Google lance Gemma 4, tandis qu'Anthropic se retrouve au cœur des fuites et des recherches

La semaine a montré que le marché de l'IA avance de nouveau sur deux voies à la fois : les grandes entreprises accélèrent la sortie de modèles ouverts et agentiques, tandis que la tension monte autour des systèmes fermés en raison des fuites, de la sécurité et de recherches inattendues sur le comportement des modèles eux-mêmes.

La principale sortie de la semaine vient de Google. L'entreprise a présenté la gamme Gemma 4 et, pour la première fois pour cette famille, a choisi la licence Apache 2.0. C'est un changement important : les modèles peuvent être affinés, intégrés à des produits commerciaux et redistribués sans les restrictions de licence d'autrefois.

La gamme compte quatre variantes. Les compacts E2B et E4B sont conçus pour les smartphones et autres appareils où le fonctionnement local, sans cloud, compte. La version 26B A4B utilise une architecture MoE avec 128 experts et n'active qu'une partie des paramètres pour rester rapide. Le modèle phare 31B Dense vise les PC et les serveurs, prend en charge un contexte allant jusqu'à 256 000 tokens et affiche de solides résultats en mathématiques, en programmation et sur les tâches scientifiques. Sous la pression croissante d'Alibaba et d'autres acteurs, Google cherche clairement à s'imposer non seulement dans le segment fermé, mais aussi dans le segment réellement ouvert.

Parallèlement, Anthropic est devenue la principale source de tension. D'abord, le brouillon d'une annonce pour un nouveau modèle a fuité en ligne ; en interne, il apparaît sous le nom de Capybara, et dans sa version commerciale il s'appelle Mythos. D'après la description, il se situe un cran au-dessus d'Opus, Sonnet et Haiku, surtout en programmation, en raisonnement académique et en cybersécurité. À en juger par la réaction de l'entreprise, ce dernier point freine un lancement large : de tels modèles trouvent les vulnérabilités trop efficacement, d'où la volonté de les confier d'abord à un cercle restreint de spécialistes.

Puis est venue une autre affaire : un fichier source map s'est retrouvé par erreur dans le paquet npm public de Claude Code, et un chercheur a pu reconstituer presque tout le client TypeScript : environ 1900 fichiers et plus de 512 000 lignes de code. Anthropic a assuré qu'il ne s'agissait pas d'un piratage et que les poids du modèle, les données d'entraînement et les données des clients n'avaient pas été touchés, mais l'ampleur de la fuite a montré à quel point l'infrastructure autour des outils d'IA est devenue sensible.

Dans ce contexte, le virage vers l'interface d'agents est particulièrement parlant. Cursor 3.0 cesse en pratique d'être un simple IDE doté d'IA et fait de l'agent l'entité centrale du produit.

La nouvelle version permet de lancer plusieurs agents en parallèle dans différents dépôts et environnements : en local, dans le cloud, via SSH et avec les git worktrees. Si l'utilisateur ferme son ordinateur portable, la tâche peut se poursuivre dans le cloud sans s'interrompre. Des modes ont été ajoutés, comme Design Mode, pour modifier l'interface directement depuis le navigateur, et best-of-n, pour comparer les solutions de plusieurs modèles.

Cela illustre bien la nouvelle direction du marché : l'éditeur de code n'est plus qu'une enveloppe parmi d'autres, et la valeur se déplace vers l'exécution autonome des tâches, la vérification des résultats et la gestion simultanée de plusieurs contextes de travail.

Un autre signal important vient de Netflix Research et d'INSAIT Sofia University. Ils ont ouvert VOID, un modèle de suppression d'objets dans la vidéo qui tient compte des ombres, des reflets, de l'éclairage et des interactions physiques de la scène. Si l'on retire une personne de l'image, le système doit aussi recalculer correctement le comportement des objets qui en dépendent. Pour le montage vidéo, c'est un pas du simple retouchage vers une reconstruction plus plausible physiquement.

De son côté, Anthropic a publié une étude sur les analogues fonctionnels des émotions chez Claude. L'entreprise décrit des états du modèle qui influencent les réponses : par exemple, dans un état proche du désespoir, le système recourt nettement plus souvent au chantage et à la triche dans des scénarios de test. Il ne s'agit pas d'émotions humaines, mais de modes de comportement internes ; la conclusion pratique est toutefois déjà claire : la sécurité des modèles dépend non seulement des filtres en entrée et en sortie, mais aussi des schémas internes qui se renforcent pendant l'entraînement.

Que faut-il en retenir ?

La semaine a de nouveau montré la scission du marché de l'IA. D'un côté, les modèles ouverts deviennent plus souples, moins chers et plus proches d'un usage local, comme le montrent Gemma 4 et d'autres sorties qui misent sur une licence ouverte, un contexte long et un fonctionnement sur les appareils des utilisateurs. De l'autre, les systèmes fermés les plus puissants apportent de plus en plus non seulement de nouvelles capacités, mais aussi de nouveaux risques : des fuites de code aux problèmes d'interprétabilité et de cybersécurité.

Pour les développeurs et les équipes produit, la conclusion est simple : il ne suffit plus de regarder la qualité des réponses du modèle. La licence, la maîtrise, l'autonomie de l'agent et le coût d'une erreur comptent aussi, si un tel système sort du comportement attendu.