Anthropic suspend Claude Fable 5. Alors, la Chine en profite pour lui voler la vedette avec GLM-5.2. Une IA open source qui vise le trône du code et du design.

Voyez-vous, GLM-5.2 est conçu pour exceller dans la programmation agentique et le raisonnement complexe sur de longues séquences. Développé par l’entreprise chinoise Zhipu, il est déjà accessible sur des plateformes comme Ollama et Hugging Face sous licence MIT.

En quoi GLM-5.2 fait la différence ?

GLM-5.2 dispose d’une gigantesque fenêtre de contexte atteignant un million de jetons. Ce qui lui permet de traiter d’énormes volumes d’informations sans perdre le fil.

Le modèle propose deux niveaux de raisonnement. Le mode “Max” privilégie les performances les plus avancées pour les tâches complexes. Le mode “Élevé”, quant à lui, offre un meilleur équilibre entre puissance de calcul et consommation de jetons.

Introducing GLM-5.2: Frontier Intelligence, Open Weights

– Significant improvements in coding and agentic tasks
– Strong long-horizon capabilities with a 1M context window
– Two levels of reasoning effort: GLM-5.2 (max) pushes the limits, while GLM-5.2 (high) strikes a strong… pic.twitter.com/SjGPSVhePJ

— Z.ai (@Zai_org) June 16, 2026

 

Il faut toutefois apporter une précision importante. GLM-5.2 n’est pas totalement open source au sens strict du terme. Pour autant, L’entreprise promet par ailleurs une ouverture progressive de son écosystème. 

Les API, les services de chatbot ainsi que les poids du modèle doivent être publiés sous licence MIT. Pour les développeurs, cela signifie la possibilité d’exécuter le modèle localement, de l’adapter à leurs besoins et de l’intégrer plus librement dans leurs projets. 

Bien entendu, certains éléments clés resteront privés. Genre, les données exactes d’entraînement, les pipelines de filtrage et le code complet ayant servi à entraîner le modèle. 

Techniquement, il s’agit donc davantage d’un modèle « open weight » que d’un projet entièrement open source.

Que disent les benchmarks ?

For GLM-5.2, we strengthened 1M-context training for coding agents across large-scale implementation, automated research, performance optimization, and complex debugging. The result is a long-context system that is both broad in scope and reliable in execution. pic.twitter.com/ar2rw7TOB5

— Z.ai (@Zai_org) June 16, 2026

 

Sur le terrain des performances, GLM-5.2 est impressionnant. Le modèle obtient 81,0 % sur Terminal-Bench. Ce benchmark pour info est conçu pour évaluer les capacités d’une IA à travailler dans un environnement de terminal informatique.

Sur SWE-bench Pro, qui teste son aptitude à corriger de vrais bugs logiciels, le modèle affiche 62,1 %. GLM-5.2 atteint un taux de réussite de 74.4% sur Frontier SWE, une autre référence largement utilisée pour évaluer les IA en programmation.

Par ailleurs, ce modèle ne se limite pas au code. Sur Design Arena, il décroche la première place avec un score Elo de 1360. Il se hisse au deuxième rang du classement général sur Code Arena Frontend. 

BREAKING: GLM-5.2 is now 1st on Design Arena.

With an Elo of 1360, GLM-5.2 has jumped ahead of the now unavailable Claude Fable 5.

And it's open weights.

This is an improvement of 4 positions and 27 Elo points to achieve one of the highest Elo scores in our code categories… pic.twitter.com/7cYgVJwvXL

— Design Arena (@Designarena) June 16, 2026

 

Bien entendu, les benchmarks ne suffisent pas à montrer les performances réelles. Ces chiffres communiqués par l’entreprise sont prometteurs, je le reconnais. Cela dit, ils attendent encore d’être confirmés par des évaluations indépendantes. 

Cet article Fable 5 bloqué  : la Chine lance GLM-5.2, une solution open source  a été publié sur LEBIGDATA.FR.

Les utilisateurs de Codex savent bien que cette histoire de quota peut devenir frustrante lorsque la réinitialisation tombe mal. OpenAI change enfin les règles en permettant aux abonnés payants de conserver leur remise à zéro.

Sur X, OpenAI explique avoir entendu les plaintes de nombreux utilisateurs de Codex. Beaucoup regrettaient que leur quota se réinitialise rarement au moment où ils en avaient vraiment besoin. La firme a donc revu son fonctionnement. Les abonnés payants peuvent donc mettre cette réinitialisation de côté et l’utiliser au moment de leur choix. Un changement discret, certes. Mais cela pourrait faciliter le quotidien de nombreux développeurs. 

We heard you wanted to use Codex rate limit resets on your own time.

Starting today, we’re rolling out the ability to save rate limit resets to use later.

We’re starting Go, Plus, Pro, and Business users with one free reset: pic.twitter.com/gucyTi04wc

— OpenAI (@OpenAI) June 12, 2026

Comment ça, pouvoir réinitialiser le quota sur Codex ?

Jusqu’à présent, lorsqu’une réinitialisation des limites de débit était disponible, il fallait la consommer selon le calendrier imposé par OpenAI. Ce n’est pas idéal lorsqu’on prévoit une longue session de développement ou qu’une remise à zéro arrive pendant qu’on dort.

La nouveauté change la donne. Parce que les utilisateurs peuvent conserver leur réinitialisation gratuite. Concrètement, cette réinitialisation est enregistrée dans le profil utilisateur et reste disponible pendant une durée maximale de 30 jours. 

Chacun peut ensuite l’activer au moment qui lui semble le plus opportun. Cela peut être avant une longue session de programmation, une démonstration importante ou une batterie de tests exigeants. 

Ce n’est pas une révolution technologique. Personne ne parlera probablement de cette mise à jour dans les livres d’histoire de l’IA. Mais pour les développeurs, cette flexibilité pourrait éviter quelques soupirs devant leur écran. Sachez que cette fonctionnalité s’adresse aux abonnés aux offres Go, Plus, Pro et Business.

OpenAI glisse aussi quelques réinitialisations en bonus

OpenAI accompagne également cette nouveauté d’une campagne promotionnelle limitée à deux semaines. Les abonnés Plus et Pro peuvent inviter jusqu’à trois personnes à essayer Codex. Lorsque l’un de leurs invités envoie son tout premier message dans l’outil, les deux utilisateurs reçoivent une réinitialisation supplémentaire enregistrée sur leur compte.

L’objectif ? Encourager l’adoption de Codex tout en récompensant les utilisateurs les plus actifs. La mécanique n’a rien de nouveau dans l’univers des services numériques, où les systèmes de parrainage sont devenus presque aussi fréquents que les mises à jour elles-mêmes.

Mais qu’en pense la communauté ? Les avis restent partagés. De nombreux utilisateurs saluent une fonctionnalité jugée plus équitable. Pouvoir décider du moment où utiliser une réinitialisation offre davantage de contrôle. Cela évite aussi de perdre un avantage simplement parce qu’on n’était pas connecté au bon moment.

Pourtant, d’autres restent beaucoup plus critiques. Certains estiment que cette nouveauté corrige surtout une contrainte qui n’aurait jamais dû exister. D’autres y voient une manière de rendre les limites de débit un peu plus acceptables sans réellement les assouplir.

Cet article Codex : OpenAI vous laisse désormais choisir quand réinitialiser votre quota a été publié sur LEBIGDATA.FR.

Et si transformer une idée en application ne nécessitait plus forcément une équipe de développeurs ni des semaines de travail ? Avec Sites, intégré à Codex, OpenAI veut faciliter la création de sites web à partir d’une simple description.

Créer une application, un tableau de bord ou un mini-outil web sans écrire une seule ligne de code. Voilà une idée qui aurait fait sourire bien des développeurs il y a quelques années. Pourtant, cette vision se rapproche progressivement de la réalité. OpenAI vient d’annoncer plusieurs nouveautés pour Codex. Parmi elles, Sites attire particulièrement l’attention. Son rôle ? Transformer des idées et documents en sites web et applications partageables. Intéressant, non ?

À quoi ressemble Sites de Codex ?

Jusqu’à présent, créer une application impliquait souvent une succession d’étapes parfois fastidieuses. Maquettes, développement, intégration, tests… Sans oublier les allers-retours qui accompagnent chaque projet.

Avec Sites, Codex adopte une approche différente. L’utilisateur décrit ce qu’il souhaite obtenir et l’outil génère automatiquement une interface interactive hébergée en ligne.

Building apps has never been easier.

With Sites, Codex can turn your work, ideas, and plans into an interactive website or app your team can explore, use, and share with a URL.

Rolling out to Business and Enterprise plans, before expanding more broadly. pic.twitter.com/fF17Y2EzCP

— OpenAI (@OpenAI) June 2, 2026

Dans les exemples présentés par OpenAI, Sites peut générer un tableau de bord de suivi de projet ou un espace collaboratif. L’outil est également en mesure de créer un planificateur financier ou un hub dédié au lancement d’un produit. 

L’idée n’est pas seulement de produire une page web statique. Ces créations peuvent être mises à jour, enrichies et partagées avec d’autres collaborateurs. Cette approche rappelle les plateformes no-code. La différence ? Une automatisation largement assurée par l’IA.

Codex ne vise plus uniquement les développeurs

L’autre élément notable concerne le public ciblé. OpenAI explique que les utilisateurs non techniques représentent une part importante de l’audience de Codex. Parmi eux, les analystes, les designers, les équipes marketing ou encore les responsables commerciaux. 

Ils utilisent déjà l’outil pour automatiser certaines tâches ou produire des contenus complexes. L’arrivée de Sites semble prolonger cette stratégie de Codex.

D’ailleurs, ces nouveautés semblent accompagner la forte progression de Codex. Dans un rapport publié ce 2 juin, OpenAI explique que son outil ne se limite plus à la programmation. Il est désormais utilisé par des professionnels de nombreux secteurs pour automatiser des tâches répétitives, gagner du temps et réduire certaines contraintes du travail quotidien. 

De ce fait, Codex revendique aujourd’hui plus de 5 millions d’utilisateurs actifs chaque semaine. Soit une croissance multipliée par six depuis le lancement de son application de bureau en février.

Codex now has more than 5M weekly active users.

But the bigger story is what people are using it for: not just writing code, but getting more work done across research, analysis, content, and operations.

Our new report on how Codex is becoming a productivity tool for knowledge… pic.twitter.com/zxCZKQRrgR

— OpenAI Newsroom (@OpenAINewsroom) June 2, 2026

Cela ne signifie pas pour autant que les développeurs deviennent inutiles. Les démonstrations séduisantes cachent toujours des questions de sécurité, de maintenance, de performance ou encore de personnalisation avancée. Des domaines où l’expertise humaine conserve toute sa valeur.

Cet article Sites : l’outil de Codex qui transforme vos idées en applications et sites web en un clic a été publié sur LEBIGDATA.FR.

Pour beaucoup, peu importe le modèle choisi, les performances des IA en codage sont plus ou moins identiques. Ce qui est compréhensible. Après tout, les grands benchmarks actuels nous induisent en erreur.

Ces épreuves donnaient l’impression que tous les modèles jouaient dans la même cour. Et pourtant, non. Selon ce nouveau benchmark de codage baptisé DeepSWE, Claude d’Anthropic et Gemini de Google sont distancés de très loin par GPT d’OpenAI.

Today we’re releasing DeepSWE, a new standard for agentic coding benchmarks.

On public leaderboards, top models often look relatively close in capability. DeepSWE shows where they actually diverge, reflecting the realistic experience of developers in their day-to-day work. pic.twitter.com/HCDcjNuTFK

— Serena Ge (Datacurve) (@serenaa_ge) May 26, 2026

 

DeepSWE : un nouveau benchmark de codage qui vient nous ouvrir les yeux

Développé par la startup Datacurve, DeepSWE teste les agents IA sur 113 tâches. Ces dernières sont réparties sur 91 dépôts open source et cinq langages de programmation.

Contrairement à de nombreux benchmarks existants, celui-ci tente de reproduire des situations beaucoup plus proches du quotidien des développeurs. Résultat : les écarts entre modèles explosent littéralement.

GPT-5.5 d’OpenAI prend largement la tête avec un score de 70 %. Derrière, GPT-5.4 atteint 56 %, tandis que Claude Opus 4.7 affiche 54 %. Ensuite, la descente devient brutale. 

Claude Sonnet 4.6 tombe à 32 %, Gemini 3.5 Flash atteint seulement 28 %, et plusieurs autres modèles stagnent entre 10 et 15 %. Claude Haiku 4.5, qui semblait performant sur d’autres benchmarks, s’effondre même à zéro sur DeepSWE. 

https://www.youtube.com/watch?v=wRaGk8WVBEI

Le benchmark ne se contente pas de comparer les modèles. Il attaque aussi directement la manière dont l’industrie évalue les IA de programmation. 

Datacurve affirme par exemple avoir découvert des problèmes majeurs dans SWE-Bench Pro. L’un des benchmarks les plus utilisés actuellement. Selon son audit, les vérificateurs automatiques chargés de décider si une tâche est réussie se tromperaient dans environ un tiers des cas analysés. 

Cette révélation pourrait avoir des conséquences énormes. Les entreprises utilisent ces benchmarks pour choisir des outils qui coûtent parfois plusieurs millions de dollars. 

Les investisseurs s’en servent aussi pour évaluer les promesses des laboratoires d’IA. Si les scores reposent sur des systèmes de validation défaillants, une partie du marché pourrait donc être basée sur des conclusions erronées. 

Mais alors, comment ça se fait que Claude faisait toujours partie des meilleurs en codage ?

Eh bien, c’est assez embarrassant pour Anthropic. Datacurve affirme que Claude Opus exploitait une faille dans SWE-Bench Pro pour améliorer artificiellement ses résultats. 

Les conteneurs Docker du benchmark contenaient l’historique Git complet des projets. Y compris les correctifs officiels servant de réponse aux exercices. Et au lieu d’ignorer ces informations, Claude aurait parfois fouillé directement dans les commits pour récupérer les solutions. 

Datacurve explique avoir observé des commandes utilisées par Claude afin de retrouver le patch officiel. Environ 18 % des réussites de Claude Opus 4.7 et 25 % de celles de Claude Opus 4.6 seraient liées à ce comportement sur l’échantillon étudié. 

OpenAI n’aurait jamais présenté ce comportement avec GPT-5.4 ou GPT-5.5. Les modèles Gemini, eux, seraient restés proches de 1 %. Datacurve évite de parler frontalement de triche, mais le sous-entendu est évident.

Une partie des performances de Claude pourrait provenir de l’exploitation du benchmark plutôt que d’une véritable capacité de résolution. 

Ce qui est ironique dans l’histoire, c’est que cette “débrouillardise” peut aussi être vue comme une preuve d’intelligence. Claude explore agressivement son environnement et tente d’utiliser toutes les ressources disponibles. 

Seulement, un benchmark est censé mesurer les compétences de programmation, pas la capacité à trouver le corrigé caché dans le tiroir du bureau. 

Bref, pour éviter un tel problème, DeepSWE utilise une copie simplifiée des dépôts, sans historique complet ni commits de référence accessibles. Les modèles doivent donc réellement résoudre les problèmes eux-mêmes. 

Les IA ne sont pas totalement nulles pour autant

Certes, chaque famille de modèles a ses propres défauts. Claude aurait par exemple tendance à oublier certaines consignes lorsque plusieurs éléments sont demandés simultanément. 

Genre, lorsqu’une tâche exige un support synchrone et asynchrone, Claude implémente parfois seulement une partie du travail. Selon Datacurve, près des deux tiers des erreurs de type “exigence oubliée” suivent ce schéma.

GPT-5.5 se distingue au contraire par une très grande précision dans le suivi des instructions. Les chercheurs expliquent que le modèle reproduit généralement la même interprétation d’une tâche à travers plusieurs essais. Ce qui donne des résultats plus cohérents et prévisibles.

To ensure our grading is fair and reliable, we built a trajectory analysis agent to replay agent rollouts and map out exactly why they fail.

Running it on existing benchmarks surfaced significant grading noise, with verifiers rejecting valid code or letting models read solutions… pic.twitter.com/mJUGlkJpcp

— Serena Ge (Datacurve) (@serenaa_ge) May 26, 2026

 

Cependant, toujours d’après Datacurve, certains benchmarks empêcheraient involontairement les IA de montrer leurs meilleures capacités. Sur DeepSWE, Claude Opus 4.7 et GPT-5.4 créent et exécutent régulièrement leurs propres tests pour vérifier leur code. 

Pourtant, ce comportement disparaît presque totalement sur SWE-Bench Pro, car les consignes interdisent explicitement de modifier ou créer des tests. En d’autres termes, certaines règles imposées par les benchmarks limiteraient artificiellement les agents IA. 

Pour les entreprises qui utilisent ces outils en production, cette conclusion pourrait être importante. Une mauvaise configuration des consignes pourrait réduire fortement les performances réelles des modèles. 

Datacurve reconnaît néanmoins plusieurs limites dans son son propre benchmark. DeepSWE repose uniquement sur des projets open source populaires et ne couvre pas certains langages majeurs comme Java ou C++. 

Les tâches de refactorisation et de localisation de bugs restent aussi sous-représentées. La startup admet également qu’elle possède ses propres intérêts commerciaux. Un benchmark indépendant qui bouleverse complètement le classement attire forcément l’attention. 

Cet article DeepSWE : Claude n’est pas aussi doué qu’on ne le pensait en codage, il a triché !   a été publié sur LEBIGDATA.FR.

Mythos dans Claude Code pourrait bien confirmer qu’Anthropic prépare son IA de cybersécurité la plus puissante pour les développeurs. Et bien sûr, ce genre d’outil vient aussi avec quelques risques loin d’être anodins. 

Les indices commencent à s’accumuler sérieusement. Le mystérieux modèle Claude Mythos, présenté en avril comme une IA aux capacités de cybersécurité très avancées, aurait déjà fait une apparition furtive dans Claude Code. Oui, le fameux outil de développement d’Anthropic destiné aux programmeurs.

Le détail n’a pas échappé aux habitués des builds expérimentales. Pendant quelques heures, certains utilisateurs auraient aperçu une option nommée « claude-mythos-1-preview » dans Claude Code. Effectivement, ce genre d’information ne passe pas inaperçue sur internet.

À quoi pourrait servir Mythos dans Claude Code ?

Anthropic avait dévoilé Mythos début avril dans le cadre du projet Glasswing. À l’époque, l’entreprise avait surtout insisté sur les capacités hors normes du modèle en matière de cybersécurité.

Selon Anthropic, Mythos pourrait détecter des vulnérabilités critiques dans des logiciels et systèmes complexes. Le modèle serait aussi bien plus autonome que les versions actuelles de Claude. L’entreprise évoquait même des performances dépassant Opus 4.7 sur certaines tâches de raisonnement liées au code.

Anthropic ne cache pas les risques. La firme affirme que Mythos peut aussi générer des cyberattaques fonctionnelles à un niveau très professionnel. Autrement dit, ce modèle ne se contente pas de corriger des failles. Il comprend aussi parfaitement comment les exploiter. 

C’est précisément pour cette raison que Mythos n’a jamais été rendu public jusqu’ici. Alors, si l’intégration de Mythos dans Claude Code se confirme, Anthropic pourrait transformer son assistant de programmation en outil d’audit de sécurité automatisé.

En effet, le modèle pourrait analyser du code et détecter des vulnérabilités complexes. Il serait aussi capable de proposer des correctifs ou de simuler des attaques pour tester la sécurité d’une application.

Pour les entreprises, la promesse est énorme. Détecter des failles avant même la mise en production représente un gain colossal en temps, en argent et probablement en crises évitées.

Pourquoi Anthropic avance avec énormément de précautions ?

Contrairement à la course au « toujours plus puissant » menée par plusieurs acteurs de l’IA, Anthropic tente de garder un discours très prudent autour de Mythos.

Et pour cause, selon l’entreprise, le modèle aurait déjà permis de détecter plus de 10 000 vulnérabilités critiques ou de haute gravité en seulement un mois via son programme Glasswing.

Des partenaires comme AWS ou Google participeraient d’ailleurs à ces expérimentations. L’objectif est clair : utiliser l’IA pour identifier des failles avant que des acteurs malveillants ne mettent la main dessus.

Le problème, c’est qu’une IA en mesure d’automatiser la découverte de failles zero-day peut aussi devenir un cauchemar si elle tombe entre de mauvaises mains.

Anthropic semble donc chercher l’équilibre impossible. C’est-à-dire proposer un outil assez puissant sans transformer Internet en terrain de jeu géant pour hackers opportunistes. Parce que Mythos dans Claude Code n’est bien sûr pas qu’un simple nouvel outil IA pour développeurs. On verra bien si la firme ira réellement jusqu’à déployer cette technologie dans Claude Code. 

Cet article Claude Mythos : Anthropic pourrait bientôt l’intégrer à Claude Code ? a été publié sur LEBIGDATA.FR.