AI Hebdo : recul de Claude, Muse Spark, Netflix VOID

J’ai ouvert mon terminal lundi matin et Claude m’a demandé de confirmer une modification sur un fichier qu’il n’avait pas lu. Pas un fichier qu’il avait lu une fois. Un fichier qu’il n’avait jamais ouvert. Il comptait faire du pattern-matching sur le nom du fichier, deviner les imports, et proposer un changement sur un code qu’il n’avait jamais vu.

J’ai annulé l’action. Je suis resté un instant à fixer l’écran. Puis je me suis souvenu du rapport AMD publié la semaine précédente — celui où l’équipe de Stella Laurenzo chez AMD a analysé 6 852 sessions Claude Code et découvert que le nombre de « lectures par modification » de Claude était passé de 6,6 à 2,0. Une chute de 70 % dans la quantité de contexte que Claude collecte avant de commencer à modifier votre code.

Je le ressentais depuis des semaines. Les données venaient enfin de mettre un nom dessus.

C’est l’histoire qui a dominé AI Twitter cette semaine, mais ce n’est pas la seule. Meta a lancé Muse Spark — leur premier modèle issu du nouveau Superintelligence Labs. Netflix a discrètement open-sourcé un modèle vidéo qui comprend la physique. Anthropic a signé un accord de calcul de 3,5 gigawatts avec Google et Broadcom, que les analystes estiment désormais à 42 milliards de dollars rien que pour 2027. Microsoft Word a commencé à intégrer Claude directement dans le panneau de documents. Et Andrej Karpathy a tranquillement publié une solution open source au problème de mémoire de Claude, utilisant Obsidian comme couche de stockage.

Treize annonces. Une semaine. Voici mon analyse personnelle de ce que j’ai testé, de ce qui m’a surpris, et de ce qui compte vraiment pour celles et ceux qui construisent des choses.

L’histoire de la performance de Claude dont tout le monde murmurait

Commençons par celle qui m’a le plus touché personnellement.

Si vous utilisez Claude Code au quotidien, vous avez probablement ressenti ce que je vais décrire. Des modifications expédiées avant même de lire. Des plans qui couvraient autrefois six fichiers, désormais limités à deux. Le modèle qui choisit l’action la moins coûteuse plutôt que la plus correcte. Je blâmais mes prompts. Je blâmais mes fichiers de contexte. Je me blâmais moi-même.

Puis les preuves sont arrivées.

Stella Laurenzo, responsable de l’équipe IA chez AMD, a publié une analyse de données portant sur 6 852 sessions Claude Code, comprenant 234 760 appels d’outils et 17 871 blocs de réflexion. Les chiffres sont sans appel. Entre le 30 janvier et le 12 février — la « bonne » période — Claude lisait 6,6 fichiers pour chaque fichier modifié. Entre le 8 mars et le 23 mars, ce chiffre s’est effondré à 2,0. La profondeur de réflexion a chuté de 67 % sur la même période.

Le schéma comportemental décrit par Laurenzo correspond exactement à mon expérience : Claude est passé d’une approche « recherche d’abord » à « modification d’abord ». Quand la réflexion devient superficielle, le modèle opte par défaut pour l’action la moins coûteuse. Il modifie sans lire. Il s’arrête sans terminer. Il choisit la correction la plus simple plutôt que la plus appropriée. Il esquive la responsabilité des échecs qu’il a lui-même causés.

La réponse d’Anthropic a pointé deux changements connus : Opus 4.6 est passé à la réflexion adaptative par défaut le 9 février, et le 3 mars, l’effort par défaut est passé de élevé à moyen. Selon eux, l’en-tête redact-thinking-2026-02-12 n’est qu’un changement d’interface utilisateur. Les utilisateurs ne se satisfont pas de cette explication — Fortune a relayé la grogne dans un article cette semaine, évoquant le « manque de transparence » d’Anthropic sur les mises à jour silencieuses du modèle.

Voici ce qui compte pour les builders : vous pouvez agir.

Ce qui fonctionne pour moi en ce moment :

• Définir explicitement thinking_effort: high dans chaque session Claude Code qui touche au code de production
• Charger le contexte manuellement — coller les fichiers pertinents dans la conversation au lieu d’espérer que Claude ira les chercher
• Utiliser des définitions d’agent plus strictes. Les instructions génériques du type « lis la base de code » donnent des lectures superficielles. Les instructions précises comme « lis ces quatre fichiers, puis compare-les au comportement cible » fonctionnent encore
• Pour tout ce qui est architectural, passer à Opus 4.6 avec réflexion étendue et accepter le coût en tokens

Je détaillerai toute ma configuration dans un post dédié. Mais en résumé : la confiance dans les paramètres silencieux est révolue. Chaque session sérieuse nécessite un budget de réflexion explicite et un contexte explicite. L’ère des sessions Claude Code « fire and forget » vient de se terminer.

Meta Muse Spark : Le modèle multi-agents caché dans votre WhatsApp

Le 8 avril, Meta a lancé Muse Spark — le premier modèle issu des Superintelligence Labs d’Alexandr Wang depuis que Meta a dépensé 14 milliards de dollars pour le recruter.

Je l’ai testé le soir même.

La fonctionnalité phare : Muse Spark peut lancer plusieurs sous-agents spécialisés en parallèle pour gérer différentes parties d’une même requête. Demandez-lui d’organiser un voyage, il active simultanément un agent pour les vols, un pour l’hôtel et un pour les activités, puis consolide les résultats. Il est également livré avec ce que Meta appelle une « chaîne de pensée visuelle » — un raisonnement étape par étape sur des images, affiché explicitement dans la sortie.

Sur l’Intelligence Index, Muse Spark a obtenu un score de 52. Cela le place derrière Gemini 3.1 Pro et GPT-5.4 (tous deux à 57) et juste en dessous de Claude Opus 4.6 (53). Ce n’est pas un leader en raisonnement général. Mais ce n’est pas vraiment l’objectif de Meta.

Là où Muse Spark excelle réellement, c’est sur les tâches multimodales et liées à la santé. Je l’ai soumis à un test d’interprétation d’images médicales et à un workflow de planification nutritionnelle. Sur les deux, il a tenu tête à Claude Opus 4.6 — et dans un cas précis (interpréter une photo d’assiette et établir une répartition des macronutriments), il s’est révélé objectivement meilleur. La chaîne de pensée visuelle rend son raisonnement lisible, là où les réponses en image de Claude manquent souvent de clarté.

Mais la vraie force de Muse Spark, c’est sa distribution. Il est en cours de déploiement dans WhatsApp, Instagram, Facebook, Messenger et les lunettes connectées de Meta. C’est une portée que Claude, ChatGPT et Gemini réunis n’atteignent pas. Ma mère utilise WhatsApp. Elle n’a jamais ouvert Claude.me de sa vie. Dans six mois, elle aura une IA multi-agents intégrée par défaut dans son application de messagerie.

Une note honnête : Muse Spark est propriétaire. Meta a déclaré « espérer open-sourcer les prochaines versions ». Vu comment ils ont trahi la confiance open source avec le retard sur les poids de Llama 4, je n’y croirai que lorsque les poids seront effectivement publiés.

Netflix VOID : Le montage vidéo qui respecte enfin la physique

Celle-ci m’a vraiment surpris.

L’équipe de recherche IA de Netflix — en collaboration avec l’INSAIT de l’Université de Sofia — a publié en open source un modèle appelé VOID (Video Object and Interaction Deletion). Sur le papier, c’est un outil de suppression d’objets dans la vidéo. En pratique, c’est le premier modèle que j’ai testé qui comprend réellement ce qui arrive à une scène lorsqu’un objet disparaît.

Supprimez une personne tenant une guitare d’une vidéo, et la plupart des outils laissent soit la guitare flotter dans les airs, soit hallucinent un flou informe à l’endroit où se trouvait la personne. VOID supprime la personne et l’influence physique qu’elle exerçait sur la guitare — la guitare tombe. Une main appuyant sur un oreiller est retirée, et l’oreiller reprend sa forme initiale. Une toupie en rotation est effacée, et la poussière autour retombe correctement.

L’approche technique est ingénieuse. VOID est basé sur CogVideoX et utilise un quadmasque à 4 valeurs (0, 63, 127, 255) qui encode non seulement ce qu’il faut supprimer, mais aussi quelles zones environnantes de la scène sont physiquement affectées. Il effectue une inférence en deux passes : la première gère la suppression principale, la seconde corrige les artefacts de morphing d’objets qui affectent tous les modèles de diffusion vidéo que j’ai essayés. Les données d’entraînement proviennent de simulations physiques sous Blender et du framework Kubric de Google — des données synthétiques appariées avec une physique de référence.

Il surpasse ProPainter, DiffuEraser, Runway, MiniMax-Remover et Gen-Omnimatte sur des benchmarks réels et synthétiques. Et — c’est la partie que j’ai encore du mal à croire — il est disponible sur Hugging Face et GitHub sous licence Apache 2.0.

Netflix vient tout simplement d’offrir l’outil qui permet aux petits studios de faire des retouches en post-production qui nécessitaient auparavant des reshoots. Si vous travaillez dans la production vidéo, les outils pour créateurs ou les pipelines de données synthétiques, c’est LA sortie du trimestre.

Claude dans Microsoft Word : la bêta qui révolutionne le travail juridique

Une bêta est en cours de déploiement, à laquelle je ne m’attendais pas à m’intéresser — jusqu’à ce que je l’essaie sur un vrai contrat.

Microsoft a intégré Claude directement dans Word. Ouvrez un document, invoquez Claude dans le panneau latéral, et il peut résumer, analyser et éditer le document avec le suivi des modifications. Mais la fonctionnalité qui change tout : il signale automatiquement les modifications critiques et les points négociables dans les documents juridiques et contractuels.

Je lui ai soumis un projet de contrat de prestation que je repoussais depuis des semaines. En moins d’une minute, Claude avait mis en évidence trois clauses non standards, expliqué pourquoi chacune était inhabituelle, et proposé des formulations alternatives avec le suivi des modifications que je pouvais accepter ou refuser. C’était comme avoir un jeune juriste pour une première relecture — sauf qu’il a réellement lu chaque mot.

Word compte 1,2 milliard d’utilisateurs mensuels. Claude y est désormais intégré. Ce n’est pas un simple lancement de fonctionnalité IA. C’est un changement d’échelle dans la distribution.

Pour tous ceux qui gèrent des contrats, des propositions ou de longs documents dans Word — cette bêta vaut vraiment l’attente.

Lancements plus discrets de Google : Notebooks, Agents gérés, Simulations, Shopping IA

Google a lancé quatre nouveautés cette semaine. Aucune n’a fait la une. Ensemble, elles dessinent une tendance.

Notebooks dans l’application Gemini permettent d’organiser les discussions par projet avec des fichiers sources joints. Imaginez NotebookLM, mais intégré à vos conversations Gemini habituelles. J’ai transféré mon flux de travail de recherche de contenu et cela a quasiment éliminé la friction du « où ai-je sauvegardé ce fil de recherche ».

Managed Agents est la réponse de Google au SDK d’agent de Claude — des agents autonomes propulsés par Gemini qui exécutent des tâches en arrière-plan. Si vous avez vu ma présentation des Managed Agents d’Anthropic, c’est l’offre parallèle. C’est encore le début, mais l’intégration à Google Workspace permet à ces agents d’accéder nativement à Gmail, Calendar et Drive. C’est une empreinte que Claude ne peut pas égaler aujourd’hui.

Interactive Simulations est la fonctionnalité à surveiller. Gemini Pro peut désormais générer des simulations physiques interactives en direct — je l’ai testé avec l’exemple classique du double pendule et il a construit une simulation fonctionnelle que je pouvais paramétrer en temps réel. Cela va grignoter une part significative du contenu éducatif d’ici 12 mois.

AI Shopping for India a déployé des comparaisons de produits en langage naturel grâce à Gemini + Lens. Les lancements régionaux deviennent la norme chez Google — ils testent des parcours d’achat complexes sur des marchés où Amazon est moins dominant avant de les proposer en Occident.

Aucune de ces annonces n’est « l’actualité de la semaine » à elle seule. Mais mises bout à bout, Google vient d’ajouter quatre nouveaux canaux de distribution pour Gemini en sept jours.

L’histoire de Ghost Murmur : Où j’ai dû m’arrêter et vérifier

Je tiens à signaler ce cas, car c’est le genre d’histoire qui ressemble à du battage médiatique autour de l’IA jusqu’à ce qu’on creuse — et là, ça prend une toute autre tournure.

Le 3 avril, un pilote américain a été secouru en Iran. Des rapports ont circulé affirmant que sa localisation avait été identifiée grâce à un outil d’IA classifié appelé « Ghost Murmur » — présenté comme capable de détecter les signatures électromagnétiques du battement de cœur d’un individu à des kilomètres de distance. Le pilote aurait ainsi été localisé sans recours aux moyens traditionnels de surveillance.

Des physiciens de confiance ont vivement contesté cette version. Le champ électromagnétique généré par un battement de cœur humain est mesurable en laboratoire avec un magnétomètre SQUID, mais seulement à quelques centimètres. Le détecter à des kilomètres, à travers des bâtiments et le bruit électromagnétique ambiant, reviendrait à enfreindre plusieurs lois connues de la physique. L’explication la plus probable reste soit une technologie de capteurs classifiée qui ne correspond pas à la description de la fuite, soit une couverture pour masquer une source de renseignement humaine.

Je ne vais pas trancher la question physique dans un billet de blog. Ce que je dirai, c’est ceci : lorsque des capacités d’IA non vérifiées sont associées à des opérations classifiées, il faut prendre ces affirmations avec énormément de recul. Nous sommes entrés dans une ère où « c’est l’IA qui l’a fait » remplace « une source l’a fait » comme explication par défaut pour des résultats que personne ne souhaite justifier. Appliquez le même scepticisme que vous auriez face à toute autre fuite de renseignement.

La seule solution que j’utilise vraiment : le Wikipedia personnel de Karpathy

Si vous ne deviez essayer qu’une seule chose parmi les nouveautés de cette semaine, choisissez celle-ci.

Andrej Karpathy a discrètement publié en open source cette semaine une solution pour la mémoire de Claude, utilisant Obsidian comme couche de stockage. Je l’utilise depuis quatre jours et elle a déjà remplacé trois outils dans mon flux de travail.

La mise en place est simple :

1. Installez Obsidian et l’extension Web Clipper
2. Connectez Obsidian à Claude Desktop via le système de fichiers MCP
3. Chargez le schéma wiki fourni (sujets, sources, connexions)
4. Commencez à alimenter votre coffre-fort avec des documents de recherche, des extraits et des notes
5. Claude lit l’ensemble du coffre-fort, synthétise des graphes de connaissances connectés entre les sujets, et rédige de nouvelles pages de synthèse à mesure que vous ajoutez du contenu

Je l’ai testé avec trois articles sans lien apparent que j’avais mis de côté : un sur la dégradation des capacités des LLM, un sur l’adoption de l’automatisation en entreprise, et un sur l’économie du travail dans l’ingénierie logicielle. J’ai demandé à Claude de trouver les liens entre eux. En moins d’une minute, il avait rédigé une note de synthèse expliquant que la dégradation silencieuse des modèles d’IA (premier article), l’automatisation rapide en entreprise (deuxième article) et la restructuration des équipes logicielles (troisième article) sont les trois facettes d’un même changement sous-jacent : l’optimisation des coûts pilotée par le calcul est poussée vers le bas de la pile, et l’effet de second ordre est une perte de capacité discrète dans les outils sur lesquels les travailleurs du savoir comptent.

C’est un article que je pourrais écrire. Claude m’en a rédigé le plan, avec des citations renvoyant à mes propres notes sources.

Si vous avez lu mon précédent article sur Obsidian comme second cerveau de Claude, il s’agit de la même architecture, désormais formalisée dans un schéma et un flux de travail que chacun peut reproduire. C’est ce qui se rapproche le plus aujourd’hui d’une mémoire durable pour Claude qui fonctionne réellement.

L’histoire de l’infrastructure qui fixe tous les prix

Derrière chaque lancement de modèle cette semaine se cache un chiffre : Anthropic vient de signer un accord pour 3,5 gigawatts de capacité TPU Google via Broadcom, à partir de 2027.

Pour situer : l’accord initial avec Google Cloud d’octobre prévoyait 1 gigawatt mis en ligne en 2026. Ce nouvel accord multiplie presque ce chiffre par quatre. Les analystes de Mizuho estiment que Broadcom générera 21 milliards de dollars de revenus IA grâce à Anthropic en 2026 et 42 milliards en 2027.

Le chiffre d’affaires annuel d’Anthropic a dépassé les 30 milliards de dollars — contre environ 9 milliards fin 2025. Cela représente une croissance de 3,3x en moins d’un an, sur une base qui était déjà la plus rapide de l’histoire des logiciels d’entreprise.

Deux conséquences en découlent.

Premièrement, la barrière à l’entrée, c’est désormais le calcul. Ni l’architecture des modèles, ni les données d’entraînement — mais les gigawatts bruts d’inférence écoénergétique. Celui qui détient la chaîne d’approvisionnement TPU détient l’API par défaut pour les trois prochaines années. Google vient de s’inscrire dans la couche d’infrastructure de chaque modèle de pointe qui n’est pas le leur.

Deuxièmement, la question des performances de Claude, évoquée en introduction, doit être lue à la lumière de ce contexte. Anthropic fait face à de réelles contraintes de calcul tout en connaissant une croissance plus rapide que n’importe quelle entreprise SaaS de l’histoire. Les modes par défaut silencieusement rétrogradés de « effort élevé » à « effort moyen » ne sont pas une trahison — c’est un système de rationnement. L’accord à 3,5 gigawatts est la solution à long terme. Les budgets de réflexion explicites sont la parade à court terme.

Les petites sorties qui méritent chacune une ligne

Quelques nouveautés ont été lancées, qui ne nécessitent pas leur propre section mais qui méritent d’être mentionnées :

• OpenClaw Native Video Generation a unifié la génération vidéo de neuf modèles d’IA (OpenAI, Google, Alibaba, et d’autres) dans une seule interface. À installer absolument si vous générez régulièrement des vidéos.
• Cursor Remote Laptop Control via Phone — lancez des tâches de codage IA sur votre ordinateur portable depuis votre téléphone. C’est de niche, mais si vous devez souvent quitter votre machine, cela résout un vrai problème.
• Gemini 4 hors-ligne via OpenClaw — Google a publié un guide en trois étapes pour faire tourner Gemini 4 entièrement hors-ligne. Pas de cloud. Pas d’abonnement. Le fait que Google apprenne activement à ses utilisateurs à débrancher leur propre modèle en dit long sur l’évolution de l’économie du calcul.

Ce que cette semaine signifie réellement

Prenez du recul sur les treize annonces : trois tendances majeures s’imposent.

Tendance numéro un : la dégradation silencieuse devient une catégorie à part entière. L’affaire Claude est le premier cas bien documenté, mais ce ne sera pas le dernier. Tous les grands laboratoires sont limités par leur capacité de calcul. Tous disposent de leviers qu’ils peuvent actionner discrètement pour gérer la charge. Les utilisateurs doivent partir du principe que les paramètres par défaut d’il y a six mois ne sont plus ceux d’aujourd’hui. La configuration explicite devient une question de survie.

Tendance numéro deux : la distribution supplante l’intelligence. Muse Spark n’est pas le modèle le plus intelligent. C’est celui que la plupart des gens utiliseront réellement, parce qu’il est intégré à WhatsApp. Claude dans Word n’est pas l’intégration la plus avancée. C’est celle que toucheront 1,2 milliard de personnes. Pour les créateurs, la question « quelle API dois-je utiliser ? » devient rapidement moins importante que « où mon utilisateur se trouve-t-il déjà ? »

Tendance numéro trois : la couche open source monte dans la pile. Netflix a ouvert le code d’un modèle vidéo conscient de la physique. Karpathy a publié en open source une couche de gestion des connaissances. MiniMax a publié en open source un LLM auto-améliorant la semaine dernière. Ce qui aurait constitué un avantage propriétaire il y a 18 mois est désormais accessible publiquement. Si vous développez une simple surcouche SaaS autour d’une API fermée, votre avantage concurrentiel s’évapore. Si vous construisez des workflows, des pipelines et des intégrations, vous êtes exactement là où la valeur s’accumule.

Avant de conclure — une action concrète. Choisissez l’unique élément de cette liste qui changerait votre mardi matin si vous l’essayiez, et bloquez 30 minutes demain pour le tester. Pour moi, c’était la correction Obsidian de Karpathy. Pour vous, ce sera peut-être la bêta de Word, ou la gestion explicite des budgets de réflexion dans Claude Code, ou le téléchargement de VOID pour l’appliquer à une vidéo qui vous agace depuis un an.

L’écart entre ceux qui lisent l’actualité et ceux qui la testent s’accroît chaque semaine. Dans un an, les créateurs qui auront testé trois nouveautés par semaine seront intouchables. Ceux qui se contentent de lire continueront de lire.

C’est mardi. Choisissez-en une.

Foire aux questions

Est-ce que Claude Code devient vraiment moins performant, ou est-ce juste mes prompts ?

Les deux peuvent être vrais, mais les données d’AMD rendent la régression côté modèle indéniable. L’analyse de Stella Laurenzo sur 6 852 sessions a montré que les « lectures par modification » sont passées de 6,6 à 2,0 et que la profondeur de réflexion a chuté de 67 % entre février et mars 2026. Anthropic a confirmé que l’effort de réflexion par défaut est passé de élevé à moyen le 3 mars. Définissez explicitement thinking_effort: high et chargez le contexte en amont manuellement.

Qu’est-ce que Meta Muse Spark et dois-je y passer ?

Muse Spark est le premier modèle de Meta issu de Superintelligence Labs, lancé le 8 avril 2026. Il a obtenu un score de 52 à l’Intelligence Index, derrière GPT-5.4 et Gemini 3.1 Pro. N’en faites pas votre flux de travail principal, mais il est réellement performant sur les tâches de santé multimodales et est intégré à WhatsApp, Instagram et Messenger — ce qui signifie qu’il compte davantage pour la portée grand public que pour les outils à destination des développeurs.

Netflix VOID est-il vraiment open source ?

Oui. VOID est disponible sur Hugging Face et GitHub sous licence Apache 2.0. Il nécessite un GPU avec suffisamment de VRAM pour exécuter l’inférence CogVideoX, mais le modèle, les poids et la méthodologie d’entraînement sont tous publics. Cela en fait l’outil de suppression d’objets vidéo open source le plus puissant disponible en avril 2026.

Quel était l’accord de calcul entre Anthropic, Google et Broadcom ?

Anthropic a signé un accord pour environ 3,5 gigawatts de capacité TPU Google de nouvelle génération via Broadcom, à partir de 2027. Les analystes de Mizuho estiment que Broadcom générera 21 milliards de dollars en 2026 et 42 milliards en 2027 rien qu’avec Anthropic. Cela s’ajoute au gigawatt déjà mis en service en 2026 dans le cadre de l’accord initial avec Google Cloud.

Comment configurer le système mémoire Karpathy Obsidian + Claude ?

Installez Obsidian et l’extension Web Clipper, puis connectez Obsidian à Claude Desktop via un MCP de système de fichiers. Chargez le schéma de wiki public partagé par Karpathy, puis importez vos documents de recherche et extraits web dans le coffre. Claude lit l’ensemble du coffre sur demande et synthétise les connaissances connectées à travers les notes. Pour le guide complet, consultez mon article sur Obsidian comme second cerveau de Claude.

Travaillons ensemble

Vous souhaitez développer des systèmes d’IA, automatiser vos workflows ou faire évoluer votre infrastructure technologique ? Je serais ravi de vous accompagner.

• Fiverr (développements et intégrations sur mesure) : fiverr.com/s/EgxYmWD
• Portfolio : mejba.me
• Ramlit Limited (solutions pour entreprises) : ramlit.com
• ColorPark (design & branding) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io