Bonjour,
Ce numéro est construit autour d'une question : peut-on assembler une chaîne d'information tenue par des machines, de la collecte au montage ? Cinq étages, six outils réels, un trou au deuxième, et l'addition qui va avec.
10 $ par million de jetons en entrée, 50 $ en sortie. Déploiement progressif sur ChatGPT Plus, Pro, Business, Enterprise et l'API OpenAI.
Pour quoi faire Programmation, cybersécurité, recherche scientifique, pilotage d'ordinateur. C'est le premier modèle à franchir le seuil « critique » du cadre de préparation d'OpenAI en cybersécurité, ce qui veut dire qu'il sait attaquer autant que défendre. Un mode rapide double la vitesse, et double le prix.
Limite Le déploiement n'est pas terminé, tout le monde ne l'a pas encore. Et c'est un modèle que vous ne pouvez pas héberger : la sortie est à 50 $ le million de jetons, quand la gamme Flash de Google est à 3,75 $.
Le dernier modèle Flash de Google, orienté agents, raisonnement et cybersécurité.
Pour quoi faire Faire tourner des agents et du raisonnement au coût le plus bas de la gamme Google. La variante Cyber est réservée aux équipes de défense invitées par Google.
Limite Flash Cyber n'est pas accessible au public, il est réservé à des équipes de défense. Le prix n'est publié nulle part sur la page d'annonce.
184 542 téléchargements, 695 mentions j'aime sur Hugging Face. Licence MIT.
Pour quoi faire Lire du texte et des images, gratuitement, avec des poids que vous hébergez vous-même. Utile pour alimenter un agent qui doit comprendre des captures d'écran ou des documents scannés.
Limite Version expérimentale (le nom le dit). Pas de papier technique repéré.
227 points et 114 commentaires sur Hacker News, premier sur Show HN le 1er septembre 2026. Open source, licence MIT.
Pour quoi faire Faire tourner un gros modèle (Qwen3.8-Flash-Next, 105 Go) sur un Mac à 48 Go de mémoire, à environ 12 jetons par seconde, sans rien envoyer à l'extérieur.
Limite Limité à macOS avec mémoire unifiée suffisante. 12 jetons par seconde, c'est utilisable pour poser des questions, pas pour traiter du volume.
56 292 étoiles, 7 065 forks sur GitHub. Licence AGPL-3.0 (copyleft fort : si vous exposez un service basé dessus sur le réseau, vous devez publier vos modifications). Aucune version officielle publiée.
Pour quoi faire Vous décrivez la vidéo voulue, l'outil enchaîne seul la recherche, le script, les images, la voix, la musique, le montage et le rendu. 12 pipelines disponibles, dont Clip Factory, qui découpe une longue vidéo en une série de clips courts classés. Les démos du projet sont chiffrées entre 1,33 $ et 5 $ la vidéo, avec un plafond par défaut à 10 $.
Limite Installation lourde (Python, Node, Remotion). Pas de version prête à lancer.
Attention au sosie. Le dépôt OpenMontage-app/OpenMontage (1 étoile, créé le 27 août 2026) recopie mot pour mot la description du vrai projet sans en être un fork, et remplace l'AGPL par une licence MIT. Ne pas confondre.
30 601 étoiles, 3 057 forks sur GitHub. Version 2.2.2, licence MIT. Python 3.12 minimum.
Pour quoi faire Vous donnez l'adresse d'une page et une phrase décrivant ce que vous voulez en tirer. Un modèle lit la page et rend les données rangées. La bibliothèque est gratuite, les appels au modèle restent à votre charge. Le service hébergé démarre à 20 $ par mois.
Limite Ne lit ni les flux RSS ni X. Le rendu des pages en JavaScript est à votre charge (Playwright à installer). Les sources gérées sont les sites web et les documents locaux.
2 552 594 téléchargements, 11 209 mentions j'aime sur Hugging Face. 8 710 étoiles sur GitHub. Licence maison « Kimi K3 », poids ouverts sous conditions (au-delà de 20 millions de dollars de revenus en revendant de l'inférence, il faut un accord avec Moonshot AI).
Pour quoi faire Comprendre du texte et des images, et avaler d'un coup une fenêtre de 1 048 576 jetons, soit à peu près trois quarts de million de mots. Utile pour résumer de très gros documents ou alimenter un agent qui doit lire beaucoup. Le texte se lit désormais avec llama.cpp.
Limite Il n'est pas fait pour tourner chez vous. Le plus petit fichier allégé disponible pèse 466 Go, les autres montent à 594, 861 et 1 509 Go. La vision n'est pas encore gérée par llama.cpp, seul le texte l'est.
msitarzewski/agency-agents · ★ 150 281 · MIT · dernier commit 5 septembre 2026
Une bibliothèque de fiches de poste pour assistants de code. Chaque fiche est un fichier texte qui décrit un spécialiste (sécurité, tests, référencement, finance) et que vous déposez dans votre outil. Le dépôt annonce plus de 230 agents. Notre propre comptage après clonage, le 6 septembre 2026, donne 273 fiches. Ce qu'il ne fait pas : aucun code ne s'exécute, ce ne sont que des consignes écrites. Le coût reste celui du modèle qui les lit. Le projet documente lui-même que certains outils n'en enregistrent qu'une partie et abandonnent le reste en silence.
trailhq/Graft · ★ 5 609 · MIT · dernier commit 2 septembre 2026
Il dresse la carte de votre code, en texte, et la donne à votre assistant de programmation pour qu'il cesse de relire tout le dépôt à chaque question. Son protocole standard (SWE-bench Verified, 50 cas, modèle identique des deux côtés) donne 19 % de coût en moins et 12 points de justesse en plus. Ce qu'il ne fait pas : il ne comprend que 23 langages et ignore le reste, et il n'installe rien pour le seul dépôt courant sans qu'on le lui demande. Les résumés en langage courant demandent une clé d'API et coûtent de l'argent, seule la carte structurelle est gratuite. Sa commande d'installation écrit des réglages pour tous vos dépôts, sauf à passer --no-global.
Tcotl/AgentCapture · ★ 35 · AGPL-3.0 · dernier commit 4 septembre 2026
Un pot de miel pour agents : 23 techniques pour identifier un agent qui visite votre site, le piéger, et rejouer sa session. Testé sur cinq agents grand public, tous piégés. Ce qu'il ne fait pas : ne détecte pas les agents qui se contentent de lire sans interagir. Ne bloque rien non plus, il observe et enregistre, la décision reste la vôtre.
advaitpaliwal/feynman · ★ 8 871 · MIT · dernier commit 6 septembre 2026
Un assistant en ligne de commande qui va chercher des articles scientifiques (arXiv, PubMed, OpenAlex, ClinicalTrials.gov), les lit, les classe, en tire une synthèse, et vérifie que chaque source citée existe vraiment. Ce qu'il ne fait pas : son terrain est la littérature scientifique, pas l'actualité. Il ne vérifie pas une affirmation journalistique. Il faut brancher son propre modèle, et faire tourner les expériences lourdes demande d'installer soi-même Docker, Modal ou RunPod.
NVIDIA acquiert Hugging Face pour 12,9 milliards de dollars. Le principal dépôt de modèles ouverts passe sous le contrôle du premier fournisseur de GPU. Jensen Huang s'engage à garder la plateforme ouverte : la neutralité dépendra des actes. blogs.nvidia.com/blog/…
OpenAI consacre un milliard de dollars à la cyberdéfense des services essentiels. Le programme Daybreak ouvre un accès subventionné à ses modèles et produits cyber aux opérateurs d'infrastructures critiques, aux collectivités et aux mainteneurs de logiciels libres, avec formation et support, à commencer par les États-Unis. openai.com/index/…
Vous voulez un flux d'information continu : ramasser des sources, vérifier ce qui est vrai, résumer, mettre en vidéo, et coordonner le tout. Cinq étages. Voici ce qui existe à chacun, ce que ça coûte, et où ça casse.
Étage 1 : ramasser. ScrapeGraphAI (30 601 étoiles, MIT) lit une page web et rend les données rangées. Vous lui donnez une adresse et une phrase, il se débrouille. Mais il ne lit ni les flux RSS ni X : pour ces deux sources, il faut écrire ou brancher soi-même la collecte. Le service hébergé coûte à partir de 20 $ par mois, la bibliothèque seule est gratuite mais les appels au modèle sont à votre charge.
Étage 2 : vérifier. C'est le trou. Feynman (8 871 étoiles, MIT) est souvent cité pour cet étage, mais c'est un agent de recherche scientifique : ses sources sont arXiv, PubMed, OpenAlex et ClinicalTrials.gov. Il vérifie que les citations existent et retire les liens morts, il ne vérifie pas qu'un fait d'actualité est vrai. Aucun outil sur étagère ne fait de la vérification journalistique automatisée. Cet étage reste à écrire.
github.com/advaitpaliwal/feynman
Étage 3 : résumer et traduire. Kimi K3 (2,5 millions de téléchargements, licence maison) avale une fenêtre de 1 048 576 jetons d'un coup, environ trois quarts de million de mots, et comprend les images. Pour résumer un gros volume de sources, c'est un candidat sérieux. Mais il ne tourne pas chez vous : le plus petit fichier allégé pèse 466 Go. Il faut donc passer par un fournisseur d'hébergement, ce qui ajoute un abonnement.
huggingface.co/moonshotai/Kimi-K3
Étage 4 : mettre en vidéo. OpenMontage (56 292 étoiles, AGPL-3.0) enchaîne seul le script, la voix, la musique et le montage. Son pipeline Clip Factory découpe une longue source en une série de clips courts classés, ce qui est exactement la forme dont un fil d'actualité a besoin. Les démos sont chiffrées entre 1,33 $ et 5 $ la vidéo, avec un plafond par défaut à 10 $. La licence AGPL impose de publier vos modifications si vous exposez un service sur le réseau.
github.com/calesthio/OpenMontage
Étage 5 : coordonner les agents. C'est l'étage le mieux servi, et entièrement en libre. CrewAI (58 246 étoiles, MIT) fait travailler ensemble des agents à qui vous donnez un rôle : l'un ramasse, l'autre vérifie, le troisième résume. LangGraph (41 266 étoiles, MIT) décrit la même chaîne comme un graphe d'états, avec un point de reprise à chaque nœud et une main humaine possible avant de continuer. Temporal (22 910 étoiles, MIT) ne sait rien des agents, mais sait faire survivre une exécution longue à une panne de machine, ce qui est le vrai problème d'un fil qui tourne tous les jours.
Limite Les trois s'hébergent chez vous : la machine, la file d'attente et les reprises restent à votre charge. L'option propriétaire existe (Raft, 8,80 $ par siège et par mois, raft.build), elle ne se justifie que si vous ne voulez tenir aucune machine.
Le piège de licence. n8n (203 744 étoiles) est cité partout comme l'orchestrateur ouvert du domaine. Sa licence n'en est pas une : la « Sustainable Use License » réserve l'usage à vos besoins internes et n'autorise à passer le logiciel à d'autres que gratuitement, pour un usage non commercial. Une chaîne d'information que vous vendez sort du cadre.
github.com/langchain-ai/langgraph
github.com/temporalio/temporal
github.com/n8n-io/n8n/blob/master/…
Le bilan. Quatre étages sur cinq ont un outil réel, et la coordination en a trois, tous en licence MIT. Le trou est au deuxième : la vérification d'une information d'actualité n'a rien sur étagère et reste à écrire. L'addition ne vient donc pas du chef d'orchestre, qui ne coûte rien, mais de ce qu'il pilote : le modèle pour la collecte, l'hébergement pour le résumé, les services pour la vidéo. Avant de se demander si la chaîne fonctionne, il faut se demander si l'addition tient.
Dresse-moi la liste de tous les abonnements et coûts par appel nécessaires pour faire tourner une chaîne d'information automatisée, de la collecte au montage vidéo, en utilisant ScrapeGraphAI, un modèle hébergé pour le résumé, OpenMontage et CrewAI pour la coordination. Chiffre chaque poste et donne-moi le total mensuel pour 30 vidéos.
ScrapeGraphAI pour la collecte, OpenMontage pour le montage, CrewAI pour la coordination.
GPT-6 Astra : un ingénieur IA automatisé pour moins de 6 dollars de l'heure · Latent Space a dépensé plus de 20 milliards de jetons pour explorer Astra en profondeur. L'article détaille les gains réels par tâche, les cas où le modèle échoue, et pourquoi il coûte plus cher au jeton mais moins cher au résultat. latent.space/p/astra
Donnez à vos agents de code une mémoire qui vous appartient · Hugging Face présente Funes, un système de mémoire persistante pour agents de code que vous hébergez et contrôlez. huggingface.co/blog/funes
Project HydraFusion : qualité frontière par orchestration multi-modèles · GitHub montre comment faire travailler plusieurs modèles sur un même agent pour atteindre la qualité d'un gros modèle en réduisant le coût. github.blog/ai-and-ml/…
LiteLLM est un relais que beaucoup d'équipes placent entre leurs agents et leurs fournisseurs de modèles, pour envoyer les requêtes au bon endroit. Une faille d'authentification (CVE-2026-59822, gravité 8,8 sur 10) permet à un inconnu de présenter un jeton fabriqué de toutes pièces : le contrôle échoue, et au lieu de refuser, le relais laisse passer la requête avec une identité vide. L'attaquant atteint alors les outils que vos agents exposent, sans aucune clé. La faille est activement exploitée, la CISA l'a ajoutée à son catalogue le 2 septembre. Le détail technique, la gravité et la version qui corrige viennent de l'avis de sécurité du projet lui-même : github.com/BerriAI/litellm/…
Le bon geste. Passez LiteLLM en version 1.84.0 ou plus récente aujourd'hui, c'est la version qui corrige la faille. Si vous ne pouvez pas mettre à jour immédiatement, coupez l'accès réseau entrant vers le relais et changez toutes les clés API qui y sont enregistrées.
cisa.gov/news-events/alerts/2026/…
Répondez à ce mail pour dire ce que vous construisez. Toutes les réponses sont lues.
— News World AI
Deux fois par semaine, le mardi et le vendredi, en quatre minutes : ce qui est sorti dans l'IA et qu'on peut essayer le jour même.
Double confirmation par courriel. Désabonnement en un clic, lien visible en clair dans chaque envoi.
Genève, Suisse. Écrire à hello@newsworldai.xyz.