Le chiffre qui m'a arrêté net la semaine dernière n'était pas un benchmark. C'était 25.
Vingt-cinq degrés de liberté, dans une seule main robotique, construite par une entreprise appelée 1X. J'étais plongé dans mon troisième onglet de notes de version de GPT-5.6 quand un ami a partagé la fiche technique de la main du Neo dans notre conversation, et j'ai tout fermé. Parce que pour la première fois depuis longtemps, la chose la plus intéressante qui se passait en IA n'était pas du tout un modèle. C'était un composant matériel qui m'a enfin poussé à me poser une question que j'évitais : à quoi sert un génie enfermé dans une zone de texte ?
C'est ce basculement que je veux vous faire traverser. Si vous suivez les modèles d'IA et la robotique 2026 comme la plupart des gens — en rafraîchissant les classements de benchmarks et en débattant de quel modèle est le « plus intelligent » — je pense que vous mesurez désormais la mauvaise chose. La course n'est pas devenue plus rapide cette année. Elle s'est scindée. Sur une route, les laboratoires se battent pour savoir comment construire le prochain cerveau. Sur l'autre, un groupe bien plus restreint a compris que le cerveau n'a jamais été le goulot d'étranglement. C'étaient les mains.
Laissez-moi vous montrer les deux routes, parce que la mi-juillet 2026 est l'une de ces rares semaines où l'on peut voir l'échiquier entier d'un seul coup d'œil.
Modèles d'IA et robotique 2026 : la course s'est scindée en deux fronts
Le changement de perspective le plus utile que vous puissiez opérer cette année, c'est d'arrêter de traiter les modèles d'IA et la robotique 2026 comme une seule histoire. Il y en a deux. Le premier front est un combat au couteau entre laboratoires sur la manière de construire le prochain cerveau — itérer vite ou approfondir les fondations. Le second front est une compétition bien plus discrète pour construire le corps qui permet à ce cerveau d'agir. Le premier front possède les gros titres. Le second front, je le soutiendrai d'ici la fin, possède l'avenir.
Deux façons de construire un modèle de frontière — et les laboratoires ont choisi des camps opposés
Voici ce que personne ne dit tout haut dans les soirées de lancement de modèles : il n'y a plus aucun consensus sur la manière même de faire progresser les choses. En 2023, tout le monde était d'accord — monter en échelle, entraîner un modèle de base plus gros, livrer un saut générationnel net. GPT-3 vers GPT-4. Net. Lisible. En 2026, ce consensus a disparu, et les deux plus grands laboratoires mènent désormais des expériences opposées en public.
OpenAI a choisi l'itération sans relâche. Regardez la cadence : le modèle que tout le monde appelait fébrilement « GPT-6 » est arrivé le 23 avril 2026 — et a été livré sous le nom de GPT-5.5, pas une nouvelle génération. Puis GPT-5.6 est devenu public le 9 juillet 2026, découpé en trois niveaux avec les noms internes Luna, Terra et Sol, où le fleuron Sol aurait affiché 88,8 % sur Terminal-Bench 2.1. Trois versions « intermédiaires » en moins de six mois, chacune absorbant discrètement des fonctionnalités que la rumeur avait autrefois réservées à un véritable GPT-6. Sam Altman a été explicite : un vrai saut générationnel n'est pas au programme à court terme ; les sources les plus crédibles situent désormais GPT-6 au quatrième trimestre 2026 au plus tôt.
Anthropic mène l'autre expérience. Au lieu d'un déluge de versions mineures, ils ont tenu une ligne plus stable — Opus 4.8 est sorti le 28 mai 2026, et tout l'arc Opus 4.x a consisté à approfondir des fondations plutôt qu'à courir après un numéro de version. Dans mon propre workflow quotidien avec Claude Code, cette retenue est la raison pour laquelle Opus est resté mon choix par défaut pour le codage agentique : le comportement est prévisible d'une version intermédiaire à l'autre, d'une manière qui compte plus qu'un écart de classement quand on a cinq agents qui tournent sur un vrai dépôt à 1 heure du matin.
Aucune des deux stratégies n'est manifestement la bonne. C'est ce qui rend la situation intéressante. L'approche d'OpenAI livre de la valeur aux utilisateurs plus vite et maintient le cycle médiatique au chaud. L'approche d'Anthropic protège ce que les acheteurs en entreprise paient réellement — une fiabilité sur laquelle on peut bâtir un business. Gardez cette tension en tête, parce qu'elle est sur le point d'entrer en collision avec une fuite.
Claude Opus 5 est-il réel ? Ce que dit vraiment la fuite (et ce qu'elle ne dit pas)
Réponse courte : il existe une véritable fuite non confirmée pointant vers un Claude Opus de nouvelle génération, et Anthropic n'a annoncé officiellement aucune date de sortie. Tout ce qui dépasse cette phrase relève de la spéculation, et je vais le signaler lourdement, parce que c'est exactement le genre d'histoire où la crédibilité part en fumée quand on rapporte des rumeurs comme des faits.
Voici ce qui circule réellement à la mi-juillet 2026. Un modèle est brièvement apparu sous un nom de code d'accès anticipé — rapporté comme « Honeycomb » — avant de disparaître. En parallèle sont arrivées des rumeurs d'une fenêtre de contexte de 1 million de tokens sur le prochain Opus, et d'un objectif de lancement en fin de mois. C'est ça, la fuite. C'est tout le cœur étayé de l'affaire.
Maintenant les mises en garde, parce qu'elles comptent plus que le battage :
- Anthropic n'a rien confirmé de tout cela. Pas de date, pas de chiffre de contexte, pas de nom. Traitez « Opus 5 » comme un nom provisoire inventé par la communauté, pas comme un produit.
- Le chiffre de 1M de contexte est un nombre rapporté issu de rumeurs pré-lancement, pas d'une fiche technique. J'ai vu suffisamment de « fenêtres de contexte » fuitées s'évaporer pour ne pas bâtir un plan dessus.
- Anthropic a historiquement préféré les versions intermédiaires (4.6, 4.7, 4.8) aux sauts générationnels nets. Un « 5 » soudain briserait ce schéma — ce qui est soit le signe que quelque chose de grand arrive, soit le signe que la communauté fait du pattern-matching en prenant ses désirs pour des réalités.
Si la fenêtre de 1M de tokens s'avère réelle, elle change la forme de ce que je peux faire dans une seule exécution d'agent — injecter une base de code entière de taille moyenne dans le contexte au lieu de la découper en morceaux. C'est un vrai changement de capacité, pas une métrique de vanité. Mais si c'est vrai fait un travail énorme dans cette phrase, et je préfère vous dire honnêtement que je ne sais pas plutôt que de vous vendre une rumeur avec un air assuré. J'ai creusé la version antérieure de cette fuite dans mon analyse de la fuite du Claude nouvelle génération d'Anthropic, et la version courte n'a pas changé : attendez la model card.
Pourquoi Google Gemini a calé exactement au mauvais moment
Pendant que les deux favoris se disputent sur la manière de construire l'avenir, Google a passé juillet 2026 à expliquer un retard — et les retards sont l'endroit où l'élan vient mourir.
Gemini 3.5 Pro devait sortir en juin. Lors de Google I/O, le 19 mai 2026, Sundar Pichai est monté sur scène et a promis qu'il arriverait « le mois prochain ». Puis Google a discrètement repoussé la disponibilité générale à juillet, invoquant le besoin d'intégrer davantage de retours des premiers testeurs et d'affûter le modèle sur les tâches agentiques de longue haleine. Les articles parus depuis évoquent un objectif au 17 juillet, présenté comme une passe architecturale plus profonde.
Un lancement qui glisse est survivable en soi. Le problème, c'est ce qui a atterri juste à côté. Dans la même fenêtre de dix jours, deux choses se sont produites qui ont transformé un retard en récit :
D'abord, les talents. Des informations ont émergé selon lesquelles Noam Shazeer — un VP of engineering de Gemini et co-auteur du papier « Attention Is All You Need » de 2017 qui a lancé toute cette ère — partait, apparemment pour OpenAI. Dans la même vague, John Jumper, le scientifique de DeepMind derrière AlphaFold et co-lauréat du prix Nobel de chimie 2024, était donné en partance pour Anthropic. Quand les gens qui ont inventé le transformer franchiraient la porte en plein lancement retardé, le marché le remarque.
Ensuite, le marché l'a effectivement remarqué. Le 22 juin 2026, l'action Alphabet a chuté d'environ 5 % en une seule séance — environ 225 milliards de dollars de capitalisation boursière envolés, sa plus forte baisse en une journée depuis plus d'un an. Et les chiffres d'usage en dessous racontent la vraie histoire. Selon le State of AI Report 2026 de Sensor Tower, ChatGPT détenait 46 % du marché mondial des assistants IA en mai 2026, Gemini 28 % et Claude 10 % — mais la part américaine de Claude est passée de 5 % en décembre dernier à 14 % en mai, portée presque entièrement par le codage et la recherche approfondie.
Lisez ces chiffres ensemble et vous obtenez la vérité inconfortable pour Google : la distribution n'est pas le destin. Gemini est intégré dans les produits les plus utilisés de la planète et il perd quand même des parts dans les segments où vivent l'argent et la fidélité. J'ai écrit sur la précédente tentative de Gemini pour reprendre l'élan dans mon analyse du comeback de Gemini 3.5 Pro — et ce retard est exactement le contrecoup que ce comeback devait éviter.
Les modèles open-weight qui réinitialisent discrètement le plancher des prix
Voici une route qui ne fait pas la une, et c'est celle que je surveillerais le plus attentivement si je dirigeais une startup dépendante des coûts d'API.
Pendant que tout le monde fixe les laboratoires de frontière américains, les modèles open-weight chinois ont continué à livrer — et ce ne sont plus des « alternatives bon marché », ce sont des prétendants. DeepSeek V4 a été lancé le 24 avril 2026 avec des variantes Pro et Flash, une fenêtre de contexte annoncée de 1 million de tokens, et un pari sur le prix plus le raisonnement algorithmique qui a réinitialisé le plancher des coûts et l'a placé près du sommet des benchmarks de programmation compétitive. Puis GLM-5.2 est arrivé de chez Z.ai le 13 juin 2026 — un modèle mixture-of-experts de 744 milliards de paramètres qui s'est classé quatrième au général sur l'Artificial Analysis Intelligence Index, devant tous les modèles que vous ne pouvez pas télécharger, à environ un sixième du prix des fleurons propriétaires.
Prenez une seconde pour digérer ça. Un modèle open-weight que vous pouvez exécuter vous-même, qui bat des modèles fermés que vous ne pouvez que louer, sur certains benchmarks de codage de longue haleine, à un sixième du coût.
Ce n'est pas une démonstration de benchmark — c'est une pression structurelle. Chaque fois qu'un modèle open-weight comble l'écart, il plafonne ce que les laboratoires fermés peuvent facturer pour tout ce qui n'est pas une véritable capacité de frontière. Pour ceux d'entre nous qui livrent réellement des produits, cette pression est un cadeau : elle signifie que le plancher continue de descendre pendant que le plafond continue de monter. C'est la même économie que j'ai décortiquée quand j'ai examiné le fonctionnement du marché gris des abonnements IA — le pouvoir de fixation des prix se déplace, et il ne se déplace pas vers les acteurs en place.
Une remarque honnête sur le bruit ambiant : beaucoup de noms de modèles qui circulent en ce moment sont à moitié déformés dans le récit — noms de code, erreurs de traduction et rebrandings qui se confondent les uns avec les autres. Je nomme délibérément uniquement les sorties que j'ai pu vérifier moi-même, et je saute celles que je n'ai pas pu vérifier. Si un modèle ne figure pas ci-dessus, c'est parce que je ne pouvais pas m'en porter garant, pas parce qu'il n'existe pas.
Si vous essayez de choisir un modèle sur lequel construire ce trimestre et que vous préférez que quelqu'un architecture la stack avec vous plutôt que de deviner, c'est le genre de projet que je prends en charge directement — vous pouvez voir mon travail sur fiverr.com/s/EgxYmWD.
La rivalité qui n'a rien à voir avec la recherche
Toutes les grandes actualités IA de l'année ne sont pas sorties d'un laboratoire. Certaines sont sorties d'un tribunal et d'une dispute très publique sur X.
Le 18 mai 2026, un jury californien a mis moins de deux heures à rejeter les plaintes d'Elon Musk contre Sam Altman et OpenAI, jugeant qu'il avait déposé son recours après le délai de prescription. Musk a annoncé qu'il ferait appel. Puis, en juillet, la querelle s'est rallumée sur un nouveau front : des informations selon lesquelles Apple aurait poursuivi OpenAI pour vol présumé de secrets commerciaux. Musk a lancé un post « Scam Altman strikes again » ; Altman a répliqué que le signe le plus sûr que son nouveau modèle était bon, c'était qu'« elon is obsessed with me again ». Le 12 juillet, les deux s'affrontaient sur X en temps réel.
Vous pouvez lever les yeux au ciel devant le mélodrame — je l'ai fait — mais il y a un signal enfoui dans le bruit. La frontière est désormais si encombrée que le combat s'est déplacé hors du benchmark. Quand les modèles sont aussi proches, les avantages durables sont juridiques (qui possède les secrets commerciaux), commerciaux (qui possède la distribution) et sociaux (qui possède le récit). C'est à ça que ressemble une industrie qui mûrit. La suprématie en recherche cesse d'être tout le jeu dès l'instant où trois laboratoires peuvent tous franchir la même barre, et les gagnants commencent à être décidés par des douves qui n'ont rien à voir avec une courbe de perte.
Gardez ce cadre — la douve se déplace du QI vers tout ce qui entoure le QI — parce que c'est exactement ce qui donne tout son sens à l'histoire de la robotique.
La main du 1X Neo est une API pour le monde physique
Maintenant, la partie qui m'a fait fermer tous les autres onglets.
Le 9 juillet 2026, 1X a dévoilé une nouvelle main dextre pour son robot humanoïde Neo, et la fiche technique se lit comme si quelqu'un avait enfin pris le monde physique au sérieux en tant que problème d'interface. Voici ce qu'elle contient réellement :
- 25 degrés de liberté dans une seule main — 22 entièrement actionnés sur les doigts et la paume, plus trois au poignet. Les mains humaines tournent autour de 27 DOF, donc on est véritablement dans le voisinage de la biologie.
- Un système de tendons quasi-direct-drive (le « 1X Tendon Drive ») fonctionnant avec des rapports de réduction faibles d'environ 5:1 à 15:1, contre les 100:1–200:1 standards de l'industrie. Un faible rapport de réduction est ce qui rend une main rétro-entraînable — elle peut sentir le monde et lui céder au lieu de le broyer.
- Un couple de pointe de 3,5 Nm au pouce, 2,6 Nm aux articulations des doigts, jusqu'à 45 N de force de flexion distale, 17,75 Nm au poignet, et une précision de positionnement de ±0,2 mm.
- Une détection tactile sur le bout des doigts et les surfaces de la main — pression, localisation du contact et cisaillement. Plus une étanchéité IP68 et des matériaux de qualité alimentaire.
- 1X affirme avoir la capacité de construire 10 000 mains en 2026.
Qu'est-ce que la main du 1X Neo, en une ligne ?
La main du 1X Neo est une main robotique à entraînement par tendons dotée de 25 degrés de liberté et d'une détection tactile sur toute sa surface, conçue pour donner à un robot humanoïde une dextérité quasi humaine afin que les modèles d'IA puissent manipuler des objets réels. C'est le pont matériel entre la décision d'un modèle et une action physique.
Et ce cadrage — un pont entre décision et action — est exactement la raison pour laquelle je pense que la main du Neo est la sortie IA la plus importante du mois, pas les modèles. Pensez à toute la stack que nous avons construite. Nous avons passé trois ans à rendre le raisonnement incroyablement bon. Un modèle de frontière peut planifier un dîner, séquencer les étapes, raisonner sur quelle poêle utiliser et quand incorporer les œufs. Puis il se heurte à un mur, parce qu'il n'a aucun moyen de ramasser la poêle. Toute cette intelligence se termine dans une zone de texte.
La main est le bus d'E/S manquant. Si le modèle est le CPU — la chose qui pense — alors une main dextre est l'interface qui convertit une décision calculée en force appliquée au monde réel. C'est, presque littéralement, une API pour le monde physique : l'intelligence entre sous forme d'intention, l'action mécanique en sort. Tout ce qui se trouve en amont — chaque point de benchmark, chaque rumeur de fenêtre de contexte, chaque douve de tribunal — ne se concrétise dans la réalité physique que si quelque chose peut saisir, tourner et poser avec assez de finesse pour ne pas détruire ce qu'il touche.
C'est pourquoi 25 DOF ont battu 88,8 % sur Terminal-Bench pour capter mon attention cette semaine. Les modèles ont deux ans d'avance sur le matériel. La main du Neo est la première fois que l'interface a semblé pouvoir rattraper son retard.
Parlons franchement : ce que je crois vraiment, et là où je me trompe probablement
Je vous dois de l'honnêteté ici, d'autant que la moitié de cet article repose sur des fuites et du matériel que je n'ai jamais touché.
Je n'ai pas tenu une main de Neo entre les miennes. Personne en dehors de 1X n'en a une sur son bureau pour l'instant, donc tout ce que je dis sur ses performances dans le monde réel et brouillon — pas une vidéo de démo, le vrai monde de la vaisselle dans l'évier — relève de l'analyse, pas d'un test. Les vidéos de démo, c'est du marketing. Je me suis fait avoir assez de fois pour réserver mon jugement jusqu'à ce que des mains indépendantes (jeu de mots assumé) s'en emparent. Une conception à entraînement par tendons est aussi mécaniquement plus difficile à entretenir que des liaisons rigides ; les tendons s'étirent et s'usent. Savoir si 1X peut maintenir une précision de ±0,2 mm après dix mille cycles est la question à laquelle la fiche technique ne répond pas.
Sur les modèles : je pense que la stratégie d'itération rapide d'OpenAI gagne les deux prochains trimestres en notoriété sans rien perdre d'important, tandis que la ligne plus stable d'Anthropic gagne les comptes entreprise qui renouvellent réellement. Je peux me tromper — si la fuite Opus 5 est réelle et que cette fenêtre de contexte de 1M est livrée en tenant la qualité, Anthropic reformule toute la conversation du jour au lendemain. Mais je ne parie pas ma roadmap sur un nom de code apparu puis disparu.
Et sur Google : un retard plus un exode de talents plus une chute de 225 milliards de dollars, ce n'est pas une condamnation à mort — c'est une entreprise prise à contre-pied au moment exact où le marché a décidé de privilégier la fiabilité agentique à l'échelle brute. Ils ont la distribution pour se relever. La question est de savoir si les gens capables de construire ce redressement sont déjà partis.
Le fil conducteur de tout cela : arrêtez de classer les laboratoires par benchmark et commencez à les classer selon le goulot d'étranglement qu'ils attaquent réellement. C'est le recadrage avec lequel je veux que vous repartiez.
Ce que je surveille pour le reste de 2026
Trois choses, concrètement, pour que vous puissiez les surveiller avec moi.
Surveillez si la fuite Opus 5 / contexte 1M se transforme en véritable model card avant août. Si c'est le cas, le débat « itérer vs approfondir » obtient un point de données. Sinon, classez-la avec toutes les autres fuites qui se sont évaporées.
Surveillez les benchmarks open-weight. Le jour où un modèle téléchargeable bat de façon convaincante un fleuron fermé sur un benchmark général — pas seulement un benchmark ajusté au coût — la conversation sur les prix de toute l'industrie change, et elle changera vite.
Et surveillez les démontages indépendants de la main du Neo. Le moment où quelqu'un en dehors de 1X publiera de vrais tests de manipulation — plier du linge, charger un lave-vaisselle, manipuler quelque chose de fragile sans script — nous saurons si l'API du monde physique est réelle ou juste une belle fiche technique. C'est la sortie pour laquelle je m'arrêterai vraiment de tout faire.
Le chiffre qui ne me lâche toujours pas
J'ai ouvert avec 25 parce qu'il a réorganisé ma façon de penser tout ce domaine, et je veux vous laisser là aussi.
Pendant deux ans, j'ai mesuré les progrès de l'IA comme tout le monde — par l'intelligence du modèle. Plus de contexte, de meilleurs benchmarks, un raisonnement plus propre. Ce mois-ci, une main robotique m'a discrètement rappelé qu'une intelligence sans aucun moyen de toucher quoi que ce soit n'est que de la frappe au clavier très sophistiquée. Les modèles sont désormais la partie facile. La partie difficile — celle qui transforme un génie dans une boîte en quelque chose qui change votre mardi — c'est l'interface avec le monde physique, et cette interface vient de gagner 25 degrés de liberté.
Alors voici la question que je vous laisse, la même qui a fermé mes onglets : si le raisonnement est déjà assez bon, que faites-vous encore qu'un bon modèle plus une bonne main ne pourraient pas faire d'ici un an ? Répondez-y honnêtement, et vous ne suivez plus la course à l'IA. Vous prenez de l'avance sur elle.
Modèles d'IA et robotique 2026 : les questions qui comptent
Quels sont les plus grands développements en modèles d'IA et robotique 2026 ?
Les plus grands développements confirmés sont GPT-5.6 d'OpenAI (public le 9 juillet, avec les niveaux Luna, Terra et Sol), les fondations solides d'Opus 4.8 chez Anthropic, le report de Gemini 3.5 Pro de Google à juillet, et de solides sorties open-weight avec DeepSeek V4 et GLM-5.2. Un « Claude Opus 5 » de nouvelle génération fait l'objet de rumeurs mais n'est pas confirmé. Voir les sections ci-dessus pour l'analyse complète.
Claude Opus 5 est-il confirmé ?
Non. À la mi-juillet 2026, Anthropic n'a officiellement confirmé ni Claude Opus 5, ni une date de sortie, ni une fenêtre de contexte de 1M de tokens — tout cela provient d'une fuite non vérifiée impliquant un nom de code d'accès anticipé « Honeycomb ». Traitez chaque détail comme de la spéculation jusqu'à ce qu'Anthropic publie une model card officielle.
Qu'est-ce qui rend la main robotique du 1X Neo importante ?
La main du 1X Neo compte parce qu'elle donne à un robot humanoïde une dextérité quasi humaine — 25 degrés de liberté et une détection tactile sur toute sa surface — c'est-à-dire l'interface matérielle manquante qui permet à un modèle d'IA de transformer une décision en action physique. Elle convertit l'intelligence numérique en manipulation du monde réel, agissant comme une API pour le monde physique.
Pourquoi Google Gemini 3.5 Pro a-t-il été retardé ?
Google a repoussé Gemini 3.5 Pro de juin à juillet 2026, invoquant le besoin d'intégrer davantage de retours des premiers testeurs et d'améliorer les performances sur les tâches agentiques de longue haleine. Le retard a coïncidé avec des départs signalés de chercheurs seniors et une chute d'environ 225 milliards de dollars de la capitalisation boursière d'Alphabet en une seule journée, le 22 juin 2026.
Sur quoi je parie, et où je me couvrirais
La scission est l'histoire : un front qui court après la capacité brute des modèles, un autre qui court vers le monde physique via des mains comme celle du 1X Neo. Mon pari, c'est que le second front est plus sous-évalué que le premier — le raisonnement est presque assez bon, et le goulot d'étranglement est de plus en plus l'interface avec le monde réel, pas le QI derrière.
Je peux me tromper, et le geste honnête est de surveiller les deux fronts plutôt que de choisir un camp. Mais si le raisonnement est vraiment assez bon, la question qui mérite qu'on s'y attarde est ce que vous faites encore à la main qu'un bon modèle plus une bonne main ne pourraient pas faire.
Si vous planifiez en fonction de la direction que prennent l'IA et la robotique, c'est le genre de travail stratégique que je mène via Ramlit. La lecture ci-dessus est mon instantané pour le reste de 2026.
