Bruxelles, 14 juillet 2026
Qu'est-ce qui pèse plus lourd qu'un modèle entraîné ? La réponse, ce 13 juillet, ne vient pas d'un laboratoire de recherche mais d'un tribunal. L'Usine Digitale (13 juillet 2026) rapporte qu'Apple attaque OpenAI en justice pour vol de secrets industriels par le biais d'ex-employés recrutés pour accélérer la stratégie hardware d'OpenAI. Le litige ne porte pas sur un algorithme ni sur un poids de modèle ; il porte sur l'usine — la chaîne de production silicium, les procédés de fabrication, le savoir-faire que le recrutement ciblé emporte avec les personnes.
Ce que la chronique du 11 juillet avait déjà nommé se durcit en front opposable. La guerre des paramètres devient guerre des chaînes de production. Le secret industriel est le nouveau poids de modèle. La souveraineté du siège technique n'est pas un appendice juridique ; c'est le poids qui tient le modèle quand il travaille.
The Decoder (13 juillet 2026), dans Turing Award winner Rich Sutton founds Oak Lab to build AI agents that learn on their own EN, annonce la création par Richard Sutton, lauréat du prix Turing 2024 et cofondateur de l'apprentissage par renforcement, d'un laboratoire-entreprise à Toronto. Sutton qualifie les méthodes deep learning actuelles de « faibles et inefficaces » et entend construire des agents capables d'apprendre continûment de leur environnement. Le pari n'est pas sur la taille du réseau, mais sur la boucle d'apprentissage continue. Ce qui se fonde ici, c'est une agentivité dans le temps long — pas un modèle de frontière, mais une boucle qui tient et qui a, par construction, une adresse.
Chez Next (13 juillet 2026), Des éditeurs pourraient disparaître de Google pour protéger leurs contenus de Gemini rapporte que plusieurs grands éditeurs de presse envisagent d'interdire l'indexation de leurs contenus au moteur de recherche, pour empêcher leur exploitation dans les réponses générées par l'IA de Google. Le contrat tacite entre référencement et visibilité se rompt quand le moteur devient producteur de réponses. La protection du contenu passe par le retrait du référencement — une menace qui, en se réalisant, priverait l'éditeur de la visibilité même qu'il défend. Le geste de retrait exhibe le mécanisme : la protection passe par une action datable et opposable, pas par une promesse invisible.
Sur arXiv (13 juillet 2026), From Expressivity to Sample Complexity: Narrow Teachers for Transformers via C-RASP EN PREPRINT déplace la question de l'apprentissage des transformers. Là où la littérature accumule les résultats d'expressivité — quelles tâches le modèle peut théoriquement représenter — ce préprint établit des bornes préliminaires de complexité d'échantillonnage pour l'apprentissage de constructions C-RASP. La classe d'hypothèse était connue, la quantité de données nécessaire pour l'atteindre ne l'était pas. Ce déplacement de l'expressivité vers la complexité d'échantillonnage mesure non plus ce que le modèle peut dire, mais ce qu'il peut apprendre avec quelles données. Le nombre d'exemples devient la grandeur manquante.
Toujours sur arXiv (13 juillet 2026), Extending LLM Context via Associative Recurrent Memory EN PREPRINT pose une borne sur la mémoire des transformers : l'Associative Recurrent Memory Transformer traite des contextes longs avec un scaling mémoire constant, et construit deux datasets long-contexte spécifiques de domaine. La mémoire ne croît plus linéairement avec la taille du prompt : elle s'externalise dans un substrat adressable. La frontière de confiance se déplace du paramètre au périphérique de stockage. Le travail déterministe avant l'inférence — mémoire structurée, contexte choisi par le code — est la part qui ne fond pas.
Le Monde (14 juillet 2026), dans « On se sent un peu les cobayes de ce nouveau monde » : la peur des jeunes de devenir obsolète dans un monde où déferle l'IA, rapporte que la fin de la phase principale de Parcoursup coïncide avec un syndrome du « FOBO » — « fear of becoming obsolete ». Les lycéens hésitent à s'engager dans des formations dont le métier cible pourrait avoir disparu avant la remise du diplôme. La peur de l'obsolescence pénètre désormais la décision d'orientation. Ce n'est plus une anxiété de salarié : c'est une variable d'inscription qui redessine le marché des formations avant celui du travail.
Next (13 juillet 2026), dans Bun présente une réécriture intégrale en Rust, réalisée en 11 jours avec Fable 5, ouvre la question du régime de l'agent de code en production. L'opération est présentée comme un exemple concret avec des limites d'applicabilité. Ce qui change, c'est le régime : Fable 5 cesse d'être une démonstration et devient un outil de chaîne de production. Le délai court soulève la vitesse de mutation du code existant, pas seulement de sa génération ex nihilo.
Latent.Space (14 juillet 2026), dans Codex usage up >10x in 6 months to 7M users, +1M in the past ~day EN, relève que l'usage de Codex a été multiplié par plus de dix en six mois, atteignant 7 millions d'utilisateurs avec un pic d'un million en une journée. Si le seuil d'un million d'utilisateurs en un jour est exact, l'agent de code devient un marché de masse, pas un outil de niche. La comparaison teste quel agent définit le standard de l'usage.
Le reste du flux. — arXiv (13 juillet), dans Invariant Learning Dynamics of Transformers in Inductive Reasoning Tasks EN PREPRINT, confine la dynamique d'entraînement de l'attention à une sous-variété pour une classe unifiée de tâches inductives. — Même source, Inside the Unfair Judge EN PREPRINT, trace un compte rendu mécanistique des biais LLM-as-Judge dans l'espace des représentations cachées. — arXiv (13 juillet), Metacognition in LLMs EN PREPRINT, dresse un état des lieux des capacités métacognitives des grands modèles. L'axe réglementaire n'apporte pas de fait neuf aujourd'hui. — Intel investit 5 milliards d'euros dans son usine irlandaise pour répondre à la demande liée au boom de l'IA agentique (L'Usine Digitale, 13 juillet 2026). — Netflix et Disney+ cherchent de nouveaux leviers d'engagement face à la concurrence des réseaux sociaux et du jeu vidéo (Next, 13 juillet 2026). — OpenAI publie un guide de prompting pour utilisateurs grand public qui conseille de décrire le résultat voulu plutôt que les étapes (The Decoder, 13 juillet 2026, OpenAI's new prompting guide tells users to stop overthinking and start with the result EN). — Satya Nadella dénonce le « paradoxe informationnel inversé » d'OpenAI et Anthropic, qui forment sur des données publiques mais interdisent la distillation de leurs propres modèles (The Decoder, 13 juillet 2026, Nadella calls out AI labs like OpenAI and Anthropic for banning distillation while training on everyone else's data EN). — Plus de 200 économistes et chercheurs en IA, dont 16 lauréats Nobel, appellent à l'action face à l'impact économique rapide de l'IA (The Decoder, 13 juillet 2026, Nobel laureates and AI leaders warn the window to prepare for AI's economic impact is closing fast EN).
L'agent a quitté le tenseur. Le secret industriel, la mémoire adressable, la boucle d'apprentissage continu — chaque porteur du jour déplace le siège de l'agentivité hors du modèle. Ce qui se mesure aujourd'hui, ce n'est plus le poids du réseau ; c'est l'adresse de ce qui le fait tenir.
— John Linotte · Section des Carnets (Records) · Bruxelles · mmxxvi