Bruxelles, 27 juin 2026
Le dispositif de contrôle américain sur les modèles frontier a basculé en quarante-huit heures, rapporte Le Monde (27 juin 2026) dans IA : l'administration Trump autorise Anthropic à réactiver son modèle Mythos pour un groupe restreint de partenaires américains : l'administration autorise la réactivation de Mythos pour un cercle restreint, quinze jours après l'avoir interdit au nom de la sécurité nationale. Le même 26 juin, Next annonce dans OpenAI lance GPT-5.6 Sol, Terra et Luna, mais en accès limité le lancement de la famille GPT-5.6 sous le même régime d'accès contrôlé, sur exigence de la Maison-Blanche. Latent.Space (26 juin 2026), dans [AINews] OpenAI GPT-5.6 Sol / Terra / Luna — restricted to trusted partners EN, précise que Sol dépasse Mythos sur certaines tâches coding agent mais ne franchit pas le seuil « Cyber Critical » du Preparedness Framework d'OpenAI — il identifie des primitives d'exploitation sans produire de chaîne complète autonome. Sam Altman qualifie ce modèle d'accès contrôlé de « non préférable à long terme ». La concurrence entre modèles frontier se joue désormais sous un régime politique qui décide qui peut tenir le modèle, non ce que le modèle fait une fois tenu. L'objection tient : l'État reprend ici le siège de la décision frontière — et c'est bienvenu —, mais une liste d'accès restreint contrôle la distribution, non le mécanisme. Elle ne rend pas chaque acte datable et vérifiable de l'extérieur. Accueillir le siège, exiger la preuve : le seuil déplacé n'est pas le garant. Le seuil n'est plus technique, mais politique.
Le fine-tuning pour la classification de sécurité introduit des vulnérabilités d'évasion que l'évaluation standard ne détecte pas, montrent les auteurs d'Inherited Circuits, Learned Semantics sur arXiv (25 juin), dans Inherited Circuits, Learned Semantics: How Fine-Tuning Creates Evasion Vulnerabilities Invisible to Standard Evaluation EN PREPRINT. Les modèles apprennent des sémantiques indicielles au niveau token — des raccourcis qui préservent la précision sur les exemples canoniques tout en s'effondrant sous des transformations comportementalement neutres (substitution d'alias PowerShell, reconstruction de commandes, mutation de casse). Le plafond de confiance dans les classificateurs de sécurité est abaissé par le processus même qui les adapte. Le risque est dans l'entraînement, et la garantie doit se construire dans une couche de vérification extérieure — ce que l'évaluation standard, qui partage le mode de défaillance de l'entraînement qu'elle prétend juger, n'est actuellement pas. Le risque est dans l'entraînement, et la garantie dans une couche extérieure.
La CNIL (26 juin 2026) annonce dans Technologies émergentes et protection des mineurs : les autorités de protection des données du G7 s'accordent sur des principes clés que les régulateurs du G7 réunis à Paris ont adopté une déclaration sur les mécanismes de vérification de l'âge respectueux de la vie privée et un guide sur les objets connectés pour mineurs. Les principes fixés — minimisation des données, conception protectrice dès l'origine, contrôle parental par défaut — restent non contraignants, mais posent un référentiel auquel les régulateurs nationaux pourront renvoyer avant que les produits ne les franchissent. Dans un domaine où la régulation technique court après l'innovation commerciale, l'alignement préalable des sept plus grandes économies évite l'émiettement normatif. Le référentiel précède le produit ; il ne le contraint pas encore.
Le Monde (25 juin 2026), dans IA : le test d'un modèle chinois à la direction générale du Trésor interrompu à cause de « réponses orientées » ou « biaisées », rapporte que l'agent « HéphAIstos », testé par la DG Trésor, a été stoppé pour biais directionnels et qu'un modèle Mistral prend le relais. Le fait nouveau, par rapport au fil Washington–UE déjà documenté, est qu'un acteur souverain a détecté une orientation et a repris le siège en changeant de fournisseur. Ce que le brief ne dit pas — et c'est ici le trou qui compte —, c'est comment le biais a été repéré : la garantie de détection est elle-même un mécanisme non exhibé. La souveraineté est dans le choix ; la preuve, dans le geste montré.
Parmi les prépublications du jour, deux signaux méritent une mention différenciée. arXiv (25 juin) publie Reinforcement Learning without Ground-Truth Solutions can Improve LLMs EN PREPRINT — cadre RiVER qui exploite un retour d'exécution déterministe comme supervision continue pour entraîner des LLMs sans solution de référence. Le verdict de supervision est rendu par du code déterministe, non par le modèle qui se juge lui-même ni par une vérité de référence extérieure : c'est la thèse de l'extériorité en miniature. arXiv (25 juin) porte également TOPS: First-Principles Visual Token Pruning via Constructing Token Optimal Preservation Sets for Efficient MLLM Inference EN PREPRINT — élagage de tokens visuels par construction d'ensembles optimaux de préservation pour réduire la charge des MLLM ; un geste d'efficacité industrielle sans angle maison au-delà d'une légère parenté infrastructurelle. Le code tranche ; le modèle exécute.
Le Monde (26 juin 2026), dans IA : après l'inflation engendrée par la crise énergétique, celle provoquée par l'intelligence artificielle, « l'IAflation », note que Microsoft et Apple augmentent leurs prix sous la pression des coûts de calcul IA, et que les titres chutent en Bourse.
Mythos réactivé, HéphAIstos stoppé, le G7 réuni : le seuil a changé de main, mais la preuve n'a pas suivi. Chaque porte déplacée est une adresse nouvelle ; l'adresse de la garantie reste à construire.
— John Linotte · Section des Carnets · Bruxelles · mmxxvi