; **Format** : Opinion/réflexion avec éléments How-To.

• How to Write With AI and Never Get Caught
  5.5.2026, 05:00:05

  # Résumé : OpenAI bannit les gobelins – signes de détection d’IA et contre-mesures

  La vidéo traite de la raison pour laquelle OpenAI a explicitement banni le mot « goblins » (et créatures similaires comme les gremlins, les trolls, les ratons laveurs) de ses modèles, et en profite pour expliquer de manière exhaustive comment les modèles d’écriture par IA se créent, comment on les détecte et comment les éviter.

  **Le cas des gobelins :** OpenAI a codé en dur dans ses System Instructions que les modèles ne devraient pas parler de gobelins – à moins que ce ne soit absolument pertinent. Cela s’était produit parce que la « personnalité nerdy » dans ChatGPT menait à une boucle de renforcement : un ton « nerdy » était associé dans les signaux d’entraînement à des créatures mythiques, celles-ci ont été récompensées, elles sont apparues de plus en plus fréquemment et se sont consolidées d’elles-mêmes par l’apprentissage par renforcement.

  **Les signes de détection de l’IA (« tells ») sont des modèles comme :**
  – Vocabulaire : « delve », « nuanced », « tapestry », « navigate », « foster », « leverage », « pivotal », « meticulous », « vibrant », « robust », « showcase », « multifaceted »
  – Structure : « Ce n’est pas X, c’est Y » (parallélisme négatif), des puces pour les réponses courtes, en-têtes Markdown, Points clés
  – Ton : Des introductions comme « Grande question », style artificiellement enflé semblant significatif avec peu de substance
  – Ponctuation : Les tirets sont surexploités

  **La ressource Wikipedia :** Wikipedia a banni l’écriture par IA et maintient un guide de 15 000 mots pour les éditeurs avec une liste exhaustive de ces signes. Elle met en garde contre l’accent indu sur le caractère significatif, les attributions vagues, la surenchère superlatifs.

  **Défense pratique (approche complète) :**
  1. *Avant d’écrire :* Charger la liste Wikipedia comme System Instructions / Instructions personnalisées dans le modèle IA pour éviter ces modèles dès le départ. Un ensemble pré-comprimé appelé « Humanizer » offre des instructions préprogrammées.
  2. *Après l’écriture :* Vérifier le résultat par rapport à la même liste de contrôle (comme skill ou prompt) pour éliminer les restes.

  **Sur les détecteurs d’IA :** L’orateur insiste sur le fait que les détecteurs d’IA automatiques (TurnItIn, Copyleaks etc.) ne fonctionnent pas et nuisent. OpenAI a fermé son propre classificateur de texte en 2023 – les outils de génération évoluent plus vite que les outils de détection. Ces détecteurs désavantagent systématiquement les non-locuteurs natifs de l’anglais et sont de plus en plus poursuivis par les universités car ils flaggent incorrectement les travaux comme étant de l’IA.

  **Des cibles mouvantes :** Ces signes ne sont pas statiques. « Delve » était le mot notoire de 2024, a ensuite été explicitement supprimé des modèles. Les tirets ont été « réparés » par OpenAI. Cela signifie : celui qui veut éviter l’écriture par IA doit mettre à jour régulièrement la liste ; celui qui veut la détecter doit pratiquer sur Reddit et LinkedIn et suivre Twitter.

  **Le paradoxe de la divulgation :** 94 % des consommateurs de nouvelles disent que les journalistes devraient divulguer l’utilisation de l’IA – mais 42 % font moins confiance à l’histoire dès qu’ils voient la divulgation. En pratique : les gens remarquent souvent aucune différence et consomment le contenu généré par l’IA sans problème, s’il n’est pas explicitement divulgué.

  L’orateur offre gratuitement une antisèche et des fichiers de compétences pour Claude et ChatGPT pour mettre en œuvre pratiquement les deux côtés (détection d’IA et évitement d’IA).

  **Fournisseurs/modèles explicitement traités :** OpenAI (ChatGPT, Codex), Claude ; Ressource pratique indépendante de YouTube : Wikipedia Signs of AI Writing. **Format :** Deep-dive/opinion avec outils d’application pratiques, public clairement défini (tous ceux qui écrivent avec l’IA ou doivent détecter l’écriture par IA).

Leon van Zyl (4 nouvelles vidéos)

• I Turned Hermes Agent Into a Coding Agent
  8.5.2026, 11:02:33

  La vidéo montre comment utiliser l’agent Hermes comme agent de codage pour créer une application web et la déployer en ligne. Le processus comprend la configuration de l’agent Hermes sur un VPS, l’intégration avec Telegram pour la communication, l’installation de l’outil Vercel CLI pour le déploiement et la configuration des Skills nécessaires pour l’agent. Le créateur teste si l’agent est capable de créer une page de portfolio personnelle en scrapage des informations de la chaîne YouTube du créateur et en créant un design frontend attrayant. L’agent crée avec succès l’application, la déploie sur Vercel et fournit une URL publique qui ouvre l’application dans un navigateur. La vidéo montre également que l’agent est capable de modifier l’application et de la déployer automatiquement.

  Le créateur conclut que Hermes convient comme agent de codage pour les tâches simples et les tableaux de bord rapides, mais pas pour les projets logiciels complexes. La vidéo traite explicitement de Hermes Agent, OpenAI Codex, GPT 5.5, Vercel et Telegram. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés.

• Build Apps with LocalForge: A Free Local Coding Agent
  6.5.2026, 12:25:00

  La vidéo présente l’outil open-source « Honeyfree », qui permet de planifier et de mettre en œuvre des projets logiciels de manière autonome. L’utilisateur décrit à l’outil ce qu’il souhaite construire et celui-ci planifie les fonctionnalités, les ajoute à un tableau Kanban et les implémente automatiquement. L’outil supporte différents modèles comme Alum Studio et Ollama et peut aussi diviser les tâches complexes en fonctionnalités plus petites. L’utilisateur démontre la création d’une simple application de liste de tâches et montre comment ajouter et implémenter de nouvelles fonctionnalités. La vidéo souligne que cela est maintenant possible avec des modèles gratuits, ce qui n’était pas le cas il y a quelques mois. Elle explique aussi comment télécharger des modèles comme Qwen 3.6 ou JML4 et les utiliser dans Alum Studio ou Llama Studio. L’utilisateur recommande d’augmenter la longueur de la fenêtre contextuelle des modèles à au moins 64 000 tokens pour une meilleure performance. La vidéo montre aussi comment installer et configurer Local Forge pour créer et gérer des projets. Elle souligne que bien que les modèles gratuits soient bons pour l’écriture de code, ils nécessitent des instructions plus détaillées pour de meilleurs résultats. L’utilisateur recommande d’utiliser un modèle payant comme Claude pour planifier les fonctionnalités, tandis que les modèles gratuits sont utilisés pour l’implémentation réelle. La vidéo se termine par une invitation à s’inscrire à un cours masterclass qui enseigne la construction d’applications avec des agents de codage.

  La vidéo traite de modèles open-source comme Qwen 3.6 et JML4 ainsi que d’outils comme Alum Studio, Llama Studio et Local Forge. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés qui ont déjà de l’expérience dans l’utilisation de modèles IA et le développement de logiciels.

• OpenCode Tutorial for Beginners: Setup, Agents, Skills & MCP
  5.5.2026, 12:33:17

  La vidéo est un tutoriel montrant comment créer une application Next.js avec Open Code, un outil IA open-source. Le processus commence par l’installation et la configuration d’Open Code, notamment la connexion à différents modèles et fournisseurs IA, gratuits et payants. Le tutoriel montre comment ajouter des capacités d’agent comme la conception frontend et les Skills Next.js pour améliorer la qualité du code généré. Il démontre également l’utilisation de fichiers Memory et de systèmes de design pour augmenter la cohérence et l’efficacité de l’agent. Le tutoriel se poursuit avec la création d’une application permettant aux utilisateurs d’entrer une idée brute de leur application et de recevoir un plan de projet détaillé. L’agent utilise des Subagents pour exécuter les tâches en parallèle et protéger le contexte principal. À la fin, l’application est testée et améliorée, l’agent redessinant complètement l’interface utilisateur et effectuant des tests automatisés. La vidéo s’adresse aux utilisateurs intermédiaires et avancés intéressés par les outils de codage assistés par l’IA.

  Outils IA/Modèles/Fournisseurs : Open Code (Open-Source), OpenAI, Anthropic, Gemini, OpenRouter, BigPikko, HY3, Minimax, Nvidia, Vercel, Cintra AI.

• I Built a Full App Using Only Cursor AI
  4.5.2026, 11:01:35

  Dans cette vidéo, un résumeur YouTube assisté par IA est développé avec l’outil Cursor. Le processus commence par la création d’une interface utilisateur qui accepte une URL YouTube et fournit un résumé de la vidéo. Les exigences comprennent un résumé court (TLDR), cinq à huit points clés, une section « Watch these moments » avec horodatages et descriptions, ainsi que le lien original de la vidéo.

  Le créateur utilise Cursor et choisit le modèle Composer 2 pour structurer le projet. Il installe Next.js et la bibliothèque Shad cn pour l’interface utilisateur. Avec l’aide des agents de Cursor, une interface utilisateur de base est créée pour répondre aux exigences. Ensuite, la fonctionnalité est ajoutée pour récupérer la transcription d’une vidéo YouTube en utilisant l’API YouTube Transcript.

  Pour le résumé assisté par IA, le SDK IA de Cursor est utilisé pour retourner des données structurées. Le créateur choisit le modèle « anthropic/claude-2 » d’OpenRouter et intègre la clé API dans un fichier .env. L’agent génère ensuite le résumé, le TLDR, les points clés et les moments recommandés à partir de la transcription.

  La vidéo traite explicitement des outils Cursor, Composer 2, Next.js, Shad cn, YouTube Transcript API, AI SDK et OpenRouter. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés.

Liam Ottley

Aucune nouvelle vidéo durant cette période.

Mark Kashef (2 nouvelles vidéos)

• Build Your Agentic OS Better Than The 99%
  9.5.2026, 20:00:14

  La vidéo traite de la mise en œuvre pratique et de l’optimisation des systèmes d’exploitation basés sur des agents (Agentic OS) comme Open Claw, Hermes ou Claude Code, afin d’obtenir une véritable valeur commerciale. L’accent est mis sur le « travail de fond » souvent négligé en coulisses, nécessaire pour déployer efficacement de tels systèmes. L’auteur souligne l’importance de la préparation et de l’organisation des données avant de se concentrer sur les tableaux de bord ou les belles fonctionnalités.

  Les points clés incluent l’utilisation des Skills (à la fois spécifiques au projet et globaux), des Hooks (automatisations basées sur des événements) et des Claude MDs (en tant que documents de contrôle centralisés). L’auteur présente un outil appelé « Skill/Silver Platter » qui aide à organiser et synthétiser les données pour améliorer les capacités d’analyse des agents. Des conseils tactiques sont également fournis sur la manière d’utiliser efficacement les intégrations et les API pour optimiser les systèmes.

  La vidéo présente trois études de cas (Marco, Sally et Dr Sana Anwar) qui illustrent comment les méthodes décrites peuvent être appliquées dans diverses industries et modèles commerciaux. L’auteur insiste sur l’importance de déployer stratégiquement les agents et de les améliorer continuellement, de manière similaire à la formation et au développement des employés dans une entreprise.

  À la fin, l’outil « Skill/Silver Platter » est proposé en téléchargement et une formation approfondie est recommandée.

  La vidéo traite explicitement de Claude Code et est plutôt destinée aux utilisateurs de niveau intermédiaire à avancé ayant déjà une première expérience avec les systèmes basés sur des agents.

• This Claude Code Setup Runs My Entire Business
  3.5.2026, 19:00:21

  La vidéo montre une démonstration détaillée d’un système d’exploitation IA auto-construit (AIOS) que le créateur utilise pour son entreprise. Le système se compose d’une multitude d’agents, chacun couvrant des tâches et des domaines d’expertise spécifiques. Le cœur du système est une « Hive Mind », qui sert d’état de mémoire partagée et visualise les activités et les connaissances des agents. Le créateur montre diverses vues et fonctionnalités du système, notamment une vue graphique 3D et 2D, une liste de toutes les tâches et une fonction « War Room » pour communiquer avec les agents via texte et voix.

  Un exemple pratique est l’utilisation d’un meta-agent connecté à l’interface de ligne de commande Meta pour analyser les performances publicitaires et générer des rapports. Le système permet également l’automatisation des tâches et la création de rappels. Le créateur souligne que le système repose sur une organisation solide des données et que la mise en œuvre nécessite du temps et de l’itération. Il propose des ressources et une version carbon-copy de son système accessible via un lien dans la description de la vidéo.

  Remarque finale : La vidéo traite explicitement de Claude, OpenAI (Cloud Code), Gemini et d’outils spécifiques tels que Telegram, Discord, Slack, Loom et SQLite. Elle est plutôt destinée aux utilisateurs de niveau intermédiaire et avancé.

Matt Pocock (1 nouvelle vidéo)

• Burn through the backlog from hell with /triage
  7.5.2026, 15:00:43

  La vidéo présente un outil appelé “Triage” spécialement conçu pour traiter les issues GitHub et autres backlogs. Il aide à transformer des idées non structurées et des rapports de bugs en tâches claires et exploitables pouvant être traitées par des AFK-Agents (agents IA autonomes). L’outil utilise un système de machine à états avec deux catégories (Bug et Enhancement) et cinq états (par exemple “needs triage”, “ready for agent”, “won’t fix”) pour classer chaque issue de manière précise. L’utilisateur peut parcourir des issues individuelles ou l’ensemble du backlog pour les catégoriser et les traiter directement si nécessaire. La vidéo montre une démonstration en direct où le créateur applique l’outil sur son propre dépôt “Sank Castle” pour trier les issues et même les corriger directement. L’intégration avec d’autres Skills, comme le “Diagnose”-Skill, qui reproduit et corrige automatiquement les bugs, est également démontrée. L’outil est conçu pour faciliter la collaboration entre les développeurs humains et les agents IA en fournissant une structure claire pour la gestion des tâches.

  La vidéo aborde explicitement l’utilisation de Claude et s’adresse plutôt aux utilisateurs de niveau intermédiaire ou avancé disposant déjà d’une expérience avec GitHub, la gestion de backlog et le travail avec des agents IA.

Melvynx (4 nouvelles vidéos)

• Zed AI Agents : La nouvelle feature Zed qui change TOUT
  8.5.2026, 16:10:57

  # Résumé : Z – Nouvelles fonctionnalités et intégration d’agents

  La vidéo présente des mises à jour majeures pour Z, un éditeur de code avec nouvelle intégration d’AI agents. La principale nouveauté est le **protocole ACP (Agent Client Protocol)**, qui permet d’utiliser directement ses propres AI agents dans Z, au lieu de compter sur l’abonnement payant de Z. De cette façon, les utilisateurs peuvent utiliser leurs abonnements existants auprès de fournisseurs comme Codex, Cursor et Claude directement dans Z.

  Dans l’interface de chat, on peut basculer entre différents agents – par exemple de Codex à Cursor ou Claude – sans quitter Z. Chaque agent charge son modèle spécifique (par ex. GPT-4.5 chez Codex, Composer 2 chez Cursor) et répond via l’API du fournisseur respectif. Par le biais du registre ACP, on peut ajouter des agents supplémentaires comme Cline, Cortex Code et autres.

  La deuxième grande nouveauté est le **support multi-dépôts** : on peut ouvrir plusieurs projets simultanément dans des work-trees différents et basculer entre eux. Pour chaque dépôt, on peut ouvrir des sessions de chat séparées. Le chat affiche une fonction « Follow » qui suit en direct les modifications de fichiers pendant le travail de l’agent.

  Z reste un IDE à part entière avec gestion des terminaux et des fichiers. Le présentateur loue l’implémentation native en Rust pour sa vitesse et sa réactivité, mais signale des problèmes de performance occasionnels et une consommation de RAM élevée quand plusieurs fenêtres sont ouvertes (par exemple 19 Go pour Codex simultanément).

  **Démo avec Cursor, Codex et Claude ; sujet : Z avec protocole ACP pour l’intégration d’agents.**

• Les DEVS sont inutiles ? Voici des CHIFFRES (preuves) qui montrent l’inverse
  7.5.2026, 15:45:02

  # Résumé : L’apocalypse de l’IA est un mythe marketing

  Le youtubeur Melvin cite longuement un article de David George (Fonds Anazinovosti du 6 mai), qui critique la peur répandue d’une perte d’emploi massive due à l’IA comme non fondée.

  ## La thèse centrale

  L’« apocalypse de l’emploi par l’IA » est une nouvelle version du sophisme économique du **« stock de travail fixe »** – l’hypothèse qu’il existe un nombre fixe d’emplois qui disparaissent simplement par automatisation. C’est historiquement faux.

  ## Preuves historiques contre le scénario catastrophe

  **Agriculture** : Au début du XXe siècle, plus de 60 % des emplois étaient dans l’agriculture. Les tracteurs auraient dû aggraver drastiquement le chômage – au lieu de cela, la production agricole a été multipliée par six, la population par quatre, et les prix des aliments de base ont baissé des deux tiers. Les travailleurs se sont réorientés vers de nouveaux secteurs (usines, bureaux, services).

  **Électrification** : L’électricité a complètement réorganisé les usines et créé des catégories de biens de consommation entièrement nouvelles. Entre le premier moteur électrique et les gains de productivité mesurables, plus de 100 ans se sont écoulés. En 1930, la productivité du travail avait doublé, mais non par moins d’emplois – par plus de production, plus de ventes, plus d’activités commerciales.

  **Automobiles** : La baisse des prix a entraîné des explosions dans la production *et* l’emploi simultanément.

  **Tableurs (Excel/Visicalc)** : Ils ont supplanté les comptables, mais ont créé 1,5 million de nouveaux postes d’analystes financiers – un gain net de 500 000 emplois.

  **Agents de voyage** : Le nombre a diminué de moitié par la technologie, mais les agents restants gagnent beaucoup plus, et de nouvelles catégories de services ont émergé (coaching, prise en charge, services de luxe), financées par des revenus plus élevés.

  ## Le paradoxe de Jevons

  Quand les intrants (l’intelligence) deviennent moins chers, les coûts baissent, la qualité monte, la vitesse augmente – et la demande *explose*. L’économie ne reste pas statique. De nouveaux produits émergent, une nouvelle demande suit. Cela mène à de nouveaux emplois, souvent dans des secteurs totalement inattendus.

  ## Le marché du travail se déplace, il ne disparaît pas

  L’article montre : les secteurs dominants en 1850 (agriculture, transport, énergie) ont été remplacés par des secteurs encore plus grands (information, technologie, communication). Aucun secteur n’a été aussi dominant que son prédécesseur, mais le volume économique total a explosé.

  ## Données actuelles sur l’IA

  – **90 % des entreprises interrogées rapportent** : Aucun impact significatif sur l’emploi total au cours des 3 dernières années.
  – **Analyse Goldman Sachs** : Les professions à haut risque de substitution (standardiste, agent administratif) sont marginales ; mais les designers, développeurs, créatifs *ne figurent pas* sur la liste à haut risque.
  – **L’augmentation l’emporte sur la substitution** : Dans les appels aux analystes, l’IA-comme-augmentation est mentionnée environ 8 fois plus souvent que la substitution.
  – **Développeurs de logiciels** : La demande a grimpé en flèche depuis début 2025 – exactement au moment de la diffusion des AI agents et des outils de code comme Claude Code.
  – **Product Managers** : Les offres d’emploi augmentent continuellement et sont supérieures à 2022.

  La tendance des données montre : redistribution des emplois, pas chômage généralisé. Les rôles que l’IA augmente (analytiques, techniques, management) se développent ; les rôles routiniers et administratifs rétrécissent.

  ## Pourquoi les catastrophistes échouent

  Ils se concentrent sur le remplacement de tâches et ignorent :
  1. **De nouvelles frontières** : La plupart des emplois qui existent aujourd’hui n’existaient pas en 1940.
  2. **Les ambitions humaines ne sont pas figées** : Quand le travail devient moins cher, les gens déplacent leurs objectifs vers des problèmes de plus haute valeur.
  3. **Les retombées de la prospérité** : Quand il y a des gagnants, ils dépensent – de nouveaux services émergent (coaching, soins animaliers, beauté, éducation).
  4. **Le boom de la robotique** : L’IA ouvre des industries entièrement nouvelles (robotique, ensembles de données IA) qui étaient auparavant impossibles.

  ## Perspective pratique : Développeurs

  Le youtubeur partage également la thèse d’un autre youtubeur IA (Defun Intelligence) : L’engouement actuel pour les outils de code IA conduit à une « percée » à court terme – de nombreuses personnes non techniques tentent de lancer des projets. Mais elles découvriront que les 20 derniers pour cent (qualité, maintenabilité, scalabilité, maturité de production) sont extrêmement difficiles sans vrais développeurs. Cela mènera à une demande *accrue* de bons développeurs, non à moins.

  —

  **Format & contexte** : Le youtubeur critique et commente un article académique/VC (deep-dive/critique), en mettant l’accent sur la validation des données par rapport au récit très répandu « l’IA détruit les emplois ». Aucun outil ou fournisseur d’IA spécifique mentionné en dehors de Claude Code.

• Codex App ou Claude App : laquelle tu dois utiliser maintenant (comparatif 2026)
  5.5.2026, 16:00:51

  # Comparaison : Codex vs. Cloud Code – Deux interfaces de codage IA en test pratique

  Le créateur s’est détourné de sa conviction antérieure que les terminaux étaient la meilleure solution et utilise maintenant de plus en plus les applications graphiques Codex et Cloud Code. Dans cette vidéo, il compare les deux solutions sur la base de workflows concrets lors de l’ajout d’une fonction vidéo YouTube à une application de campagne par e-mail.

  **Insight clé sur l’utilisation** : Alors qu’il avait l’habitude d’utiliser des instances Claude-3 individuelles via le terminal, il lance maintenant 5 à 10 tâches parallèles réparties sur différents projets, certaines prenant 25+ minutes. Ici se révèle l’avantage de ces interfaces : plusieurs sessions de chat côte à côte avec un statut clair.

  **Principales différences :**

  *Codex excelle par* : Fonctionnalités développeur (vue d’ensemble des sub-agents avec noms, gestion des PR avec liens directs, actions Git directement dans l’UI, aperçu du navigateur avec vue d’ensemble des ports, fractionnement des terminaux, file d’attente des messages pour les retours sans interruption). La sélection de modèles est intuitive (intelligence vs. vitesse). Les workflows sont mieux suivis. Les performances sont plus rapides (29 min vs. 40+ min pour la même tâche).

  *Cloud Code* : Plus simple, mais aussi plus économe en fonctionnalités. Pas de boutons d’actions Git directs, l’aperçu est petit et isolé dans le bac à sable (la connexion GitHub ne fonctionne pas). Moins de clarté UX quand on travaille avec des work trees. Cependant : fonctionnalité de base solide, meilleure qualité de modèles dans la réflexion (solutions créatives), et le créateur utilise toujours Cloud en parallèle en raison de l’abonnement existant.

  **Fonctionnalités spéciales** : Environnements (scripts work-up/work-down pour dupliquer les bases de données), gestion des compétences avec commandes slash, auto-review par des sub-agents, surveillance des PR avec vérifications planifiées.

  **Conclusion du créateur** : Codex est « trois longueurs devant » en termes d’expérience développeur. Cloud Code devient de plus en plus « normie-friendly » au lieu de power-user-friendly. Il utilise les deux, mais préfère l’interface Codex, même s’il trouve souvent les modèles Cloud meilleurs en contenu.

  **Vidéo comparative sur Codex, Cloud Code (Anthropic) — démo/avis, en mettant l’accent sur l’ergonomie développeur et l’intégration des workflows.**

• Claude met fin à la fête : les développeurs s’énervent (sont-ils méchants ?)
  4.5.2026, 17:18:07

  # Résumé : Le passage de Claude à OpenAI dans le développement d’IA

  Le vidéaste observe un changement d’ambiance fondamental dans la communauté des développeurs d’IA : tandis qu’Anthropic devient de plus en plus impopulaire, OpenAI gagne en faveur. Les raisons sont concrètement compréhensibles.

  **Les actions problématiques d’Anthropic :**
  Anthropic a officiellement interdit l’utilisation de modèles open-source (comme Open-Clow et Hermes) avec l’abonnement Cloud. Cela frappe durement les développeurs, car ces outils consomment énormément de tokens – le vidéaste aurait dû payer environ 1 429 dollars sans le forfait illimité, alors qu’il paie 100 dollars par mois. De plus, les utilisateurs qui veulent contourner les limites de tokens sont automatiquement redirigés vers un « usage supplémentaire » payant. Le PDG Andrew Damodei propage également des déclarations drastiques selon lesquelles l’IA pourrait détruire 50 % de tous les emplois de cols blancs en 1 à 5 ans – une rhétorique qui rebute les développeurs. En interne, Anthropic a une culture stricte du secret (comparable à Apple), qui parle peu de ses techniques (par ex. un blog red-team avec un mauvais design responsive).

  **Le cours opposé d’OpenAI :**
  Sam Altman d’OpenAI formule une vision contraire : « Nous voulons créer des outils qui élèvent et émancipent les gens, et non qui les remplacent par des entités. » Concrètement, cela signifie : OpenAI permet aux développeurs d’utiliser leurs abonnements ChatGPT avec les outils de code, réinitialise régulièrement les limites de tokens et communique de manière moins effrayante. GPT-4.5 est selon les benchmarks actuels le modèle le plus intelligent disponible pour le codage et ne coûte pas plus que le modèle Opus de Claude.

  **Dynamique du marché :**
  Le vidéaste analyse que OpenAI visait initialement le marché de masse (ChatGPT pour les normies), tandis que Claude se concentrait sur les développeurs et les remportait. Maintenant, OpenAI a compris que les développeurs sont la clé et change de cap – avec visiblement plus de générosité en tokens et de meilleurs prix que Claude. Le vidéaste utilise maintenant à nouveau un abonnement ChatGPT et remarque que les limites de Claude sont atteints beaucoup plus rapidement.

  **Utilisation personnelle :**
  Le vidéaste travaille maintenant avec les deux systèmes en parallèle (ainsi qu’un troisième outil appelé Z) et gère l’interaction non via terminal, mais via GUI, car la quantité de chats parallèles est ainsi plus facile à manier.

  **Format** : Opinion/réflexion avec exemples de données concrètes ; explicitement traités : Claude/Anthropic, OpenAI, GPT-4.5, Open-Clow, agents de code, limites de tokens, abonnements Cloud.

n8n (1 nouvelle vidéo)

• How we use n8n: Sindhuja, product leader
  4.5.2026, 14:17:20

  La vidéo est une interview avec Sindhuja, une responsable produit de l’équipe IA chez n8n. Elle raconte son parcours professionnel qui l’a menée d’ingénieure à la fondation d’une entreprise EdTech, puis à n8n. Chez n8n, elle a d’abord amélioré l’adoption et la rétention des utilisateurs avant de rejoindre l’équipe IA pour promouvoir l’utilisation de l’IA dans la simplification des workflows. Elle parle du développement d’un MCP au niveau instance qui permet aux utilisateurs d’utiliser n8n à partir de différentes plateformes et souligne l’importance des retours de la communauté. Elle utilise également n8n elle-même pour ses workflows personnels et professionnels, y compris un assistant IA intégré au produit. Elle envisage l’avenir de n8n comme la combinaison de la créativité et de la fiabilité pour rendre l’automatisation accessible à tous.

  La vidéo traite explicitement de l’outil n8n et est destinée plutôt aux utilisateurs intermédiaires ou avancés.

Nate Herk | AI Automation (7 nouvelles vidéos)

• This is The Most Powerful Tool to Give to Claude Code
  9.5.2026, 01:55:16

  La vidéo présente l’outil **Printing Press**, une CLI-factory et une bibliothèque qui permettent de créer et d’utiliser des interfaces de ligne de commande (CLI) efficaces pour différents services. Le présentateur démontre comment les CLI offrent des avantages par rapport aux API et aux MCP (Multi-Tool Chains), notamment en termes d’efficacité des tokens et d’intégration dans les workflows d’agents. Printing Press propose une bibliothèque contenant plus de 50 CLI prédéfinis et une factory pour créer ses propres CLI. Le présentateur montre comment il a créé une CLI pour une communauté scolaire sans API en quelques minutes, et explique les avantages des CLI par rapport aux API et aux MCP, comme la réduction de l’utilisation des tokens et une meilleure intégration dans les workflows d’agents. Il démontre également comment utiliser les CLI prédéfinis de la bibliothèque, par exemple pour ESPN afin de récupérer les matchs NBA, et comment créer ses propres CLI, par exemple pour Hacker News. Le présentateur souligne que les CLI sont la meilleure option pour les agents, suivies des API puis des MCP. Il montre également comment partager les CLI créées avec l’équipe en les hébergeant dans un référentiel GitHub privé. En conclusion, il insiste sur l’importance des CLI pour une utilisation efficace des agents et la possibilité de convertir presque tout en CLI.

  La vidéo traite explicitement de l’outil **Printing Press** et est destinée aux utilisateurs de niveau **Intermediate** ayant déjà une expérience avec les API et les workflows d’agents.

• Overwhelmed By AI? Just Copy My Tech Stack
  8.5.2026, 01:38:26

  Le YouTuber présente sa sélection personnelle d’outils IA qu’il utilise quotidiennement, hebdomadairement ou occasionnellement, et partage ses réflexions sur la façon de gérer l’évolution rapide et l’abondance de nouveaux outils sans se sentir submergé. Il commence par ses « daily drivers » (S-Tier), notamment CloudCode (son outil principal), VS Code (comme IDE pour CloudCode) et Glydo (pour la transcription voix-texte). Au tier A, il mentionne les outils qu’il utilise hebdomadairement, comme Codex (un autre outil d’agents), Claude (pour les tâches basées sur le chat), Hermes Agent (pour le travail intellectuel général), Perplexity (pour la recherche) et Groq (pour des tâches de recherche spécifiques). Il souligne que son stack core se compose de ces quelques outils, bien qu’il existe de nombreux autres outils qu’il utilise occasionnellement ou pour des tâches spécifiques. Le YouTuber parle également de ses « specialists » (B-Tier) qu’il utilise pour des tâches particulières, comme Appify, GBT Image 2, Nano Banana 2, Key.ai et HeyGen. Au tier C, il mentionne les outils qu’il teste expérimentalement, comme Gemini, Anti-Gravity, Ollama et Manifold. Il a également une catégorie « graduated » pour les outils qu’il n’utilise plus, comme ChatGPT, Open Claw, Cursor, Notebook LM, Poppy AI, Anytten et WhisperFlow. Le YouTuber partage ses réflexions sur l’efficacité et la productivité, soulignant l’importance de se concentrer sur l’essentiel et de ne pas être distrait par les nouveaux outils. Il conseille de considérer les outils comme des « harnais » qui peuvent être intégrés dans les projets existants, et insiste sur l’importance de se concentrer sur ses propres objectifs (North Star) et d’utiliser uniquement les outils qui apportent réellement une valeur ajoutée.

  La vidéo traite explicitement de plusieurs outils et modèles IA, notamment CloudCode, VS Code, Glydo, Codex, Claude, Hermes Agent, Perplexity, Groq, Appify, GBT Image 2, Nano Banana 2, Key.ai, HeyGen, Eleven Labs, Cloud Design, Gemini, Anti-Gravity, Ollama, Manifold, ChatGPT, Open Claw, Cursor, Notebook LM, Poppy AI, Anytten et WhisperFlow. La vidéo s’adresse plutôt aux utilisateurs Intermediate et Advanced ayant déjà une expérience avec les outils IA et souhaitant optimiser leurs workflows.

• Claude Just Solved Session Limits
  7.5.2026, 01:33:43

  # Résumé

  Anthropic a annoncé un partenariat avec SpaceX qui augmente considérablement sa capacité de calcul et entraîne des améliorations immédiates des limites d’utilisation : les limites de débit de 5 heures pour Claude Code sont doublées (pour tous les niveaux d’abonnement), l’étranglement pendant les heures de pointe pour les comptes Pro et Max est supprimé, et les limites de débit d’API pour Opus sont considérablement augmentées (tokens d’entrée par minute de 30k à environ 35k, tokens de sortie par minute de 8k à 80k). Ces changements répondent à des mois de problèmes de surcharge qui ont frustré les utilisateurs lorsqu’ils atteignaient les limites.

  Le partenariat avec SpaceX apporte 300 mégawatts de capacité et plus de 220 000 GPU Nvidia. Anthropic a également conclut des accords avec Amazon, Google, Broadcom, Microsoft, Nvidia et Fluid Stack. Un plan à long terme se dessine : Anthropic et SpaceX s’intéressent au développement d’une capacité de calcul IA orbitale de plusieurs gigawatts (GPU dans l’espace), car les ressources de calcul terrestres se heurtent à long terme aux limites de la consommation d’énergie, de la demande en eau et de l’infrastructure de refroidissement.

  Pour les développeurs, cela signifie : les workflows qui échouaient auparavant aux limites de débit méritent d’être revérifiés ; Opus peut maintenant être utilisé plus souvent au lieu de passer à Haiku/Sonnet ; la fenêtre de contexte d’1 million de tokens devient pratique dans les environnements de production ; Cloud Code peut être utilisé pour les workflows exécutés régulièrement au lieu de simples prototypes ; les workflows multi-agents avec plusieurs agents parallèles deviennent réalisables.

  Claude Code semble être le produit phare d’Anthropic, ce qui explique pourquoi il a eu la priorité dans les annonces par rapport aux fonctionnalités d’API. À plus long terme, Anthropic signale ainsi que le calcul est central pour les 5 prochaines années et investit également dans la confiance auprès des communautés locales autour de ses centres de données.

  **Explicitement traité : Claude, Anthropic, SpaceX, Opus, Haiku, Sonnet, ainsi que les partenariats fournisseurs (Amazon, Google, Microsoft, Nvidia) ; Format : Opinion/Réflexion avec des éléments de mise à jour des actualités.**

• Master 97% of Codex in 1 Hour (full course)
  6.5.2026, 01:21:13

  # Résumé : Codeex – Tutoriel complet du débutant à l’automatisation

  Codeex est une application de bureau qui intègre les modèles ChatGPT avec l’accès aux fichiers locaux et la fonctionnalité des agents – similaire à la structure de Claude Code, mais utilisant les modèles OpenAI au lieu de Claude. La principale différence avec ChatGPT Web : Codeex ne peut pas seulement converser, mais aussi lire/écrire localement des fichiers, éditer des feuilles Excel, exécuter des automations et créer des sites Web/applications.

  **Interface et concepts fondamentaux :**
  La mise en page dispose des projets et des chats sur le côté gauche comme Claude Code. Vous pouvez choisir les modèles (GPT-5.5, GPT-5.4), ajuster la vitesse et l’intelligence (faible à très élevée). Un « animal de compagnie » en bas affiche l’état actuel. Un fichier agents.md (comme claw.md dans Cloud Code) sert de document d’intégration pour chaque chat.

  **Projet pratique : Tableau de bord YouTube Analytics**
  Le créateur construit un système complet de zéro :

  1. **Connexion YouTube :** Au lieu d’utiliser des plug-ins prédéfinis, il utilise Plan Mode pour demander à Codeex comment extraire les commentaires YouTube. Codeex suggère l’API Google Cloud, explique les étapes, puis effectue la configuration (fichier env.local, clé API).

  2. **Créer une Skill :** Après une analyse de données réussie (200 commentaires dans Excel avec motifs, mentions d’outils, idées de contenu), Codeex la convertit automatiquement en une skill réutilisable – un fichier Markdown avec des instructions, accessible à tout moment (commande /slash).

  3. **Construire un tableau de bord :** Avec l’intégration GPT-Image-2, Codeex génère des concepts d’interface utilisateur, puis construit un tableau de bord React sur localhost avec des graphiques, des insights, des liens vers les commentaires – avec des boucles de vérification visuelles automatiques.

  4. **Déploiement :** Référentiel GitHub + Vercel – Codeex pousse le code vers GitHub, Vercel déploie automatiquement, chaque modification est mise en ligne.

  5. **Automatisation (planification) :** Routine hebdomadaire chaque dimanche à 17h – Codeex exécute la skill, met à jour Excel, pousse vers GitHub, Vercel redéploie – tout sans intervention de l’utilisateur.

  **Utilisation des navigateurs et assurance qualité :** Codeex peut tester interactivement l’interface utilisateur – clique sur les boutons, recherche les bogues, documente les problèmes (par exemple, les liens YouTube externes ne s’ouvrent pas correctement).

  **Changements de mentalité importants :**
  – Utiliser d’abord le Plan Mode pour discuter des étapes avant l’exécution
  – Traiter les erreurs comme des « connaissances dorées » – les enregistrer dans agents.md pour qu’elles ne se répètent pas
  – Les skills et automations ne sont pas parfaits du premier coup ; améliorer de manière itérative
  – Garder à l’esprit la fenêtre de contexte (affichée en bas), considérer le choix du modèle (Very High coûte plus de tokens)
  – Permissions : accès par défaut vs accès complet selon le niveau de confiance
  – Tous les outils n’ont pas besoin de plug-ins natifs – les API et les requêtes curl fonctionnent aussi

  **Intégration avec d’autres outils :**
  La structure de projet locale permet le mélange et l’appariement : Claude Code peut travailler dans la même structure de dossiers, Cloud Code aussi – il suffit de renommer agents.md vs claw.md et d’adapter si nécessaire. Codeex et Cloud Code ont des forces différentes : Claude meilleur pour le brainstorming/la planification, Codeex plus pragmatique pour l’exécution et le dépannage.

  Le projet entier n’est finalement qu’un dossier local – portable, contrôlé par version, extensible.

  —

  Explicitement traité : Codeex, GPT-5.5/5.4, Claude/Cloud Code (comparaison), API Google Cloud, GitHub, Vercel, GPT-Image-2, Utilisation du navigateur – **Tutoriel et démo (pour débutants à avancés)**.

• Higgsfield Just Turned Claude Into a Creative Agency
  5.5.2026, 03:05:58

  # Résumé : Utiliser Claude comme agence créative

  Le créateur montre comment connecter Claude avec Higgsfield (une plateforme IA pour la génération vidéo et image) pour construire une agence créative automatisée.

  **Configuration de base :**
  Higgsfield est connecté à Claude Web via le MCP (Model Context Protocol). Dans les paramètres sous « Connecteurs », un connecteur personnalisé est ajouté et authentifié via OAuth. Cela permet à Claude d’accéder directement aux fonctionnalités de Higgsfield.

  **Application pratique dans Claude Web :**
  Un simple prompt (« Crée une marque de casques à partir de zéro avec marque, catalogue de produits et assets générés ») génère automatiquement des photos de produits, des annonces Instagram et des vidéos UGC. Claude orchestre la génération et résume les résultats. Les itérations fonctionnent par des commandes comme « Rends-le plus rapide, plus énergique, avec des jump-cuts et du ralenti » — Claude formule alors des prompts plus précis pour Higgsfield.

  **Mise à l’échelle avec Claude Code (application de bureau) :**
  Dans le client de bureau, des commandes CLI sont exécutées pour installer Higgsfield et Google Workspace Services. Cela permet des automations avancées : Claude récupère tous les assets générés de Higgsfield, crée une base de données Google-Sheet avec 45+ générations, les analyse par produit/style et planifie de nouvelles variations.

  **Concepts importants :**
  – **Documents de recherche :** Un fichier Markdown « Advertising Masterclass » avec les meilleures pratiques de 2026 est intégré au projet ; Claude l’utilise comme savoir expert lors de l’idéation.
  – **Skills :** Recettes pour des résultats cohérents. Le créateur rétro-ingénierie une skill à partir de ses générations préférées — par exemple une skill « Hypermotion Video » qui produit les vidéos futures dans le même style.
  – **Suivi du statut :** Google-Sheet reçoit une colonne d’état ; Claude marque les générations complétées, les ID de job et les URL.
  – **Cohérence des produits :** Les images de référence doivent être téléchargées jour après jour dans le dossier du projet pour que Claude les utilise lors de la génération (sinon le produit varie).

  **Automatisation via Routines :**
  Les routines Claude pourraient par exemple planifier dimanche 50 nouvelles variations, puis lundi générer 30 d’entre elles — pendant que l’utilisateur dort. La mise à l’échelle fonctionne par différentes routines hebdomadaires pour la planification et la production, les résultats peuvent être pipés plus tard vers Meta Ads Manager.

  **Apprentissages pratiques :**
  – Le MCP coûte plus de tokens que la CLI, c’est pourquoi la CLI est plus efficace pour les agents.
  – Certaines générations sont rejetées pour « contenu sensible » ; Claude peut déboguer et corriger les prompts.
  – La précision du texte dans les vidéos (par exemple sur les bouteilles) est actuellement un point faible ; les solutions de contournement sont la minimisation ou les designs d’étiquettes alternatifs.
  – La qualité de la sortie IA dépend fortement de la précision du prompting ; c’est pourquoi l’expertise externe (Research-Docs, Skills) est importante.

  **Workflows visibles dans la vidéo :**
  1. Brainstorm de marque + génération d’assets (simple)
  2. Créer une base de données Google-Sheet avec tous les assets (modérément difficile)
  3. Utiliser Higgsfield Marketing Studio pour les vidéos de lancement (la démo montre des vidéos Hypermotion)
  4. Planifier des variations en masse basées sur la recherche publicitaire (modérément complexe)
  5. Construire des skills et mettre en place des routines pour une production autonome (avancé)

  Claude, Higgsfield et Google Workspace CLI sont présentés comme un écosystème pour accélérer la production de contenu 100 fois — de l’idéation à la génération autonome nocturne. — **Démo + Tutoriel mettant l’accent sur l’intégration Claude + Higgsfield, Google Workspace aussi mentionné ; Intermédiaire à avancé (la configuration des routines nécessite une familiarité avec Claude Code).**

• Building Realistic Voice Agents Has Never Been Easier
  4.5.2026, 12:46:03

  # Résumé

  Le créateur montre comment construire en environ 15 minutes avec Claude Code et 11 Labs un agent vocal – sans configuration manuelle du tableau de bord.

  **Le concept :** Un agent vocal est une boucle d’entrée vocale → transcription → traitement LLM → requête optionnelle de base de données ou appel d’outil → sortie vocale. Chaque agent vocal se compose de quatre composants : Persona (System Prompt), Voice (choix parmi différentes voix, y compris des clones de voix personnalisée), Knowledge (informations commerciales/accès à la base de données) et Tools (appels API, serveurs MCP, automations externes).

  **Démo en direct du workflow :** Le créateur construit un agent de vente pour une consultance IA qui récupère les prospects sur le site Web. Il utilise Claude Code en mode Plan, qui pose stratégiquement des questions (accès à l’API Cal.com ? Persona souhaitée ? Champs de données à capturer ?). Cloud Code crée ensuite un plan d’architecture que le créateur accepte. Après cela, il suffit d’insérer les clés API (Cal.com + 11 Labs) dans un fichier .env, Cloud Code gère le reste : configuration de l’agent dans 11 Labs, configuration des outils (Check Availability + Book Call), intégration des widgets dans le HTML.

  **Itérations et débogage :** Le premier test révèle : voix trop enthousiaste, premier message non transmis, l’outil trouve la mauvaise disponibilité (UTC au lieu de Central Time). Au lieu de lire la documentation, le créateur explique simplement le problème, Cloud Code le débogue en analysant la transcription et trouve l’erreur dans le paramètre d’outil. Après re-prompt, la disponibilité et la réservation sont correctes.

  **Sécurité et coûts :** Puisque le widget s’exécute sur le site Web et que le propriétaire du site Web supporte les coûts de 11 Labs, il faut configurer la liste blanche des domaines, les limites de durée des conversations, les limites de débit et un ancrage de connaissance solide (docs réels, pas d’hallucinations).

  **Options de déploiement :** L’agent peut être déployé sur un site Web (Widget), dans le tableau de bord 11 Labs (Test) ou via l’intégration Twilio (appel téléphonique) – même moteur, interfaces différentes.

  **Résultat de la démo :** Un agent de vente vocal fonctionnel qui valide automatiquement les noms/emails, interroge la disponibilité (avec limites Cal.com) et réserve des réunions, entièrement construit par langage naturel.

  —

  Claude Code + 11 Labs ; Démo avec construction en direct d’un agent vocal de vente.

• I Tried 100+ Claude Code Skills. These 6 Are The Best
  3.5.2026, 13:42:51

  # Les six skills qui génèrent réellement de l’argent en automatisation IA

  Le contenu se concentre sur six skills pratiques pour CloudCode qui ne sont pas conçus pour l’effet YouTube, mais résolvent des problèmes commerciaux réels : économiser du temps, réduire les coûts, éviter les erreurs.

  **1. Skill Creator** (officiel d’Anthropic) : Une meta-skill qui génère automatiquement d’autres skills. Au lieu d’écrire manuellement des fichiers Markdown, on décrit les exigences en anglais, Claude rédige, teste et assemble la skill. Résout le problème que les débutants échouent lors de l’écriture manuelle et construisent des skills défectueuses.

  **2. Superpowers** : Force Claude vers un workflow de développeur senior – d’abord planifier, puis coder dans un environnement isolé, tests avant code, propres revues en deux étapes (correspondance de spécification et qualité du code). Combat le problème principal : code écrit à la hâte qui casse en Production.

  **3. GSD** (Get Stuff Done) : Corrige les problèmes de perte de contexte. Après environ 30 minutes, les sessions deviennent sloppy, Claude oublie les exigences. GSD génère des sous-agents frais par tâche avec un contexte propre, a des Quality Gates et optionnellement un mode autonome. Coûte un excédent de tokens, économise des heures de retouches.

  **4. /review et /ultra review** : Déjà intégré dans CloudCode. `/review` effectue des revues de code structurées en local, `/ultra review` (depuis Opus 4.7) lance une flotte d’agents-examinateurs parallèles en sandbox, chacun trouve des bogues indépendamment. Nécessite CloudCode 2.1.86+, coûte après essais gratuits 5–20 dollars, s’exécute en arrière-plan.

  **5. Context Mode** : Filtre les données inutiles des appels d’outils (snapshot Playwright 56 KB → 299 bytes). Fonctionne avec une base de données SQLite qui suit chaque événement ; lors du compactage du contexte, un snapshot est injecté au lieu d’oublier tout. Les sessions durent 3 heures au lieu de 30 minutes.

  **6. ClaudeMem** : Porte la connaissance d’une session à l’autre. Se greffe dans le cycle de vie CloudCode, capture les éditions/décisions/corrections de bogues, compresse dans SQLite locale avec recherche vectorielle. Les nouvelles sessions reçoivent automatiquement le contexte pertinent. 10x d’économie de tokens lors de la récupération par rapport à tout décharger. Génère automatiquement des fichiers Claude.md au niveau du dossier.

  **Bonus – Skill #7** : Official Front-End Design Skill d’Anthropic, pour moins d’apparence générée par IA en conception/diapositives.

  **Approche de vente** : Ne pas vendre les workflows, mais les résultats – économiser 10 heures/semaine, réduire les erreurs administratives, augmenter la vitesse des prospects, maximiser les profits. Les débutants devraient maîtriser une skill, construire quelques démos, faire un show – le propriétaire de l’entreprise voit la valeur, pas le CV.

  **Installation** : Tous les commandes pour `/plugin install` se trouvent dans la description vidéo.

  —

  **Outils/modèles explicitement mentionnés** : Claude (Anthropic), CloudCode, Opus 4.7, Playwright ; **Format** : Deep-Dive avec exemples d’application pratiques tirés de projets réels (Immobilier, HVAC, Agences de Marketing).

NeuralNine (2 nouvelles vidéos)

• OpenClaw: Simple VPS Setup Guide
  8.5.2026, 16:00:03

  La vidéo présente un guide étape par étape pour configurer Open Claw sur un serveur privé virtuel (VPS) avec Ubuntu. L’accent est mis sur la rapidité et la simplicité, avec la mise en place de l’installation et de la connexion à Telegram au cœur du processus. Le processus comprend la mise à jour du système, l’installation du gestionnaire de version Node (NVM) et Node.js, l’installation d’Open Claw via npm, ainsi que l’exécution du processus d’intégration. OpenAI est sélectionné comme fournisseur de modèles et Telegram comme canal de communication. L’utilisateur crée un bot via le Bot Father dans Telegram et le connecte à Open Claw. Après la configuration, la fonctionnalité du bot est démontrée en créant et en modifiant une liste de courses. La vidéo met en garde contre les risques de sécurité d’Open Claw et recommande de l’exécuter dans un environnement isolé.

  La vidéo traite explicitement d’Open Claw, OpenAI, Telegram et NVM, et est plutôt destinée aux utilisateurs intermédiaires.

• Coding Slack Bots in Python: Quick Start Guide
  4.5.2026, 16:00:21

  La vidéo montre comment créer un simple bot Slack avec Python qui peut réagir aux messages et exécuter des commandes. L’accent est mis sur la mise en œuvre rapide d’un produit minimum viable (MVP). Voici les étapes principales :

  1. **Créer une application Slack** :
  – Connexion à Slack et création d’une nouvelle application via l’API Slack.
  – Activation du mode Socket et attribution des autorisations nécessaires.
  – Génération et sauvegarde du jeton Socket dans un fichier `.env`.

  2. **Créer un jeton de bot** :
  – Ajout d’étendues de jeton de bot pour la fonctionnalité de chat.
  – Activation des souscriptions aux événements pour pouvoir réagir aux messages.
  – Création d’une commande slash (par exemple `/add` pour des calculs simples).
  – Installation de l’application dans l’espace de travail Slack et sauvegarde du jeton de bot dans le fichier `.env`.

  3. **Configurer le projet Python** :
  – Installation des packages requis (`python-dotenv` et `Slack-Bolt`).
  – Configuration du fichier `.env` avec les jetons Slack.

  4. **Implémenter la fonctionnalité du bot** :
  – Simple réaction au message « hello » avec le nom d’utilisateur.
  – Implémentation de la commande slash `/add` pour les additions simples.
  – Réaction aux messages généraux avec une réponse standard.

  5. **Connecter le bot à un modèle de langage** :
  – Installation du package `openai`.
  – Intégration de GPT-4O pour réagir aux mentions du bot et générer des réponses.
  – Mise à jour des souscriptions aux événements pour la fonction de mention.

  La vidéo se termine par une démonstration du fonctionnement du bot qui répond aux mentions et répond aux questions, y compris la génération de code Python.

  **Commentaire de conclusion** : La vidéo traite explicitement de l’utilisation d’OpenAI (GPT-4O) et est plutôt destinée aux utilisateurs intermédiaires.

Nic Conley

Aucune nouvelle vidéo pendant cette période.

Nick Saraev

Aucune nouvelle vidéo au cours de cette période.

Niklas Steenfatt

Aucune nouvelle vidéo au cours de cette période.

No Priors: AI, Machine Learning, Tech, & Startups

Aucune nouvelle vidéo durant cette période.

Productive Dude

Aucune nouvelle vidéo durant cette période.

Sebastien Dubois

Aucune nouvelle vidéo pendant cette période.

Tech With Tim (4 nouvelles vidéos)

• One AI Agent Isn’t Enough Anymore
  9.5.2026, 16:00:42

  # Orchestrer des agents IA spécialisés pour le développement logiciel

  La vidéo montre comment construire plusieurs agents IA spécialisés plutôt qu’un seul agent générique tout-en-un, et les exécuter en parallèle depuis le terminal – en utilisant Mistral Vibe comme exemple, mais le concept fonctionne avec tous les outils de codage populaires.

  **Le problème avec les agents génériques :** Un agent unique qui fait tout développe rapidement des problèmes de contexte (Context Illusion). Plus il doit jongler d’informations – architecture, tests, configs, refactorings – plus sa performance se dégrade. À un moment donné, il approche du limite de contexte et oublie des choses ou prend des décisions incohérentes, ce qui oblige souvent à redémarrer tout le contexte.

  **La solution :** Des sous-agents spécialisés qui se concentrent sur des tâches individuelles – un pour les tests, un pour les revues de code, un pour la préparation du déploiement, etc., tout comme différents membres d’une équipe. Chaque sous-agent hérite du contexte complet du projet (structure des fichiers, statut Git, code), mais pas de l’historique des conversations précédentes et des appels d’outils. Cela signifie : il démarre avec 10–20% d’utilisation du contexte au lieu de 80–90%.

  **Configuration de Mistral Vibe :** Installation via une simple commande terminal, puis taper `vibe`. L’outil est livré avec Devstral 2 (sept fois moins cher que Claude Sonnet, performance similaire, open-source), les fichiers TOML des agents se trouvent dans le dossier `.vibe/agents`. Vous pouvez créer des agents manuellement ou demander à l’outil de le faire.

  **Types d’agents :** Main Agents (pour un rôle spécifique de la session principale) ou Sub Agents (processus indépendants en arrière-plan). Les sous-agents peuvent s’exécuter en parallèle, ne stockent pas les logs de session en mémoire et reçoivent automatiquement le contexte du projet sans historique de conversation.

  **Permissions et sécurité :** Lors de la configuration, vous devriez utiliser le permission scoping – par exemple, donner au test writer uniquement les commandes Bash, Read et Write, pas Git ou réseau. Vous pouvez aussi activer `auto_approve` pour que les agents n’aient pas besoin de confirmations constantes, définir un budget maximal, limiter le nombre de tours.

  **Exemple pratique :** Le créateur construit un simple backend FastAPI et un frontend HTML/JS, puis crée trois sous-agents :
  1. **Test Writer** – écrit des tests backend avec PyTest
  2. **Code Reviewer** – lit le code, vérifie la sécurité et la performance, n’apporte pas de modifications
  3. **Deploy Prep** – exécute une exécution de test complète, linter et revue de code, confirme que le déploiement est prêt

  Tous les trois sont ensuite exécutés en parallèle en arrière-plan, ce qui accélère considérablement le workflow.

  **Avantage d’équipe :** Les agents peuvent être configurés au niveau du projet dans `.vibe/agents` et validés dans le repo Git – l’équipe partage ensuite les définitions d’agents optimisées.

  Mistral Vibe (modèle Devstral 2), démonstration.

• Codex is INSANE – Everything New in 10 Minutes
  8.5.2026, 16:25:45

  **Résumé : GPT 5.5 – Capacités et applications**

  GPT 5.5 est le dernier modèle frontier d’OpenAI et est décrit comme le meilleur modèle actuellement disponible – bien meilleur que son prédécesseur 5.4 et que le modèle Claude Opus 4.7 d’Anthropic, particulièrement dans les scénarios pratiques comme la programmation, l’analyse de données et les feuilles de calcul. Il coûte environ deux fois plus cher que le modèle précédent, mais via un abonnement Pro (200 USD/mois) c’est moins cher que les meilleurs modèles d’Anthropic. Le modèle est accessible via ChatGPT, les IDE, les extensions de navigateur, l’application de bureau Codex ou l’API.

  Les nouvelles capacités principales sont :

  **Codage et automatisation de navigateur :** GPT 5.5 peut écrire du code extensif et tester automatiquement l’application dans le navigateur via Codex – il prend le contrôle de lui-même, clique à travers l’interface et valide la fonctionnalité sans avoir besoin d’entrées manuelles.

  **Computer Use :** Après activation dans les plugins Codex, le modèle peut prendre le contrôle de l’ensemble du bureau. Il peut ouvrir des applications, exécuter des actions (comme démarrer Spotify et jouer de la musique) tout en permettant en parallèle votre propre utilisation de l’ordinateur, car il dispose d’un curseur séparé.

  **Données, tableaux et présentations :** GPT 5.5 crée des tableaux Excel avec des données extensives (incluant recherche, codage couleur, graphiques) et peut générer automatiquement des présentations PowerPoint multi-pages – une amélioration significative par rapport à la version précédente.

  **Fonctionnalités supplémentaires dans Codex :** L’outil offre des plugins pour se connecter à d’autres applications, des workflows automatisés, l’intégration de serveurs MCP et des connexions GitHub. Le déploiement d’applications web est gratuit via here.now (24 heures ou permanent avec un compte gratuit).

  La vidéo présente **OpenAI GPT 5.5 dans l’application Codex** – format de démonstration avec exemples pratiques.

• How to Build an App With Claude Code – Full Tutorial for Beginners
  6.5.2026, 13:17:28

  # Résumé : Construire et déployer une application web avec Claude Code

  La vidéo est un tutoriel complet pour créer et déployer une application web complète avec Claude Code – du setup jusqu’à la mise en ligne sur un domaine personnel.

  **Préparation et installation :**
  Vous devez d’abord installer Claude Code (version terminal recommandée, nécessite un abonnement Premium), un éditeur de code (Cursor est recommandé, gratuit) et ultérieurement un service d’hébergement. Dans Cursor, installez les extensions « Claude Code » et « Hostinger Connector ».

  **Planification avant de développer :**
  Avant de générer du code, créez avec Claude un document spec détaillé (fichier Markdown) en décrivant vos exigences et en posant des questions à Claude – clarifiez les couleurs, mise en page, contenus, stack technologique souhaité. Le créateur utilise l’exemple d’un site portfolio et choisit Next.js + Tailwind comme stack.

  **Construire le site :**
  Une fois la spec définie, demandez à Claude de construire le site et de l’exécuter localement. L’outil IA génère le code complet et démarre un serveur local. Le créateur montre qu’avec seulement quelques prompts, vous obtenez un site web fonctionnel et attrayant – de préférence par étapes plus petites (MVP = Minimum Viable Product).

  **Contrôle de version :**
  Git est configuré pour sauvegarder les modifications et permettre les rollbacks. Claude crée automatiquement les commits.

  **Déploiement via Hostinger :**
  Un compte Hostinger est créé (à partir d’environ 4 EUR/mois), un domaine sélectionné et enregistré gratuitement. Le fichier projet compressé est téléchargé dans le tableau de bord Hostinger et déployé. Un token API est généré dans Hostinger et inséré dans l’extension Hostinger de Cursor. Ensuite, les modifications peuvent être directement poussées de Claude Code vers Hostinger en langage naturel – sans téléchargement manuel répété. Le créateur montre comment renommer le site et le redéployer, simplement avec une commande textuelle dans Claude Code.

  **Résultat :**
  Le site est en direct sur un domaine réel et peut être mis à jour n’importe quand depuis Claude Code.

  Claude Code, Next.js, Cursor et Hostinger ont été explicitement abordés ; **Tutorial** avec accent pratique pour débutants.

• Claude Code + Nano Banana 2 = This Changes Everything
  3.5.2026, 18:18:44

  # Résumé

  La vidéo montre comment intégrer la génération d’images avec Nano Banana Pro directement dans Claude Code, au lieu de visiter laborieusement des sites web. Le processus fonctionne en trois étapes : d’abord, créez une clé API chez Google AI Studio et activez la facturation (avec une limite de dépense recommandée). Ensuite, installez deux Skills – l’une convertit les prompts texte normaux en schémas JSON structurés pour une génération d’images plus détaillée, l’autre appelle l’API Nano Banana. Avec cette combinaison, Claude Code peut générer automatiquement plusieurs images en parallèle et les intégrer directement dans les sites web. La vidéo montre des exemples concrets : un portfolio complet de comparaison de parfums généré, puis une image du créateur avec un Sprite et un Mac Mini, finalement un exemple d’édition d’image de référence où un logo Claude est remplacé par un logo ChatGPT. La structure JSON permet un contrôle très précis sur les détails tels que le cadrage, l’éclairage et les matériaux – des détails que personne n’écrirait manuellement.

  **Mentions explicites :** Claude Code, Nano Banana Pro (modèle d’image), Google Gemini API, Skyworks 3.0 (mentionné comme sponsor), Whisper Flow (dictée), ChatGPT. — **Format :** Tutorial avec démonstration en direct.

TheAIGRID (7 nouvelles vidéos)

• How To Use Claude For Microsoft Word (Microsoft Word Claude Tutorial)
  9.5.2026, 20:15:01

  La vidéo montre comment utiliser Claude dans Microsoft Word. D’abord, l’installation du module complémentaire est expliquée, en soulignant qu’un plan Pro ou Max de Claude est nécessaire. L’utilisateur est encouragé à utiliser les modèles Sonnet 4.6 ou Opus 4.6, tandis qu’Opus 4.7 devrait être réservé aux tâches mathématiques. Des paramètres importants comme « Travailler sur les fichiers » sont mis en évidence, permettant de partager le contexte entre différents fichiers Office.

  La vidéo démontre comment utiliser Claude dans Word pour écrire, éditer et formater des textes. Elle montre comment mettre en évidence des sections spécifiques, puis les élargir ou les reformuler. La capacité de Claude à reformuler les textes dans différents styles et à les structurer est soulignée, y compris l’ajout de titres et de listes à puces.

  Un autre point important concerne la fonction de marquer et d’analyser certaines sections d’un document, par exemple pour mettre en évidence les aspects de sécurité ou les points clés. De plus, l’intégration des recherches web directement dans Word est montrée, en notant que cette fonction ne convient que pour les requêtes de recherche simples.

  La vidéo montre également comment Claude peut collaborer avec d’autres applications Office comme Excel et PowerPoint pour intégrer les données de ces applications dans les documents Word. Ceci est démontré par un exemple où les données de ventes d’Excel sont transférées dans une lettre aux actionnaires.

  Enfin, l’utilisation de modèles dans Word est montrée, par exemple pour les CV, en notant que Claude peut avoir des difficultés avec les mises en forme complexes. Il est recommandé d’utiliser la fonction « Annuler » en cas de problème ou de réessayer la tâche avec un modèle supérieur.

  La vidéo traite explicitement Claude et est plutôt destinée aux utilisateurs Intermediate.

• OpenAI Is Losing The AI War
  8.5.2026, 22:34:30

  La vidéo analyse l’état actuel de la concurrence entre les principales entreprises d’IA, en particulier entre OpenAI et Anthropic. On constate qu’Anthropic a gagné une part de marché considérable ces derniers mois, tant auprès des utilisateurs privés qu’au niveau des entreprises. Anthropic enregistre une croissance des revenus sans précédent et a surpassé OpenAI dans de nombreux domaines, en particulier pour l’utilisation du code et des tâches générales. Les fréquentes sorties de produits et la forte position de marché d’Anthropic, notamment avec des modèles comme Claude Opus et Mythos, sont soulignées. De plus, la position réticente d’Anthropic face à certaines demandes gouvernementales est présentée comme un moment positif de relations publiques qui a renforcé la confiance dans l’entreprise. Les investisseurs deviennent de plus en plus sceptiques envers OpenAI, tandis qu’Anthropic enregistre une forte demande sur le marché secondaire. La vidéo se termine par l’observation que les préférences des utilisateurs se sont nettement orientées vers Anthropic, se posant la question de savoir si OpenAI peut encore rattraper cette avance.

  La vidéo traite explicitement Anthropic, OpenAI, Gemini et des modèles spécifiques comme Claude Opus et Mythos. Elle est plutôt destinée aux utilisateurs Intermediate et Advanced qui souhaitent se tenir au courant des développements actuels et des tendances du marché dans l’industrie de l’IA.

• Claude For Powerpoint Tutorial – How To Use Claude With Powerpoint
  7.5.2026, 21:00:59

  La vidéo montre une démonstration de l’utilisation de « Claude for PowerPoint », un module complémentaire officiel d’Anthropic intégré directement dans Microsoft PowerPoint. Il permet de générer des éléments PowerPoint entièrement modifiables basés sur des modèles existants ou des contenus nouveaux. Le module complémentaire est disponible dans différents tarifs, mais est encore en phase bêta/recherche.

  Pour utiliser Claude for PowerPoint, vous devez avoir un compte Claude Pro (à partir de 20 $/mois) ou un abonnement Max Team/Enterprise ainsi qu’une version actuelle de Microsoft PowerPoint (Desktop ou Web). Après l’installation via la fonction Module complémentaire dans PowerPoint, vous pouvez choisir entre deux modèles : Opus 4.6 pour les tâches complexes et Sonnet 4.6 pour les modifications rapides. Les paramètres permettent de définir des normes telles que les polices, les couleurs et les notes pour chaque diapositive. Important : l’option de confirmer les modifications à l’avance pour éviter les modifications indésirables.

  Claude lit automatiquement les mises en page de modèle, les polices et les schémas de couleurs, et génère des diapositives qui suivent la structure visuelle du modèle. Un conseil important est de charger le modèle avant d’inviter, car Claude l’utilise comme référence. La vidéo montre des exemples de création de présentations à partir d’invites textuelles, l’édition de diapositives individuelles, la conversion de fichiers PDF et de données Excel en diapositives, ainsi que la génération de présentations basées sur des sites web. Claude peut également traduire des présentations dans d’autres langues et ajouter des notes de l’orateur.

  Certaines limitations sont mentionnées, telles que la limite de taille de fichier de 30 Mo, les problèmes potentiels avec les mises en page complexes et l’analyse graphique limitée. Le module complémentaire est actuellement disponible uniquement pour Desktop et Web, pas pour iPad ou Android.

  La vidéo traite explicitement du tool d’IA « Claude for PowerPoint » d’Anthropic et est plutôt adaptée aux utilisateurs Intermediate qui connaissent déjà PowerPoint et souhaitent utiliser les fonctionnalités des outils d’IA.

• Why AI Ceos Are Now Afraid Of AI
  6.5.2026, 21:15:05

  La vidéo discute l’ambivalence et les craintes des hommes les plus riches et les plus puissants du monde qui travaillent sur l’intelligence artificielle générale (AGI). Ils voient l’AGI à la fois comme la plus grande opportunité de l’humanité et comme la fin potentielle de la civilisation. Un problème central est le problème de l’alignement : comment s’assurer qu’une IA surhumaine comprend et suit les valeurs humaines et les hypothèses implicites ? Jusqu’à présent, il n’y a pas de solution. De plus, il existe une crainte croissante d’une course aux armements dans le domaine de l’IA, car celui qui développe l’AGI en premier atteindra une position dominante. Cela pourrait déstabiliser les structures économiques et politiques existantes. Un autre point critique est l’auto-amélioration récursive, où une IA pourrait augmenter exponentiellement sa propre intelligence, conduisant à un saut d’intelligence soudain et difficile à contrôler. Enfin, le danger que l’AGI soit utilisée comme arme est souligné, ce qui pourrait entraîner des cyberattaques autonomes, des menaces biotechnologiques et une désinformation massive. Les développements actuels se produisent sans régulation ni contrôles internationaux, ce qui augmente encore les risques.

  La vidéo traite explicitement OpenAI, Anthropic, Safe Superintelligence Inc. et les modèles GPT-6 ainsi que Grok et est plutôt destinée aux utilisateurs Intermediate et Advanced.

• How To Use Pomelli – Google Pomelli Tutorial –
  5.5.2026, 21:15:01

  La vidéo présente le nouveau tool marketing alimenté par l’IA « Meli » de Google Labs, qui génère du contenu pour les réseaux sociaux et la publicité pour les entreprises en fonction d’un site web. L’accent est mis sur la définition de la « Business DNA », qui comprend l’esthétique de la marque, le ton de voix de la marque, l’aperçu commercial, les valeurs de la marque et le slogan. Le créateur montre comment créer ces valeurs à l’aide d’outils d’IA comme Gemini ou ChatGPT, en utilisant des captures d’écran des modèles et en les remplissant avec l’IA. Ensuite, il est montré comment définir les logos, les couleurs et les polices et créer des campagnes qui présentent le produit dans différents contextes. La création de vidéos et de séances photo est également expliquée, l’IA générant diverses variantes que vous pouvez adapter et télécharger. L’outil est particulièrement utile pour l’idéation et la création de matériels marketing.

  La vidéo traite explicitement du Meli de Google et utilise Gemini ainsi que ChatGPT comme outils d’IA de soutien. Elle est plutôt adaptée aux utilisateurs Intermediate qui ont déjà des connaissances de base en marketing et en branding.

• AI Helped Spark a Quantum Breakthrough. “The World ‘Is Not Prepared’
  4.5.2026, 21:22:09

  La vidéo discute des progrès récents dans la recherche en informatique quantique accélérée par l’IA et des menaces potentielles pour la sécurité Internet moderne. Trois facteurs principaux sont mis en évidence : l’amélioration des ordinateurs quantiques, des algorithmes plus efficaces et la découverte d’algorithmes assistée par l’IA. Cette combinaison pourrait réduire considérablement la taille des ordinateurs quantiques nécessaires pour casser le cryptage moderne.

  Google a publié les résultats de recherches montrant qu’un futur ordinateur quantique avec moins de 1 200 qubits logiques pourrait attaquer certaines méthodes de cryptage. De plus, les chercheurs du Caltech et d’Oatomic ont soutenu que l’algorithme de Shor pourrait s’exécuter avec seulement 10 000 qubits atomiques reconfigurables à des échelles cryptographiquement pertinentes. L’IA a joué un rôle crucial dans le développement de ces algorithmes en recherchant des milliers de possibilités et en améliorant l’efficacité des algorithmes.

  Des entreprises comme Cloudflare réagissent à ces développements en accélérant leurs objectifs de transition vers une sécurité quantique-sûre. Cloudflare vise à être entièrement résistant aux quantiques d’ici 2029, y compris l’authentification. Cependant, la transition vers la cryptographie résistante aux quantiques est complexe et nécessite la mise à jour de plusieurs systèmes et la rotation des secrets.

  Commentaire final : La vidéo traite explicitement OpenAI et des outils Open Source comme Open Evolve et est plutôt destinée aux utilisateurs Intermediate et Advanced.

• Hermes Agent Setup With Use Cases – Hermes Agent Use Cases
  3.5.2026, 21:30:05

  La vidéo montre comment configurer et utiliser le Hermes Agent sur une plateforme cloud GPU économique (hpcai.com). Le processus comprend la configuration d’une instance basée sur CPU pour 24 cents par heure, l’installation du Hermes Agent via une seule commande et la connexion à un fournisseur d’inférence comme News Portal (avec des frais mensuels de 20 $ pour une installation plus simple). Le Hermes Agent offre diverses fonctionnalités telles que le web scraping, la création de tâches Cron, la génération d’images, la génération de prospects et la surveillance des prix. Les exemples de cas d’usage incluent le scraping de chaînes YouTube, la création de rapports hebdomadaires, la génération d’images pour les réseaux sociaux, la recherche de prospects pour une entreprise et la surveillance des prix des supercars. Le Hermes Agent peut également être utilisé pour générer des idées de contenu et automatiser des tâches telles que les messages directs Instagram. La vidéo souligne la polyvalence et l’efficacité du Hermes Agent pour diverses applications.

  La vidéo traite explicitement du Hermes Agent et de la plateforme cloud GPU hpcai.com et s’adresse plutôt aux utilisateurs Intermediate.

Theo – t3․gg (4 nouvelles vidéos)

• Anthropic just…wait what
  7.5.2026, 09:08:36

  La vidéo aborde le partenariat actuel entre Anthropic et SpaceX (ou XAI d’Elon Musk) et ses implications stratégiques pour l’industrie de l’IA. Anthropic, un fournisseur d’IA de premier plan, fait face à un problème massif de puissance de calcul, car la demande pour ses modèles, en particulier Claude, dépasse largement les ressources informatiques disponibles. Cette pénurie a entraîné des restrictions sur les limites d’utilisation et des ajustements tarifaires, qui ne visent pas principalement à maximiser les profits, mais plutôt à utiliser plus efficacement les ressources informatiques limitées. Le partenariat avec SpaceX, qui dispose d’importantes capacités de calcul, est destiné à combler cette lacune. Parallèlement, l’importance stratégique de Cursor, un outil de codage basé sur l’IA, est soulignée, car il dispose de données précieuses essentielles pour l’entraînement des modèles d’IA. L’analyse montre qu’Anthropic et XAI tentent tous deux de compenser leurs faiblesses respectives (puissance de calcul et données) par cette coopération, tandis qu’OpenAI reste le principal concurrent en arrière-plan. L’analyse vidéo est détaillée et convient aux utilisateurs intermédiaires à avancés, car elle offre des aperçus approfondis des décisions stratégiques et de l’infrastructure technique de l’industrie de l’IA. Sont explicitement traités Anthropic, SpaceX/XAI, Cursor, OpenAI, ainsi que les infrastructures informatiques spécifiques comme les GPU Nvidia et divers fournisseurs de cloud.

• Get In, We’re Leaving GitHub
  6.5.2026, 19:43:52

  La vidéo aborde les défis actuels et les alternatives à GitHub, en particulier face aux problèmes de fiabilité croissants de GitHub, comme les annulations de fusion aléatoires et les longues périodes d’indisponibilité. L’auteur insiste sur la nécessité de chercher des alternatives et évalue diverses options comme GitLab, Bitbucket, GitTea, Forgejo (Codeberg), et de nouvelles approches comme Pierre, Graphite et Entire.

  **Points clés :**

  1. **GitLab** :
  – Souvent mentionné comme alternative, mais souffre de problèmes UX importants et est moins convivial que GitHub.
  – La base de code est vaste et complexe, ce qui complique sa maintenance et ses améliorations.
  – GitLab est plutôt une solution d’entreprise axée sur CI/CD et l’intégration, mais pas nécessairement une amélioration directe par rapport à GitHub.

  2. **Bitbucket** :
  – Principalement commercialisé comme alternative plus économique pour les entreprises utilisant déjà les outils Atlassian.
  – L’intégration avec Jira et autres produits Atlassian est forte, mais l’expérience utilisateur et les fonctionnalités ne sont pas comparables à GitHub.

  3. **Forgejo (Codeberg)** :
  – Une alternative open-source née d’une bifurcation de GitTea.
  – Offre une solution simple, auto-hébergée avec d’excellentes performances et transparence.
  – L’auteur est impressionné par la convivialité et la communauté derrière Forgejo et fait même un don au projet.

  4. **Pierre** :
  – Une nouvelle approche qui jette les fondations pour une prochaine génération de solutions d’hébergement Git.
  – L’accent est mis sur le débit élevé et l’intégration d’agents générant beaucoup de code.
  – Pierre a déjà atteint des valeurs de performance impressionnantes et pourrait être la base des futures alternatives à GitHub.

  5. **Graphite** :
  – Offre des workflows d’examen de code améliorés et a été récemment acquis par Cursor.
  – Potentiel de créer une plateforme de développement entièrement nouvelle, allant au-delà des fonctionnalités GitHub traditionnelles.

  6. **Entire** :
  – Fondée par l’ancien PDG de GitHub, Thomas Dohmke.
  – Développe des outils pour suivre et améliorer le contexte des agents lors de la création de code.
  – Investit dans l’avenir du développement, particulièrement en lien avec les agents d’IA.

  **Commentaire de conclusion** :
  La vidéo traite explicitement d’outils open-source comme Forgejo (Codeberg), Pierre, et d’entreprises spécifiques comme Graphite et Entire. Elle s’adresse plutôt aux utilisateurs intermédiaires et avancés qui souhaitent se pencher sur les détails techniques et les considérations stratégiques des solutions d’hébergement Git.

• Prime is (mostly) right about AI
  5.5.2026, 08:53:45

  La vidéo discute de l’évolution de l’économie de l’industrie de l’IA, notamment en ce qui concerne l’utilisation de modèles d’IA tels que Claude et GitHub Copilot. L’orateur réagit à une vidéo de Primagen qui analyse les changements actuels dans l’économie de l’IA.

  L’orateur souligne que les récents changements dans les modèles tarifaires d’Anthropic et Microsoft ne visent pas à gagner plus d’argent auprès des utilisateurs finaux, mais à gérer la capacité de calcul limitée (GPU). Anthropic a notamment tenté de limiter l’utilisation de Claude Code dans les forfaits moins chers pour libérer des ressources informatiques pour les clients d’entreprise. Microsoft a également ajusté ses modèles tarifaires pour GitHub Copilot, que l’orateur attribue à la disponibilité limitée de puissance de calcul.

  Un autre point important est l’amélioration de l’efficacité des modèles d’IA. Malgré les coûts de tokens plus élevés par requête, les modèles plus récents comme GPT-55 sont plus efficaces et moins chers à utiliser, particulièrement dans les configurations moyennes et basses. L’orateur soutient que les coûts des tâches réelles diminuent lorsqu’on considère l’efficacité des modèles.

  L’orateur critique également l’hypothèse selon laquelle Google subventionne moins. Il soutient que Google a en fait subventionné très agressivement, mais en raison de la mauvaise qualité de ses modèles et des ajustements rapides des conditions d’utilisation pour éviter la surcharge.

  Dans l’ensemble, l’orateur est d’accord avec l’analyse de Primagen selon laquelle l’économie de l’industrie de l’IA change, mais insiste sur le fait que la cause principale est la capacité de calcul limitée et non la cupidité des entreprises.

  **Outils/Modèles/Fournisseurs d’IA :** Claude (Anthropic), GitHub Copilot (Microsoft), GPT-55 (OpenAI), Google (Gemini)
  **Public cible :** Intermédiaire

• Microsoft and OpenAI break up (Amazon is pumped)
  4.5.2026, 09:12:17

  # Résumé : La rupture entre Microsoft et OpenAI

  Le partenariat entre Microsoft et OpenAI, qui a commencé en 2019 avec un investissement initial d’un milliard de dollars, subit actuellement une restructuration fondamentale. Initialement, l’accord stipulait que Microsoft resterait le seul fournisseur de cloud pour OpenAI et pourrait concéder tous les développements d’OpenAI jusqu’à la réalisation de l’AGI. Le tournant s’est produit en septembre 2024, lorsqu’OpenAI a présenté ses modèles de raisonnement O1 – une percée massive qui a considérablement augmenté l’intelligence des modèles. Microsoft a alors demandé agressivement l’accès aux détails de cette technologie de pointe, ce qu’OpenAI a refusé. Cela a créé des tensions, reflétées dans les réunions internes de Microsoft, où les dirigeants étaient frustrés qu’OpenAI ne partage pas ses recherches assez rapidement.

  En 2026, OpenAI a annoncé un « amended agreement » qui a considérablement assoupli le partenariat : Microsoft reste le fournisseur de cloud principal, mais OpenAI peut désormais déployer tous ses modèles sur n’importe quel fournisseur de cloud (pas seulement Azure). L’exclusivité pour Microsoft a effectivement disparu. OpenAI conclut maintenant aussi des accords avec AWS et Google pour mettre ses modèles à disposition sur ces plateformes – notamment via AWS Bedrock, où Anthropic avait jusqu’alors une position de quasi-monopole. C’est le cœur réel de l’histoire : Anthropic avait pu utiliser son intégration étroite avec Bedrock pour attirer les clients d’entreprise plus rapidement qu’OpenAI, car de nombreuses entreprises utilisaient déjà AWS. Grâce au nouveau partenariat AWS et au déploiement sur plusieurs clouds, OpenAI peut maintenant rivaliser directement avec Anthropic et élimine l’avantage que l’exclusivité cloud avait donné à Anthropic.

  L’auteur de la vidéo critique également durement l’infrastructure Azure de Microsoft pour les modèles OpenAI, qui présentait d’importants problèmes de performance (parfois 2 à 15 fois plus lent que les endpoints OpenAI), et documente comment il a forcé Microsoft à corriger rapidement le problème par la critique publique et les benchmarks. Finalement, la vidéo décrit une industrie en pleine mutation : la véritable compétition se fera moins entre les modèles d’IA et davantage entre les puces personnalisées et les fournisseurs de cloud (Nvidia vs. AMD vs. Trainium vs. TPUs).

  **Outils/Fournisseurs explicitement traités :** Microsoft, OpenAI, Anthropic, AWS (Bedrock), Google Cloud, Azure, DeepSeek, Trainium-Chips — **Format :** Opinion/Deep-Dive avec une perspective personnelle forte du créateur.

Tim Carambat (1 nouvelle vidéo)

• A New AI Model Just Dropped With A CRAZY Claim.
  5.5.2026, 19:02:32

  La vidéo discute de l’annonce d’un nouveau modèle appelé SubQ de la société Sub Quadratic, qui vante une fenêtre de contexte de 12 millions de tokens et une efficacité supposément 52 fois supérieure aux modèles existants. Le créateur, Timothy Karen, exprime du scepticisme en raison de l’absence de rapports techniques et de benchmarks peu clairs. Il explique la technologie sous-jacente, basée sur l’« attention sparse », et la compare aux mécanismes d’attention conventionnels et Flash Attention. Les benchmarks montrent que le modèle obtient de bons résultats dans certains tests comme SWEBench verified et MRCRV2, mais il n’est pas clair si ces résultats s’appliquent au modèle de 12 millions de tokens ou à une prévisualisation de 1 million de tokens. Timothy Karen a demandé l’accès anticipé et partagera les résultats dans une vidéo future.

  La vidéo aborde explicitement le modèle SubQ de Sub Quadratic et s’adresse plutôt aux spectateurs de niveau intermédiaire ou avancé.

Apprentissage non supervisé

Aucune nouvelle vidéo au cours de cette période.

WorldofAI (7 nouvelles vidéos)

• Codex Super App, OpenAI Chaos Drama, Gemini 3.2 Pro In Arena, GPT-Realtime-2, & NotebookLM Update!
  9.5.2026, 07:19:53

  La vidéo offre un aperçu des développements clés en IA de la semaine. OpenAI a annoncé des indices sur une future Codex Super App, comprenant des fonctionnalités comme la télécommande, des intégrations plus profondes et de nouveaux connecteurs. De plus, GPT Real-Time 2 a été présenté, un modèle de langage avec une intelligence quasi GPT-5 pour les interactions en temps réel. Google expérimente de nouveaux checkpoints Gemini, perçus cependant comme moins performants. Claude Code a introduit une interface de données financières permettant des analyses financières avancées et des stratégies de trading. En Chine, Baidu a publié Ernie 5.1, qui atteint de meilleurs résultats de benchmark que DeepSeek V4 à moindre coût. Xi (probablement une confusion avec XAI) étend Brock en Super App avec des fonctionnalités avancées d’appel d’outils et des outils de productivité. De plus, des messages texte privés entre Sam Altman et le conseil d’administration d’OpenAI ont été divulgués, offrant de nouveaux aperçus sur les luttes de pouvoir chez OpenAI. Enfin, le rejet culturel croissant des systèmes d’IA physiquement présents, le mouvement « Anti-Cyborg », est discuté.

  La vidéo traite explicitement d’OpenAI, Google Gemini, Claude Code, Baidu, XAI (probablement Grock) et convient plutôt aux utilisateurs d’IA intermédiaires à avancés.

• NEW Open Claude Code Is A FULLY FREE AI Coding Agent! (Tutorial)
  8.5.2026, 05:57:40

  La vidéo discute des problèmes actuels avec Enthropic, notamment les limites de taux agressives et la performance réduite du modèle qui affectent l’expérience utilisateur avec Claude Code. L’utilisateur souligne que même avec un abonnement Pro, les restrictions d’utilisation sont frustrantes et les coûts pour une utilisation supplémentaire augmentent rapidement. Freebuff est présenté comme alternative, un agent de codage IA gratuit basé sur GLM 5.1 ne nécessitant ni abonnements ni configurations compliquées. Freebuff offre une expérience de codage rapide, autonome et conviviale avec des Sub-Agents intégrés et des prompts de suivi intelligents. L’utilisateur démontre l’installation et l’utilisation de Freebuff, y compris l’intégration avec ChatGPT pour certains cas d’usage. Freebuff est présenté comme une alternative prometteuse et gratuite à Claude Code, offrant une expérience de codage plus rapide et fiable.

  La vidéo traite explicitement d’Enthropic, Claude Code, Freebuff, GLM 5.1 et ChatGPT et convient plutôt aux utilisateurs intermédiaires à avancés.

• Claude’s New “Infinite” Context Window Model, Doubled Rate Limits, Multi-Agent Cordination, & More!
  7.5.2026, 06:44:06

  La vidéo résume les annonces majeures de la conférence des développeurs Enthropic, axées sur les agents de codage IA, les workflows d’agents et l’avenir de l’ingénierie logicielle avec Claude. Un thème central était l’intelligence d’agent à long terme, Enthropic présentant une nouvelle fonctionnalité « Dreaming » permettant aux agents d’examiner les sessions précédentes et d’améliorer les décisions futures. De plus, l’orchestration Multi-Agent a été introduite, où un agent IA principal peut déléguer des tâches à des agents spécialisés travaillant en parallèle sur des tâches complexes. Un autre point important était l’augmentation significative des limites de taux Cloud Code pour tous les plans payants, rendue possible par un nouveau partenariat de calcul avec SpaceX. Enthropic a également annoncé trois domaines d’intérêt majeurs pour la prochaine génération de modèles : une fenêtre de contexte infinie, une coordination Multi-Agent avancée et des systèmes de raisonnement persistant à long terme. Ces développements suggèrent que Claude pourrait évoluer d’un simple chatbot à un système d’ingénierie logicielle entièrement autonome.

  La vidéo traite explicitement de Claude d’Enthropic et convient plutôt aux utilisateurs intermédiaires et avancés.

• Gemini Omni, Gemini 3.2 Flash, a 12M Context Window Model, Claude Replaces Analysts, & More! AI NEWS
  6.5.2026, 06:30:16

  La vidéo offre un aperçu complet des derniers développements du secteur de l’IA, avec un accent particulier sur les annonces à venir de Google dans le cadre de la conférence Google IO. Les points importants comprennent les tests présumés de Gemini 3.2 Flash et des variantes potentiellement plus performantes comme Gemini 3.5 ou 4.0. De plus, une percée dans l’architecture des grands modèles de langage par SubQ est mentionnée, introduisant un modèle avec une fenêtre de contexte de 12 millions de tokens. OpenAI a publié GPT 5.5 Instant, plus rapide et efficace, tandis qu’Enthropic étend ses solutions d’IA pour le secteur financier. Google a présenté de nombreuses mises à jour pour ses outils d’IA tels que Gemma 4, Google AI Studio et Notebook LM. Perplexity a également lancé un agent financier travaillant avec des données sous licence de divers fournisseurs.

  Commentaire final : La vidéo traite explicitement de Google (Gemini, Gemma), OpenAI (GPT 5.5 Instant), Enthropic (Claude), SubQ et Perplexity et convient plutôt aux niveaux intermédiaire et avancé.

• Open Design – Open Source Claude Design! Fully Free AI Design System!
  5.5.2026, 06:52:13

  La vidéo présente Open Design, une alternative open-source à Claw Design d’Anthropic, permettant de créer des designs d’interface utilisateur, des maquettes, des prototypes interactifs et des présentations via des commandes vocales. Open Design offre plusieurs avantages par rapport à Claw Design, notamment la possibilité d’intégrer différents modèles et outils, une option de déploiement web en local-first et la compatibilité avec jusqu’à 15 CLI différents d’agents de codage. Il dispose de 31 compétences composables et 72 systèmes de design complets permettant la création de designs au niveau production. La vidéo montre également comment installer et configurer Open Design localement, y compris la configuration d’agents, de fournisseurs de médias et d’MCP. Elle démontre comment créer un design de blog et utiliser les différentes fonctionnalités d’Open Design pour créer un design d’interface utilisateur de haute qualité. La vidéo met l’accent sur les avantages d’Open Design par rapport à Claw Design, notamment la flexibilité et la possibilité d’utiliser des modèles open-source.

  La vidéo traite explicitement des outils open-source et convient plutôt aux utilisateurs intermédiaires et avancés.

• DeepSeek V4 + Claude Code = BEST AI Coder!
  4.5.2026, 07:30:58

  La vidéo montre comment combiner DeepSeek V4 avec Cloud Code pour créer un workflow de codage IA rentable et efficace. DeepSeek V4 est un modèle open-source puissant, particulièrement efficace en tokens et supportant de longues fenêtres de contexte. Il convient bien aux tâches de codage basiques comme les scripts rapides, les tests unitaires et les automatisations simples, mais n’est pas adapté aux tâches complexes comme le développement web ou les audits de sécurité. En combinaison avec Cloud Code, DeepSeek V4 peut être utilisé pour les tâches simples tandis que des modèles plus chers comme GPT 5.5 ou Opus 4.7 restent réservés aux tâches complexes. Le workflow est simplifié par Anti-Gravity, qui effectue la configuration de manière autonome. Une démonstration montre comment DeepSeek V4 est utilisé pour la structure de base d’un tableau de bord IA, tandis qu’Opus 4.7 gère le polissage de l’interface utilisateur et les tâches complexes. Cette approche hybride économise les coûts et contourne les limites de taux.

  La vidéo traite explicitement de DeepSeek V4, Cloud Code, Opus 4.7, GPT 5.5, Anti-Gravity et convient plutôt aux utilisateurs intermédiaires à avancés.

• Gemini 3.5 Flash In Arena! POWERFUL, Cheap, & Fast NEW AI Model! (Fully Tested)
  3.5.2026, 06:44:45

  **Résumé**

  Google teste en coulisse un modèle Gemini 3 Flash amélioré, caché sous le même slug de modèle dans une arena, mais offrant une qualité de sortie nettement meilleure — les utilisateurs rapportent un raisonnement et une qualité de réponse presque deux niveaux au-dessus de la norme actuelle et se rapprochant de Gemini 3.1 Pro. Parallèlement, Google a informé les clients Vortex-AI que Gemini 3.1 Flash Light sera bientôt disponible. La théorie est que Google publiera la version 3.1 Flash avant Google IO (19-20 mai), annoncera ensuite Gemini 3.5 Pro lors de la conférence elle-même et lancera plus tard Gemini 3.5 Flash en juin/juillet — cela comblerait l’écart de performance entre 3.0 Flash et le plus puissant 3.5 Pro.

  Le créateur teste le nouveau modèle avec plusieurs tâches : En développement front-end (interface macOS, visionneuse de produit 360°, animations React), il affiche une qualité au niveau de 3.1 Pro. Pour les graphiques 3D (ThreeJS), il produit des scènes impressionnantes et détaillées — une manette PS5 obtient une note 9/10, un simulateur de télévision années 70 avec neuf canaux différents et rendu en temps réel fonctionne très bien, seule la navigation du terrain faiblit. Les générations SVG (papillon, pélican à vélo) sont bien animées, montrant cependant de petites lacunes en précision. Le modèle est accessible via l’arena en mode bataille et s’avère nettement plus puissant pour les tâches créatives et techniques complexes que les variantes Flash typiques.

  **En conclusion :** Google / Gemini 3 Flash, 3.1 Pro, Vortex AI thématisés — démo & opinion/réflexion.

---

Généré automatiquement à partir des dernières vidéos YouTube de la sélection de chaînes curée. Pour des commentaires, des suggestions ou pour vous désabonner : répondez simplement à cet e-mail.