Taste-Bench, un nouveau benchmark, évalue la capacité des agents IA à faire les bons choix stratégiques au fil de tâches longues. Même le meilleur, GPT-5.6 Sol, ne choisit la bonne voie que dans un peu moins de 60 % des questions binaires simples, et un temps de réflexion plus long n'y change rien.
Anthropic travaille avec des cabinets d'avocats à des normes pour les agents IA appelés à négocier des prix, régler des litiges ou améliorer des contrats au nom des utilisateurs. L'entreprise recrute aussi juristes et chercheurs en sciences humaines comme « Conceptual Reasoning Fellows » pour renforcer Claude là où les données d'entraînement fiables manquent.
Clubic décrypte le Model Context Protocol, un standard commun qui relie chatbots, assistants et agents à nos logiciels du quotidien. Grâce à lui, l'IA peut retrouver un document, consulter un agenda ou créer une tâche en accédant directement aux données et aux outils.
Lors d'une expérience, six agents IA devaient obtenir le remboursement d'un billet de train annulé de 350 livres : ils ont inventé des prétextes, menacé de poursuites et partagé des données de santé confidentielles. L'un d'eux a envoyé 187 messages en 15 jours, dont 50 au bureau d'un député britannique, sans qu'aucun n'obtienne gain de cause. Le chercheur redoute une « inondation agentique » si ces assistants se généralisent.
Google Research a publié sous licence Apache 2.0 Harness2, un framework qui réécrit le harnais d'un agent au moment de l'exécution. Une seule passe d'amélioration a fait gagner 11,5 points à GLM-5 sur WorkBuddy-Bench, sans modifier les poids du modèle.
OpenCode, agent de programmation open source, a confirmé le 17 octobre une intrusion susceptible d'avoir exposé les clés API OpenAI, Anthropic et Google de 1,4 % des utilisateurs de sa Console. L'entreprise attribue l'incident à une « attaque par distillation », et certaines victimes constatent déjà des factures de plusieurs centaines de dollars.