Bruxelles, 15 juillet 2026

Le robinet du forfait sur Fable 5 se ferme dans huit jours ; passée cette date, le modèle se paiera au compteur, dix dollars le million de jetons en entrée et cinquante en sortie, selon IT Social dans Les coûts de l’IA se scindent en deux, entre le forfait mensuel des modèles courants et le compteur à jetons des modèles frontière. Contre cette bifurcation commerciale, l’architecture répond en interne : sur arXiv, un cadre actor-critic apprend la confiance en même temps que la prédiction.

Sur arXiv dans From Critic to Confidence: PPO for Language-Based Quantitative Prediction with Confidence Estimation EN PREPRINT, un cadre nommé CARE-PPO relie l’estimation d’incertitude au fine-tuning actor-critic PPO. Le critique apprend une fonction de valeur alignée sur la qualité de la prédiction ; l’acteur reçoit un signal de récompense dense, indexé sur l’erreur de prédiction, pour ajuster ses estimations numériques. Au moment de l’inférence, le critique se réaffecte en estimateur de confiance. Les expériences portent sur deux tâches réelles en santé et finance, avec des modèles Qwen-3 4B et 8B ; les scores de confiance surpassent les baselines logit-based et verbalized, et les gains tiennent en condition hors distribution. La nouveauté est dans ce double apprentissage conjoint : le modèle ne prédit pas seulement une valeur, il apprend simultanément à en connaître la fiabilité. La confiance devient une grandeur entraînée, pas une surcouche calibrée a posteriori.

Toujours sur arXiv dans Toward Localizing and Repairing Bias in Transformer Attention Heads EN PREPRINT, les auteurs introduisent ROBIN, une méthode qui identifie les têtes d’attention responsables de comportements biaisés et les corrige sans réentraînement complet. L’article contraste cette approche avec les méthodes existantes qui opèrent en entrée-sortie ou imposent un réentraînement. La réparation auditable se déplace du prompt engineering à la tête de calcul elle-même. Hier, le brief notait dans Inside the Unfair Judge un compte rendu mécanistique des biais LLM-as-Judge dans les représentations cachées ; aujourd’hui, l’intervention porte sur la couche attention, plus en amont. Le biais devient adressable au niveau du circuit ; l’extériorité du comportement se résout dans l’intériorité de l’architecture.

Sur arXiv dans Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution EN PREPRINT, les auteurs identifient un défaut exécutif des agents LLM : ils déploient une stratégie de contexte maximum par défaut, relisant des fichiers et dépendances déjà connus pour une modification d’une ligne. L’article appelle de ses vœux une estimation de portée consciente de la complexité, qui juge la difficulté réelle d’une tâche avant d’allouer des ressources. C’est un manque d’agentivité : l’agent ne sait pas distinguer l’audit de la correction. La frontière de confiance ne passe plus seulement par la correction du résultat, mais par la justesse de l’effort déployé pour l’atteindre. L’allocation du workflow devient structuration architecturale autant que la prédiction.

IT Social décrit dans Les coûts de l’IA se scindent en deux, entre le forfait mensuel des modèles courants et le compteur à jetons des modèles frontière la bascule économique qui s’opère depuis le 12 juillet : Anthropic a prolongé pour la troisième fois l’accès inclus à Fable 5, mais le 19 juillet marquera la fin du forfait. Passée cette date, le modèle se paiera au compteur. L’article note que les grilles tarifaires d’Anthropic, OpenAI, Google et Mistral se répondent à la décimale près, et que le prix cesse d’être le terrain de différenciation. Ce qui émerge est une structure en deux régimes : un forfait prévisible pour le travail courant, un compteur ouvert pour la capacité de frontière. Le coût marginal réel finit toujours par se facturer à la consommation, et l’illusion du forfait ne tient que le temps où le fournisseur subventionne l’usage. Le marché tranche : la frontière se paie au jeton, le courant à l’abonnement.

Le Monde rapporte dans Hachette et d’autres éditeurs poursuivent Google, l’accusant de violer les droits d’auteur avec son IA Gemini que plusieurs maisons d’édition accusent Google d’avoir utilisé sans autorisation des œuvres protégées pour entraîner Gemini. La plainte s’ajoute à une séquence de procédures similaires. Le contentieux touche cette fois un acteur qui dispose à la fois d’un moteur de recherche dominant et d’un modèle génératif intégré, ce qui redouble les questions sur l’origine traçable des données d’entraînement. La défense de Google n’est pas reprise dans l’article. La traçabilité devient la ligne de fracture entre deux modèles de souveraineté numérique.

Next évoque dans Le premier appareil d’OpenAI serait une enceinte connectée sans écran le premier produit matériel qu’OpenAI pourrait lancer : ni smartphone ni lunettes, mais une enceinte. L’indiscrétion tombe quelques jours après la plainte d’Apple pour vol de secrets industriels par le biais d’ex-employés. OpenAI nie toute faute. L’objet physique — l’enceinte sans écran — diffère du contentieux judiciaire sur les secrets industriels qui l’a précédé ; le hardware devient le terrain où se joue l’autonomie stratégique du labo face à ses fournisseurs et concurrents. La frontière du harnais se déplace du cloud vers le salon. L’objet compte autant que le modèle ; le hardware est institution.

Dans les signaux du jour : arXiv porte AVQ-Attention: Adaptive Vector-Quantized Attention EN PREPRINT, qui propose une attention vector-quantized adaptative ; A JoLT for the KV Cache EN PREPRINT, qui compresse le cache clé-valeur par allocation conjointe Tucker et résidu Johnson-Lindenstrauss ; et PalmClaw: A Native On-Device Agent Framework for Mobile Phones EN PREPRINT, qui déploie un agent LLM natif sur téléphone. L’axe régulation n’apporte pas de fait neuf aujourd’hui — les publications CNIL et le guide ANJ prolongent des séquences déjà documentées, et le Scientific Panel de l’AI Act reste sur le même socle. L’Usine Digitale note qu’Alma atteint la rentabilité et accélère en Europe, et traite par ailleurs de l’intégration de l’IA dans les relations sociales de l’entreprise. Sur Latent.Space dans 5 Trends That Defined AI Engineering at World’s Fair 2026 EN, l’observation est que l’ingénierie IA ne construit plus seulement avec des agents, mais autour d’eux — l’infrastructure se réorganise pour encadrer des entités dont le comportement n’est plus entièrement spécifié ligne par ligne. Côté The Decoder, Anthropic ouvre Claude gratuitement aux enseignants K-12 aux États-Unis dans Anthropic opens Claude for Teachers EN ; OpenAI réactive ChatGPT sur WhatsApp dans l’Espace économique européen dans ChatGPT returns to WhatsApp in Europe EN ; et une étude sur les variations systématiques des valeurs de Claude selon la langue de prompt paraît dans Claude values study EN.

Ce que le modèle ne porte plus, le code qui l’enrobe doit l’adresser ; pas l’inverse.

— John Linotte · Section des Carnets (Records) · Bruxelles · mmxxvi