Le fil du jour relie les nouveaux modèles techniques d’un laboratoire, l’élargissement de la famille d’accélérateurs de huitième génération d’un fournisseur de cloud, un modèle de fondation robotique orienté vers la manipulation dextre, un modèle léger conçu pour l’exécution par des agents, et un changement dans la voie d’achat des entreprises : Anthropic a publié le 9 novembre Claude Fable 5.2 et Claude Mythos 5.2, le même modèle sous-jacent, avec des progrès en codage, en raisonnement et en vision, des sorties jusqu’à environ 30 % plus rapides que 5.1 et un prix inférieur à celui de la génération précédente. Google a annoncé le même jour, dans un billet d’Amin Vahdat, TPU 8tx et TPU 8i Max, portant la gamme TPU de huitième génération à quatre systèmes en une seule année. NVIDIA a dévoilé à la Conference on Robot Learning (CoRL) GR00T 2, un modèle ouvert d’action sur le monde de frontière bâti sur Cosmos, et a évoqué des outils de simulation et d’évaluation, dont Isaac Lab 3.0. Meta a lancé Muse Ember, son plus petit et plus efficace modèle Muse, pour les appels d’outils, les sous-tâches de codage, le routage, l’extraction et l’analyse de longs documents. OpenAI a inscrit ChatGPT Enterprise sur AWS Marketplace, permettant aux organisations d’acheter et de gérer le produit via leur relation d’achat et de facturation AWS existante.

1. Anthropic lance Claude Fable 5.2 et Claude Mythos 5.2

Le 9 novembre 2026, Anthropic a publié Claude Fable 5.2 et Claude Mythos 5.2, en les décrivant comme conçus pour affronter les défis techniques les plus redoutables. L’entreprise a écrit qu’il s’agit du même modèle sous-jacent : Fable dispose de garanties fortes en cybersécurité et en biologie, ce qui permet de le rendre disponible à tous les utilisateurs ; les organisations qui poursuivent des applications bénéfiques en cybersécurité ou en recherche biomédicale peuvent demander Mythos via les programmes de vérification des sciences de la vie et de la cybersécurité, récemment élargis.

Anthropic a dit que Fable 5.2 et Mythos 5.2 montrent des progrès dans des domaines comme le codage, le raisonnement et la vision, produisent des sorties jusqu’à environ 30 % plus rapides que Claude Fable 5.1 et Claude Mythos 5.1, et sont proposés à un prix plus bas : 8 dollars par million de jetons d’entrée et 40 dollars par million de jetons de sortie. Un mode rapide optionnel accélère la génération de jetons jusqu’à environ 2,5 fois et coûte 16 dollars par million de jetons d’entrée et 80 dollars par million de jetons de sortie.

Lors des essais avant publication, Anthropic a cité des exemples présentés comme des illustrations des capacités des modèles : des ingénieurs s’en sont servis pour achever des migrations logicielles autrement trop difficiles ; les modèles ont conçu à partir de zéro trois appareils électroniques fonctionnels ; ils ont résolu deux problèmes ouverts de la physique des trous noirs ; ils ont notablement progressé sur des évaluations de robotique ; et une équipe d’environ 1 000 agents Fable 5.2 a formalisé la preuve du dernier théorème de Fermat en 30 heures avec une intervention humaine minimale. Dans le même dispositif, Opus 5.5 avait achevé environ 26 % de la formalisation à 18 heures.

Les scores communiqués par Anthropic — avec garanties activées sauf mention contraire — comprennent FrontierCode 2.0 à l’effort Xhigh à 49,1 %, que l’entreprise a présenté comme le score le plus élevé de tout modèle publié qu’elle a testé ; FrontierSWE v2 à 69,9 % ; AutomationBench à 51,4 % ; Terminal-Bench-Science 0.1 à 74,6 % pour Fable et 75,3 % pour Mythos ; CyScenarioBench à 76,3 % pour Mythos ; CVE Rediscovery à 89,6 % pour Mythos ; OSWorld 2.1 (partiel) à 89,3 % ; RoboDojo Sim à 64,9 % ; Humanity’s Last Exam avec outils à 74,2 % ; et Remote Labor Index à l’effort High à 41,3 %.

Anthropic a recommandé de commencer par Claude Opus 5.5, son plus solide moteur quotidien, pour la plupart des tâches de codage et de connaissance, puis de monter vers Fable ou Mythos — ou de descendre vers Claude Sonnet 5.5 ou Claude Haiku 5.5 — selon la portée et la complexité du travail. Fable 5.2 peut aussi jouer le rôle d’Advisor, consulté par des modèles plus petits sur des problèmes plus difficiles, ou d’Orchestrator, qui délègue des tâches plus simples à des modèles plus petits.

Sur le plan de la sécurité, l’entreprise a dit avoir mis en œuvre ses plus fortes protections jamais déployées contre les attaques par distillation et que les données collectées par les distillateurs ont été réduites de 90 % à 99 % ; preserved thinking s’applique désormais à tous les comptes. Pendant l’entraînement, Anthropic a pris des mesures pour limiter les progrès dans les capacités de recherche qui pourraient le plus directement accélérer le développement de l’intelligence artificielle — notamment l’optimisation des noyaux d’accélérateurs et l’amélioration des architectures de grands modèles de langage — au niveau approximatif d’Opus 5.5, tout en laissant intactes des capacités connexes comme le codage agentique, le développement matériel et la recherche en interprétabilité. Enterprise Frontier Safeguards est désormais en bêta privée auprès de clients tels que Bridgewater, Salesforce et Stripe.

Claude Fable 5.2 est disponible dès aujourd’hui sur des plateformes comprenant Amazon Web Services, Google Cloud et Microsoft Azure, sous l’identifiant claude-fable-5-2. Mythos est proposé via les programmes de vérification ; les clients Claude Enterprise peuvent aussi utiliser Claude Security, désormais alimenté en partie par Mythos 5.2.

À retenir : Anthropic a scindé un même modèle sous-jacent en Fable pour un usage général et Mythos pour des organisations vérifiées, a associé un prix plus bas et une sortie plus rapide au travail technique le plus difficile, et a maintenu au niveau approximatif d’Opus 5.5 les capacités les plus susceptibles d’accélérer le développement de l’intelligence artificielle elle-même, tout en continuant de recommander Opus 5.5 comme choix quotidien.

2. Google présente TPU 8tx et TPU 8i Max et porte la huitième génération à quatre systèmes en un an

Le 9 novembre 2026, Amin Vahdat, senior vice-président et technologue en chef pour l’intelligence artificielle et l’infrastructure chez Google, a écrit que l’entreprise présente TPU 8tx et TPU 8i Max et porte le portefeuille TPU de huitième génération à quatre systèmes en une seule année : 8t pour l’entraînement à grande échelle, 8i pour le raisonnement en temps réel, le nouveau 8tx pour l’inférence confidentielle et sécurisée ainsi que l’entraînement à petite échelle, et 8i Max pour les fenêtres de contexte massives et ce que Google a appelé la plus haute densité de calcul par baie. Vahdat a écrit que les TPU comptent désormais près de 100 clients externes, dont des laboratoires de frontière, des sociétés de négoce, des détaillants et des universités. The Verge a rendu compte le même jour du positionnement des deux nouveaux systèmes. Le billet mentionnait aussi une diffusion à 9 heures, heure du Pacifique, le jour même.

À propos de TPU 8tx, Google a dit que le système intègre le calcul confidentiel dans la couche matérielle et maintient protégées et isolées les données sensibles et les pondérations du modèle même pendant leur utilisation. Il repose sur le même silicium que 8t, est associé à des hôtes AMD EPYC de 5e génération et reprend le réseau Boardfly créé pour le raisonnement en temps réel, ce qui offre jusqu’à environ deux fois moins de latence que 8t avec une pénalité de performance quasi nulle. L’entreprise a dit que les organisations peuvent affiner des modèles sur des données privées, distiller de grands modèles en modèles plus petits et entraîner des agents par apprentissage par renforcement sur un seul système, sans faire migrer des données sensibles entre des grappes séparées.

À propos de TPU 8i Max, Google a dit avoir réuni deux puces TPU 8i à faible latence dans un même boîtier, ce qui double le calcul, la SRAM et la bande passante de mémoire à haut débit (HBM) par rapport à TPU 8i, afin que les centres de données puissent déployer davantage de puissance de calcul par surface et par watt et que les grandes fenêtres de contexte ne butent pas contre le mur de la mémoire.

Côté logiciel, Google a dit avoir ouvert TorchTPU pour que le code PyTorch et les modèles Hugging Face s’exécutent nativement sur TPU ; une suite d’agents TPU est en avant-première ; elle a introduit XLA Serving Engine et Agent Compute Engine ; et elle ouvre TPU Sync, décrit comme la couche d’état du modèle pour les grappes TPU. Cloud Pathways est désormais généralement disponible sur Google Kubernetes Engine, de même que le découpage dynamique GKE.

À retenir : Plutôt que d’attendre la génération suivante de silicium, Google a taillé deux nouveaux systèmes dans les mêmes puces de huitième génération : l’un en enveloppant d’un calcul confidentiel l’inférence et l’entraînement à petite échelle, l’autre en assemblant deux puces pour poursuivre le long contexte et la densité de baie.

3. NVIDIA dévoile à CoRL GR00T 2, un modèle ouvert d’action sur le monde bâti sur Cosmos

Le 9 novembre 2026, NVIDIA a présenté GR00T 2 à la Conference on Robot Learning (CoRL) à Austin, au Texas. Le blog de l’entreprise l’a décrit comme un modèle ouvert d’action sur le monde de frontière bâti sur NVIDIA Cosmos, capable de prédire à la fois la vidéo future et les actions du robot. La page de recherche a indiqué que le modèle a été entraîné sur des données variées de robots et d’êtres humains ; le mélange de préentraînement comprend 402 730 heures de vidéo humaine égocentrique, 10 184 heures de démonstrations avec pince tenue à la main sur 2 897 tâches et 23 500 heures de téléopération robotique, dont 100 000 heures de données humaines égocentriques ouvertes publiées sous le nom Human-1M-100K.

Les indicateurs cités par NVIDIA comprennent l’accomplissement de 40 des 50 tâches évaluées au moins une fois sans démonstrations spécifiques à la tâche, et un taux de succès moyen de 71 % avec une démonstration par tâche, qui passe à 95 % avec cinq. La page de recherche a aussi indiqué un succès moyen de 40 % en l’absence d’exemples, et a dit que des agents peuvent utiliser une interface de programmation pour enchaîner des compétences et se remettre d’erreurs. Autour du chiffre de 95 %, des comptes rendus citant des documents de recherche de NVIDIA ont indiqué que les tâches évaluées ont été choisies parmi celles que le modèle pouvait apprendre en cinq épisodes avec un taux de succès d’au moins 80 % ; cette moyenne doit donc se lire avec ce filtre.

Parmi les partenaires qui testent le modèle figurent Nexuni pour la prise en charge robotique du linge, Foxconn pour l’automatisation d’usines de serveurs et Siemens pour des cas d’usage industriels.

NVIDIA a également publié Isaac Lab 3.0 avec un backend Newton, permettant au cadre de simulation de modéliser des objets déformables et d’autres physiques plus délicates. L’entreprise a dit que, sur un banc d’essai visuel de manipulation dextre, Isaac Lab 3.0 avec Newton a atteint jusqu’à environ 2,5 fois le débit d’entraînement d’Isaac Lab 2.3 avec PhysX. AlphaNIST utilise une seule politique pour apprendre les 20 tâches du plateau d’assemblage NIST et dépasse 98 % de succès d’entraînement, contre environ 81 % pour des politiques séparées par tâche, en utilisant environ 39 fois moins de temps GPU. L’entreprise a aussi présenté des évaluations industrielles comme DexBench et VABAR, ainsi que Graph-as-Policy (GaP), un cadre de robotique agentique développé avec UC Berkeley.

À retenir : NVIDIA a inscrit dans un même modèle ouvert le fait de « voir ce qui se passe ensuite » et celui de « décider comment bouger », et s’est servi de grandes quantités de vidéo humaine à la première personne pour combler les lacunes des démonstrations robotiques, tout en communiquant des taux de succès élevés à partir de peu d’exemples, assortis d’une note sur la manière dont les tâches évaluées ont été choisies.

4. Meta lance Muse Ember, un modèle léger pour l’exécution par des agents

Le 9 novembre 2026, Meta a présenté Muse Ember et l’a décrit comme le plus petit et le plus efficace des modèles Muse, conçu pour l’exécution d’un raisonnement complexe et pour le travail que les agents répètent toute la journée : appels d’outils, sous-tâches de codage, routage, extraction et analyse de longs documents. L’entreprise a affirmé que Muse Ember offre plus d’intelligence par dollar que Claude Haiku 5.5 ou GPT-6 Luna à n’importe quel réglage de raisonnement, et qu’il se situe sur la frontière d’efficacité du classement d’Artificial Analysis. TechCrunch a rendu compte du lancement le même jour et a noté qu’Ember est conçu pour s’associer au Muse Wonder plus grand au sein d’un harnais agentique.

Pour les invites jusqu’à 200K jetons, le tarif est de 0,10 dollar par million de jetons d’entrée, 0,004 dollar par million de jetons d’entrée en cache et 0,50 dollar par million de jetons de sortie ; les invites plus longues coûtent 0,30, 0,012 et 1,50 dollar. Le modèle a une fenêtre de contexte d’un million de jetons et peut produire jusqu’à 512K jetons de sortie, avec une prise en charge native du texte, des images, de l’audio et de la vidéo. Il est disponible sous l’identifiant muse-ember-1.0 sur Muse Code et Meta Model API, ainsi que sur Google Cloud et Oracle Cloud.

Les résultats cités par Meta à l’effort de raisonnement maximal comprennent AutomationBench-AA à 37,8, contre 13,9 pour Haiku et 20,2 pour Luna ; Agents’ Last Exam à 61,6 ; Terminal-Bench 4.0 à 40,9 ; Coding Agent Index-AA à 46 ; OSWorld 2.1 partiel à 69,5 ; et un indice Artificial Analysis de 36. L’entreprise a dit que Muse Ember coûte environ 0,14 dollar par tâche Artificial Analysis, contre environ 2,39 dollars pour Muse Spark 1.3.

Pour situer le modèle, Meta a écrit : « Muse Wonder planifie, Muse Ember traite le volume. » Elle a dit qu’Ember est le premier modèle entraîné avec Muse Wonder Full et que les évaluations menées dans le cadre du Meta Superintelligence Scaling Framework ont montré qu’il restait sous les seuils de risque élevé du cadre. Des partenaires comme Box, Cline et Cloudflare ont commenté des essais précoces sur des contenus d’entreprise, le codage de sous-agents et des charges à haut débit ; Cloudflare a dit qu’il avait été jusqu’à environ 30 % plus rapide en queue de latence que le modèle comparable testé.

À retenir : Meta ne demande pas à Ember de détrôner son modèle phare le plus puissant ; elle place le nouveau système dans une division du travail — Wonder planifie, Ember exécute en volume — et concurrence sur l’intelligence par dollar et le coût par tâche, plutôt que sur les seuls scores de pointe.

5. OpenAI inscrit ChatGPT Enterprise sur AWS Marketplace

Le 9 novembre 2026, OpenAI a déclaré que ChatGPT Enterprise est désormais disponible via AWS Marketplace. L’entreprise a écrit que l’inscription offre aux organisations un moyen plus simple de découvrir, d’acheter et de gérer ChatGPT Enterprise en s’appuyant sur leur relation d’achat et de facturation AWS existante, et d’appliquer les dépenses éligibles à leurs engagements AWS. L’offre comprend ChatGPT, ChatGPT Work, Codex et dots ; les informations d’inscription indiquent que les prix sont fixés par des offres privées.

OpenAI a dit que les clients qui achètent via AWS Marketplace reçoivent les mêmes modèles, fonctions et caractéristiques que ceux proposés directement par OpenAI, les nouveautés étant publiées en même temps. Ces produits sont présentés comme complémentaires des modèles OpenAI déjà disponibles dans Amazon Bedrock : les développeurs peuvent y construire des applications et des agents, tandis que les équipes de l’entreprise utilisent ChatGPT Enterprise au quotidien. Les clients éligibles peuvent aussi accéder à ChatGPT for Healthcare et ChatGPT for Financial Services via AWS Marketplace.

À retenir : Il s’agit moins d’une publication de modèle que de l’ouverture d’une voie d’achat : placer le ChatGPT d’entreprise sur la facture d’engagements cloud que les organisations paient déjà, et réduire le frottement d’acquisition plutôt que de publier un tarif public.

---

En une ligne : Anthropic a publié Claude Fable 5.2 et Mythos 5.2, le même modèle sous-jacent, Fable étant largement disponible et Mythos réservé aux organisations vérifiées, et a dit que les sorties sont plus rapides que celles de 5.1 et que les prix sont plus bas ; Google a présenté TPU 8tx pour l’inférence confidentielle et TPU 8i Max pour les fenêtres de contexte massives ; NVIDIA a dévoilé à CoRL le modèle d’action sur le monde GR00T 2 et Isaac Lab 3.0 ; Meta a lancé Muse Ember, un modèle léger pour l’exécution par des agents ; et OpenAI a inscrit ChatGPT Enterprise sur AWS Marketplace afin que les dépenses éligibles puissent compter pour des engagements cloud déjà existants.