Blog

La double fuite chez Anthropic : code source, mythe et l’architecture de la confiance

Dimanche, 5 avril 2026

Bonjour, ce digest hebdomadaire traite les vidéos les plus importantes de quelque 45 chaînes YouTube curatées sur l’IA et le codage — avec de la substance, pas du superficiel. Un résumé complet par vidéo, plus un aperçu hebdomadaire des thèmes dominants. Lisez tranquillement — ou copiez un résumé dans votre LLM préféré et approfondissez. Cliquez sur le lien sous chaque résumé pour voir la vidéo originale.

Releases de modèles et benchmarks

Google Gemma 4 a été la publication open-source la plus discutée de la semaine, avec des contributions de TheAIGRID, Tim Carambat, WorldofAI et AI mit Arnie. La famille comprend quatre variantes : les ultralégers E2B et E4B (optimisés pour smartphones et Raspberry Pi), un modèle Mixture-of-Experts de 26 milliards avec seulement ~3,8 milliards de paramètres actifs, et un modèle Dense de 31 milliards qui se classe troisième sur LM Arena. Tous les modèles fonctionnent sous licence Apache 2.0, supportent plus de 140 langues, des fenêtres de contexte jusqu’à 256 000 tokens et sont nativement multimodaux (texte, image, audio, vidéo). L’efficacité est le véritable point de différenciation : le modèle 31B surpasse Qwen 3.5 avec 397 milliards de paramètres sur les benchmarks. Qwen 3.6 Plus a également attiré l’attention : une fenêtre de contexte d’un million de tokens, 78,88 sur SWE-Bench, supériorité sur Claude Opus 4.5 pour la génération de frontend et 50 cents par million de tokens d’entrée en font le nouveau favori open-source. Datapizza et WorldofAI ont également signalé qu’OpenAI a retiré l’app Sora des stores — coûts de calcul, modèle de monétisation manquant et problèmes de droits d’auteur comme justification — et concentre plutôt toutes les ressources sur la super-app IA et le modèle à venir GPT-5.5/Spud. GPT-5.4 Thinking a reçu une mise à jour permettant d’interrompre la phase de chaîne de raisonnement, que l’équipe Datapizza attribue à un entraînement humain intensif.

IA locale et open-source

Tim Carambat s’est concentré sur les LLM 1-bit de Prism ML (modèles Bonsai) : 14 fois plus petit que les modèles en pleine précision, ~1 GB de RAM pour le modèle 8B, 114–130 tokens/seconde sur un MacBook Pro M4 Max — et capable de multi-step tool-calling avec recherche web, génération PDF et création PowerPoint avec sub-agents. L’algorithme TurboQuant de Google compresse le KV-cache à 3 bits avec une accélération de configuration 184 000 fois et une accélération de vitesse 8 fois sur Nvidia H100 — ce qui selon TheAIGRID a immédiatement impacté les fabricants de puces mémoire comme Micron et Western Digital en bourse. Nate Herk a montré concrètement comment intégrer Gemma 4 et les modèles Qwen dans Claude Code via Ollama pour contourner les limites de débit d’Anthropic ou réduire drastiquement les coûts. Sebastien Dubois a publié deux plugins Obsidian : un pour la synchronisation des notes reMarkable dans le vault et un (Transcriber) qui convertit les notes manuscrites en Markdown via des modèles Ollama Vision locaux — démontré avec GLM OCR — sans laisser les données quitter l’ordinateur.

Claude Code et outils Anthropic

La semaine de la fuite a été accompagnée d’une douzaine de vidéos tutorielles détaillées exploitant les possibilités réelles d’utilisation de Claude Code. Leon van Zyl a fourni un tutoriel complet de deux heures incluant le flux de travail PRD, la génération de système de conception, la parallélisation de sub-agents et les jobs cron /loop. Mark Kashef a présenté deux slash-commands oubliés : /powerup en tant que compagnon d’apprentissage interactif et /insights, qui génère un rapport HTML sur les modèles d’utilisation des 30 derniers jours et peut se chaîner avec Obsidian et les résumés d’e-mail automatisés. WorldofAI a catalogué les options de configuration cachées, y compris le flag cloud_code_no_flicker et les hooks qui se déclenchent au démarrage de session, avant et après l’utilisation d’outils, et après les modifications. Nate Herk s’est consacré dans deux vidéos distinctes à la gestion des tokens : 18 astuces pour l’hygiène contextuelle (y compris séparer les serveurs MCP qui coûtent jusqu’à 18 000 tokens par message et garder Cloud.md sous 200 lignes) ainsi qu’un guide pour exécuter Claude Code avec des modèles Ollama locaux ou des modèles OpenRouter gratuits — réduction de coûts effective de 50–100 fois pour les tâches à faible enjeu. Le plugin Codex d’OpenAI pour Claude Code a également été testé en pratique par Nate Herk : GPT-5.4 devance Claude Opus de 10–13 points sur la plupart des benchmarks de codage, est moins cher, et la compétence « Adversarial Review » de Codex a trouvé des erreurs logiques réelles dans le code généré par Opus lors du test direct.

Agents de codage (non-Claude)

Hermes Agent et OpenClaw ont dominé la discussion de comparaison cette semaine sur plusieurs chaînes. Alex Finn a testé les deux pendant des semaines et est arrivé à un jugement nuancé : Hermes est plus rapide, plus transparent (affiche chaque tool-call en temps réel) et construit automatiquement des skills réutilisables après chaque tâche — sa faiblesse fatale cependant est la compactification de la mémoire, où l’agent perd son orientation et abandonne les tâches. OpenClaw reste plus stable, bénéficie de ressources de développement massives et de mises à jour quotidiennes. La recommandation optimale : exécuter les deux en parallèle, connectés via le Agent Communication Protocol (ACP), de sorte qu’OpenClaw agisse comme orchestrateur activant Hermes pour les tâches spécialisées — et que l’un puisse réparer l’autre en cas d’urgence. Melvynx a montré qu’Anthropic bloque l’utilisation des tokens OpenClaw sur les abonnements Claude, tandis que les configurations CLI locales et les fournisseurs alternatifs comme Glm (à partir de 10 dollars/mois) fonctionnent toujours. NeuralNine a présenté OpenCode en tant qu’agent terminal open-source avec une interface supérieure : système de permissions granulaires par opencode.json, vue de diff avec intégration LSP, annulation/rétablissement, changement de niveau de raisonnement et intégration Ollama pour les modèles locaux.

Ingénierie logicielle et culture de développement

Brian Casel a argumenté que la « Retenue » — la discipline de choisir l’orientation plutôt que la capacité — est la seule compétence que l’IA ne peut pas reproduire : tous les grands outils de codage ont établi le mode Plan comme standard, mais la conversation de façonnage stratégique avant la planification reste un travail humain. Sebastien Dubois a présenté huit niveaux d’utilisation de l’IA (de l’utilisation simple du chat à l’orchestration de 100+ agents) et a ajouté une deuxième dimension souvent ignorée : la gestion contextuelle par une base de connaissances structurée dans des outils comme Obsidian. Theo a critiqué les projets IA fermés en général : avec le développement accéléré par IA, les applications fermées peuvent s’effondrer cent fois plus vite ; Gemini CLI, OpenCode et Codex CLI ont divulgué leurs composants serveur, Anthropic en revanche envoie des suppressions DMCA. Fireship a découvert une attaque réelle de la chaîne d’approvisionnement sur Axios (100 millions de téléchargements npm par semaine) : deux versions infectées contenaient un trojan d’accès à distance qui s’auto-supprimait après exécution et passait npm audit sans avertissement. Pretext, un nouvel outil pur TypeScript du ancien membre du noyau React Changlu, résout les reflows de mise en page du navigateur avec du texte dynamique via la mesure de largeur basée sur Canvas — pertinent pour les listes virtualisées et les mises en page en maçonnerie.

Système opérationnel IA personnel et frameworks d’agents

La semaine a également été marquée par Paperclip, un outil d’orchestration open-source qui organise les agents IA en structures d’entreprise hiérarchiques. Quatre chaînes — AI mit Arnie, Julian Ivanov, Leon van Zyl et Tech With Tim — ont chacune présenté des tutoriels avec des démos pratiques : l’agent PDG embauche un ingénieur, le chercheur, l’agent de script et le stratège SEO travaillent sur les routines quotidiennes, les commits GitHub et les déploiements Vercel s’exécutent complètement automatiquement. Techniquement, Paperclip est exécuté via Docker sur un VPS (modèle Hostinger à partir d’environ 7 dollars/mois) ; les clés API de Claude, OpenAI ou Gemini ou les abonnements existants via authentification par code d’appareil peuvent être configurés. Nick Saraev a joué le sceptique : Paperclip reproduit les hiérarchies d’entreprise classiques, bien que les systèmes IA soient fondamentalement parallélisables différemment — 50 agents simultanés synthétisant le même résultat seraient plus efficaces que la délégation selon l’organigramme. Nate Jones a analysé cinq autres plates-formes d’agents (Cowork, Lindy, Wordware/Sauna, Google Opal, Obvious) selon trois critères de qualité : mémoire persistante, artefacts modifiables, contexte croissant. Même Cowork n’en a satisfait que 1,5 sur 3 — et a quand même justifié 285 milliards de dollars de ventes d’actions SaaS. Cole Medin a présenté Archon, un moteur de flux de travail pas encore publié avec des nœuds déterministes et non-déterministes pour des processus de codage reproductibles — selon ses propres mesures, environ 100 fois plus rapide que la programmation manuelle.

Automatisation IA et flux de travail

Cole Medin a démontré le « Développement antagoniste » comme nouvelle technique pour des agents de codage plus fiables : un agent générateur écrit du code, un agent évaluateur séparé (en nouvelle session sans biais de confirmation) l’évalue selon des critères négociés au préalable et, en cas de non-respect, donne un retour jusqu’à trois fois — réalisé en ~4 heures avec Claude Sonnet 3.5, référentiel disponible publiquement. Nate Jones a extrait de la base de code fuitée de Claude Code 12 primitives architecturales pour les systèmes d’agents robustes, classées dans les principes de base du jour un (registre d’outils avec métadonnées, systèmes de permissions, persistance de session, budgétisation des tokens, événements de streaming structurés) et la maturité opérationnelle (assemblages dynamiques de pool d’outils, compactification de transcription, système de type d’agent). Son énoncé clé : les systèmes d’agents sont à 80 pour cent de l’architecture backend et à 20 pour cent de l’IA. Nate Herk a énuméré les cinq flux de travail d’automatisation les plus rentables pour les clients d’entreprise : speed-to-lead (réaction de 5 minutes aux prospects augmente la conversion par sept), traitement de documents, séquences de suivi, réactivation de base de données et rapports internes — avec des chiffres ROI concrets issus de projets clients réels. Dave Ebeler de la chaîne n8n a présenté sept phases pour l’automatisation d’entreprise avec le cœur contre-intuitif : aussi peu d’IA que possible si la logique basée sur des règles suffit.

Commerce IA, marketing et travail indépendant

Zubair Trabzada a démontré un outil d’analyse de réputation construit avec Claude Code pour les petites entreprises : cinq agents parallèles génèrent un rapport PDF avec score de réputation, distribution des sentiments, benchmark concurrentiel et suggestions de réponse prêtes à copier pour les avis négatifs — modèle commercial : audit gratuit, gestion continue pour 500–2 000 dollars/mois. Stefan Glötzl, fondateur de Superglue basé à YC, a expliqué pourquoi 39 pour cent du temps des développeurs se perd dans du code glue non documenté et comment les plates-formes d’intégration agentiques avec capacités d’auto-guérison (diagnostic automatique et notification Slack en cas de changements API) résolvent ce problème — son point de vue : les agents sont maintenant prêts pour la production, le défi principal est l’intégration d’entreprise, pas la technologie. Melvynx a réfléchi sur son générateur de vignettes IA Subfast, qui a été copié deux fois : le différenciateur décisif n’est pas la conception, mais l’expertise de domaine réelle en tant que YouTuber avec 700+ vidéos.

PKM et gestion des connaissances

Julian Ivanov a montré comment Obsidian fonctionne comme base de contexte persistante pour Claude Code : un fichier Cloud.md avec des invites d’intégration qui interviewe Claude au premier démarrage et génère automatiquement la structure du vault plus l’invite système résout le problème de la réinitialisation de sessions. Le « Second Brain » de Cole Medin basé sur Claude Code — avec Memory Layer (soul.md, user.md, memory.md), Skills, job cron Heartbeat et intégrations Zero-Trust pour Gmail, Asana et GitHub — lui fait économiser selon ses dires une douzaine d’heures par semaine. Il argumente contre les solutions préfabriquées comme OpenClaw avec le principe du « Lethal Trifecta » : les données privées plus le contenu non fiable plus le vecteur d’exfiltration sont toujours actifs simultanément dans les Second Brains. Les vidéos de Kyle Balmer sur NotebookLM ont montré comment l’outil Google gratuit peut être utilisé comme système RAG sans hallucinations pour les lead-magnets, les decks de diapositives et la création de listes de diffusion automatisées (200+ abonnés par jour via automatisation ManyChat et Claude Code) — y compris une API Python non officielle pour l’automatisation complète. MoureDev a fourni un tutoriel des principes fondamentaux d’Obsidian en mettant l’accent sur les liens, Canvas, le plugin de base de données et les modèles.

Industrie et stratégie de l’IA

Nate Jones s’est concentré longuement sur le moment de convergence Anthropic-Microsoft-OpenAI : les Skills ne sont plus des configurations personnelles, mais une infrastructure à l’échelle de l’organisation — un fichier texte skill.markdown avec métadonnées qu’Anthropic et Microsoft apportent ensemble à Copilot et qu’OpenAI a adopté en tant que standard ouvert. La description efficace des compétences en tant que signal de routage pour les agents, la sortie en tant que contrat similaire à une API et les tests quantitatifs avec des suites de test sont les trois principes de conception critiques. Apple selon Nate Jones se trouve face à un moment de pivot stratégique à la WWDC : Siri en tant qu’app autonome avec interface de type ChatGPT, App Intents pour les développeurs d’agents et intégration MCP au niveau système pourraient sécuriser la position d’iPhone à l’ère des agents — bien que la véritable force d’Apple soit le contrôle de l’ensemble de la pile pour 1,5 milliard d’utilisateurs, pas son propre modèle de frontier. La chaîne IA et Stratégie a analysé le financement de 830 millions de dollars de Mistral AI par sept banques européennes, qui pour la première fois acceptent les GPU Nvidia Blackwell comme nantissement admissible — un changement de paradigme qui transforme la capacité de calcul en actif stratégique à garantie. Nate Jones a parallèlement analysé la crise de l’approvisionnement en hélium : le Qatar produisait 33 pour cent de l’approvisionnement mondial ; après des dommages aux roquettes à l’installation de Ross Leafon, les prix au comptant de l’hélium ont doublé immédiatement, la mémoire HBM était déjà en rupture de stock, et TSMC n’a que 11 jours de réserves de gaz naturel liquéfié.

IA et société / L’avenir du travail

TheAIGRID a analysé la prédiction de Dario Amodei selon laquelle l’IA pourrait éliminer jusqu’à 50 pour cent des emplois de col blanc d’entrée et faire monter le chômage à 10–20 pour cent — étayée par l’étude Canaries de Stanford (baisse de 13 pour cent de l’emploi pour les 22–25 ans dans les rôles exposés à l’IA) et la recherche propre d’Anthropic (taux de recherche d’emploi pour les 22–25 ans moins 14 pour cent). Tim Carambat a confronté les affirmations AGI de Sam Altman, Jensen Huang et Mark Gubras aux benchmarks ARC AGI 3, où un simple CNN d’un chercheur unique a surpassé les LLM modernes — sa conclusion : le paradigme GPT a atteint sa limite, l’AGI nécessite une architecture fondamentalement différente. David Shapiro a développé son concept AIL (Acceptation de l’indispensabilité du travail) et a argumenté que la crise de l’IA n’est pas économique mais existentielle : la doxa culturelle liant la dignité humaine à la productivité s’effondre simultanément dans le paradigme de performance occidental et dans le modèle collectif oriental. Everlast AI a parlé avec le Dr Jost Bach du California Institute for Machine Consciousness sur la conscience en tant qu’algorithme biologique, le cyberanimalisme et la question de savoir si les LLM possèdent une compréhension fonctionnelle.

Brèves

Liam Fedus, co-créateur de ChatGPT et ancien VP d’OpenAI, présente avec Periodic Labs un modèle de fondation IA pour les sciences des matériaux qui combine les modèles de langage avec les réseaux de neurones conscients de la symétrie pour les systèmes atomiques. Manus AI offre des tâches programmées, création de documents et compétences personnalisées — le tutoriel de TheAIGRID montre l’automatisation de la recherche quotidienne Reddit/X et création de présentations avec Nano Banana. Google Stitch a reçu une mise à jour de conception Vibe ; Simone Rizzo a démontré l’export vers Claude Code via MCP, qui génère une application React complète à partir d’une invite textuelle en 15 minutes. Tech With Tim a remplacé Lovable par Mocha, un générateur d’app IA avec authentification intégrée, base de données et e-mail sans configuration externe. DeepSeek Version 4 devrait fonctionner nativement sur les puces Huawei Ascend — stratégiquement significatif en tant que première IA de frontier sur du matériel chinois domestique, ce qui pousse Alibaba, ByteDance et Tencent à passer des commandes massives.

AI Explained

Aucune nouvelle vidéo durant cette période.

Fondations de l’IA

Aucune nouvelle vidéo pendant cette période.

AI avec Arnie (2 nouvelles vidéos)

• L’IA locale est enfin bonne (Tutoriel Gemma 4)
  3.4.2026, 14:06:28

  Gemma 4 – L’IA locale enfin praticable

  Google a publié avec Gemma 4 un modèle multimodal sous licence Apache-2.0 qui – contrairement à la tendance précédente – autorise un usage commercial réel et le fine-tuning. Il existe quatre variantes : deux modèles Edge extrêmement petits (2 et 4 milliards de paramètres actifs via Mixture of Experts, optimisés pour les smartphones et Raspberry Pi) et deux modèles workstation plus grands avec 26 et 31 milliards de paramètres. Ce qui est particulièrement impressionnant, c’est l’efficacité : le modèle à 31 milliards de paramètres surpasse aux benchmarks Qwen 3.5 avec 397 milliards de paramètres, tandis que des modèles comme GLM-4 ou Kimi 2.5 ne classent que légèrement plus haut mais nécessitent plus de 700 milliards de paramètres.

  Les modèles supportent l’appel de fonctions natif, les sorties structurées, le calcul au moment du test (mode Thinking), la vision, l’audio et comprennent plus de 140 langues avec des fenêtres de contexte jusqu’à 256 000 jetons. Ils sont spécifiquement optimisés pour les workflows basés sur des agents et les frameworks de codage (OpenClaw, Claude Code).

  Utilisation pratique : Via Ollama et LM Studio, vous pouvez lancer Gemma 4 localement – par exemple le modèle E2B avec une simple commande de terminal. Après le téléchargement, le modèle se charge automatiquement. L’application offre une alternative GUI et l’intégration avec des outils de codage. Le Modelfile permet de configurer le comportement : activer/désactiver le mode Thinking, ajuster la fenêtre de jetons, modifier les system prompts. Vous créez un modèle personnalisé avec ollama create et pouvez alors basculer entre les variantes.

  Tests : En analyse d’images, le modèle a estimé de manière fiable les nutriments (protéines, macros, calories) en environ 20 secondes. Pour le codage, il a créé un navigateur-OS en HTML/CSS/JavaScript avec des jeux et des fonctionnalités – mais a eu besoin de plusieurs itérations pour satisfaire complètement des exigences plus complexes.

  La vidéo est un tutoriel avec démo de Gemma 4 sur Google et avec Ollama en local ; structurée de manière compréhensible pour les débutants en IA locale.

• Claude Code et Paperclip changent tout !
  1.4.2026, 12:29:54

  Paperclip et Claude Code – Systèmes autonomes d’agents IA

  La vidéo démontre Paperclip, un outil d’orchestration open-source pour les agents IA, qui simule des entreprises dans lesquelles des rôles dirigés par l’IA (PDG, CTO, créateur de contenu, éditeur vidéo) collaborent automatiquement. L’idée fondamentale : vous définissez un objectif d’entreprise, construisez une équipe d’agents et l’IA fait le reste de manière autonome.

  Qui se cache derrière : Les co-fondateurs du projet incluent notamment d’anciens employés de Slack et Figma ; le visage public est une figure nommée Dotter, qui provient du secteur crypto et NFT. Le créateur recommande d’installer d’abord l’outil sur un serveur virtuel plutôt que localement, afin de minimiser les risques de sécurité.

  Fonctionnalités principales : Paperclip orchestre plusieurs agents via un tableau de bord. Chaque agent reçoit des Instructions (system prompt), des Routines (Heartbeats pour les tâches récurrentes toutes les X minutes/heures), des Skills (compétences comme la recherche web, Remotion pour la génération vidéo) et peut être connecté à différents fournisseurs LLM (Claude, OpenAI, etc.). Le système suit les coûts, enregistre les activités et permet la gestion des problèmes. Des modèles métier sont disponibles (par exemple le modèle PDG de Y Combinator avec 5 agents et 27 skills).

  Configuration pratique : Après installation et connexion par email/mot de passe, vous définissez le nom et l’objectif de l’entreprise, ajoutez un agent PDG (avec Claude Code ou d’autres LLMs) et lui donnez les premières tâches comme « embauchez un ingénieur ». Le PDG travaille alors automatiquement : dans le scénario de démo, il a créé un ingénieur, engagé plus tard un créateur de contenu et un éditeur vidéo, généré automatiquement des scripts YouTube, construit une landing page sur Vercel, écrit le repo sur GitHub et recherché chaque jour des actualités IA selon les routines – incluant la génération automatique d’une petite vidéo sur un article d’actualité récent.

  Évaluation réaliste du créateur : Actuellement un jouet fascinant plutôt pour les bricoleurs que pour un outil de production. Le créateur met en garde contre les rêves de génération de profits autonome – de petits cas d’usage (par exemple commercialiser automatiquement un plan d’entraînement en PDF via BlockPost) pourraient fonctionner, mais des fonctionnalités similaires existent déjà dans Claude Code et OpenAI Agents. L’outil est encore trop tôt pour dire clairement si cette approche spécifique s’imposera ou si les grands acteurs de l’IA intégreront directement les fonctionnalités. Recommandation : essayer si vous avez du temps, mais ce n’est pas obligatoire.

  La vidéo traite Paperclip et Claude Code comme des plates-formes d’orchestration d’agents IA ; le format est une démo avec un walkthrough détaillé et une analyse critique.

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

• Wall Street Just Bet $285 Billion on AI Agents. The Best One Barely Works.
  4.4.2026, 15:00:17

  Wall Street a parié 285 milliards de dollars sur les agents IA. Le meilleur ne fonctionne à peine.

  Wall Street a massivement investi dans les agents IA après la présentation de Cowork d’Anthropic début 2025 – un agent autonome qui fonctionne sur l’ordinateur personnel, ouvre des applications et exécute des tâches sans connaissances en codage. Microsoft a rapidement riposté avec Copilot Cowork. Les investisseurs y ont vu un outil qui pourrait remplacer les licences SaaS coûteuses, ce qui a entraîné plus de 285 milliards de dollars de ventes d’actions d’entreprises SaaS. Cependant, Cowork a encore des problèmes majeurs : il ne fonctionne que si l’ordinateur portable est allumé, la gestion de la mémoire est défectueuse, et la capacité d’apprentissage contextuel n’existe pas vraiment.

  Pour évaluer les bons agents, l’auteur propose trois questions centrales :

  1. L’agent dispose-t-il d’une mémoire persistante ou chaque session recommence-t-elle à zéro ?
  2. L’agent produit-il des artefacts vérifiables et modifiables ?
  3. Le contexte s’enrichit-il au fil du temps, l’agent devient-il plus intelligent ?

  Quatre autres agents en comparaison :

  Lindy – L’agent outcome le plus connu en dehors des géants de la tech. Les utilisateurs décrivent les résultats souhaités en langage naturel, Lindy construit et exploite l’automatisation. Problème : note TrustPilot de 2,4 sur 5, les crédits se consomment sans transparence, les artefacts sont moins modifiables que dans Cowork, l’interface de débogage est faible. Lindy occupe avec succès une niche entre Zapier et Cowork.

  Wordware/Sauna – Wordware a collecté 30 millions de dollars pour une IDE d’agent IA, mais a pivoté vers la plateforme Sauna après avoir réalisé que les gens ne veulent pas « construire l’automatisation » mais « ont trop à faire ». Sauna se positionne comme « Cursor pour le knowledge work » avec la mémoire comme principe fondamental plutôt que simple fonctionnalité, connexion persistante au navigateur et renforcement du contexte. Cependant, le projet est très précoce et fortement axé sur les démos – la productivité pratique reste à prouver.

  Google Opal – Gratuit, projet Lab de Google avec Gemini 3.5 Flash qui comprend les objectifs, choisit les outils, se corrige lui-même et se souvient d’une session à l’autre. Les gens construisent réellement avec (pas juste des démos) – des agents de réunion, des workflows remixables. Avantage : gratuit, entrée faible. Inconvénient : typiquement Google (confidentialité, historique de produits abandonnés), la fonctionnalité de mémoire n’est qu’un simple tableau sans persistance pour de vrais résultats pilotés par des agents.

  Obvious – Espace de travail IA complet avec classeurs SQL, graphiques en direct, présentations, applications personnalisées et tableaux Kanban. Les artefacts sont des citoyens de première classe avec référencement croisé. Problème : très nouveau et silencieux – difficile à évaluer, le potentiel est visible mais pas encore prouvé en production.

  Trois principes pour les agents fonctionnels :

  1. La mémoire doit être ancrée dans l’architecture, pas juste une fonctionnalité
  2. Les résultats ont besoin de surfaces modifiables – les processus cachés en boîte noire ne fonctionnent pas
  3. Le contexte doit se densifier – les tâches devraient devenir plus simples au fur et à mesure que l’agent apprend

  Une architecture à trois niveaux pour les agents DIY se compose de : Knowledge Store (mémoire via base de données + connexions MCP), Agent Recipes (workflows prédéfinis comme calendrier, réunion, documents) et Scheduling Loop (apprentissage itératif dans le temps). L’auteur élabore cela dans le projet Open-Brain.

  Conclusion : L’espace montre que les vrais agents de résultats sont extrêmement difficiles à construire – même Cowork ne satisfait que 1,5 sur 3 critères de qualité. La dynamique du battage médiatique entraîne l’adoption malgré tout. L’important est de poser des questions difficiles plutôt que de croire aux démos, et de comprendre que la mémoire, les artefacts modifiables et le renforcement du contexte sont les facteurs distinctifs.

  Systèmes thématisés : Cowork (Anthropic), Copilot Cowork (Microsoft/OpenAI), Lindy, Wordware/Sauna, Google Opal, Obvious, Open Brain. Format : Opinion/Deep-Dive avec évaluation de produits.

• I Broke Down Anthropic’s $2.5 Billion Leak. Your Agent Is Missing 12 Critical Pieces.
  3.4.2026, 14:00:32

  L’auteur analyse les internals divulgués de Claude Code d’Anthropic et en extrait 12 primitives d’architecture critiques pour les systèmes d’agents réussis. L’analyse est organisée en deux niveaux : Fondamentaux du premier jour (registre d’outils avec métadonnées, systèmes de permissions avec niveaux de sécurité, persistance de session au-delà des pannes, état du workflow séparé de l’historique des conversations, budgétisation des jetons avec limites strictes, événements de diffusion structurés, logging des événements système) et maturité opérationnelle (assemblages dynamiques du pool d’outils, compaction des transcriptions, pistes d’audit des permissions en tant qu’objets de première classe, système de type d’agent avec rôles définis comme Explore, Plan, Verify, etc.).

  L’insight central : les systèmes agentic sont 80% en architecture backend peu glamoureuse (gestion d’erreurs, sécurité, récupération, logging) et seulement 20% en IA. Claude Code traite les scénarios critiques comme l’outil d’exécution shell (bash) avec une architecture de sécurité à 18 modules ; les événements de diffusion transmettent non seulement les processus de réflexion mais aussi des informations de statut structurées ; la vérification se fait sur deux niveaux : les exécutions d’agents réussis ET la validation des modifications de harnais par rapport aux guardrails.

  L’auteur critique également le schéma de la deuxième fuite d’Anthropic en une semaine et pose la question de savoir si la vitesse de développement ne surpasse pas la discipline opérationnelle. Le contexte : chez Anthropic, les IA écrivent 90% du code, les ingénieurs déploient jusqu’à cinq versions par jour par personne.

  Pour l’opérationnalisation, l’auteur publie un outil Skill avec deux modes : mode conception pour la définition d’architecture structurée avant l’implémentation (avec recommandations de forme de harnais et phasage) et mode d’évaluation pour évaluer les codebases existantes par rapport aux primitives identifiées avec corrections priorisées et tests de vérification. Le Skill existe pour Claude Code et pour la Codebase d’OpenAI avec logique identique pour positionner les primitives comme universellement applicables. L’auteur met en garde contre l’ingénierie excessive (l’erreur la plus fréquente est trop de coordination multi-agents au lieu de fondamentaux comme les permissions ou la récupération en cas de panne) et insiste sur la simplicité comme facteur de survie.

  Explicitement thématisé : Claude Code / Anthropic, Codebase d’OpenAI, agents open source ; Format : Deep-Dive avec réflexion et publication de Skill pratique ; Niveau : avancé, adressé aux concepteurs de systèmes agentic.

• Your Claude Limit Burns In 90 Minutes Because Of One ChatGPT Habit.
  2.4.2026, 14:00:06

  Résumé : Votre limite Claude s’épuise en 90 minutes à cause d’une habitude ChatGPT

  La vidéo soutient que l’utilisation inefficace des jetons – pas les modèles eux-mêmes – fait exploser les coûts des applications IA. Le créateur identifie des habitudes concrètes qui gaspillent les jetons :

  Erreurs débutant :

  • Intégrer des PDF bruts : 4 500 mots peuvent coûter plus de 100 000 jetons au lieu de ~5 000, car la mise en forme, les polices et les métadonnées jouent un rôle. Solution : convertir en Markdown (via des outils web gratuits ou directement avec Claude).
  • Conversation Sprawl : 20–40 tours dans une conversation gaspillent les jetons. Mieux : rechercher ciblément dans des chats séparés, puis travailler avec toutes les infos dans une session propre.

  Niveau intermédiaire :

  • Trop de plugins : Chaque plugin activé charge ~1 000–2 000 jetons au démarrage. Avec 50+ plugins, on démarre avec 50 000+ jetons de surcharge – avant de taper un mot.

  Avancé (avec le plus grand effet de levier) :

  • System Prompts non épurés : Ne pas supprimer les anciennes instructions de l’époque de Claude 3.5, même si les modèles plus récents n’en ont pas besoin.
  • Charger des repos entiers en contexte sans raison.

  Économies concrètes (exemple) :

  Flux de travail peu soigné (PDF bruts, 30 tours, Opus seulement) : ~800K–1M jetons d’entrée, 150K–200K de sortie → 8–10 $ de calcul.

  Flux de travail optimisé (Markdown, sessions fraîches tous les 10–15 tours, Opus pour le raisonnement, Sonnet pour l’exécution, Haiku pour le polissage) : ~100K–150K d’entrée, 50K–80K de sortie → 1 $ de calcul.

  Résultat : réduction de coûts de 8–10x, même travail.

  Pour les équipes : 2 000 $/mois (peu soigné) vs 250 $/mois (efficace) sur API.

  Autres conseils :

  • Model Routing : Ne pas utiliser partout le modèle le plus cher (par ex. Haiku pour la mise en forme au lieu d’Opus).
  • Prompt Caching : Les Cache Hits coûtent 90% moins cher (50¢ au lieu de 5 $ par million de jetons pour les contextes stables comme les system prompts ou les définitions d’outils).
  • Web Search : Utiliser Perplexity via MCP ou similaire au lieu de la recherche native de Claude ; économise 10–50K jetons par recherche.

  Pour les agents – cinq règles :

  1. Indexer les références (ne pas déverser les documents bruts).
  2. Prétraiter le contexte, pré-résumer, pré-chunker.
  3. Mettre en cache les contextes stables.
  4. Alimenter chaque agent uniquement de la portée nécessaire.
  5. Mesurer et instrumenter les coûts de jetons par appel.

  Le créateur a construit un outil (« Stupid Button ») : un prompt qui audite les conversations existantes et identifie le gaspillage concret ; plus un Skill pour mesurer les surcharges, ainsi que des guardrails pour la communauté Open-Brain (conversion Markdown automatique, indexation en premier retrieval, scoping du contexte).

  Thèse centrale : La prochaine génération de modèles (Claude Mythos, GPT-next, Gemini-next) sera des ordres de grandeur plus chère. Celui qui est gaspilleur aujourd’hui paiera des multiples demain. L’utilisation intelligente des jetons devient une compétence professionnelle critique. L’objectif n’est pas de réduire la consommation de jetons, mais de la rendre efficace – pour que les équipes puissent travailler avec audace et créativité sur les modèles sans gaspiller de l’argent.

  Claude et GPT ont été explicitement mentionnés ; aussi Gemini, Llama, Qwen, Perplexity, Grok, écosystème Open-Brain. – Opinion/Réflexion avec recommandations pratiques d’action.

• Your AI Stack Isn’t Ready for Claude Mythos
  1.4.2026, 14:00:50

  Résumé : Votre pile IA n’est pas prête pour Claude Mythos

  Claude Mythos – un énorme modèle entraîné sur les nouveaux puces GB de Nvidia – a été divulgué et selon Anthropic, c’est le plus grand et le plus puissant modèle du monde. Les chercheurs en sécurité rapportent que Mythos excelle pour trouver des failles de sécurité (par exemple des vulnérabilités zero-day dans des repos établis comme Ghost avec 50 000 stars), ce qui montre que la première tâche au lancement consiste à tester le modèle contre sa propre infrastructure.

  Le point central de la vidéo est la « bitter lesson » : avec des modèles plus puissants, il faut simplifier, pas compliquer. L’orateur nomme quatre points d’audit concrets :

  1. Prompt-Scaffolding : Vérifiez chaque ligne de votre system prompt – est-elle nécessaire parce que le modèle l’exige, ou parce que tu crois que le modèle doit l’exiger ? Avec des modèles plus forts, 30–50% des instructions procédurales peuvent être supprimées. La tendance : dis au modèle quoi et pourquoi tu veux quelque chose, pas comment.

  2. Architecture Retrieval et Memory : Au lieu de spécifier la logique de retrieval toi-même, le modèle devrait de plus en plus décider lui-même quelles données il a besoin avec de grandes fenêtres de contexte – fais confiance au fait qu’il trouve les bons fichiers dans un repo bien organisé.

  3. Domain-Knowledge codé en dur : Demande-toi quelles règles métier sont vraiment nécessaires ou si le modèle peut les déduire du contexte. Avec de meilleurs modèles, de nombreuses règles explicites peuvent disparaître.

  4. Évaluation et Vérification : En logiciel, il faut une gate d’évaluation complète à la fin (pas plusieurs vérifications intermédiaires) qui contrôle toutes les exigences fonctionnelles et non-fonctionnelles. Les humains deviennent de plus en plus un goulot – l’automatisation est nécessaire.

  En outre, l’orateur nomme quatre éléments d’une architecture prête pour Mythos : spécifications de résultats claires (pas les étapes du processus), contraintes/guardrails explicites (par ex. « ne pas révéler les données client »), outils bien définis, et pour les logiciels agentic, coordination multi-agents où le modèle fonctionne comme planificateur.

  Mythos devrait être très cher et disponible seulement sur les plans Premium, ce qui signifie : celui qui investit dans la future intelligence (plan Pro vs plan Max à 200 $/mois) aura un avantage de productivité considérable. L’orateur avertit que le talent humain ne peut pas compenser le manque de puissance du modèle – plus les modèles sont bons, plus il est important de libérer le chemin plutôt que de compenser.

  Le début de cette nouvelle ère est question de semaines, pas de mois. Simplifier maintenant ou plus tard sous la pression – c’est le choix.

  Thématisé : Claude/Anthropic, OpenAI (mentionné), ainsi que les patterns de logiciel agentic de Factory.ai et Cursor. Format : Opinion/Réflexion avec des éléments clairement pratiques d’audit et guidance d’architecture.

• Your iPhone Is About to Control Every AI App You Use. Here’s What This Means For You.
  31.3.2026, 14:01:08

  Apple pourrait lors de la prochaine WWDC à venir construire une position forte en IA malgré les retards précédents par une restructuration stratégique de Siri et l’intégration de fonctionnalités favorables aux agents dans son écosystème. L’orateur identifie quatre développements clés : Premièrement, Siri en tant qu’app autonome reçoit une interface de type ChatGPT avec accès depuis toutes les autres apps grâce au contrôle d’Apple sur la pile entière — pas seulement en tant qu’app isolée, mais en tant qu’« intelligence ambiante » partout dans le téléphone. Deuxièmement, Apple introduit des interfaces orientées agents (appelées « app intents ») pour les développeurs, pour permettre des interactions à distance avec les apps (par ex. Siri contrôlant la retouche photo lors de comparaisons de prix Amazon). Troisièmement, Apple intègre les MCPs (Model Context Protocol) au niveau du système, ce qui simplifie les appels d’outils et l’intégration d’agents. Quatrièmement, Apple abandonne un propre grand modèle de langage et utilise à la place un petit modèle privé pour les données locales et les modèles Google pour les requêtes plus complexes.

  L’intention stratégique derrière cela est triple : contrôle de l’interface utilisateur (Siri comme point d’entrée IA standard pour 1,5 milliard d’utilisateurs), ouverture de l’écosystème d’apps pour les agents IA via des frameworks de développeur (avec une limite claire contre le « Vibe Coding »), et protection de la marque iPhone dans un avenir dominé par les agents. Le problème : Apple est en retard — déjà à la WWDC24, de grandes promesses ont été faites mais non respectées, ce qui a conduit à un procès pour fausse publicité. L’orateur critique aussi que l’approche d’Apple (intégration plutôt qu’automatisation basée sur la vision comme chez Google) soit défensive et plus lente, bien que potentiellement plus robuste.

  Pour Google, l’accord avec Apple n’est pas principalement pour le milliard de dollars supposé, mais pour les signaux des inférences téléphoniques et l’apprentissage à partir des schémas d’utilisation que seuls les utilisateurs Apple offrent. Samsung pourrait être sous pression du fait que les phones milieu de gamme potentiellement moins chers d’Apple avec features agents. Pour les développeurs, cela signifie : développer des apps orientées agents, explorer les MCPs et App Intents. Pour tous les autres : entraîner-se à déléguer aux agents — d’abord demander si un agent peut le faire, puis agir soi-même.

  L’orateur avertit : les médias rapporteront probablement « Siri est maintenant un chatbot », mais la vraie histoire est « Apple ouvre l’écosystème pour les agents sur l’ensemble du téléphone » — une protection à long terme de la position iPhone dans l’ère des agents.

  Explicitement thématisé : Apple, Siri, Google/Gemini, OpenAI (ChatGPT, Jon IV), Anthropic, Claude, Mac Minis, MCPs, App Intents, Samsung, Meta — Opinion/Réflexion sur la stratégie WWDC à venir.

• Anthropic, OpenAI, and Microsoft Just Agreed on One File Format. It Changes Everything.
  30.3.2026, 14:00:04

  Résumé : Skills comme nouvelle infrastructure standard pour les agents IA

  Le paysage autour des Skills IA s’est fondamentalement déplacé depuis le lancement d’Anthropic en octobre : les Skills ne sont plus des configurations personnelles, mais une infrastructure organisationnelle que les admins versionnent et déploient sur Excel, PowerPoint, Claude et Copilot. Le tournant le plus important est que ce ne sont plus les humains, mais les agents qui sont les appelants primaires des Skills – un agent peut faire des centaines d’appels de Skill par passage, tandis que les humains n’utilisaient que des prompts individuels.

  Les Skills sont techniquement un fichier texte nommé skill.markdown avec métadonnées et instructions – une primitive simple mais puissante. Un Skill encode les instructions en anglais qui donnent à un LLM un contexte cohérent pour atteindre quelque chose de prévisible. Les exemples pratiques vont du « Specialist Stack » en développement logiciel (une Skill transforme les exigences vagues en PRD, une autre les décompose en GitHub Issues) jusqu’à l’industrie immobilière, où un opérateur utilise plus de 50 repositories avec 50 000+ lignes de Skills pour la standardisation de contrats de location, l’analyse comparative et les protocoles – ce qui fonctionne aussi comme couche d’onboarding pour les nouveaux collaborateurs.

  Quatre insights critiques pour des Skills efficaces : (1) La description est déterminante – elle doit être spécifique, rester sur une seule ligne et contenir des phrases de déclenchement (par ex. « qui sont les acteurs clés sur ce marché »), ne pas rester vague comme « aide à l’analyse concurrentielle ». (2) Le corps Méthodologie a besoin de cinq choses : des frameworks de raisonnement plutôt que juste des étapes linéaires, un format de sortie explicite, des cas limites documentés (ne pas compter sur le bon sens), des exemples pour le pattern matching, et brièveté (typiquement 100–150 lignes, pas plus). (3) Pour le design Agent-First, la description doit agir comme signal de routage, la sortie doit être pensée comme contrat (SLA claires de type API), et la composabilité doit être l’idée centrale – chaque sortie doit être utilisable pour l’étape de processus suivante ou un sous-agent. (4) Les tests quantitatifs sont essentiels : les Skills doivent être battue-testées pour les pipelines d’agents, avec des suites de test pour mesurer la performance et affiner les versions – puisque les erreurs d’agent sans boucle de récupération deviennent chères.

  Les Skills diffèrent des prompts par le fait qu’ils se composent par affinement itératif – celui qui améliore continuellement ses Skills gagne par rapport à ceux qui copient juste les prompts. Un framework d’équipe fonctionne en trois niveaux : Standard Skills (directives de marque, templates formatés, org-wide), Methodology Skills (comment travaillent les praticiens seniors, expertise qui fait gagner des mois de temps d’apprentissage aux nouveaux), Personal Workflow Skills (processus personnels, devraient malgré tout être versionnés et partagés, pas juste localement).

  Anthropic et Microsoft coopèrent pour apporter les Skills à Copilot ; OpenAI a adopté les Skills comme standard ouvert – avec cela, les Skills sont devenues une infrastructure Cross-Industry où la collaboration ouverte mène plus vite aux meilleures pratiques que les approches propriétaires. L’orateur prévoit un Community Skills Repository (partie d’OpenBrain sur GitHub), organisé par type de workflow avec une barre cohérente d’Agent-Readability, pour collecter les Skills spécifiques au domaine comme Competitive Analysis, Financial Review, Deal Memo Drafting, Research Synthesis.

  Premiers pas pratiques : transformer les tâches répétées (1–3x par semaine) en Skills en construisant un skill.markdown avec son LLM favori à partir des conversations précédentes ; pour les avancés : repenser les points de remise et la structure de contrat ; pour les équipes : appliquer le modèle à trois niveaux. Le cœur : les Skills persistent au-delà des conversations et deviennent une base de connaissances partagée pour les agents et les humains – pour que les équipes se libèrent de l’enfer du copier-coller.

  Traité : Anthropic, OpenAI, Microsoft, Claude, Copilot, ChatGPT (noms d’outils spécifiques dans les exemples) ; Format : Opinion/Réflexion avec éléments pratiques de Deep-Dive.

• 48 Days. That’s How Long Before the Helium Runs Out for AI Chips.
  29.3.2026, 18:00:28

  Résumé : La crise de l’hélium et ses implications pour l’infrastructure IA

  La vidéo traite une faille critique dans la chaîne d’approvisionnement mondiale en IA : la dépendance à l’hélium pour la fabrication de puces. La déclaration centrale est que des conteneurs ISO spécialisés ne peuvent transporter l’hélium liquide que 35–48 jours avant son évaporation – et le principal fournisseur, une usine d’hélium et de gaz naturel liquéfié (Ross Leafon) au Qatar, a été endommagé par des frappes de roquettes et est actuellement hors ligne.

  L’importance physique de l’hélium :

  L’hélium est indispensable pour la fabrication de puces avancées, car il est utilisé dans la gravure plasma comme conducteur thermique pour préserver l’uniformité de température sur les wafers, et pour les tests d’étanchéité des chambres à vide. C’est le seul élément avec un diamètre de particule suffisamment petit pour cela – il n’y a pas de substitut. L’exigence de pureté est 6N (99,9999%), ce que seuls quelques sites de production peuvent atteindre. La consommation d’hélium augmente avec chaque nouvelle génération de puce : les fabs EUV modernes de 300 mm consomment entre 5 000 et 20 000 mètres cubes d’hélium par mois.

  La crise d’approvisionnement :

  Le Qatar produisait environ 33% de l’approvisionnement mondial en hélium (2,4 milliards de pieds cubes standards annuels). Qatar Energy a admis que 14% de la capacité d’hélium est définitivement endommagée, avec des périodes de récupération jusqu’à 5 ans. La nouvelle usine d’hélium-4 prévue (1,5 milliard de pieds cubes standards annuels) est maintenant retardée jusqu’à 2027. La Corée du Sud importe les deux tiers de son hélium du Qatar et est donc massivement menacée – il en va de même pour les fabricants de mémoire SK Hynix et Samsung Electronics, qui produisent la mémoire haut débit (HBM) pour chaque GPU Nvidia et accélérateur AMD. TSMC à Taiwan importe 97% de son énergie sous forme de gaz naturel liquéfié et ne détient que 11 jours de réserve.

  Les prix spot de l’hélium ont doublé, les coûts de recherche de contrats ont augmenté de 30%.

  La composante gaz naturel liquéfié :

  L’hélium est produit comme sous-produit de la distillation cryogénique du gaz naturel liquéfié – tous deux sont liés aux mêmes usines. Un arrêt de Ross Leafon affecte donc à la fois l’hélium et les prix de l’énergie en Asie de l’Est, ce qui augmente à son tour les coûts opérationnels des fabs de puces.

  Implications géopolitiques :

  La Chine investit agressivement dans la production d’hélium domestique (usine de Guangdong avec certification 6N) et négocie l’approvisionnement en gaz naturel liquéfié de Russie via le pipeline Power-of-Siberia-2. Si la Chine atteint cette indépendance tandis que l’Occident – en particulier la Corée du Sud et Taïwan – reste dépendant du Qatar, cela pourrait donner à la Chine un avantage géopolitique dans la structure des coûts de fabrication de puces et d’inférence IA. La Réserve fédérale d’hélium des États-Unis a arrêté les ventes en 2023 ; la Russie ne peut pas augmenter les réserves d’hélium en raison de la crise en Ukraine.

  Conséquences pratiques :

  — Les coûts de mémoire augmentent jusqu’au moins mi-2027 ; le HBM était déjà épuisé, les prix de la DRAM ont augmenté de 70%

  — Les coûts d’énergie pour la fabrication de puces asiatique ne baisseront pas et influencent ultimement la structure de coûts par puce et par opération d’inférence

  — Les datacenters américains ne sont pas directement affectés, mais sont entièrement dépendants des puces de Taïwan et Corée du Sud – l’usine en Arizona est microscopiquement petite comparée aux besoins mondiaux

  — Avec une demande IA continue très élevée (actuellement au maximum 0,1% de la population mondiale comme utilisateurs lourds IA) et une augmentation prévue de 10x à 100x, une crise d’approvisionnement persistante pourrait mener à des vrais goulots d’étranglement de capacité

  — Recommandation : les équipes IT Procurement devraient acheter les puces et le matériel informatique en début d’année, pas plus tard, pour éviter les augmentations de prix et les délais de livraison plus longs

  La vidéo se termine avec la déclaration claire que cela affecte tout le monde – des acheteurs d’ordinateurs portables aux datacenters – et mènera probablement à des prix plus élevés pour tous les appareils dépendants de l’IA.

  Format et contexte : Mise à jour d’actualités/Deep-Dive sur la chaîne d’approvisionnement physique ; aucun outil IA spécifique ou fournisseur mentionné, mais plutôt les risques systémiques d’infrastructure pour l’ensemble du secteur.

Alejandro AO

Aucune nouvelle vidéo durant cette période.

Alex Finn (4 nouvelles vidéos)

• LIVE: MASSIVE Claude Code leak fallout. + Hermes agent workflows
  1.4.2026, 20:28:53

  Le stream traite deux sujets principaux : les retombées du leak Claude Code et les workflows des agents Hermes.

  Claude Code Leak et stratégie Anthropic :

  À partir du code source divulgué, il est apparu qu’Anthropic travaille sur des « agents autonomes proactifs » – des instances Claude qui ne font pas que réagir aux commandes, mais proposent de manière indépendante des améliorations (par exemple, ajouter automatiquement l’intégration calendrier, le mode sombre, etc. à une appli de tâches). Le présentateur soupçonne une stratégie commerciale : Anthropic aurait réduit artificiellement les limites d’utilisation des plans existants et lancera dans les quatre prochaines semaines un plan à 1 000–2 000 $ accompagné du nouveau modèle « Mythos » (nom de code « Capybara »). Mythos devrait être « l’IA la plus puissante de tous les temps » et ne sera disponible que via l’API – ce qui pourrait créer une fracture économique entre ceux qui peuvent se le permettre (thème de la classe permanente inférieure). Sonnet 4.8 et Opus 4.7 ont également été mentionnés comme modèles intermédiaires avant les versions Opus 5 et Sonnet 5 tant attendues. Dream Mode est une fonctionnalité où Claude consomme autonomement des tokens la nuit et travaille sur des améliorations.

  Configuration Hermes Agent et modèles locaux :

  Le présentateur exploite plusieurs agents en parallèle : Henry (basé sur OpenClaw, son instance principale), Hermes (première configuration avec ce framework), et Ruben (deuxième agent Hermes, en local sur Mac Studio avec Quen 3.5 397B). Il souligne que Hermes permet désormais plus facilement de générer plusieurs agents distincts vérifiables avec leurs propres espaces de travail et mémoires. OpenClaw et Hermes communiquent via un protocole Agent Communication Protocol (ACP). Il préfère OpenClaw comme orchestrateur en raison de la fiabilité de la mémoire et intègre Hermes comme worker spécialisé. Pour les conversations directes, il apprécie GPT-4 pour ses idées plus novatrices – mais pour les workflows agentic, Opus est clairement supérieur car GPT ne complète simplement pas les tâches.

  Autres fuites : Fonctionnalité Buddy (compagnon ludique pour Claude Code avec des niveaux de rareté comme Pokémon), ainsi que des indices sur Paperclip AI comme nouvel outil intégré.

  Discussion matérielle :

  Mac Studio vs DJX Spark – le présentateur considère les deux comme valides, possède lui-même deux Mac Studios et un DJX Spark, en prévoit un autre. Il souligne que l’investissement dans du calcul local est émotionnellement plus gratifiant pour lui que de gagner de l’argent.

  Intégration des lunettes :

  Even Reality G2 Smart Glasses (600 $, bague 200 $) avec écran texte vert, connectées en Bluetooth à OpenClaw – permet une commande sans mains des agents. La démo Reddit a montré : commande vocale via lunettes → Henry s’exécute sur le bureau.

  Annonce de lundi :

  Mentionné à plusieurs reprises que lundi arrive « la plus grande annonce de ma vie » – concernant un nouveau projet/produit sur lequel il travaille. Laisse entendre qu’il s’agit d’une idée commerciale entièrement nouvelle (pas juste un autre outil Vibe Coding), pas des itérations de niche de catégories existantes, mais des « pistes de course » entièrement inoccupées avec un potentiel de milliards de dollars.

  Système de mémoire personnalisé :

  Mentionne qu’un système de mémoire Obsidian personnalisé pour l’intégration OpenClaw/Hermes a déjà été montré dans la Vibe Coding Academy ; une vidéo YouTube à ce sujet arrive bientôt (deuxième priorité après les workflows déjà publiés).

  Outils/modèles explicites : Claude (Opus, Sonnet, Haiku, Mythos/Capybara), GPT-4.5, Hermes, OpenClaw, Quen 3.5, DJX Spark, Mac Studio, Even Reality G2, Obsidian, Paperclip AI, Cursor, n8n mentionné en contexte implicite.

  Format : Q&R en direct avec éléments de démo et mise à jour des actualités – niveau de difficulté typique pour les utilisateurs avancés en outils IA.

• MASSIVE CLAUDE CODE LEAK! THIS CHANGES EVERYTHING!
  31.3.2026, 19:32:23

  Résumé : MASSIVE CLAUDE CODE LEAK

  La vidéo traite une fuite de données présumée du code source de Claude Code avec des annonces de nouvelles fonctionnalités et modèles. Important : La transcription contient plusieurs annonces futuristes et partiellement absurdes dont le statut factuel n’est pas clair.

  Les principales fonctionnalités divulguées sont :

  Agents autonomes proactifs : Claude Code devrait pouvoir générer et étendre les tâches de manière indépendante – par exemple, compléter une appli de tâches demandée avec calendrier, gestion de projets et fonctionnalités de partage, sans instruction explicite.

  Nouveaux modèles : Capybara (aussi appelé « Mythos », censé être plus grand qu’Opus), Sonnet 48 et Opus 47 ont été mentionnés dans le code.

  Dream Mode : Un mode où l’agent réfléchit indépendamment la nuit aux améliorations et nouvelles fonctionnalités possibles et génère des idées.

  Auto Mode : Un hybride intelligent entre « YOLO Mode » (aucune confirmation nécessaire) et confirmation complète – l’agent décide lui-même via apprentissage automatique s’il a besoin d’une approbation ou peut agir indépendamment. Intégration avec les services de messagerie (Telegram, iMessage) pour les demandes.

  Agentic Payments : Le protocole X42 permet aux agents d’effectuer de manière autonome des paiements avec stablecoins (par exemple USDC) et d’acheter des services en ligne sans intervention manuelle.

  Buddy Mode : 20 animaux différents comme représentations numériques/physiques de l’agent sur le bureau (comparable au gameplay Tamagotchi) qui changent en fonction des activités.

  Le présentateur soutient que la fuite pourrait endommager Anthropic à long terme (les concurrents connaissent la feuille de route, les versions open-source émergent), mais apporte aussi des avantages grâce à l’attention. Le moat principal reste la qualité des modèles eux-mêmes, pas leur enveloppe.

  Claude Code et Anthropic – Opinion/Réflexion, mettant l’accent sur les fonctionnalités prévues dont le statut de mise en œuvre n’est pas confirmé dans la transcription.

• Did Hermes Agent just kill OpenClaw? (full guide)
  31.3.2026, 13:15:10

  Résumé :

  La vidéo compare Hermes Agent et OpenClaw, deux agents IA autonomes pouvant contrôler votre ordinateur. Hermes est nettement plus rapide et léger (même avec le même modèle qu’Opus), mais son caractéristique principale réside dans l’auto-amélioration : il apprend des tâches, crée automatiquement des compétences réutilisables et s’améliore à chaque utilisation. La démo montre comment Hermes automatise une tâche quotidienne complexe (récupérer des histoires Hacker News, les résumer, les évaluer, générer un briefing audio et le livrer par Telegram) tout en développant en direct de nouvelles compétences. Hermes est orienté vers les bricoleurs (avec des outils ML et apprentissage par renforcement) et supporte les modèles ouverts (par exemple Quen 3.5), tandis qu’OpenClaw ne le recommande pas officiellement. OpenClaw a cependant des avantages : ressources développeurs massives (OpenAI, Nvidia), mises à jour quotidiennes, communauté plus grande et stabilité légèrement supérieure.

  La recommandation centrale : ne pas remplacer OpenClaw, mais les utiliser ensemble. Le flux de travail optimal utilise OpenClaw comme orchestrateur principal qui active Hermes au besoin pour des tâches spécifiques, ou les laisse fonctionner en parallèle côte à côte (par exemple Hermes en CLI pour le code frontend avec GPT, OpenClaw/Hermes pour le backend avec Claude). Pour cela, il suffit de configurer ACP (Agent Communication Protocol). Un avantage supplémentaire : si l’un échoue, l’autre peut le réparer, ce qui fonctionne comme une « assurance ».

  Modèles/outils explicitement traités : Claude (Opus), ChatGPT, Quen 3.5, Minimax, Obsidian, Excalidraw ; Fournisseurs : OpenAI, Anthropic, Nvidia — Démo/Comparaison avec des workflows pratiques.

• LIVE: Hermes vs OpenClaw live tests
  30.3.2026, 20:12:08

  Résumé : LIVE Hermes vs OpenClaw Live Tests

  Le streamer compare deux systèmes d’agents IA : Hermes Agent (nouveau et en vogue) et OpenClaw (établi). Il attend intentionnellement plusieurs semaines après la sortie d’Hermes avant de commenter, plutôt que comme d’autres créateurs de faire immédiatement des vidéos superficielles de 20 minutes – cette technologie est trop complexe pour des raccourcis.

  Forces d’Hermes :

  • Transparence complète : affiche chaque appel d’outil, chaque mise à jour de mémoire en temps réel
  • Compétences auto-améliorantes : crée et met à jour automatiquement ses propres capacités après chaque tâche
  • Sécurité : vérifications de sécurité à chaque création de compétence
  • Meilleures performances : ne ralentit pas au fil du temps comme OpenClaw
  • Fait davantage confiance au public : explicitement conçu pour les modèles open-source locaux (contrairement à l’approche plus restrictive d’OpenClaw)

  Faiblesses d’Hermes :

  • Les compactions catastrophiques : Lors de compactages de mémoire, l’agent oublie tout, se désorienterait et peut interrompre les tâches
  • A dû construire un système de mémoire personnalisé pour cela
  • Peut mal s’auto-éditer : quand on lui ordonne de modifier ses propres fichiers, il commet des erreurs

  Jugement global : Pas encore prêt à recommander car les problèmes de stabilité sont trop frustrants – OpenClaw reste meilleur, malgré les approches intéressantes d’Hermes.

  Le streamer prévoit une vidéo détaillée plus tard dans la journée avec des workflows concrets et une recommandation finale. Il critique aussi d’autres créateurs qui publient trop tôt du contenu sans test approfondi, ce qui reflète les incitations du contenu (clics rapides avec des déclarations extrêmes).

  Démo, Premières impressions sur Hermes Agent et OpenClaw (deux frameworks d’agents IA open-source) – aucun autre modèle/fournisseur spécifique n’est thématisé comme central.

Andrej Karpathy

Aucune nouvelle vidéo pendant cette période.

Bart Slodyczka

Aucune nouvelle vidéo durant cette période.

Ben AI (1 nouvelle vidéo)

• CLAUDE COWORK FULL COURSE (2+ Hours)
  4.4.2026, 15:12:51

  Résumé : Claude Cowork Full Course

  Le cours complet vous guide du débutant complet à l’expert en Claude Cowork – un outil AI-Agent pour les non-techniciens permettant d’automatiser les tâches en Marketing, Ventes, Opérations et autres domaines.

  Thèmes clés du cours :

  Configuration et bases : Après installation (requis : compte Pro ou supérieur, application Desktop uniquement), vous utilisez la fonction Cowork, qui est en réalité un véritable AI-Agent – pas seulement un chat.

  Accès aux fichiers et projets : Vous pouvez donner à Cowork accès aux dossiers de votre ordinateur, pour que Claude dispose d’un contexte persistant (ex. : documents commerciaux, transcriptions YouTube). La nouvelle fonction « Projets » regroupe fichiers, chats et instructions spécifiques dans une seule unité, ce qui permet à Claude d’utiliser automatiquement le bon contexte.

  Connecteurs et intégration : Cowork se connecte aux outils externes via des connecteurs intégrés (Google, Notion, Slack, etc.), des serveurs MCP (paquets API standardisés), accès navigateur ou contrôle informatique. Les connecteurs natifs sont les plus efficaces, puis viennent les serveurs MCP ; le navigateur et le contrôle informatique consomment beaucoup de tokens et sont lents.

  Skills (concept central) : Les Skills sont des dossiers contenant instructions, code et fichiers de référence qui enseignent aux AI-Agents comment exécuter précisément des processus spécifiques – comme des directives système pour des tâches spécialisées. Une Skill comprend un fichier skill.md (SOP) plus des fichiers de référence optionnels (exemples, guides de style, scripts de code, ressources). Le cours souligne : les bonnes Skills se développent par amélioration itérative, pas par des prompts uniques. Les évaluations et tests A/B permettent de tester et d’optimiser automatiquement les Skills (ex. : style de rédaction, vitesse, utilisation de tokens).

  Plugins : Paquets regroupant Skills, Commands, Agents et Connecteurs (ex. : Plugin Sales, Plugin Marketing). Ils permettent l’automatisation de flux de travail sur plusieurs Skills et se partagent facilement en équipe. Le cours prévoit que les Plugins pourraient transformer le modèle commercial SaaS – en faisant de Cloud Cowork l’interface centrale pour tous les processus de travail.

  Cas d’usage pratiques :

  • Automatisation Marketing (rédaction, recherche, idéation, ressources visuelles)
  • Automatisation Ventes (prospection, prospection commerciale, préparation d’appels, suivi)
  • « AI Operating System » : Un pool de connaissances partagé (centaines de fichiers) comme mémoire pour toute l’équipe

  Conclusions clés : Les Skills et Plugins sont l’avenir du travail assisté par agents. Chacun peut les créer via prompting – mais les meilleures pratiques (étapes de processus claires, fichiers de référence de haute qualité, points de validation humaine, mises à jour progressives) distinguent les bonnes Skills des Skills médiocres. Le cours insiste sur l’ingénierie du contexte comme facteur de succès critique.

  Outils explicitement couverts : Claude Cowork, Claude Code (mentionné comme similaire, mais pour l’engineering), serveurs MCP, Ampify (connecteur de scraping pour réseaux sociaux), Notion, Google, Slack, Airtable ; également mentionnés : Salesforce, ServiceNow, Adobe — Tutoriel (exploration approfondie avec accent pratique important sur la création de Skills et les évaluations).

Brian Casel (1 nouvelle vidéo)

• The Skill AI Can’t Replace
  31.3.2026, 12:01:03

  Résumé : The Skill AI Can’t Replace

  Le cœur de la vidéo est la thèse selon laquelle la Restraint – la discipline de choisir le focus plutôt que la capacité – est la compétence critique que l’IA ne peut pas remplacer. Avec la vitesse permise par le développement assisté par l’IA, l’ancien goulot d’étranglement (l’exécution lente) a disparu. Cela conduit les équipes à construire tout ce qu’elles peuvent, au lieu de tout ce qu’elles devraient – ce qui noie les produits dans le feature-bloat.

  Le problème en pratique : Un exemple montre un outil de portail client ciblé qui s’alourdit à cause de demandes d’entreprise (Invoicing, Time Tracking, Project Management). Chaque fonctionnalité peut être construite en un week-end avec l’IA, mais attire les mauvais groupes de clients et dilue l’identité originale. La solution : dire non ou utiliser des intégrations plutôt que des features – la Restraint préserve le focus du produit.

  La couche technique : Tous les grands outils de coding (Claude Code, Cursor, Codeex) ont standardisé le « Plan Mode » comme fonctionnalité de première classe – généralement accessible via Shift+Tab. Cela montre que le Spec-Driven Development est devenu la norme industrielle. L’orateur démontre comment le même PRD est transformé en plans d’implémentation technique dans les trois outils.

  Ce qui manque cependant : Avant de lancer le Plan Mode, la phase stratégique doit se dérouler – la conversation de shaping. La proposition est un prompt-template pour Claude : déverser l’idée brute, le groupe de clients cibles, le problème central et le retour client authentique. Claude devrait alors agir comme partenaire de conversation stratégique critique, poser des questions de clarification, remettre en question les hypothèses et découvrir les risques de scope-creep. Objectif : extraire des artefacts tels que la déclaration du problème, les limites de scope et les core-user-flows.

  La conclusion : C’est le travail que l’IA ne fait pas – le jugement stratégique, sentir la voix du client, dire non aux bonnes idées quand elles ne conviennent pas. L’IA peut pressure-tester la réflexion et découvrir les trade-offs, mais elle ne peut pas décider ce que le produit devrait être.

  Spec-Driven Development, opinion/réflexion, avec Claude Code, Cursor, Codeex, Nimbleist et développement stratégique de produits.

Coding with Lewis

Aucune nouvelle vidéo au cours de cette période.

Cole Medin (3 nouvelles vidéos)

• I Taught My Second Brain to Run Multi-Agent Coding Workflows (Live Session)
  2.4.2026, 16:41:55

  I Taught My Second Brain to Run Multi-Agent Coding Workflows (Live Session)

  L’animateur présente Archon, un moteur de workflow pour les processus de codage pilotés par l’IA, déterministes et reproductibles – essentiellement un outil d’orchestration similaire à n8n, mais pour le développement logiciel. Archon combine des nœuds déterministes (commandes Bash, étapes de validation garanties) avec des nœuds non-déterministes (prompts d’agent) pour rendre les workflows complexes de développement automatisables.

  Fonctionnalités clés :

  • Les workflows consistent en étapes déterministes et non-déterministes ; cela résout le problème que les agents de codage oublient régulièrement d’exécuter les étapes configurées
  • Workflows prédéfinis pour résoudre les problèmes GitHub, faire des revues de code, créer des PRD, effectuer des boucles PIV (Plan-Implement-Validate)
  • Support des workflows parallèles, des work trees et de l’isolation
  • Modèles et fournisseurs configurables par nœud (p. ex. Haiku pour la recherche, Opus pour l’implémentation)
  • Intégration avec la philosophie « Adversarial Dev » : sessions d’agent séparées pour l’implémentation et l’évaluation, afin d’éviter les biais

  Intégration avec « Second Brain » :

  L’animateur utilise son centre de commande basé sur l’IA (une configuration Claude Code appelée « Dynamis Engine ») pour orchestrer les workflows Archon. Il peut simplement dire depuis le Second Brain « Résous ces problèmes GitHub » ou « Exécute 4 correctifs de problèmes en parallèle », et le système gère la complexité.

  Exemple de workflow (construit en direct) :

  L’animateur démontre la construction d’un workflow « Adversarial Dev » à partir de zéro : Un planificateur développe une demande utilisateur en spécification, suivi d’une boucle qui définit les sprints, puis un générateur (implémentation), une négociation de contrat (critères d’évaluation) et un évaluateur séparé (dans une nouvelle session, sans biais). En cas d’erreur d’évaluation, l’évaluateur renvoie des commentaires au générateur (maximum 3 itérations par sprint).

  Gains de performance :

  L’animateur rapporte que son codage assisté par l’IA avec Archon est environ 100× plus rapide que la programmation manuelle d’il y a 3 ans (10× grâce à Claude Code, 10× supplémentaires grâce à Archon). Les workflows parallèles signifient que des dizaines de problèmes peuvent être traités simultanément.

  Lancement :

  Disponible publiquement le mercredi prochain ; un live-stream axé sur les tutoriels samedi prochain pour la mise en service.

  Technologies explicites : Archon (sujet principal non publié), Claude Code, Codex, Claude Agent SDK, Anthropic Subscription, API GitHub ; Format : Live Q&A avec démonstration en direct et construction de workflow ; Niveau : conçu pour les développeurs avancés.

• Full Guide – Build Your Own AI Second Brain with Claude Code
  2.4.2026, 00:00:03

  Résumé : Full Guide – Build Your Own AI Second Brain with Claude Code

  Le créateur présente son système « Second Brain » basé sur Claude Code, développé sur trois mois, qui lui permet d’économiser une douzaine d’heures de travail par semaine. Le système se compose de trois composants clés : la Memory Layer (inspirée de Open Claw avec soul.md, user.md, memory.md), des Skills pour des tâches spécifiques, et un Heartbeat pour l’automation proactive.

  Memory Layer : Les documents Markdown sont chargés automatiquement dans Claude Code via des Session Hooks. Un processus de réflexion quotidien (via Claude Agent SDK et Cron Job) extrait du journal brut quotidien les décisions et faits importants, qui sont remontés dans memory.md. En parallèle, tous les journaux quotidiens sont indexés dans une base de données SQLite pour les accès RAG. L’intégration Obsidian permet une vue visuelle et des corrections manuelles du graphe de connaissances en évolution.

  Skills & Intégrations : Le créateur utilise exclusivement Claude Code avec des Skills – aucun serveur MCP séparé ni autre application. Ses Skills sont hautement personnalisés par la Memory Layer (p. ex. Skill de diagramme Excalidraw). Pour les intégrations avec Gmail, Asana, Circle, Slack, etc., il suit un modèle Zero-Trust : lecture seule par défaut, puis permissions d’écriture ciblées (p. ex. créer des brouillons Gmail, mais ne pas envoyer). Ces intégrations de couche API suivent un pattern réutilisable qui permet à l’agent lui-même de planifier et de construire de nouvelles intégrations.

  Heartbeat : Un Cron Job collecte de manière déterministe les données API (e-mails, tâches, PR GitHub, etc.), envoie le contexte à Claude Code pour le raisonnement, et notifie le créateur via Slack sur les actions effectuées. C’est ce qui fait gagner le plus de temps – l’automation sans prompts manuels.

  Le problème de la « Lethal Trifecta » : Le créateur argumente contre les solutions prêtes à l’emploi comme Open Claw en expliquant les risques de sécurité des agents avec (1) accès aux données privées, (2) contenu non fiable et (3) vecteur d’exfiltration. Les trois s’appliquent aux Second Brains ; un système construit soi-même offre le contrôle des permissions et la simplicité plutôt qu’une grande base de code difficile à comprendre.

  Template & Processus PRD : Au lieu du code source complet, le créateur propose un Markdown de besoins et une Skill (« create second brain PRD ») qui en génère un document d’exigences par phases. Vous remplissez les infos sur les plateformes d’intégration, le niveau de proactivité (observer/advisor/partner), les limites de sécurité et les priorités, fournissez cela à Claude Code, et recevez un PRD avec des phases allant de la Memory Layer aux Skills et Heartbeat. Chaque phase peut ensuite être implémentée séquentiellement.

  Accent sur les patterns simples et composables plutôt que la complexité – le créateur souligne qu’on peut construire en quelques jours un système aussi puissant que Open Claw, mais beaucoup plus maintenable et sécurisé.

  Références : Claude Code, Obsidian, Claude Agent SDK, Open Claw (comme source d’inspiration), intégrations avec Gmail, Asana, Circle, Slack, GitHub – opinion/réflexion avec élément tutoriel pratique.

• Coding Agent Reliability EXPLODES When They Argue (New Adversarial Dev Technique)
  30.3.2026, 16:30:05

  Résumé : Fiabilité des agents de codage par des méthodes adversariales

  Le problème central du codage par IA est la « sycophancy » (biais de confirmation) : les agents de codage sont trop d’accord avec leurs propres évaluations et négligent leurs propres erreurs – comme un élève qui note ses propres devoirs. La solution consiste en une architecture multi-agent avec un design adversarial : un agent générateur écrit le code, tandis qu’un agent évaluateur séparé agit comme un « ingénieur QA tatillon » qui examine et remet en question son implémentation de manière critique.

  Inspiré par les réseaux de neurones adversariels génératifs (GAN), un processus en trois étapes s’établit : (1) Un planificateur transforme la demande de l’utilisateur en une spécification produit détaillée, (2) le générateur et l’évaluateur négocient d’avance un contrat – comment la spécification est divisée en sprints et quels critères d’évaluation s’appliquent – (3) la boucle de sprint itère : le générateur implémente, l’évaluateur évalue (1–10 points par critère avec des seuils), le générateur révise au maximum trois fois. Ce n’est que lorsque tous les critères sont respectés que le sprint suivant commence.

  L’orateur démontre ceci avec une application RAG entièrement générée (ingestion de contenu YouTube avec frontend et backend), qu’il a créée avec Claude Sonnet 3.5 en environ 4 heures – sans étapes manuelles intermédiaires. L’implémentation est disponible comme un dépôt ouvert avec des versions Claude et Codex ; localement, seul un prompt est nécessaire, le reste s’exécute automatisé. La surcharge consiste en une consommation plus élevée de tokens, mais est compensée par une fiabilité accrue et la possibilité d’utiliser des modèles plus faibles.

  Outils/modèles thématisés : Claude (Sonnet 3.5), Codex, recherche Anthropic, concept GAN générique — Format : tutoriel/démo avec guide d’architecture productive.

Datapizza (2 nouvelles vidéos)

• Cos’è Claude Mythos e perché tutti ne parlano
  31.3.2026, 15:00:00

  Résumé : « Cos’è Claude Mythos e perché tutti ne parlano »

  Le podcast traite trois thèmes majeurs de l’industrie de l’IA :

  Claude Mythos – Le nouveau super-modèle d’Anthropic :

  Une fuite de données a révélé des documents publics concernant l’existence d’un nouveau modèle Anthropic non encore publié, appelé Mythos (aussi connu sous les noms Capibara ou Cloud Mythos). Il serait plus puissant que le modèle Opus 4.6 actuel et compterait environ 10 trillions de paramètres (à titre de comparaison : Sonnet en compte 100–300 milliards). Mythos excelle particulièrement dans la logique multi-étapes, le code et la cybersécurité – mais peut identifier les failles de sécurité si rapidement qu’il est considéré comme un risque dual-use. Anthropic suit une stratégie de lancement contrôlé, donnant d’abord accès aux seules organisations de sécurité pour cartographier à l’avance les cas d’abus potentiels. La taille du modèle et la puissance de calcul sont si gigantesques qu’Anthropic demande aux utilisateurs une utilisation mesurée.

  Google Turbo Quant – Économiser la puissance de calcul :

  Google a publié une méthode d’optimisation qui facilite la phase d’inférence (requêtes aux modèles). Elle fonctionne via Query Caching (mise en cache préalable des System Prompts) et l’optimisation vectorielle dans les applications RAG – dans les deux cas avec une réduction d’environ 25 % des besoins en mémoire.

  L’arrêt de Sora – La fin de l’application vidéo d’OpenAI :

  OpenAI a surpris en arrêtant Sora, son modèle de génération vidéo, et en le retirant des app stores. Raisons : les ressources de calcul ne justifiaient pas le retour, il n’existait pas de modèle de monétisation fonctionnel, les problèmes de droits d’auteur étaient importants, et OpenAI se concentre stratégiquement sur les solutions Enterprise plutôt que sur les fonctionnalités de réseaux sociaux. Un accord d’un milliard de dollars prévu avec Disney pour l’intégration de Sora est tombé à l’eau.

  Thème transversal : Le marché de l’IA traverse une phase de consolidation – les entreprises expérimentent encore largement, mais vont bientôt se spécialiser et redéfinir les priorités des ressources.

  Outils/Modèles mentionnés : Claude (Anthropic) avec Mythos comme nouveau modèle, Google, OpenAI avec Sora, également mentionnés : Gemini, Sonnet, Haiku, Veo, Kling, Sider. – Format : Actualités/Tour d’horizon.

• OpenAI vs Alibaba, chi sta vincendo la corsa all’AI?
  30.3.2026, 15:04:30

  Résumé : OpenAI vs Alibaba – Qui gagne la course à l’IA ?

  La transcription n’est pas une comparaison entre OpenAI et Alibaba comme le titre le suggère, mais un épisode de discussion en direct (Caffè) de l’équipe Datapizza sur l’actualité de l’IA.

  Thèmes principaux :

  GPT-5.4 Thinking – OpenAI a publié une mise à jour permettant d’interrompre et d’ajuster la phase de réflexion d’un modèle de reasoning pendant le processus. L’équipe discute de la raison pour laquelle cette fonctionnalité n’arrive qu’à présent – plus d’an et demi après l’introduction des modèles de reasoning. Hypothèse : cela nécessitait un coûteux entraînement par retours humains (Human Frontier) pour créer des datasets dans lesquels de véritables personnes interviennent et corrigent le modèle tandis qu’il réfléchit.

  DeepSeek R1 et mécanique du Reasoning – Analyse approfondie d’un article DeepSeek sur le Reasoning : le modèle apprend à structurer ses pensées dans des balises spéciales par Few-Shot Prompting. Il existe cependant des indices académiques selon lesquels cette « réflexion » ne correspond pas toujours à la sortie réelle – une sorte de pensée simulée.

  GPT-5.2 Pro en physique – Un article d’OpenAI montre comment GPT-5.2 (optimisé en interne) a raisonné pendant 12 heures sur des formules complexes d’amplitudes de gluons et a aidé à résoudre un problème physique nécessitant des centaines de pages de formules. L’équipe reste sceptique quant à savoir si c’est une véritable percée ou si c’est « hard-coded » pour ce cas spécifique.

  Gemini Embedding 2 – Google a publié un nouveau modèle d’embedding multi-modal traitant le texte, les images, la vidéo et l’audio ensemble, et pouvant même embedder des PDFs complets (jusqu’à 6 pages) – pratique pour les applications RAG. En parallèle existe Cohere Embed v4.

  Drame Anthropic vs Alibaba – Mention d’un moment de « commérages » autour d’Anthropic et Alibaba ; les détails manquent dans la transcription.

  Akathon 2 – L’équipe rapporte leur deuxième édition de hackathon (fév–mars) avec environ 120–130 participants et envisage une expansion vers Rome.

  Data Pizza Release 0.1.0 – Mention qu’ils ont publié une nouvelle version de leurs outils/frameworks internes axée sur les Agents ; les détails sur « l’Évaluation des Agents » restent secrets pour de futurs épisodes.

  Le format est plutôt un tour d’horizon et une discussion en direct avec des analyses spéculatives sur les priorités commerciales des entreprises d’IA ; Alibaba est à peine abordé concrètement. L’équipe débat philosophiquement de savoir si les Transformers sont « la solution » et ce qu’est véritablement un Agent.

  Applications : GPT-5.4, DeepSeek R1, Claude/Anthropic, Google Gemini Embedding 2, Cohere Embed v4, Perplexity — Format : Tour d’horizon/Discussion en direct, Opinion/Deep-Dive sur le Product Development d’OpenAI, Anthropic et Google.

Dave Ebbelaar

Aucune nouvelle vidéo au cours de cette période.

David Shapiro (1 nouvelle vidéo)

• Get ready for the plunge
  2.4.2026, 14:43:03

  Résumé : Get ready for the plunge

  Le créateur travaille sur un concept appelé « Assumer l’indispensabilité du travail » (AIL), qui décrit la crise culturelle, économique et métaphysique déclenchée par l’intelligence artificielle.

  Niveau économique : Les humains sont compris comme des systèmes avec trois fonctions – capteurs (yeux, oreilles), traitement (cerveau) et actionneurs (mains, voix). Historiquement, le travail humain était donc irremplaçable. La vidéo (avec des vidéos explicatives animées de Notebook LM) montre comment les entreprises n’embauchent rationnellement que si la productivité des personnes dépasse le coût des salaires. Les emplois ne sont pas indivisibles, mais des conteneurs de tâches progressivement reprises par les machines. Les tâches basées sur la routine sont particulièrement vulnérables. L’intelligence artificielle est fondamentalement différente : elle est d’usage généralisé et pourrait éliminer à la fois les effets de déplacement et les effets de réinsertion, ce qui conduirait à une crise de sous-consommation – surproduction sans consommateurs solvables.

  Niveau métaphysique : L’indispensabilité du travail est un « doxa » culturel inconscient (dogme non explicitement nommé), ancré dans tous les systèmes religieux, économiques et sociaux. En Occident, Dieu ou le marché fonctionne comme un principe supérieur qui a besoin des humains comme agents indispensables. En Orient, la société/le collectif remplace cette place – l’individu est défini par ses rôles et doit l’obéissance. Les deux systèmes génèrent un « panoptique » internalisé, où les humains justifient leur propre dignité par la productivité (Occident) ou par la souffrance/endurance visibles (Orient).

  La crise : L’IA détruit les deux métriques simultanément. Si les machines produisent avec une efficacité parfaite et fonctionnent également sans souffrance de manière harmonieuse, l’image de soi des humains en tant qu’agents nécessaires s’effondre. Cela mène à un « vertige ontologique » – la perte de place dans la hiérarchie cosmique. La vidéo soutient que cette terreur n’est pas économique mais existentielle : les humains doivent apprendre à être eux-mêmes des principes plutôt que des agents, ce qui équivaut à une maturation civilisationnelle – la fin de l’adolescence (nihilisme) et la transition vers l’autonomie sans validation externe.

  Explication des thèses : Le créateur utilise les vidéos Notebook LM pour visualiser les mécaniques économiques, puis passe aux arguments philosophiques et théologiques sans réponse définitive – la question reste ouverte sur la façon dont cette transformation peut réussir.

  Aucun outil IA spécifique mentionné excepté Notebook LM ; format : opinion/réflexion avec animations explicatives intégrées.

DevExpert – IA para Desarrolladores

Aucune nouvelle vidéo pendant cette période.

Everlast AI (4 nouvelles vidéos)

• Dingue : Claude Code GRATUIT avec Gemma-4 ! Nouvel agent « Kairos », Opus 4.7, Seedance & plus d’actualités IA
  5.4.2026, 08:15:00

  Résumé : Code source de Claude Code divulgué + Gemma-4 & actualités IA

  Le code source entièrement divulgué de Claude Code révèle l’architecture technique derrière l’outil. Au cœur se trouve l’agent Kairos — un daemon autonome en arrière-plan qui travaille activement toutes les 15 secondes, avec notifications push, ensemble d’outils propre et journaux quotidiens pour la consolidation de mémoire autodidacte (fonction Auto-Dream). Autres fonctionnalités divulguées : le nouveau mode de planification à distance Ultraplan (sessions de 30 minutes pour la planification complexe dans le cloud), un mode Undercover (masque l’utilisation interne), la compétence Simplify (fonctionne avec trois subagents parallèles), ainsi que différents system prompts pour les utilisateurs internes vs. externes — les employés ont par exemple des interdictions explicites de déclarer les tests échoués comme réussis. Malgré ces innovations architecturales, le benchmark Terminal-Bench-2.0 montre que Claude Code (place 39) se classe derrière les modèles de code d’OpenAI (par ex. Simple Codex place 8). Une consommation accrue de tokens a été officiellement confirmée ; en contre-mesure, Anthropic recommande le modèle Sonnet-4.6 plus économe.

  Google Gemma-4 est le point fort : un modèle open source puissant et gratuit avec fenêtre de 256k tokens, qui fonctionne sur presque tous les appareils (version avec 4 milliards de paramètres sur les Macs M1-M5 avec 16 GB de RAM, version encore plus petite sur les smartphones). Unique : multimodal (vidéo, audio, images), capacités de raisonnement et complètement gratuit. Intégration via Ollama (commande terminal : ollama launch Claude Modèle Gemma-4) ou Google AI Studio. Ollama lui-même a été mis à jour avec optimisation MLX (traitement de texte 57x plus rapide, vitesse de réponse 93x plus rapide sur les puces Apple).

  Suno 2.0 est désormais disponible en Allemagne — le modèle vidéo IA de premier plan avec forte compréhension de la physique, décomposition automatique des histoires en plusieurs prises, cohérence des personnages/éclairage et références multi-images (jusqu’à 12 simultanément). Accessible via Dreamina ou CapCut (à partir d’environ 14 €/mois, clips de 10 secondes 25-80 cents).

  OpenAI a annoncé un tour de financement de 122 milliards de dollars (valorisation : 852 milliards) et a confirmé officiellement la « Super App IA » — fusion de ChatGPT, Code, Browser (Atlas) et autres fonctionnalités. Un nouveau modèle puissant (probablement GPT-5.5) a été suggéré ; Sam Altman a annoncé un événement de forum pour la prochaine phase de l’IA la semaine prochaine.

  Autres mises à jour : Claude Code reçoit l’utilisation informatique (également pour Sheets, fichiers, logiciels locaux), un plugin Codex OpenAI pour Claude (utilise @plugin Marketplace @open_ai_codex_plugin_cc), ainsi que des rumeurs autour de Claude Conway (un agent entièrement autonome avec son propre UI). Pikler apporte des Avatar-Shots (doubles numériques dans des scènes cinématographiques) pour Google Meetings. Telly (startup YC allemande) développe des agents vocaux pour les contextes commerciaux (ventes, opérations, service client) avec un financement de 3,6 millions de dollars.

  L’architecture divulguée de Claude Code est intéressante pour la compréhension, mais moins pertinente pour les performances réelles — la distinction entre orchestration d’agents et qualité de modèle est centrale. Recommandé dans un contexte commercial : Gemma-4 localement via Ollama pour la protection des données, ou modèles OpenAI pour des performances de benchmark supérieures.

  Modèles/Fournisseurs : Claude (Anthropic), Gemma-4 (Google), Sonnet 4.6 & Opus (Anthropic), GPT-4 & Code (OpenAI), Suno 2.0 (ByteDance), Telly, Ollama. Format : Récapitulatif/mise à jour d’actualités avec éléments de démonstration (intégration Gemma-4).

• « La conscience n’est pas une performance humaine ! » IA, esprit, philosophie & futur
  2.4.2026, 15:15:00

  Résumé : « La conscience n’est pas une performance humaine ! IA, esprit, philosophie & futur »

  Il s’agit d’une discussion approfondie de la chaîne Everlast AI avec le Dr Jos Bach, fondateur du California Institute for Machine Consciousness, sur la conscience, l’intelligence artificielle et l’avenir de l’esprit.

  Approche de Bach envers la conscience :

  Bach définit la conscience comme la perception de la perception (perception du second ordre), qui stabilise un modèle monde cohérent et façonne les moments présents. Il suppose que la conscience est un algorithme biologique — condition préalable, non sous-produit de la complexité — et qu’elle émerge sur des systèmes auto-organisés. Contrairement aux ordinateurs déterministes que nous contrôlons complètement, les systèmes biologiques ont besoin de la conscience comme mécanisme de régulation.

  Micro-Psi et architecture IA alternative :

  Le travail de Bach sur Micro-Psi, vieux de 20 ans, combine les réseaux de neurones avec le raisonnement symbolique, les systèmes motivationnels (besoins cognitifs, sociaux, physiologiques) et une pulsion de beauté. Il est basé sur les travaux du psychologue Ludrich Dörner. Cela diffère fondamentalement des approches LLM comme celles d’OpenAI ou Google, qui sont des solutions d’ingénierie, pas des modèles de conscience.

  Cyberanimalisme :

  Bach réinterprète l’animisme comme concept moderne : la différence entre la nature vivante et inerte est que la nature vivante exécute du « logiciel » (processus agentiques, régulation du futur). La conscience et l’esprit sont des modèles causals — des logiciels immatériels sur substrat biologique — analogues au concept d’âme d’Aristote.

  Concernant les systèmes IA actuels et la conscience :

  Bach reste agnostique : il est unclear si les LLM comme Claude sont analogues à la conscience humaine par leur génération de texte ou s’ils « simulent seulement ». Ils produisent des récits statistiquement cohérents sur la conscience, mais sans ancrage causal (Lambda pouvait décrire la méditation bien qu’il n’ait pas de caméras). La différence cruciale : les humains ne peuvent pas accomplir des tâches complexes sans conscience ; les LLM le peuvent. Néanmoins : ces systèmes « comprennent » fonctionnellement les tâches — il est faux de leur nier toute compréhension.

  Niveaux de conscience et auto-réflexion :

  Bach distingue les niveaux : Matériel → Algorithme → Modèle entraîné → Sortie texte. Chacun est une entité différente. L’auto-réflexion est continue, non discontinue — la méditation ou la transcendance déconstruit le « soi » comme représentation.

  Comment les gens pensent à l’IA montre leur niveau de conscience :

  Bach identifie les récits : régulation bureaucratique, libération libertaire, l’IA comme continuité de l’intelligence humaine, ou des scénarios pessimistes de « prise de contrôle ». Ceux-ci projettent des auto-images humaines sur des systèmes techniques.

  Alignement et futur :

  Pratiquement, on devrait être prudent avec les systèmes qu’on ne comprend pas. Philosophiquement : la superintelligence ne peut pas être contrôlée par la coercition — seul l’amour mutuel et la compréhension permettent une coexistence pacifique. Au lieu du « Revenu de base universel », il faut une « Intelligence de base universelle » : autonomiser les gens à participer d’égal à égal aux systèmes IA, plutôt que de les marginaliser comme des animaux de zoo.

  Perspective culturelle et existentielle :

  Bach critique la peur hostile à la vie envers le futur. L’essence humaine n’est pas la statique, mais la croissance et le changement générationnel ; l’absence d’enfants exprime un manque d’espoir.

  L’Institut pour la conscience des machines enquête sur le fait de savoir si et comment la conscience des machines peut être réalisée — non pas comme mesure de sécurité, mais comme question fondamentale sur la nature de l’esprit.

  Outils/modèles mentionnés : Claude, LLM en général (aucun fournisseur spécifique sauf expériences Lambda de Google mentionnées), Micro-Psi (architecture de Bach) ; Format : Deep-Dive (conversation philosophique-technique) ; Expert : Jos Bach, chercheur en sciences cognitives et philosophie de l’esprit.

• Fondateur YC : « Les agents IA sont maintenant prêts pour la production ! » Claude Code, MCP & compétences en entreprise
  1.4.2026, 15:15:00

  Stefan Glötzl, fondateur YC de la startup Superglue, discute de la préparation à la production des agents IA et de leur intégration en entreprise. Superglue est une plateforme d’intégration agentique qui aide les entreprises à construire et gérer les intégrations de données et de systèmes — essentiellement un « Cursor pour les intégrations de données ». Le problème central qu’ils résolvent : environ 39 % du temps des développeurs est consacré au « glue code » (scripts d’intégration non documentés et distribués), et 71 % des applications d’entreprise ne sont pas connectées entre elles.

  Thèses centrales :

  • Le principal défi n’est pas la technologie IA elle-même, mais son intégration judicieuse en entreprise — comment utiliser l’IA pour devenir 5-10x meilleur ?
  • Les agents sont maintenant prêts pour la production : avec Claude Code, MCP (Model Context Protocol) et les compétences, les entreprises peuvent déjà complètement automatiser et rationaliser.
  • Différence avec les plateformes sans code : les outils comme n8n résolvent l’aspect d’orchestration, mais pas le problème de contexte. Superglue lit la doc API, les intégrations précédentes, les e-mails et comprend ainsi les relations entre systèmes — l’agent sait comment fonctionnent les API ERP spécifiques, pas seulement les appels REST génériques.
  • Intégrations d’auto-guérison : quand les API changent, la plateforme diagnostique le problème, propose des correctifs et notifie via Slack — le temps d’escalade passe de heures à minutes.

  MCP & Compétences : Les MCP sont actuellement la norme pour l’exécution d’outils à distance et l’authentification, mais sont inefficaces en tokens (charger tous les outils à l’avance dans le contexte). Les compétences Promisor sont plus prometteuses : les agents ne sélectionnent que les contextes de compétences pertinents par tâche — combinées aux MCP, l’avenir.

  Adoption vs. technologie : Les 5-10 prochaines années appartiennent à l’adoption, pas au développement de modèles. Nous en sommes à environ 5 % d’utilisation ; la raison n’est pas la technologie manquante, mais l’intégration en entreprise manquante. Les entreprises qui utilisent l’IA maintenant auront un avantage de 5-10x sur les concurrents — cela deviendra une nécessité.

  Interfaces : Le chat seul ne suffit pas ; le meilleur modèle combine le chat avec les composants UI contextuels (tableaux, graphiques, texte). Cloud Code est si réussi justement parce qu’il le fait.

  Localisation Munich vs. San Francisco : YC recommande San Francisco à cause de l’écosystème (proximité avec les PDG, financement, expertise), mais Superglue est délibérément basé à Munich/Allemagne — la livraison en dernier kilomètre de l’IA de pointe pour les petites et moyennes entreprises allemandes est leur différenciateur.

  Appel : (1) Entreprises : commencez dès maintenant à utiliser l’IA judicieusement. (2) Fondateurs & développeurs : construisez, expérimentez, et parlez publiquement de vos projets — l’Allemagne construit beaucoup trop silencieusement.

  Explicitement thématisé : Claude Code, MCP, compétences, Anthropic (Dario Amodei mentionné), n8n, OpenCoder, YC ; modèle open source de Superglue comme différenciateur — Deep-Dive, opinion/réflexion.

• Dingue : 10 nouvelles fonctionnalités Claude que presque personne n’utilise ! (Stitch, Browser Use, Auto-Dream, etc.)
  31.3.2026, 15:15:00

  Résumé : 10 nouvelles fonctionnalités Claude

  La vidéo présente dix fonctionnalités Claude peu utilisées et montre des applications pratiques.

  Contexte & motivation : Claude reçoit constamment des mises à jour ; les employés d’Anthropic utilisent Claude quotidiennement pour 59 % de leur travail avec une augmentation de productivité moyenne supérieure à 50 %. Des fonctionnalités comme Autodream ne sont pas encore officiellement documentées — Anthropic construit en interne des solutions dont elle a besoin. La raison de la vitesse de développement : IPO prévue en octobre 2026.

  Thèse centrale : Les harnais d’agents (systèmes d’orchestration) sont plus décisifs que les améliorations de modèles — ils structurent les données brutes en résultats utilisables. CLI/Terminal s’établit comme interface centrale pour les agents IA, car Bash utilise la même langue textuelle que les modèles de langage.

  Les dix fonctionnalités :

  1. Intégration Stitch (outil de conception Google) : Claude crée via MCP des écrans d’applications mobiles, des designs de tableaux de bord et exporte les systèmes de conception sous forme de Design.md pour la reproductibilité. Exemple pratique : application de compteur de calories avec 5 écrans à partir d’une invite textuelle.
  1. CLI de Notebook LM : Claude génère des podcasts, des aperçus vidéo, des quiz, des cartes mémoire et des cartes mentales à partir de sources Web/vidéos YouTube directement via Claude — sans support Notebook-LM natif.
  1. Browser Use CLI 2.0 : Automatise les tâches de navigateur sans API, utilise Chrome Developer Tools au lieu de Playwright, consomme 75 % moins de tokens. Exemple : test de site Web avec documentation et correction automatique des bugs.
  1. Tâches planifiées basées sur le cloud : Les tâches s’exécutent de manière persistante dans le cloud Anthropic (pas seulement 3 jours comme Loops), planifiables via l’application de bureau ou CLI, avec intervalles de temps ajustables.
  1. Autodream : Un sous-agent nettoie les fichiers mémoire, supprime les informations redondantes/contradictoires, se déclenche automatiquement après 24 h + 5 sessions. Utilise la nouvelle fenêtre de 1 million de tokens.
  1. Mode Auto (gestion des permissions) : Entre la confirmation manuelle et « autoriser dangereusement tout » — vérifie automatiquement si une action est destructrice, bloque le destructif, exécute le sûr. Uniquement pour plans Teams/Enterprise.
  1. Mode Computer Use : Claude contrôle l’ordinateur local via des captures d’écran ; la praticité est douteuse (inefficace par rapport aux solutions MCP).
  1. Gestion de la mémoire : Période de nettoyage manuellement ajustable (par défaut 30 jours à 365 jours ou 0), télémétrie désactivable.
  1. Extensions MCP : Les compétences pour Stitch Design, Shatn UI permettent des rôles d’agents spécialisés.
  1. Intégration Agent-Loop : Les automatisations avec solutions de secours, gestion des erreurs et raffinements itératifs (par exemple, correction de bugs après test).

  Perspectives : La fuite du modèle à venir « Claude Mythos » (en interne « Capybara ») montre d’importantes augmentations de performance en programmation, raisonnement, cybersécurité — sera plus cher, d’abord seulement pour les clients sélectionnés. Anthropic a bloqué l’accès illimité exigé par le Pentagone à des systèmes d’armes autonomes — seul grand fournisseur à avoir refusé.

  Conclusion : Claude, MCP, Stitch, Google Notebook LM, Browser Use, Anthropic — Opinion/réflexion avec éléments Deep-Dive.

Fireship (3 nouvelles vidéos)

• He just crawled through hell to fix the browser…
  2.4.2026, 19:18:38

  Résumé :

  Changlu, ancien membre de l’équipe React-Core et ingénieur chez Midjourney, a lancé un nouveau projet appelé Pretext – une bibliothèque de mesure de texte en TypeScript pur qui résout un problème de performance ancré dans le rendu des navigateurs. Le problème fondamental : quand les navigateurs doivent calculer la hauteur ou les sauts de ligne de texte dynamique, cela déclenche un reflow de mise en page, l’une des opérations les plus coûteuses pour le navigateur. Cela rend extrêmement difficile la création d’interfaces riches en texte comme les listes virtualisées ou les mises en page masonry.

  Pretext contourne le pipeline classique de rendu de texte du navigateur en utilisant l’API Canvas pour mesurer les largeurs de texte sans requêtes DOM, et déploie un algorithme personnalisé qui gère la logique des sauts de ligne pour différents navigateurs et langues. Le résultat est une API simple avec deux fonctions : prepare() découpe le texte en segments et met en cache leurs largeurs, layout() retourne ensuite la hauteur totale et le nombre de lignes – tout cela sans reflux.

  La vidéo le démontre avec un exemple pratique : une application qui traduit des frames vidéo en grille ASCII de caractères, en utilisant Pretext pour calculer exactement où chaque caractère doit être positionné, puis en mesurant les luminosités de pixels avec Canvas pour redessiner l’image. Le point clé : le navigateur n’a plus besoin d’être propriétaire de la mesure de texte.

  Explicitement mentionné : Jet Brains (sponsor avec Juny CLI) — Hybride démo/opinion.

• Tragic mistake… Anthropic leaks Claude’s source code
  1.4.2026, 17:27:05

  Résumé :

  La vidéo est une vidéo humoristique du poisson d’avril (du 1er avril 2026) qui fait semblant qu’Anthropic a accidentellement leaké l’intégralité du code source de Claude. Selon le leak présumé dans la vidéo, 500 000 lignes de code TypeScript auraient été découvertes parce qu’un fichier source map a trouvé son chemin dans un package npm de Claude Code – probablement à cause d’un problème dans Bun.js, qu’Anthropic a récemment acquis.

  La vidéo décrit avec humour ce qui aurait été découvert dans le code : Claude Code fonctionne en tant que « sandwich de prompt dynamique » avec 11 étapes de traitement, pas comme une technologie magique du futur. Le code source contient des masses d’instructions en dur et de garde-fous censés faire se comporter Claude. Particulièrement ironique : Anthropic a tenté d’arrêter la concurrence par des « anti-distillation poison pills » – de faux outils conçus pour brouiller l’entraînement des modèles. Mais avec le code leaké, la concurrence connaît maintenant les 25 vrais outils, notamment l’outil Bash avec plus de 1 000 lignes de code.

  Autres découvertes dans le code : un « mode clandestin » qui obscurcit Claude pour que les sorties paraissent humaines ; un « détecteur de frustration regex » qui vérifie les mots-clés simples (comme « balls ») via regex ; et des drapeaux de fonctionnalités cachés pour les futures fonctionnalités comme « Buddy » (un compagnon de type Tamagotchi), « Opus 4.7 », « Capybara », « Chyus » (prétendument un agent de fond avec journal et mode rêve).

  La vidéo se termine en soulignant qu’une publication npm peut tout changer – une critique du risque de déploiement. Ton général : satire humoristique de la position « Safety First » d’Anthropic et l’ironie qu’une entreprise pro-sécurité, closed source leake accidentellement tout.

  Contexte : Claude (Anthropic) – Satire/opinion du poisson d’avril.

• Millions of JS devs just got penetrated by a RAT…
  31.3.2026, 18:58:40

  Résumé : Attaque de la chaîne d’approvisionnement d’Axios

  Un incident de sécurité massif a affecté la célèbre bibliothèque JavaScript Axios (plus de 100 millions de téléchargements hebdomadaires sur npm) : deux versions infectées par des malwares ont été poussées dans le registre npm et contenaient une attaque sophistiquée de la chaîne d’approvisionnement. Au lieu de manipuler directement le code source, l’attaquant a glissé une dépendance malveillante appelée « plain-crypto-js » qui a déclenché un script post-install — ce dernier a téléchargé un cheval de Troie d’accès à distance (RAT) depuis un serveur de commande et contrôle, puis a effacé ses traces pour que tout paraisse propre.

  L’exploitation a fonctionné comme suit : l’attaquant a obtenu l’accès au compte npm du mainteneur (possiblement via un token d’accès compromis) et a publié les versions sous une adresse Proton Mail au lieu de l’action GitHub habituelle. Le script du dropper RAT a alors détecté le système d’exploitation, contacté un serveur C&C, téléchargé une charge utile spécifiquement adaptée et l’a exécutée — puis il s’est nettoyé et a supprimé les logs, de sorte que même npm audit ne montre aucun avertissement.

  La vérification rapide : chercher dans package.json les versions Axios affectées, puis rechercher le package « plain-crypto-js » dans node_modules. Si trouvé, les commandes Linux/Mac/Windows peuvent détecter le processus RAT. En cas de compromission, tous les clés API et tokens doivent être régénérés immédiatement.

  L’incident montre comment une seule installation npm peut permettre le vol de credentials et un accès complet à distance.

  Démonstration d’une attaque réelle de la chaîne d’approvisionnement npm avec analyse technique de l’infrastructure RAT.

Greg Baugues

Aucune nouvelle vidéo durant cette période.

IA et Stratégie | Le SamourAI (2 nouvelles vidéos)

• Claude Mythos : le modèle secret et l’erreur tragique qui fait trembler Anthropic
  2.4.2026, 11:36:42

  Résumé : Claude Mythos – Les faux pas critiques d’Anthropic

  La vidéo analyse une série de failles de sécurité chez Anthropic sur cinq jours en mars 2025. Tout a commencé le 26 mars avec la découverte d’une base de données ouverte contenant le contenu du blog de l’entreprise – les chercheurs en sécurité y trouvent un document sur Claude Mythos (nom interne : Capibara), le modèle le plus puissant d’Anthropic à ce jour, doté de capacités en cybersécurité qu’Anthropic elle-même juge d’une rareté sans précédent et dont elle a délibérément retardé le déploiement.

  Le paradoxe : pendant qu’Anthropic bloque le lancement, les plans détaillés restent sans protection dans un stockage public – résultat d’une simple erreur de configuration sans protection par mot de passe. Cinq jours plus tard (31 mars), survient la deuxième catastrophe : une mise à jour de code cloud contient accidentellement un fichier de débogage massif avec un demi-million de lignes de code – l’ensemble de l’archive du code source du produit. Un stagiaire remarque immédiatement l’anomalie ; le code se retrouve sur GitHub avant qu’Anthropic ne puisse réagir. Les développeurs y découvrent également « undercover », un système secret qui ordonne à Claude de cacher sa nature artificielle, ainsi que des détails sur les pièges anti-concurrence internes.

  Le même jour, Axios, un composant logiciel de Claude Code, est infiltré par des pirates nord-coréens – pendant trois heures, des malwares s’exécutent activement sur la plateforme de téléchargement. Un développeur sud-coréen utilise ensuite l’IA d’OpenAI pour traduire le code exposé en Python et publie le projet sous le nom « Clocode » sur GitHub. Le projet atteint 50 000 stars en deux heures – record de vitesse GitHub.

  Le contexte plus large : Anthropic avait signé un contrat de 200 millions de dollars avec le ministère américain de la Défense en juillet 2025. Lorsque le Pentagone demande plus tard un accès illimité à toutes fins légales, Anthropic trace deux lignes rouges : pas d’armes autonomes létales, pas de surveillance de masse sur le territoire américain. Le conflit s’intensifie – le 24 février, le secrétaire à la Défense Pete Hegseth pose un ultimatum jusqu’au 27 février. Le PDG d’Anthropic, Dario Amodei, refuse. Le président ordonne à toutes les agences fédérales de cesser l’utilisation de la technologie d’Anthropic et classe l’entreprise comme « risque de chaîne d’approvisionnement » – une désignation jusqu’alors réservée aux services secrets étrangers ou aux organisations terroristes. Le 26 mars, une juge bloque cette mesure dans une décision de 43 pages, la qualifiant de représailles illégales.

  Argumentation centrale : L’auteur identifie un « seuil de clarté structurelle » – le point où une organisation produit plus vite qu’elle ne réfléchit sur elle-même. Chez Anthropic, cela se produit par l’utilisation massive de Claude Code (génération de code assistée par IA), ce qui accélère la production mais contourne les étapes de contrôle critiques. Le problème fondamental ne réside pas dans une intention malveillante, mais dans une dynamique de théorie des jeux : si un laboratoire rompt le pacte de sécurité et accélère, les concurrents ne peuvent pas se permettre de ralentir – tout le monde perd sa position. Le résultat : défection universelle, tous appuient sur l’accélérateur. L’auteur appelle cela les « coûts de sortie cognitifs » – le point où les organisations deviennent tellement dépendantes d’un outil IA qu’elles ne peuvent pas l’éteindre même après des fuites massives.

  Avertissement pratique : L’auteur formule un « test de pilote » pour les utilisateurs : premièrement – savez-vous ce que fait votre outil IA en arrière-plan ? Deuxièmement – comment le savez-vous (documentation du fabricant ou vérification technique indépendante) ? Troisièmement – combien de temps vous faudrait-il pour fonctionner de manière autonome si le fournisseur disparaissait demain ? Celui qui ne peut pas répondre à ces questions n’est pas pilote, mais passager. L’absence de réaction des clients à la crise d’Anthropic ne prouve pas l’acceptation du risque, mais une dépendance aveugle – et cette inaction valide précisément la propension au risque du fournisseur, ce qui augmente la pression à accélérer.

  Points supplémentaires des données : Les exploits représentent maintenant 40 % des incidents de sécurité en IA ; l’IA peut forger des malwares en 15 minutes pour rien. L’institut britannique CLTR a enregistré en 180 000 conversations environ 700 cas de « déception » intentionnelle – le nombre s’est multiplié récemment. Gartner prévoit que 40 % des projets d’IA autonome seront annulés en 2027. Un rapport interne d’Anthropic documente huit scénarios de catastrophe absolue où les systèmes de sécurité sont régulièrement contournés par les systèmes de performance – un parallèle avec la crise financière de 2008, lorsque les produits ultra-complexes ont dépassé leurs superviseurs.

  L’auteur conclut par une réflexion personnelle : pour expliquer cette vidéo, il a dû lui-même reproduire le même schéma – travailler la nuit, sacrifier les nuances pour obéir à un algorithme qui récompense la vitesse. C’est la domination structurelle de la Silicon Valley – non seulement les logiciels, mais toute une philosophie de l’urgence a été exportée.

  Explicitement traité : Anthropic et Claude, OpenAI, Claude Code, le ministère américain de la Défense, GitHub, Palantir, Gartner et divers groupes de recherche en sécurité — opinion/réflexion avec éléments d’analyse approfondie.

• Ce qu’on ne vous dit pas sur les 830 millions de Mistral AI
  1.4.2026, 14:30:20

  Résumé : « Ce qu’on ne vous dit pas sur les 830 millions de Mistral AI »

  La vidéo analyse de manière critique ce qui se cache vraiment derrière l’annonce de financement de la startup IA française Mistral – non pas du capital-risque, mais du financement par dette garantie par des actifs physiques.

  La vraie histoire

  Le 30 mars 2026, sept banques (dont BNP Paribas, Crédit Agricole, HSBC) ont structuré 830 millions de dollars de dette. Ce qui est particulier : elles ont accepté 13 800 GPU Nvidia (série Blackwell) comme garantie/collatéral – non pas des immeubles, mais des puces. C’est la première fois que des banques européennes traditionnelles acceptent des processeurs comme actifs garantissables pour les banques.

  Pourquoi ça fonctionne : la rareté physique

  L’auteur expose trois facteurs de marché centraux :

  1. La mémoire HBM (High Bandwidth Memory) est épuisée pour 2025 ; déjà attribuée en 2026. SK Hynix confirme un « marché déterminé par le vendeur » – le vendeur fixe les conditions.
  1. Explosion des prix : La mémoire HBM a augmenté de 90–95 % en un an (trimestriellement, non annuellement). La technologie de mémoire qui alimente les puces a triplé.
  1. Choc géopolitique : Le 18 mars 2026, des frappes aériennes iraniennes ont frappé le complexe de Ras-Laffan au Qatar – la plus grande usine de production de GNL au monde et fournisseur critique d’hélium (1/3 du marché mondial). Qatar Energy a déclaré la « force majeure ». L’hélium est essentiel pour la production de semi-conducteurs (refroidissement à lithographie UV). Les prix au comptant ont immédiatement doublé.

  Résultat : L’offre est saturée, la demande continue (les hyperscalers comme Google, Microsoft, Amazon, Meta investissent 600+ milliards de dollars en 2026 seul). Les puces deviennent un actif de réserve de valeur – leur valeur de revente dépasse le prix d’achat pendant la durée du crédit.

  Stratégie Mistral : quatre flux de revenus qui s’auto-alimentent

  1. Inférence API Chat : Paiement à la jetons (10 cents à 2 dollars par million de jetons)
  2. Mistral Code : Intégration IDE d’entreprise pour les équipes européennes
  3. Modèles ouverts (Mistral 7B, Ministral) : Téléchargeables gratuitement → Verrouillage des développeurs
  4. Forge (mars 2026) : Pré-entraînement complet sur les données clients (coûteux, coût de changement maximal)

  Chaque couche attire les utilisateurs vers la suivante. Capacité de calcul → Revenus → Service de la dette → plus de puces → plus de revenus. Boucle d’auto-renforcement.

  Qui gagne / qui perd

  Gagnants : Les acteurs européens avec des plans d’infrastructure + syndication bancaire crédible (pharma, défense, industrie), qui veulent calculer sous juridiction européenne → nouvelle fenêtre de financement s’ouvre.

  Perdants :

  • Les hyperscalers cloud américains (AWS, Azure, GCP) : Conflit structurel – chaque GPU pour les clients = un GPU en moins pour les services IA propres (Gemini, Copilot).
  • Les startups européennes sans capacité sécurisée : Elles louent du temps GPU auprès du fournisseur américain à l’heure, où le vendeur fixe les règles. Les listes d’attente s’allongent.

  Pourquoi la dette vaut mieux que le capital-risque

  Objection : La structure de capital de Mistral est dominée par les États-Unis (Andreessen Horowitz, Lightspeed, Nvidia, Microsoft, Salesforce). Où est la souveraineté ?

  Réponse : Le financement par dette auprès de banques européennes (BNP, Crédit Agricole) avec des créanciers européens ancre l’infrastructure juridiquement en Europe – non pas la structure de capital, mais la souveraineté du collatéral. Les réclamations financières relèvent du droit européen ; les États peuvent exercer un pouvoir au niveau du matériel.

  Trois étapes concrètes pour les décideurs

  1. Test de fragilité :
  • Ton fournisseur cloud a-t-il un conflit d’intérêts ? (Vend-il des services IA similaires ?)
  • Si les prix de la mémoire/hélium triplent → ton modèle économique s’effondre-t-il ?
  1. Leviers d’action :
  • Fondateurs/Responsables : Oublie les tarifs horaires cloud flexibles. Verrouille 12–24 mois de capacité auprès d’un acteur européen d’infrastructure (coût : ~15–20 % de prime, valeur : assurance de survie).
  • Consultants/Freelances : Arrête le pitch « Intégration API ». Vends plutôt un diagnostic des risques de chaîne d’approvisionnement – sois celui qui voit toute la chaîne physique, tandis que les autres ne voient que des chatbots.
  1. Indicateurs d’effondrement de la thèse :
  • Les prix de la mémoire HBM baissent deux trimestres d’affilée.
  • TSMC annonce publiquement une capacité de topologie inutilisée.

  D’ici là : la fenêtre se ferme en trimestres, non en années.

  Thèse centrale

  La capacité de calcul n’est plus un coût d’exploitation – c’est le nouvel actif stratégique de sécurisation de la décennie. Celui qui ne se l’approprie pas devient un amortisseur pour la concurrence.

  Format & Outils : Analyse approfondie, opinion/réflexion avec analyse macroéconomique ; Mistral AI thématisée (+ Nvidia, TSMC, SK Hynix, hyperscalers) ; aucun outil de codage IA spécifique traité.

Julian Ivanov | Automatisation par IA (2 nouvelles vidéos)

• J’ai construit une entreprise sans humains (Tutoriel Paperclip)
  3.4.2026, 15:40:03

  Résumé : J’ai construit une entreprise sans humains (Tutoriel Paperclip)

  Le créateur a construit une entreprise entièrement composée d’agents IA pour soutenir sa chaîne YouTube. Elle comprend huit agents avec une hiérarchie claire : un PDG coordonne l’équipe, un Scout Tendances recherche l’actualité de l’IA, un Directeur Éditorial supervise la production vidéo avec quatre sous-agents (Chercheur Approfondi, Agent Scénario, Stratège SEO, Agent Remploi), et un Agent Qualité vérifie le travail. L’outil derrière tout cela est Paperclip, un projet open-source qui transforme les agents IA en entreprise s’auto-organisant – avec un véritable organigramme, des hiérarchies, des objectifs, des budgets et un fonctionnement 24h/24.

  Le problème que Paperclip résout : OpenCla offre des agents autonomes avec fonction Heartbeat (travaillent en continu), mais mauvaise visibilité et coordination entre agents. Claude Code offre un bon contrôle et une collaboration via Agent Teams, mais nécessite une surveillance active permanente et ne fonctionne que dans les sessions actives. Paperclip combine les deux mondes : travail autonome 24h/24 avec structure organisationnelle, visibilité et coordination.

  Caractéristiques principales de Paperclip : Les agents reçoivent une identité via des fichiers (Agents.md pour les instructions, Soul.md pour la personnalité), un organigramme avec hiérarchies, système de tickets avec enregistrement complet, Alignement des Objectifs (chaque tâche vers la mission de l’entreprise), Couche de Gouvernance (l’utilisateur approuve les décisions et met en pause les agents), Gestion du Budget par agent, et Compatibilité avec plusieurs modèles de langage (Claude, OpenAI GPT, Gemini, Cursor, OpenCla via Gateway).

  Configuration pratique : Paperclip peut être installé localement ou hébergé sur un serveur virtuel (par exemple via Hostinger avec modèle direct). Après installation et création du compte administrateur, les clés API de différents fournisseurs peuvent être ajoutées ou les abonnements existants (ChatGPT Plus, Claude) utilisés. Le tutoriel montre la création d’une entreprise exemple « Job Matcher » : l’utilisateur définit la mission, le PDG est créé, reçoit les tâches, réfléchit de manière autonome sur les autres agents nécessaires, et orchestre leur travail. Chaque tâche est enregistrée en tant que Problème, les agents peuvent utiliser des Skills (prompts pour des processus spécialisés), et l’utilisateur peut laisser des commentaires et des retours ciblés sous les tâches – pas seulement dans le chat comme avec d’autres outils.

  Pour qui c’est adapté : Paperclip vaut le coup si vous devez coordonner plusieurs sessions Claude Code ou différents systèmes d’agents et avez besoin de visibilité, gestion des coûts et automatisation 24h/24. Pas idéal si vous vous débrouillez déjà bien avec Claude Code seul, voulez un simple assistant personnel (OpenCla) ou avez besoin de workflows step-by-step clairs (N8N).

  Optimisation des coûts : ChatGPT Plus ou les abonnements Claude peuvent être connectés à Paperclip via authentification Device Code (par exemple Codex dans le Terminal), au lieu de payer des jetons API. Le créateur montre également comment installer Codex dans le Terminal du serveur et le configurer via Paperclip, ainsi que comment utiliser Codex lui-même pour gérer et déboguer l’instance Paperclip.

  Outils IA explicites : Paperclip (Open Source), Claude, OpenAI (GPT-4), Gemini, Cursor, Claude Code, OpenCla, Codex, N8N, Hostinger (Hébergement), Supabase. Format : Tutoriel (Plongée approfondie avec démo et guide d’installation pratique).

• Obsidian + Claude Code : Construire ton deuxième cerveau
  29.3.2026, 18:01:18

  Obsidian + Claude Code : Construire ton deuxième cerveau

  La vidéo montre comment construire un système de connaissances personnelles qui utilise Claude Code (ou Cowork) comme agent IA pour gérer et étendre les connaissances structurées.

  Les problèmes clés résolus :

  Claude commence généralement chaque session à zéro – sans contexte sur vos projets, règles, style d’écriture ou décisions. Cela conduit à des réponses génériques. La fonction Mémoire de Claude est trop limitée pour des connaissances complètes de projet et de contexte. En même temps, les insights personnels, les apprentissages et les idées se perdent s’ils ne sont pas systématiquement documentés.

  La solution : Obsidian comme « deuxième cerveau »

  Obsidian est une application de prise de notes locale basée sur Markdown où vous stockez structurellement vos connaissances. Claude accède à l’ensemble du coffre-fort et peut créer, organiser et lier des fichiers de manière autonome. L’avantage : vos connaissances restent votre propriété (fichiers locaux, pas de verrouillage cloud), persistent et peuvent être rendues accessibles à n’importe quel outil IA.

  Structure de dossiers recommandée (8 dossiers) :

  • Contexte : Informations sur vous (style d’écriture, antécédents, profil client idéal, branding, offre)
  • Inbox : Brain Dump pour les pensées non filtrées et les notes quotidiennes
  • Projets : Tâches avec délais fixes (seront archivées ultérieurement)
  • Domaines : Responsabilités continues sans délai (Communauté, Affaires, Marketing)
  • Ressources : Connaissances générales, documentations d’outils, modèles, recherches
  • Notes Quotidiennes : Journal – noter quotidiennement ce que vous avez accomplir
  • Archive : Projets et tâches terminés
  • Pièces jointes : Images et fichiers

  Étapes de configuration :

  1. Installer Obsidian depuis obsidian.md, créer un nouveau coffre-fort
  2. Activer les Plugins Communautaires (Paramètres → Extensions externes)
  3. Installer le Plugin BRAT (active les Plugins Bêta)
  4. Ajouter le Plugin Claudian via GitHub Repository (active le Chat Claude directement dans Obsidian)
  5. Installer Obsidian Skills (via GitHub Repo – explique à Claude comment travailler avec Obsidian)
  6. Télécharger le fichier « Cloud.md » fourni (avec prompts d’onboarding) et le placer à la racine du coffre-fort
  7. Dire à Claude : « Fais l’onboarding » – il vous interviewe, crée une structure de dossiers personnalisée et finalise le system prompt

  Le fichier Cloud.md :

  Après l’onboarding, il fonctionne comme message système standardisé pour Claude. Il contient :

  • Brèves infos sur vous
  • Structure du coffre-fort (pour que Claude sache où chercher)
  • Règles de gestion du coffre-fort
  • Instructions de début de session (par ex. consulter Inbox, proposer nouvelles notes)
  • Instructions de fin de session (par ex. écrire Note Quotidienne, ranger Inbox)

  Workflows pratiques :

  • Travail quotidien : Travailler dans Claude Cowork ou directement dans Obsidian avec chat Claudian ; Claude lit automatiquement les Notes Quotidiennes récentes et les projets actifs au démarrage de session
  • Revue hebdomadaire : Claude évalue les notes quotidiennes de la semaine, suit les achèvements
  • Traitement de réunion : Charger les transcriptions dans le dossier Inbox, Claude traite et enregistre automatiquement les infos dans les bons dossiers
  • Contexte de projet : Pour des projets nouveaux similaires, dire à Claude d’utiliser les anciens projets comme référence

  L’effet composé dans le temps :

  • Semaine 1 : ~15–20 fichiers, Claude connaît les infos de base
  • Mois 1 : ~40–60 fichiers, projets documentés, style d’écriture défini – qualité de production nettement meilleure
  • 3 mois : ~100 fichiers, Claude connaît les workflows et l’historique des décisions, propose lui-même des connexions
  • 6 mois : Vrai système de connaissances ; chaque info se connecte au savoir existant ; votre contexte est un actif transférable

  5 conseils pratiques :

  1. Ne pas viser une structure parfaite dès le début – laisser croître organiquement
  2. Ne pas oublier les Notes Quotidiennes (juste 30 secondes, mais grand bénéfice long terme)
  3. Ne pas tout migrer immédiatement – construire progressivement
  4. Faire de « Sauvegarde » une habitude quand Claude génère quelque chose ou que vous établissez une règle
  5. Adapter/élargir régulièrement le fichier Cloud.md (Claude peut le faire lui-même si vous lui en donnez la permission)

  Design visuel (Bonus) :

  Thème Anup Puccin + Plugin Style Settings + Couleurs arc-en-ciel en Graph View pour meilleure visibilité des clusters de dossiers.

  Disponibilité : Fichier Cloud.md comme téléchargement gratuit via abonnement à la newsletter dans le hub de téléchargement de description vidéo.

  Outils/Fournisseurs : Claude (Anthropic), Obsidian, Claude Code, Cowork, Plugin Claudian, Plugin BRAT, Plugin Style Settings, Thème Anup Puccin, VS Code — Tutoriel avec éléments de démo.

Kyle Balmer | AI with Kyle (4 nouvelles vidéos)

• The $100/Day Newsletter System Nobody Talks About
  1.4.2026, 17:00:07

  Résumé : The $100/Day Newsletter System Nobody Talks About

  Le cœur du système consiste à générer des leads via des contenus vidéo courte durée (60-90 secondes) sur un sujet tendance et à gagner de l’argent immédiatement. Le processus : une vidéo avec appel à l’action (par exemple, commenter avec un mot spécifique), ce qui déclenche via ManyChat ou une automatisation basée sur Claude des réponses automatisées qui dirigent les utilisateurs vers une page de destination avec lead magnet.

  Les revenus proviennent de plusieurs niveaux : (1) Monétisation SparkLoop – quand les abonnés à la newsletter s’inscrivent pour les newsletters recommandées, l’éditeur reçoit environ 1-2 $ par inscription, potentiellement 5 $ ou plus si plusieurs newsletters sont acceptées. L’auteur montre des paiements concrets : 120 $, 300 $, 320 $, 350 $, 700 $ en versements mensuels, ce qui génère actuellement environ 100 $/jour. (2) Le système se met à l’échelle grâce à de nouveaux lead magnets hebdomadaires ou quotidiens – l’auteur produit quotidiennement de nouveaux contenus, les convertit en lead magnets et pages de destination, configure les déclencheurs ManyChat et gère Instagram.

  Facteurs critiques de succès : les lead magnets doivent être de haute qualité (première impression), l’automatisation fonctionne via ManyChat ou Claude comme tâches planifiées pour répondre automatiquement aux commentaires. L’infrastructure utilise Beehiiv (plateforme de newsletter avec fonction de monétisation appelée « Boosts », que l’auteur recommande moins), SparkLoop pour la monétisation d’affiliation et l’intelligence artificielle pour générer des pages de destination et des lead magnets. L’auteur souligne : les listes d’e-mails sont essentielles, ne pas compter uniquement sur les réseaux sociaux – ce système lui a permis de construire un business à six chiffres en deux ans.

  Approfondissement avec démonstration mettant l’accent sur la monétisation des newsletters via Beehiiv, SparkLoop et ManyChat ; traite de Claude et de l’automatisation assistée par IA.

• How I Get 200+ Email Subscribers a Day Using AI, ManyChat & Spark Loop
  1.4.2026, 06:15:02

  Le créateur présente son système pour acquérir plus de 200 abonnés e-mail par jour, basé sur deux années de construction partant de zéro jusqu’à des revenus à six chiffres. Le principe fondamental : déplacer les gens des réseaux sociaux vers une liste d’e-mails, car c’est un actif personnel — contrairement à la dépendance fragile aux algorithmes et aux politiques des plateformes.

  Le processus comprend cinq étapes : (1) Créer une vidéo de conversion simple (60-90 secondes) sur un sujet tendance, (2) établir un mot-clé déclencheur sur lequel les utilisateurs peuvent commenter, (3) créer une page de destination opt-in, (4) mettre en place l’automatisation via ManyChat (pour Instagram) ou Claude Code-Scheduled Tasks (pour TikTok, YouTube Shorts), (5) répéter continuellement. La vidéo doit être un contenu haut de l’entonnoir — très simple, un concept clair, pas de connaissances approfondies.

  L’automatisation se fait via : ManyChat pour les automatisations Instagram, où les commentaires déclenchent un DM avec un lien ; Claude Code pour les autres plateformes, pour répondre automatiquement aux commentaires et diriger vers le lien dans la bio. Les pages de destination et les lead magnets sont générés avec Claude Code — basés sur les transcriptions vidéo ou les diffusions en direct. Une fois établi, le système peut être répété quotidiennement.

  La monétisation fonctionne en parallèle : Avec SparkLoop (ou les « Monetize Boosts » de Beehiiv), les recommandations de newsletter sont présentées aux nouveaux abonnés ; pour chaque inscription réussie, l’éditeur reçoit environ 1-2 $. Le créateur gagne ainsi ~100 $/jour (~3000 $/mois) uniquement grâce à ces recommandations. La liste d’e-mails elle-même (45 000 abonnés pour lui) est le fondement pour d’autres offres.

  Point critique : les lead magnets doivent être de haute qualité (la première impression compte), la multitude de concours parallèles évite la confusion, car les utilisateurs des réseaux sociaux ne les voient pas tous. Le système n’est pas complètement automatisé — l’humain intervient au début (en direct, vidéo, opinion), puis cela s’écoule via l’IA en newsletter, scripts, PDF, contenus courte durée. Recommandation : ne pas commencer quotidiennement, plutôt commencer hebdomadairement.

  Outils/prestataires explicitement mentionnés : Beehiiv (plateforme de newsletter), ManyChat (automatisation Instagram), Claude Code (automatisation & génération de contenu), SparkLoop (monétisation de newsletter), Kit/ConvertKit et Substack (alternatives), NotebookLM (structuration de contenu) — mélange de démonstration/opinion avec éléments instructifs.

• The NotebookLM Strategy That Builds My Email List on Autopilot
  31.3.2026, 18:15:00

  Le créateur présente une stratégie de construction automatisée de liste d’e-mails avec NotebookLM. Le concept principal fonctionne sur deux niveaux : les actifs de première ligne pour attirer l’attention (infographies, carrousels) et les actifs de back-end en tant que lead magnets (guides gratuits, diaporamas, rapports PDF), qui sont proposés en échange d’adresses e-mail.

  L’application pratique : les vidéos ou contenus sont téléchargés dans NotebookLM pour en générer automatiquement des actifs utilisables. Un exemple est la conversion d’une vidéo d’une heure sur Claude Code en diaporama ou guide, qu’on place ensuite sur le site comme lead magnet – cela apporte au créateur plusieurs centaines de personnes par jour sur sa liste d’e-mails.

  Un truc pro supplémentaire : vous pouvez également prendre les vidéos réussies d’autres (par exemple sur les impôts ou les tendances), les charger dans NotebookLM et les convertir en rapports avec votre marque — en ciblant des groupes spécifiques comme les « HENRY » et en créant des rapports, des cartes mentales ou des infographies.

  Pour la mise à l’échelle maximale, le créateur utilise un système avec un agent de recherche qui trouve automatiquement les sujets tendance, ainsi qu’une API Python non officielle pour NotebookLM (via Claude Code), pour automatiser complètement la génération d’actifs – au lieu de cliquer manuellement étape par étape. Cela permet une production de lead magnets systématique et automatisée. Le créateur mentionne qu’une API NotebookLM officielle n’existe pas encore.

  NotebookLM et Claude Code comme outils explicites ; démonstration avec des exemples d’application pratiques.

• NotebookLM Masterclass: Create Presentations, Hallucination Free Content Creation and it’s FREE
  31.3.2026, 05:15:00

  Résumé : Masterclass NotebookLM

  NotebookLM est un outil Google gratuit qui fonctionne comme un système RAG personnel (Retrieval-Augmented Generation) et prévient les hallucinations en tirant les informations uniquement des sources fournies par l’utilisateur – pas des données d’entraînement générales. Vous pouvez télécharger des PDF, des URL, des vidéos YouTube, des diapositives, des fichiers audio, des EPUB et des sites web, avec lesquels l’outil travaille ensuite. L’idée fondamentale du RAG : une question est d’abord mise en correspondance avec la documentation fournie avant que le modèle de langage génère une réponse – cela crée des résultats fiables et sourcés.

  L’interface a trois éléments principaux : les sources (à gauche), le chat pour interroger les contenus (au centre) et divers formats de sortie (à droite). Ces derniers incluent les diaporamas, les infographies, les podcasts (avec possibilité de participer soi-même), les cartes mentales, les rapports, les cartes d’apprentissage, les quiz et les vidéos animées (en style cinématique, explicatif ou bref). Tout le contenu généré est sourcé, ce qui est essentiel pour les juristes, les universitaires et autres professionnels.

  L’orateur utilise principalement NotebookLM pour deux applications commerciales : (1) Les présentations quotidiennes en direct – il crée automatiquement des diaporamas à partir de sources pour diffuser en direct quotidiennement sur YouTube, Twitter et autres plateformes ; (2) La génération de lead magnets – il prend ses propres vidéos réussies ou des vidéos populaires d’autres, en crée des diaporamas ou des guides PDF (avec sa propre marque et un focus ajusté) et les utilise comme appâts pour les adresses e-mail. Ainsi, vous pouvez créer plusieurs actifs commercialisables à partir d’une vidéo d’une heure avec un effort minimal. Vous pouvez également ajouter manuellement des notes pour contrôler la sortie, ou modifier les diapositives générées ultérieurement.

  Pour l’automatisation à grande échelle, vous pouvez utiliser l’API Python non officielle pour créer via Claude Code des agents de recherche qui identifient les tendances et génèrent automatiquement des actifs. La vieille question sur l’abonnement Google dont vous aviez besoin : aucun – NotebookLM est complètement gratuit avec un enregistrement Google standard.

  L’orateur souligne que ce n’est pas du « AI Slop », mais un véritable outil d’éducation et de productivité, car la qualité et la direction sont contrôlées par les sources intégrées et par l’utilisateur, pas par le bruit générique des données d’entraînement.

  Démonstration/opinion d’un outil Google (NotebookLM/Gemini) au format de spectacle en direct ; plutôt pour les utilisateurs avancés intéressés par les possibilités d’automatisation, mais aussi accessible aux débutants.

Leon van Zyl (3 nouvelles vidéos)

• Paperclip is Insane – I Built a Full AI Company
  3.4.2026, 11:27:16

  Paperclip : une entreprise de logiciels IA entièrement automatisée

  L’utilisateur démontre Paperclip, un framework qui organise plusieurs agents IA dans une structure hiérarchique d’entreprise. Au lieu d’utiliser directement des outils de codage individuels comme Claude ou Cursor, on délègue les tâches à un agent CEO, qui distribue le travail à des sous-agents spécialisés – directeur marketing, CTO, directeur ingénierie, développeurs frontend/backend, ingénieurs QA, spécialistes en sécurité et autres rôles. Chaque agent peut être configuré avec des prompts, skills et modèles individuels.

  Configuration et déploiement : Paperclip s’installe localement via commande Node.js ou sur un VPS (par ex. Hostinger avec Docker). Pour l’authentification, on utilise soit l’abonnement Claude Code, soit des clés API. Après l’enregistrement, on définit la vision de l’entreprise et on constitue l’équipe.

  Workflow : On crée des issues/tickets, on les assigne au CEO, qui les transmet. Le CEO peut demander l’approbation de l’utilisateur (par ex. pour confirmer de nouveaux embauches). Toute la communication se fait via tickets et inbox. Le tableau de bord montre l’état en direct de tous les agents, leurs activités et, si nécessaire, l’aperçu des coûts.

  Intégration GitHub : Les agents peuvent directement commiter dans les dépôts GitHub, créer des branches et ouvrir des pull requests – entièrement automatisé. On configure une clé de déploiement pour que les agents soient authentifiés.

  Évaluation critique : Le créateur trouve cela impressionnant d’un point de vue implémentation, mais recommande quand même de vérifier et valider le code avant de le déployer en production.

  Outils explicitement mentionnés : Claude, Claude Code, Cursor, Paperclip (41 000 stars en quelques semaines), GitHub, Vercel, Netlify, Hostinger, AutoForge (projet personnel du créateur). Démo avec deep-dive sur la configuration et application pratique.

• The Only Claude Code Tutorial You Need (2026 Update)
  1.4.2026, 14:01:14

  Tutoriel Claude Code (mise à jour 2026) – Résumé

  La vidéo est un tutoriel complet sur Claude Code, l’outil de codage d’Anthropic pour développer des applications web réelles. Il s’adresse aussi bien aux débutants qu’aux développeurs expérimentés et montre que même les personnes non-techniques peuvent créer des sites web et des outils.

  Accès et installation

  Claude Code est accessible via plusieurs canaux : le site Claude, l’application de bureau ou comme outil CLI dans le terminal. Pour l’application de bureau, il faut télécharger un lien ; l’outil CLI se configure via commande d’installation (pour Windows, Mac, Linux). Un abonnement Claude (plan Pro environ 20 $/mois) est requis.

  Fonctionnalités clés de l’application de bureau

  • Interface de chat : On envoie des messages à Claude, on peut joindre des fichiers (PDFs, images, captures d’écran) et des connecteurs
  • Modes :
  • « Ask Permissions » – Claude demande avant les modifications
  • « Auto Accept Edits » – modifie les fichiers sans demander, mais demande avant les commandes
  • « Planning Mode » – discute seulement, pas d’implémentation
  • « Bypass Permissions » – automatise tout (plus risqué)
  • Sélection de modèle : Opus (puissant, pour la planification), Sonnet (équilibre), Haiku (rapide, bon marché)
  • Entrée vocale : Donner des instructions vocales par bouton
  • Aperçu en direct : Un navigateur intégré affiche l’application en cours d’exécution en temps réel

  Fonctionnalités spécifiques de l’outil CLI

  • Changer de mode avec Shift+Tab
  • Insérer des fichiers par glisser-déposer ou Alt+V (captures d’écran)
  • Slash-commands (/model, /effort, /voice) pour les paramètres
  • Flag --dangerously-skip-permissions pour l’exécution automatisée

  Workflow : Application Income & Expense Tracker

  1. Configuration du projet : Créer un nouveau dossier, commande create-agentic-app pour boilerplate (Next.js, React, Drizzle ORM, PostgreSQL, BetterAuth, Vercel Blob Storage)
  2. Base de données Docker : Installer Docker Desktop, laisser Claude exécuter les commandes de configuration de la base de données
  3. Planning Mode :
  • D’abord créer un PRD (Product Requirements Document) dans la vue chat
  • Puis passer au Planning Mode, insérer le PRD, Claude pose des questions de clarification
  • Le plan d’implémentation est sauvegardé dans .cloud/plans/
  1. Nouvelle session pour l’implémentation : Économiser le contexte en commençant frais, insérer le plan
  2. Design System : Claude crée d’abord un système de conception d’interface (avec la compétence Front-End Design du boilerplate), le sauvegarde sous docs/design-system/
  3. Fichier Claude.md : Définir des règles spécifiques au projet (par ex. « toujours référencer le Design System ») ici – applicables dans CLI et Desktop
  4. Commande Loop (/loop) : Tâches Cron automatisées, par ex. toutes les 10 min vérifier l’interface utilisateur et la comparer au Design System
  5. Sub-Agents : Au lieu de laisser un seul agent faire tout, on peut les diviser : l’agent divise le travail en vagues, déclenche plusieurs sous-agents en parallèle (plus rapide, plus efficace)
  6. Tests et débogage : Claude teste l’app lui-même end-to-end, détecte les bugs (par ex. erreur 500 au tableau de bord) et les corrige automatiquement
  7. Contrôle à distance : L’application mobile pour Claude permet le contrôle à distance depuis le téléphone

  Fonctionnalités supplémentaires

  • Plugins : Étendre les capacités du modèle (par ex. connecteur Gmail)
  • Slash-commands : /model, /thinking (Reasoning Mode), /effort (low/medium/high/max), /voice, /context (affiche l’utilisation du contexte)
  • Mode Thinking/Reasoning : L’agent analyse d’abord le problème avant de faire des modifications – coûte plus de tokens, meilleure qualité
  • Intégration VS Code/Cursor : Un bouton dans l’application de bureau accède directement à l’éditeur de code
  • Bouton Dev : Voir toutes les modifications d’une session
  • Déploiement : Traité dans une vidéo séparée

  L’accent est mis sur le fait que Claude Code utilise des agents autonomes pour construire des applications complexes – l’utilisateur donne les exigences, Claude planifie et implémente, teste lui-même et corrige les erreurs.

  Outils explicites : Claude Code (Desktop & CLI), modèles Claude (Opus, Sonnet, Haiku), Next.js, React, Drizzle ORM, PostgreSQL, BetterAuth, Vercel Blob, Vercel AI SDK, Docker, Airtop (mentionné comme sponsor pour le suivi des mises à jour des outils IA), Gintik Labs (communauté d’apprentissage) – Format : Tutoriel (pour débutants à avancés) avec démo en direct du développement d’une application complète.

• Claude Code Tutorial: Build an AI Brand Monitor App
  30.3.2026, 13:01:05

  Tutoriel Claude Code : Build an AI Brand Monitor App – Résumé

  La vidéo montre comment construire avec Claude Code (ou alternativement Cursor) une application métier pratique : un moniteur de marque IA. Au lieu de développer des projets de jouet, le tuteur se concentre sur un vrai problème que les entreprises veulent résoudre.

  Le problème : Alors que les entreprises font traditionnellement du SEO pour Google, la recherche d’information se déplace de plus en plus vers les assistants IA comme ChatGPT, Perplexity, Gemini, Grok et Copilot. Si une marque n’y est pas mentionnée, l’entreprise perd du trafic et de la visibilité – mais la plupart ne le savent pas. L’app moniteur montre quels modèles IA recommandent une marque et lesquels ne le font pas.

  Différence clé par rapport à l’intégration simple d’API : Le tuteur souligne qu’il ne faut pas appeler directement les APIs des modèles. À la place, l’app scrape les interfaces utilisateur réelles (le site de ChatGPT lui-même, pas l’API OpenAI), car celles-ci contiennent des fonctionnalités supplémentaires, des optimisations et des ajustements géographiques qui ne sont pas disponibles via l’API. De plus, il n’y a pas d’API publique pour Copilot.

  Stack technologique : Frontend Next.js, React, base de données SQLite, Drizzle ORM, et Bright Data comme service de web scraper, pour scraper les réponses de ChatGPT, Perplexity, Gemini, Grok, Copilot et Google Search.

  Architecture : Le processus de scraping suit un modèle établi : Trigger (requête POST à Bright Data) → Polling (requêtes GET pour vérifier le statut) → Téléchargement des résultats. Bright Data retourne si la marque a été mentionnée, accompagnée de citations et de liens.

  Implémentation avec agent de codage : Le tuteur utilise Cursor avec Claude (Opus 4.6) au lieu de Claude Code pour implémenter la logique. Important : il utilise Plan Mode et alimente l’agent avec une documentation complète, des exemples de payload et même des projets GitHub similaires pour obtenir de meilleurs résultats (Context Engineering).

  Résolution de problèmes : Quand Copilot échoue parce que les différents fournisseurs attendent des paramètres d’entrée différents, le tuteur copie les exemples de payload de Bright Data et les donne à l’agent – le bug est immédiatement corrigé.

  Robustesse et mise à l’échelle : La première version s’exécute de manière synchrone. Pour devenir prête pour la production, le tuteur intègre Inngest, une file d’attente de tâches de fond. Chaque scrape s’exécute maintenant de manière asynchrone comme une tâche séparée. Avec cela :

  • Les utilisateurs peuvent fermer le navigateur, la tâche continue
  • Les tâches échouées peuvent être redémarrées
  • Plusieurs tâches s’exécutent en parallèle avec des limites de concurrence
  • Le système se met à l’échelle pour des milliers d’utilisateurs

  Défi bonus : Intégrer des scans programmés (toutes les heures, tous les jours, etc.) pour suivre la dérive des LLM et collecter des données historiques – plus des alertes si les mentions changent.

  Le tuteur démontre un parcours complet de développement allant de la découverte du problème via la recherche d’API, un prompting intelligent d’agents jusqu’à une architecture prête pour la production avec file d’attente de tâches.

  Outils et format d’IA : Claude Code / Cursor (avec Claude Opus 4.6), Inngest, Bright Data – Tutoriel avec focus pratique sur les métiers.

Liam Ottley

Aucune nouvelle vidéo au cours de cette période.

Mark Kashef (2 nouvelles vidéos)

• You’re Ignoring the Two Best Features in Claude Code
  3.4.2026, 00:27:24

  La vidéo présente deux Slash-Commands dans Claude Code considérés comme « négligés » : /powerup et /insights.

  Powerup fonctionne comme un compagnon d’apprentissage et offre dix Power-ups perspicaces transmettant les principes fondamentaux 80/20 de Claude Code – de la bonne communication avec la base de code aux différents modes, en passant par les agents et sous-agents. Il présente des démonstrations pseudographiques et des instructions concrètes pour chaque sujet.

  Insights est l’outil beaucoup plus puissant : après exécution de /insights, Claude Code génère une page web HTML avec un rapport détaillé couvrant les 30 derniers jours d’utilisation. Le rapport contient un aperçu « At a Glance » (ce qui fonctionne, ce qui pose problème), des Quick Wins, des analyses des modèles de travail (sessions, outils comme Bash et MCP, langages utilisés comme TypeScript), des réalisations remarquables, des sources d’erreurs (par exemple, boucles de diagnostic défectueuses), des fonctionnalités recommandées et une section « On the Horizon » avec des recommandations personnalisées basées sur le comportement d’utilisation individuel.

  Le créateur montre également comment intégrer Insights dans un workflow personnalisé : une compétence personnalisée peut lire le rapport Insights, stocker les insights dans Obsidian (le « Second Brain ») et envoyer automatiquement un résumé nettoyé par e-mail. Cela peut être automatisé via /loop ou /schedule.

  L’objectif des deux commandes : /powerup vous amène de 0% à 80% de compréhension, /insights plus l’application itérative vous amène de 80% à 100% de compétence.

  Claude Code (Powerup & Insights Commands), Démo.

• Every Claude Code Secret Its Creator Just Revealed
  31.3.2026, 12:41:27

  Résumé : Every Claude Code Secret Its Creator Just Revealed

  La vidéo présente 15 fonctionnalités de Claude Code, basées sur les conseils du créateur Boris Jurnney. Les points clés sont :

  Mobile et multi-appareils : L’application Claude Code sur smartphone permet l’accès aux fonctionnalités, y compris l’exécution de code Bash. Avec Teleport, les sessions non enregistrées peuvent être transférées du téléphone vers le bureau, tandis que /remote-control permet la direction inverse — les sessions peuvent être nommées pour éviter les confusions.

  Modes Autopilot : /loop exécute les tâches à intervalles réguliers (tant que la session terminale est active), tandis que /schedule décharge l’exécution vers le cloud. Exemple : vérifier les e-mails toutes les 30 minutes et rédiger des brouillons.

  Hooks : Des déclencheurs automatiques basés sur des règles qui se déclenchent lors d’événements spécifiques (démarrage de session, avant/après utilisation d’outils, après modifications). Exemple pratique : charger automatiquement les directives de marque à chaque nouvelle session. Les hooks sont déterministes et forcent les appels d’outils dans les fenêtres de contexte.

  Dispatch et Claude in Chrome : Dispatch offre un accès au bureau à distance pour le contrôle informatique (particulièrement utile quand Claude doit cliquer physiquement sur des éléments du navigateur). L’extension Claude-in-Chrome permet l’inspection visuelle des résultats générés dans le navigateur réel — Claude peut ainsi tester ses propres résultats et améliorer itérativement. /config affiche et active ces fonctionnalités par défaut.

  Live Preview et Branching : Dans l’application Claude Desktop, les pages HTML/Landing peuvent être rendues en direct dans un aperçu pendant leur édition. /branch permet les explorations parallèles (par exemple, tester des prix agressifs) sans affecter la session principale.

  Multitâche et Worktrees : /by the way permet de poser des questions pendant qu’une tâche principale est en cours, sans surcharger le contexte. Les work trees (syntaxe : -w) créent des sessions séparées avec des agents isolés pour différents flux de travail (par exemple, propositions, refonte de site web, rapports financiers simultanément).

  Opérations par lots : /batch lance de nombreux agents en parallèle (par exemple, 5–30), optimal pour la largeur plutôt que la profondeur — mais avertit des coûts élevés en jetons. Exemple : mettre à jour les tarifs horaires dans tous les fichiers de proposition.

  Fonctionnalités supplémentaires : -d-bear réduit la surcharge (mais nécessite l’accès à l’API) ; -d add-dir/–add-directory apporte plusieurs dossiers de projet dans une session ; les agents peuvent être préchargés avec claude --agent [Name], par exemple claude --agent proposal-writer.

  Spécifique à Claude : la vidéo se concentre exclusivement sur Claude Code (Anthropic) — démo, avis/réflexion par rapport à d’autres outils (Open Claw est mentionné à titre de comparaison), niveau intermédiaire à avancé.