Le 5 août 2026, OpenCost s’associe à llm-d pour publier le premier suivi du coût d’inférence par token sur Kubernetes. La distinction entre coût d’allocation et coût d’usage met fin au calcul trompeur qui justifiait à tort l’auto-hébergement des LLM.
Le 31 juillet 2026, DeepSeek a mis à jour son modèle V4 Flash par simple re-post-entraînement, sans modifier l’architecture. Résultat : le petit modèle à 13 Md de paramètres actifs surpasse désormais le V4 Pro sur neuf benchmarks de code.
Google DeepMind a publié le 5 août 2026 Gemma 3, un modèle de 27 milliards de paramètres en open weights sous licence Apache 2.0, avec une fenêtre de contexte d’un million de tokens et une version 7B qui surpasse Llama 4 8B sur MMLU-Pro. Si vous hésitez entre Llama et Gemma pour votre prochain déploiement, le choix vient de se simplifier.
Présenté au AWS Summit New York le 7 août 2026, AgentCore Runtime Instances apporte un compute stateful et persistant aux agents Bedrock, supprimant le *cold start* qui pénalisait les déploiements temps réel. Si vos agents IA mettent plus de trois secondes à répondre, le problème vient probablement de votre infrastructure — et AWS vient de le résoudre.
En août 2026, l’écosystème du self-hosted vit une mutation silencieuse mais décisive : les modèles de langage compacts (Gemma 3 1B, Llama 4 3B quantifié, Qwen 3 0.5B) permettent désormais de faire tourner une IA conversationnelle locale sur du matériel grand public. Voici ce qui est réaliste aujourd’hui, ce qui ne l’est pas encore, et comment démarrer sans exploser votre facture électrique.
Le 7 août 2026, NetworkManager a adopté une politique formelle encadrant les contributions assistées par IA, rejoignant le mainteneur WiFi Linux qui a instauré une règle de « revue en trois secondes ». Les projets open source ne ferment pas la porte aux LLM, mais ils définissent désormais les conditions d’un usage acceptable — et les sanctions en cas d’abus.
Le 6 août 2026, OpenAI a annoncé une mise à jour majeure de ChatGPT : GPT-5.6 Sol gagne en fiabilité pour les abonnés Plus et Pro, tandis que les utilisateurs gratuits passent en conversations texte illimitées avec GPT-5.6 Luna. Si vous payez encore ChatGPT sans comprendre ce que cette mise à jour change, voici le rapport qualité-prix réel du nouveau tiering.
Le 5 août 2026, le benchmark indépendant Artificial Analysis a classé Qwen3.8 Max au cinquième rang mondial avec un score de 58,08 sur l’Intelligence Index, devant Claude Opus 4.8 et GPT-5.6 Terra. Pour 0,03 $ par tâche, Alibaba propose une alternative crédible aux modèles américains — mais la question de la confiance réglementaire reste entière.
Greg Kroah-Hartman annonce que le sous-système staging du noyau Linux rejette désormais tous les patches générés par LLM, avec une seule exception: les correctifs de sécurité réels testés sur le matériel visé. Une ligne rouge qui protège l'école du noyau.
Le 27 juillet 2026, Hugging Face a publié l’analyse technique d’une intrusion menée par un agent IA contre un laboratoire d’IA frontière. Ce rapport change la donne pour la cybersécurité des infrastructures de recherche.
Le 28 juillet 2026, le chercheur Håkon Måløy a publié la première démonstration publique d’un ver IA document-borne capable d’altérer des rapports financiers et de s’auto-propager dans Copilot pour Word. Après 144 jours de divulgation coordonnée et deux tentatives de correction — dont une montée de version vers GPT-5.6 — la classe de vulnérabilité reste exploitable.
Chrome 149 et 150 embarquent 1 072 correctifs de sécurité découverts, triés et patchés par des agents IA. Google a automatisé l’intégralité de la chaîne de gestion des vulnérabilités — fuzzing, reproduction, triage, correctif — et ça change tout pour vos pipelines DevSecOps.
Le 30 juillet 2026, cinq propositions sont sur la table pour encadrer ou interdire l’IA générative dans les contributions au projet Debian. Le résultat de ce vote influencera l’ensemble de l’écosystème open-source.
Moonshot AI a publié les poids de Kimi K3 le 26 juillet 2026 — le plus grand modèle open-weight jamais distribué, compétitif avec GPT-5.6 Sol et Claude Fable 5. Voici ce que ça change pour vos stacks d’inférence.
Les agents IA autonomes sont sortis du bac à sable conversationnel en 2026. Ils exécutent des tâches multi-étapes, appellent des API et prennent des décisions en production — voici les frameworks et les garde-fous qui rendent ça possible.
Fine-tuner un modèle de 8 milliards de paramètres coûtait entre 5 000 et 15 000 $ en GPU cloud il y a deux ans. QLoRA le fait aujourd’hui sur une seule RTX 3090 — la même carte qui fait tourner vos jeux.
Mistral Large 3, Llama 4 Maverick et DeepSeek-V3 ont atteint la parité avec les modèles fermés de référence. Voici pourquoi le monopole GPT-5 et Claude 4 est terminé, et ce que ça change pour vos déploiements.
Le Retrieval-Augmented Generation n’est plus un mot à la mode : c’est la couche de vérité qui empêche les LLM d’inventer des réponses à partir de vos documents. Voici les architectures, les modèles et les pièges qui séparent un PoC d’un déploiement fiable.
En 2026, Ollama et Open WebUI permettent de faire tourner un LLM chez soi sans diplôme d’ingénieur. Un Mac Mini M4 avec 24 Go de RAM unifiée fait tourner du 32B en Q4, et le point mort face à un abonnement ChatGPT Plus se situe entre 18 et 36 mois selon la machine choisie.
