AI News Quotidien

rtk est un proxy CLI qui s'interpose entre votre terminal et les fournisseurs de modèles d’IA, réduisant la consommation de tokens sur les commandes de développement courantes de 60 à 90 %. Le développeur l’a créé pour sa propre startup après avoir calculé combien d'argent était dépensé auprès des fournisseurs d’IA pour des tâches ne nécessitant pas de modèles de pointe.

Le contraste avec les solutions existantes réside dans la taille : l'image Docker de rtk pèse environ 17 Mo, contre 746 Mo pour LiteLLM. Cette différence d’encombrement est importante pour les équipes déployant des infrastructures de routage d’IA auto-hébergées. Le développeur souligne également que les récents problèmes dans la chaîne d'approvisionnement de LiteLLM ont incité les équipes à rechercher des alternatives.

Les économies de tokens proviennent de la manière dont rtk traite les commandes avant de les envoyer à l’IA — il applique des optimisations qui réduisent la quantité de contexte envoyée au modèle sans modifier ce que le développeur voit ou la façon dont il travaille.

Voici une compétence Claude Code qui transforme des invites en diaporamas HTML de style magazine avec glissement horizontal. Dix mises en page, cinq thèmes sélectionnés, arrière-plans WebGL, sortie en fichier unique. Vous décrivez ce que vous souhaitez, et la compétence génère un fichier HTML que vous pouvez ouvrir dans n'importe quel navigateur.

Cette approche diffère des logiciels de présentation traditionnels car il n'y a rien à installer et aucune étape d'exportation. Le résultat est un fichier HTML unique qui fonctionne hors ligne et ne nécessite pas PowerPoint, Google Slides ou tout autre logiciel pour être visualisé.

Pour les équipes de vente, les enseignants, ou toute personne ayant besoin de créer des présentations régulièrement, le flux de travail est simple : inviter, générer, partager le fichier HTML.

Google a annoncé son intention d'investir jusqu'à 40 milliards de dollars supplémentaires dans Anthropic, portant son engagement total à 8 milliards de dollars au cours de deux tours de financement. Les conditions incluent l'engagement d'Anthropic à dépenser les fonds dans l'infrastructure Google Cloud — un autre accord circulaire où l'investisseur injecte de l'argent et l'entreprise d'IA le dépense pour les services de l'investisseur.

Cela suit le même schéma que l'investissement de 5 milliards de dollars d'Amazon l'année dernière, accompagné d'un engagement de dépenses de 100 milliards de dollars sur AWS par Anthropic. La structure devient standard : Big Tech fournit du capital, le laboratoire d'IA garantit sa fidélité en matière de dépenses de calcul. Google obtient le business cloud d'Anthropic ; Anthropic gagne en viabilité.

Selon Bloomberg, il s'agit de l'un des plus grands investissements corporatifs dans l'IA jamais enregistrés, poursuivant la concentration des capacités avancées en IA au sein d'entreprises capables de signer de tels chèques.

Un soldat des forces spéciales américaines a été arrêté pour avoir prétendument utilisé des marchés prédictifs alimentés par l'IA afin de tirer profit d'informations classifiées concernant des opérations gouvernementales. Cette affaire attire l'attention dans les cercles de sécurité de l'IA car elle représente un nouveau vecteur de menace : utiliser les marchés de l'IA pour extraire et monétiser des informations classifiées.

Les marchés prédictifs sont conçus pour agréger des informations de nombreux participants. Lorsqu'un participant a accès à des informations non publiques et peut effectuer des transactions basées sur ces informations, les mécanismes de marché destinés à découvrir de véritables probabilités deviennent un canal d'extraction pour du matériel classifié.

L'affaire est également notable car elle implique un soldat des forces spéciales américaines — une personne formée à la sécurité opérationnelle — qui aurait échoué à protéger des informations classifiées d'une manière traçable à un système d'IA.

Quelqu'un a observé comment Andrej Karpathy utilise réellement les outils de codage AI, puis a rédigé les modèles observés sous la forme d'un fichier de configuration CLAUDE.md. Insérez-le dans n'importe quel projet utilisant Claude Code, et le comportement de codage de l'AI s'améliore sensiblement, selon des milliers de développeurs qui l'ont essayé.

Le projet atteint 85 000 étoiles, avec 29 000 ajoutées au cours des sept derniers jours. Cette croissance repose sur le bouche-à-oreille de développeurs qui l'ont testé et ont constaté une véritable amélioration. Le fichier est petit et l'installation ne prend que quelques minutes, mais les changements comportementaux qu'il engendre dans la façon dont Claude Code aborde les tâches de codage sont significatifs.

Andrej Karpathy est l'une des personnes les plus étudiées dans le domaine de l'AI. Observer comment il utilise réellement les outils et traduire cela en une configuration réutilisable est un transfert de connaissances pratiquant des plus pratiques.

Wuphf est une couche wiki pour agents IA utilisant markdown et git comme source de vérité, avec un moteur de recherche en texte intégral bleve soutenant la base de connaissances. Les agents IA peuvent lire et écrire dans leur propre base de connaissances maintenue lors de sessions successives, ce qui signifie qu'ils se souviennent de ce qu'ils ont appris au lieu de repartir de zéro à chaque conversation.

Le développeur le décrit comme une manière de faire fonctionner les agents IA davantage comme des équipes : l'information est capturée, organisée, et disponible pour ceux qui en ont besoin. La base en git signifie que chaque modification est versionnée et auditable — avantageux pour comprendre ce que l'agent savait ou avait décidé à un moment précis.

Le modèle que permet Wuphf est différent des outils qui se contentent de fournir plus de fenêtres de contexte. Il s'agit d'une mémoire persistante réelle qui survit d'une session à l'autre et peut être interrogée par l'agent lorsque c'est pertinent.