Trois pour cent d'écart : la semaine où DeepSeek a rattrapé Anthropic sur la ligne d'arrivée des benchmarks

DeepSeek a réduit à 3 % l'écart de performance avec le modèle de référence d'Anthropic sur le classement LiveBench le 5 octobre 2026, contre 9 % en mai dernier. Le même jour, Tencent a signé pour 7 milliards de dollars de puces IA chez Oracle plutôt que chez un fournisseur chinois, pendant que d'anciens ingénieurs de Groq attaquaient leur propre conseil d'administration devant la justice du Delaware au sujet d'un accord de 20 milliards de dollars avec NVIDIA.

Pourquoi l'écart entre DeepSeek et Anthropic est-il tombé à 3 % ?

DeepSeek a ramené à environ 3 % l'écart de performance avec le modèle de référence d'Anthropic sur le classement LiveBench, selon des résultats rapportés le 5 octobre 2026, contre un écart de 9 % mesuré en mai de la même année. Le modèle en cause, DeepSeek V4.1 Flash, avait été lancé le 11 septembre 2026 après une bêta limitée ouverte le 8 septembre : il remplace le modèle phare V4-Pro, baisse les prix d'utilisation et ajoute une vision multimodale native. Le score brut de 81,1 points, contre 83,4 pour le modèle d'Anthropic, reste inférieur, mais la tendance sur cinq mois intéresse davantage que l'écart instantané. Ce resserrement ne porte pas sur l'usage ou la part de marché, déjà traités le 28 septembre à propos de la progression des modèles chinois à poids ouverts sur la plateforme OpenRouter : il porte sur la qualité mesurée des réponses, un terrain où les laboratoires américains revendiquaient jusqu'ici une avance confortable. Pour les entreprises qui choisissent un modèle sur critères de coût et de performance plutôt que de marque, un écart de 3 % change le calcul économique, surtout quand le modèle le moins cher propose aussi une fenêtre de contexte et une vision comparables. Reste à voir si ce chiffre résiste à des benchmarks indépendants plus larges que LiveBench, et si Anthropic ou OpenAI publient une réponse avant la fin de l'année.

Pourquoi Tencent a-t-il choisi Oracle plutôt que des puces chinoises pour son IA ?

Tencent a signé le 2 octobre 2026 un accord de cinq ans avec Oracle portant sur environ 100 000 puces IA avancées, pour un montant rapporté d'environ 7 milliards de dollars, dans des centres de données d'Asie du Sud-Est plutôt qu'en Chine continentale. Ni Tencent ni Oracle n'avaient confirmé publiquement l'opération au moment de sa divulgation, mais plusieurs médias spécialisés convergent sur les mêmes ordres de grandeur. Le choix est notable : alors que les contrôles à l'export américains poussent de nombreuses entreprises chinoises à se tourner vers des accélérateurs domestiques, Tencent prend le chemin inverse en louant de la capacité de calcul étrangère via un détour géographique régional. Cela traduit une priorité donnée à la performance et à la disponibilité immédiate plutôt qu'à l'autonomie technologique totale, un choix que d'autres groupes chinois avaient évité jusqu'ici au moins publiquement. Le contrat s'inscrit aussi dans la montée en puissance d'Oracle comme bailleur de capacité IA pour des clients tiers, après des accords similaires déjà noués avec des laboratoires américains. Pour Oracle, chaque contrat de ce type consolide un carnet de commandes déjà très chargé sur le cloud IA, un argument régulièrement mis en avant par la direction du groupe auprès des marchés financiers.

Pourquoi d'anciens ingénieurs de Groq attaquent-ils leur propre conseil d'administration ?

Benjamin Serebrin et Joshua Rubin, deux anciens ingénieurs et actionnaires de Groq, ont déposé plainte le 2 octobre 2026 devant la Delaware Court of Chancery contre le conseil d'administration de l'entreprise. Leur argument central : le board aurait vendu les actifs technologiques et une partie du personnel clé de Groq à NVIDIA, dans un accord de licence et d'embauche estimé à 20 milliards de dollars (environ 17 Md$ en frais de licence et 3 Md$ en actions NVIDIA réservées à certains ingénieurs), sans organiser le vote actionnarial que le droit des sociétés du Delaware impose normalement pour une opération de cette ampleur. Les plaignants évoquent également des conflits d'intérêts chez des membres du board ayant bénéficié de rendements avantageux via des fonds d'investissement liés à l'opération. L'affaire s'ajoute à une enquête du département de la Justice américain ouverte en septembre 2026 et à une demande d'explications des sénateurs Elizabeth Warren et Richard Blumenthal, qui redoutent que ce type de montage en « licence plus embauche » permette de contourner l'examen antitrust habituellement réservé aux acquisitions classiques. Pour NVIDIA, dont la position dominante sur les puces IA fait déjà l'objet d'une attention réglementaire croissante, l'affaire ajoute une pression judiciaire à une pression politique déjà présente.

Comment OpenAI compte-t-il monétiser 1,2 milliard d'utilisateurs hebdomadaires de ChatGPT ?

OpenAI a commencé le 5 octobre 2026 à tester des publicités visuelles intégrées à la génération d'images de ChatGPT auprès d'un premier groupe d'annonceurs, selon des informations reprises le même jour, alors que l'application revendique désormais 1,2 milliard d'utilisateurs hebdomadaires. Les abonnés payants resteront exemptés de ces publicités, une ligne de séparation qui rappelle le modèle freemium classique des réseaux sociaux plutôt qu'une monétisation uniforme. L'enjeu pour OpenAI est de financer des coûts d'inférence et d'entraînement qui restent très élevés malgré des revenus d'abonnement déjà conséquents, sans fragiliser la confiance des utilisateurs dans la neutralité des réponses générées. L'expérimentation reste limitée à la génération d'images pour l'instant, un choix prudent qui évite de mélanger publicité et réponses textuelles, plus sensibles sur le plan de la perception. Si le test est étendu, OpenAI rejoindrait Google et Meta dans la recherche d'un équilibre entre gratuité de masse et revenus publicitaires, une équation que les moteurs de recherche ont mis des années à stabiliser et que les agents conversationnels doivent résoudre beaucoup plus vite, sous la pression des coûts de calcul.

Pourquoi Google a-t-il mis en pause son programme de récompense aux chercheurs en sécurité ?

Google a suspendu le 5 octobre 2026 son programme de bug bounty open source, qui couvre des projets comme Go, Angular, Bazel, Protocol Buffers et Fuchsia, après qu'une vague de soumissions de vulnérabilités générées par IA a submergé les équipes de relecture humaine. Une refonte du programme est prévue pour 2027. Le problème n'est pas la quantité de failles réelles découvertes, mais le volume de rapports de faible qualité ou erronés produits automatiquement par des outils d'IA générative, qui noient les signalements légitimes et épuisent les ressources humaines chargées de les trier. Ce type d'incident illustre un effet secondaire peu anticipé de la démocratisation des agents de recherche de vulnérabilités : ils abaissent la barrière à l'entrée pour les chercheurs en sécurité sérieux autant que pour les soumissions automatisées de faible valeur. D'autres programmes de bug bounty dans l'industrie logicielle observent des tendances similaires depuis le début de l'année 2026, sans qu'aucun grand acteur n'ait encore proposé de méthode fiable pour filtrer automatiquement les rapports générés par IA. La pause de Google pourrait ainsi servir de cas d'étude pour l'ensemble du secteur avant la refonte annoncée.

Peut-on vraiment faire tourner un modèle de 125 milliards de paramètres sur un PC grand public ?

Le projet open source Strata permet de faire tourner Qwen3.8-Flash-Next, un modèle à architecture mixture-of-experts de 125 milliards de paramètres dont seulement environ 6 milliards sont actifs par token, sur un PC équipé d'un GPU NVIDIA grand public de 12 à 24 Go de mémoire, 64 Go de RAM et un processeur x86 standard. Développé par un contributeur connu sous le pseudonyme Niko sur GitHub, le moteur d'inférence atteint jusqu'à 94,6 tokens par seconde sur une carte RTX 5070 en contexte de 4 000 tokens, et des utilisateurs rapportent environ 70 tokens par seconde sur une RTX 3090 plus ancienne en contexte de 128 000 tokens. Strata expose des API compatibles avec les formats OpenAI et Anthropic en local, ce qui permet de le brancher comme remplacement direct dans des applications déjà écrites pour ces fournisseurs. C'est l'illustration la plus concrète à ce jour de ce que l'architecture mixture-of-experts rend possible : activer seulement une fraction des paramètres par requête permet de faire tenir un modèle autrefois réservé aux centres de données sur une machine à moins de 2 000 euros. Pour les développeurs indépendants et les petites équipes, ce type de projet réduit nettement le coût d'entrée dans l'expérimentation avec des modèles de grande taille.

Testez votre lecture de la semaine