Article

Revue IA du 31 juillet 2026 : baisse des prix et débats sur les évaluations

Baisse des prix GPT-5.6, scores ARC-AGI et incidents de test : revoir le budget, les critères de réussite et le confinement d’un pilote IA.

La baisse des prix de GPT-5.6 rend certains essais moins coûteux, mais ne suffit pas à choisir un agent. La semaine du 31 juillet montre deux autres conditions : comparer les performances avec le même dispositif et empêcher une évaluation d’atteindre des systèmes extérieurs. Pour une équipe qui prépare un pilote, ces annonces conduisent à revoir le budget, le protocole d’acceptation et les accès accordés.

Révision éditoriale du 15 octobre 2026. Les tarifs et annonces sont ceux de la semaine du 31 juillet. La comparaison ARC-AGI a été corrigée pour distinguer le jeu public d’un résultat de classement.

Luna et Terra baissent : recalculer le coût du pilote

OpenAI annonce le 30 juillet une baisse de 80 % pour Luna et de 20 % pour Terra. Par million de jetons, les nouveaux tarifs API sont de 0,20 dollar en entrée et 1,20 en sortie pour Luna ; 2 et 12 dollars pour Terra. Les abonnements et leurs budgets de quotas ne baissent pas, mais ces modèles y consomment moins de crédits. Un jeton est un fragment de texte traité ou produit par le modèle.

À titre de calcul fictif, une exécution consommant 50 000 jetons d’entrée non mis en cache et 10 000 de sortie coûte 0,022 dollar avec Luna et 0,22 avec Terra. Le rapport de dix ne prouve pas une économie de dix sur le travail livré : il suppose la même consommation, ignore les outils et ne mesure aucune différence de qualité.

Pour décider, reprendre un lot de demandes avec un critère d’acceptation fixé avant l’essai. Compter les tentatives échouées dans la dépense, puis diviser le coût total par les livrables acceptés. Si le modèle moins cher demande davantage de corrections, le temps de ces corrections doit apparaître à côté de la facture API.

ARC-AGI : le harnais change aussi le résultat

Le rapport OpenAI du 29 juillet compare Sol sur le jeu public ARC-AGI-3 : 13,3 % avec le harnais officiel, contre 38,3 % avec conservation du raisonnement et compaction du contexte. Le harnais est le programme qui fournit les outils, conserve l’état et organise les appels au modèle. La compaction résume une partie de cet état pour poursuivre le travail.

Les 7,8 % cités pour Sol dans le classement sont une autre mesure. Les rapprocher directement de 38,3 % ferait passer un changement de jeu d’épreuves pour le seul effet des réglages. Les scores d’autres modèles ne sont pas davantage comparables sans vérifier le jeu, le budget et le dispositif employés.

Cette distinction change la recette d’un agent : enregistrer seulement le nom du modèle ne suffit pas à reproduire un résultat. Il faut conserver sa version, les outils disponibles, les instructions, le budget, la mémoire et les règles d’arrêt. Pour savoir si une nouvelle méthode de mémoire aide, faire varier cette méthode en gardant le reste stable ; pour choisir une solution complète, comparer les ensembles tels qu’ils seront déployés, coût compris.

Trois incidents révélés par Anthropic : vérifier les sorties réseau

Dans son rapport du 30 juillet, Anthropic décrit trois incidents impliquant six exécutions d’évaluations cyber. Les premiers remontent à avril : ce sont les révélations qui appartiennent à la semaine, pas tous les incidents. Les modèles étaient testés sans les classifieurs et la surveillance habituels ; des défauts de configuration ont permis des interactions avec des systèmes réels.

Le récit d’un modèle « sorti de son bac à sable » peut masquer une question vérifiable : quelles requêtes l’environnement autorisait-il réellement ? Avant un pilote, tester les accès depuis l’environnement d’exécution lui-même, avec des destinations contrôlées. Une consigne disant de rester dans le test ne remplace pas une restriction réseau.

Réservez au pilote des comptes et des données de test, avec des droits limités et des journaux conservés hors de portée de modification de l’agent. Le test d’arrêt doit vérifier que les opérations en cours cessent effectivement. Ces contrôles ne démontrent pas l’absence de tout incident ; ils permettent de constater que les frontières prévues existent avant de confier des données ou des actions réelles.

Transparence européenne : distinguer fournisseur et utilisateur du système

Le règlement européen sur l’IA consolidé au 27 juillet prévoit l’application générale de l’article 50 au 2 août 2026. Son paragraphe 2 porte notamment sur le marquage lisible par machine des sorties synthétiques par les fournisseurs. Le paragraphe 4 concerne les déployeurs : signalement des deepfakes et de certains textes publiés pour informer le public sur des questions d’intérêt public.

Il ne s’agit pas d’étiqueter sans distinction tout texte assisté par IA. Le texte prévoit des exceptions, notamment pour l’assistance à l’édition standard au paragraphe 2 et, pour les textes d’intérêt public au paragraphe 4, sous conditions de revue humaine ou de contrôle éditorial et de responsabilité de publication. La transition jusqu’au 2 décembre, article 111(4), vise les obligations du paragraphe 2 pour les systèmes déjà commercialisés avant le 2 août.

Pour le pilote, documenter le rôle tenu et le type de sortie diffusée permet d’identifier la règle à examiner. Un signalement de « slop » sur un réseau social, lui, juge une qualité perçue selon les règles de la plateforme ; il ne remplace ni ce marquage technique ni cette analyse du périmètre légal.

Explorer

Sur le même sujet

Choisis dans l’index d’après les étiquettes de cet article — les plus proches d’abord, hors de sa série. Rien n’est écrit à la main : un article publié demain avec les mêmes étiquettes y prendra place.

Laisser un commentaire

Elle n'est jamais affichée ni publiée. Elle sert à regrouper vos commentaires et, si vous vous inscrivez un jour avec elle, à vous les rendre.

Votre commentaire sera relu avant d'être publié.