OpenAI va lever le plafond de messages texte des comptes gratuits et Go de ChatGPT
Les comptes gratuits et Go de ChatGPT basculent cette semaine sur GPT-5.6 Luna comme modèle par défaut. La semaine suivante s'y ajouteront des messages texte sans limite de volume et un bouton Think, qui laisse au modèle davantage de temps sur les questions difficiles, l'ensemble sous réserve de garde-fous contre les abus, précise OpenAI dans son annonce du 6 août. Les limites subsistent sur les téléversements de fichiers, les images et les autres outils. Les abonnés Plus et Pro accèdent dès le jour de l'annonce à une version révisée de GPT-5.6 Sol, que l'entreprise décrit comme plus directe, allégée en mises en forme superflues et capable de contredire l'utilisateur plutôt que d'abonder dans son sens. Un curseur, ouvert à ces seuls abonnés sur le web comme sur mobile et sur ordinateur, règle par ailleurs la quantité de réflexion consacrée à chaque réponse. Sur une évaluation interne portant sur des demandes financières, médicales et juridiques appelant des détails factuels, les réponses contenant au moins une erreur sont environ 62 % moins fréquentes avec Luna et 68 % moins fréquentes avec Sol qu'avec GPT-5.5 Instant, mesure OpenAI ; aucun laboratoire extérieur n'a reproduit ces résultats. The Decoder titre que les comptes gratuits se retrouvent cantonnés au modèle le plus faible de l'entreprise, et relève que le bouton Think se contente d'allonger le raisonnement de Luna. Cette version de Sol n'est proposée que dans l'expérience Chat ; la version qui alimente Work et Codex n'évolue pas dans cette livraison.
Pourquoi c'est important
Ce plafond de messages disparaît, et l'annonce dit elle-même à quel prix. Le modèle servi aux comptes gratuits s'appelle Luna ; Sol, celui dont OpenAI annonce le meilleur score sur les faits, reste réservé aux formules Plus et Pro, l'abonnement Go tournant lui aussi sur Luna alors qu'il est payant. Un enseignant qui prépare ses supports ou un indépendant qui rédige ses devis gagnera du volume, sans accéder au raisonnement le plus poussé de l'éditeur. Attention à la lecture des deux pourcentages avancés par OpenAI : 62 % et 68 % d'erreurs en moins se rapportent au même point de comparaison, GPT-5.5 Instant, et non l'un à l'autre. Ils établissent que le modèle payant se trompe moins que celui des comptes gratuits, sans dire de combien.
Source : OpenAI
Des fichiers de compétences piégés ont dépassé 1,7 million d'installations avant d'être retirés
Michael Bargury, cofondateur et directeur technique de Zenity, et Roey Ben Chaim, ingénieur principal de la société, ont reconstitué le 6 août à Black Hat USA comment la chaîne d'approvisionnement des agents d'IA est devenue un terrain de propagation pour les logiciels malveillants. Ils ont détaillé une campagne de typosquattage, soit la publication de fichiers sous un nom volontairement proche de celui d'un outil connu, visant les utilisateurs de deux logiciels répandus, Paperclip et Browser Use. Les premières installations de la famille imitant Paperclip ont été enregistrées le 5 juillet sur skills.sh, la place de marché de compétences opérée par Vercel, alors qu'il s'agissait encore de copies conformes des compétences légitimes ; du code malveillant est entré dès le 6 juillet dans le dépôt qui les héberge, et les fichiers eux-mêmes ont été piégés le 11 juillet. Au 2 août, la plateforme affichait plus de 1,7 million d'installations cumulées pour cette seule famille, un total que Zenity Labs prend soin de relativiser : un même utilisateur peut être compté plusieurs fois, et le décompte additionne des compétences qui se renvoient les unes aux autres, si bien que le laboratoire dit ignorer le nombre de victimes distinctes. Les instructions piégées faisaient télécharger à l'agent, depuis un serveur extérieur et sans vérification du chiffrement, un module de collecte d'identifiants qu'il exécutait aussitôt avant de l'effacer. Ce module fouillait plus de cent emplacements sur les postes Windows, macOS et Linux, à la recherche des clés d'accès aux services cloud, aux dépôts de code et aux chaînes de publication logicielle. Alertés par le laboratoire, Vercel et GitHub, filiale de Microsoft, ont retiré le 2 août, dans les douze heures suivant le signalement, les fichiers, les fiches et les dépôts concernés. Zenity avertit toutefois que des instructions recopiées peuvent subsister dans des dépôts en aval, chez des agrégateurs et sur les machines des utilisateurs.
Pourquoi c'est important
Un fichier de compétences est un document en langage naturel que l'agent lit et exécute : un simple texte suffit désormais à déclencher du code hostile. Les contrôles conçus pour les bibliothèques logicielles n'y voient rien, puisque l'agent va chercher les instructions au moment où il tourne. Le contraste est mesurable : les paquets publiés par le même auteur sur la place de marché Python ont été repérés en moins de deux heures, les fichiers de compétences ont circulé trois semaines. C'est d'ailleurs en les faisant tourner par lots dans un environnement d'agent surveillé, une méthode que les chercheurs appellent détonation, que Zenity a repéré la campagne. Le compteur d'installations, lui, a fonctionné comme un signal de confiance : les fichiers piégés sont restés au classement des tendances de la place de marché, chacun affichant en fin de période quelque 300 000 installations, relève CSO Online. Pour une direction technique qui outille ses développeurs, la consigne du laboratoire est nette : toute machine où ce code a pu s'exécuter doit être tenue pour compromise, et les identifiants qui y sont stockés renouvelés. Le retrait des fichiers par Vercel et GitHub ne règle pas cette partie-là.
Source : Zenity Labs
Six éditeurs publient Agent Plugins 1.0.0, un format portable d'extensions pour agents
Proposée par Vercel et mise au point avec des représentants d'Amazon, d'Anysphere, l'éditeur de Cursor, de GitHub, de Microsoft et d'OpenAI, la version 1.0.0 d'Agent Plugins a été publiée le 6 août. Cette spécification ouverte décrit comment réunir dans un seul dossier les compétences d'un agent et sa configuration de connexion aux outils extérieurs, afin de faire passer ce paquet d'un logiciel à l'autre sans le remanier. Le format tient à peu de chose. À la racine, un manifeste, carte d'identité du paquet, dont deux champs seulement sont obligatoires : le nom, et la version du format visée. À côté, deux éléments facultatifs dont la spécification fixe l'emplacement, un dossier de compétences et un fichier listant les serveurs MCP, du nom du protocole qui relie un agent aux outils et aux services extérieurs. La version 1 laisse délibérément l'installation, la distribution, le modèle de permissions et l'expérience utilisateur à la main de chaque logiciel ; elle ne traite ni le bac à sable, c'est-à-dire l'isolement du programme lancé, ni la vérification de provenance, deux chantiers que le projet renvoie à une version ultérieure sans s'y engager. Cinq logiciels sont recensés compatibles au lancement sur le site du projet : VS Code, Cursor, GitHub Copilot, Kiro et l'ensemble ChatGPT/Codex. Jonathan Hefner, qui y représente Vercel au comité technique, est le mainteneur principal du projet. Google a annoncé le même jour, sur son blog développeurs, rejoindre ce comité avec Kevin Hou pour représentant, et fait savoir que deux de ses produits prennent déjà en charge le format, Agents CLI et Data Agent Kit. Anthropic, d'où vient le format Agent Skills que la spécification empaquette, ne compte aucun mainteneur au comité technique, et aucun de ses produits ne figure à ce jour dans la liste des clients compatibles publiée par le projet.
Pourquoi c'est important
Jusqu'ici, une même compétence devait souvent être réemballée d'un logiciel à l'autre : le contenu ne bougeait pas, mais les métadonnées de premier niveau, les chemins de découverte ou la configuration des connexions changeaient d'un éditeur à l'autre. Un seul dossier suffit désormais pour les logiciels annoncés compatibles, dans les limites que chacun déclare, ce qui compte pour un prestataire dont les donneurs d'ordre n'ont pas tous retenu le même outil. Les éditeurs se sont arrêtés au format : la spécification décrit un emballage, et ce qu'il contient relève de chaque équipe. La campagne de fichiers de compétences piégés révélée le même jour, sans rapport avec ce format, rappelle qu'un paquet peut être hostile. Deux règles portables encadrent malgré tout les auteurs de paquets : interdiction d'inscrire des identifiants dans les en-têtes et les variables d'environnement des serveurs MCP, dont les valeurs doivent être tenues pour lisibles de tous, et obligation de confiner au dossier du paquet les fichiers qu'il fournit. Rien n'en contrôle l'application, et la seconde n'empêche pas le programme, une fois lancé, d'agir hors de ce dossier.
Source : Vercel
WeatherNext gagne plus d'une journée d'anticipation sur les cyclones, code et poids ouverts
Plus de vingt-quatre heures d'anticipation gagnées en moyenne sur les meilleurs modèles opérationnels, pour prévoir la trajectoire, l'intensité et la structure des vents d'un cyclone tropical : c'est ce que les auteurs créditent au modèle WeatherNext Cyclones, dans des travaux parus le 6 août dans Nature. Google DeepMind et Google Research les ont menés avec des prévisionnistes du National Hurricane Center américain, du Cooperative Institute for Research in the Atmosphere et du Met Office britannique. DeepMind le formule autrement : ses prévisions à trois jours valent celles que les modèles antérieurs ne donnaient qu'à deux. Le modèle a été entraîné conjointement sur près de 20 téraoctets de données atmosphériques mondiales et sur quelque 5 000 tempêtes historiques issues de la base IBTrACS. Il ne réclame en entrée que des données à 28 kilomètres sur 28, cent fois plus grossières que celles des modèles traditionnels. Le résultat a surpris les chercheurs, écrit le laboratoire : comprendre pleinement d'où vient une telle précision à cette résolution reste une question de recherche ouverte, et la version allégée, qui travaille à 111 kilomètres sur 111, obtient elle aussi de bons résultats. Le code et les poids de WeatherNext 2, de WeatherNext Cyclones et de cette version allégée sont désormais publiés en open source. Pendant la saison 2025, le modèle avait aidé le centre américain à prévoir l'intensification rapide de l'ouragan Melissa et son arrivée sur la Jamaïque.
Pourquoi c'est important
La publication des poids change plus de choses que le gain d'anticipation lui-même, dont les chiffres sortent d'une évaluation que les auteurs ont conduite eux-mêmes sur des cyclones passés. Un service météorologique dépourvu de supercalculateur ne pouvait jusqu'ici que lire les résultats de ce type de modèle ; la version allégée s'exécute sur une seule puce spécialisée, là où les modèles complets en réclament une bien plus puissante. Les agences du sud-ouest de l'océan Indien, dont les saisons cycloniques frappent Madagascar et le Mozambique, peuvent donc l'éprouver sans engagement opérationnel, en la faisant tourner sur des cyclones anciens. Ce que le modèle attend en entrée est public : des états de l'atmosphère reconstitués à l'échelle du globe. Le modèle a par ailleurs tourné aux côtés du National Hurricane Center pendant la saison 2025, dont Google met le rapport de vérification annuel en lien, et le laboratoire renvoie aux services météorologiques nationaux pour toute prévision et toute alerte officielles.
Source : Google DeepMind
Suno appose une signature vérifiable sur les morceaux qu'il génère
Mikey Shulman, à la tête de Suno, a détaillé le 6 août les outils de transparence que la plateforme de génération musicale a commencé à déployer, alignés sur des normes en train d'émerger dans le secteur et destinés à rendre identifiables les morceaux qui en sortent lorsqu'ils circulent ailleurs. Une technologie de filigrane audio et d'empreinte acoustique suivra « dans les prochaines semaines » ; l'entreprise entend l'exploiter avec les plateformes de distribution pour lutter contre la fraude et les usages abusifs. Ces outils sont présentés comme durables et résistants à la falsification, sans affecter l'expérience d'écoute, et sans vocation à juger si un morceau est bon ou suffisamment humain. Une politique de téléchargement arrivera « bientôt », pour limiter la diffusion en masse de morceaux sur les services de streaming. L'entreprise assure qu'elle préservera les usages professionnels, créatifs et personnels et qu'elle sera sans effet pour la grande majorité de ses utilisateurs, mais n'en communique ni la date ni les modalités. Suno affirme par ailleurs n'avoir jamais accepté d'invite désignant un artiste précis ou une chanson protégée : le nom cité est retiré et la demande réorientée vers des caractéristiques musicales descriptives, tandis que les fichiers audio et les paroles téléversés sont filtrés avec Audible Magic, Musixmatch et d'autres prestataires, à la recherche d'usages potentiellement non autorisés du travail d'artistes. « En définitive, nous pensons qu'il devrait revenir aux artistes et aux plateformes de décider ce qu'ils veulent divulguer », écrit le dirigeant. L'annonce intervient alors que l'entreprise fait face à des poursuites d'Universal Music Group et de Sony Music coordonnées par la RIAA, rapporte TechCrunch.
Pourquoi c'est important
Les studios de post-production casablancais qui livrent des annonceurs européens ont quelques semaines devant eux. Une fois la technologie déployée, une bande-son sortie de Suno portera une marque que l'éditeur destine à un usage conjoint avec les plateformes de distribution. La difficulté se déplace alors vers le contrat : lorsqu'une commande stipule une création originale sans mentionner le procédé employé, une origine devenue vérifiable peut transformer un détail de production en manquement opposable par le donneur d'ordre. Le marquage établit d'où vient le morceau et rien de plus, restant muet sur la titularité des droits comme sur la part de travail humain. Les contrats déjà signés l'ont été quand cette vérification n'existait pas.
Source : Suno
OpenAI ouvre ses données d'usage de ChatGPT pays par pays, l'Afrique parmi les zones qui rattrapent
Un jeu de données décrivant l'usage de ChatGPT pays par pays est en ligne depuis le 6 août sur Signals, la plateforme de recherche économique d'OpenAI ; l'entreprise présente l'exercice comme une première. Au travail, il est plus de deux fois plus fréquent de solliciter ChatGPT pour produire quelque chose ou exécuter une tâche qu'en dehors du travail, où la recherche d'information et de clarification reste la première catégorie. Au deuxième trimestre, relève l'entreprise, l'usage a progressé plus vite dans certaines régions d'Amérique latine, d'Océanie et d'Afrique que dans le reste du monde, réduisant progressivement l'écart d'adoption par habitant avec les pays entrés les premiers dans la technologie. Le Pérou, l'Uruguay et le Costa Rica sont ceux qui gagnent le plus de places au classement mondial des messages par habitant d'un trimestre à l'autre. Le multimédia est le cas d'usage dont la croissance est la plus rapide depuis la sortie de ChatGPT Images 2.0 en avril : il représente désormais 7,8 % des messages dans le monde, tout en restant derrière les conseils pratiques, la rédaction et la recherche d'information, et dépasse un message sur dix au Brésil comme en Colombie. La part des messages envoyés par les 35 ans et plus augmente enfin dans presque tous les pays, avec plus de dix points de hausse en un an en France et en Tchéquie ; elle progresse moins vite que la moyenne dans plusieurs pays d'Asie du Sud-Est, dont Singapour, tout en gagnant du terrain dans six des huit pays de la région. Le jeu de données ne couvre que les comptes Free, Go, Plus et Pro, qu'OpenAI décrit comme généralement gérés par des particuliers plutôt que par des organisations, et l'analyse par âge ne porte que sur les utilisateurs ayant déclaré le leur.
Pourquoi c'est important
Ce qui change pour un ministère ou une fédération professionnelle, c'est l'accès : les classements par pays existaient déjà sous forme de palmarès publiés par l'éditeur, le jeu de données est désormais consultable et téléchargeable. Deux réserves en bornent l'usage. Le classement rapporte un volume de messages à une population et ne dit rien du nombre d'utilisateurs derrière ce volume, de sorte que deux pays voisins au palmarès peuvent avoir des bases très différentes. Le décompte ne retient par ailleurs que les comptes individuels, si bien qu'il mesure surtout l'usage personnel, y compris lorsqu'il sert au travail. Pour une direction des systèmes d'information, c'est l'approximation la plus fidèle dont elle dispose de l'usage qui lui échappe.
Source : OpenAI
Recenser les usages IA déjà installés dans ses équipes →