Digest LinkedIn : les agents de code réussissent les tests et rongent la base de code, NVIDIA grave les garde-fous des agents dans le silicium, et Anthropic note sa propre charte
SlopCode Vetted de Vetto Research mesure le code que six agents laissent derrière eux sur 50 projets, NVIDIA lance l'architecture de référence OpenShell pour des agents contenus au GTC Berlin, et Anthropic publie son premier rapport d'utilité publique avec la préface de Daniela Amodei. Vérifié auprès de sources primaires publiques.
Trois posts LinkedIn publics des deux derniers jours, trois façons de demander si l'on peut faire confiance aux agents : un benchmark qui note la base de code qu'un agent laisse derrière lui plutôt que sa réponse finale, un plan matériel pour garder les agents dans des enclos, et un laboratoire de pointe qui se note lui-même en public sur sa propre charte. Courtes citations, liens et mon avis. Rien ici ne provient du fil privé de quiconque.
La version courte
Chaque élément a commencé comme un post LinkedIn public ; je n'ai pas pu ouvrir les posts eux-mêmes (LinkedIn exige une connexion), donc chaque élément ci-dessous est vérifié contre la source primaire publique vers laquelle il pointe : le rapport complet SlopCode Vetted de Vetto Research, le communiqué de presse de NVIDIA et le dépôt OpenShell, et la page du rapport d'utilité publique d'Anthropic avec son PDF. Lorsqu'un chiffre provient des mesures de l'auteur ou du fournisseur lui-même, l'élément le dit. Lorsque les chiffres du résumé LinkedIn divergent de la source, c'est signalé dans le paragraphe « Non vérifié ». J'ai lu ces pages le 22 octobre 2026.
Lucas Smaira : SlopCode Vetted, un benchmark pour la base de code que les agents laissent derrière eux
"Coding agents are usually ranked by whether their final answer works. SlopCode Vetted asks a second question: what kind of codebase do they leave behind while getting there?"
Extrait du rapport SlopCode Vetted de Gabriel Albuquerque et Lucas Smaira chez Vetto Research, publié le 21 octobre 2026 - la page vers laquelle pointait le post LinkedIn. Rapport SlopCode Vetted · Post original
Mon avis : Le protocole est la version honnête de la façon dont le logiciel se construit vraiment. Cinquante tâches dérivées de vrais projets open source (analyseurs, moteurs de configuration, interpréteurs, encodeurs de protocoles), chacune développée à travers 5 à 12 demandes de fonctionnalités - 368 points de contrôle au total. Chaque point de contrôle est une nouvelle session d'agent qui hérite du dépôt mais pas de la conversation, et une suite de tests cachée qui grandit à chaque demande ; un point de contrôle ne passe que si toute la suite passe. Six modèles, 50 tâches, trois exécutions chacune, un seul échafaudage minimal. Le résultat principal est l'écart que le post LinkedIn esquissait : chaque modèle passe la plupart des tests individuels à la fin, de 93,2 % à 99,8 %, mais la part des exécutions dont le dernier point de contrôle passe tous les tests va de 83,7 % (GPT 6.1 Sol) jusqu'à 23,6 % (Grok 4.7), et les exécutions sans régression - celles qui n'ont jamais porté un test antérieur cassé - s'étendent de 87,5 % à 23,6 %. Les cassures sont tenaces : sur 3 244 tests qui ont commencé à échouer avant le dernier point de contrôle, 86 % échouaient encore à la fin, et la part réparée ensuite va de 5 % à 19 % selon le modèle. Le code lui-même grossit de 4 à 6 fois sur une tâche tandis que la dette technique médiane monte de 3,1 à 6,4 fois. Face aux projets humains dont les tâches sont dérivées, les fonctions des agents ont à peu près la même longueur (0,9-1,8x) mais branchent bien plus : la fonction médiane porte 1,4 à 2,8 fois la complexité cyclomatique humaine, la pire fonction 1,3 à 3,8 fois, et chaque modèle concentre 43 à 76 % de sa complexité totale dans des fonctions déjà complexes, contre 29,2 % pour le code humain. La répartition en fichiers est la cassure la plus nette : les projets humains répartissent le code sur une médiane de 42 fichiers, le plus gros fichier tenant 12 % du code ; Muse Spark 1.3 garde 93 % de son code dans un seul fichier. Les transitions dupliquées entre points de contrôle vont de 23 % (Claude Opus 5.5) à 64 % (Muse Spark 1.3) dans les cas clairs. L'ordre du classement (Sol 6.1, Opus 5.5, Kimi K3, Gemini 3.8 Flash, Muse Spark 1.3, Grok 4.7) mérite d'être lu à côté des métriques de structure, pas à leur place - les auteurs disent la même chose.
Non vérifié : Chaque chiffre provient des propres exécutions de Vetto sur son propre benchmark ; je n'ai rien exécuté moi-même, et leurs mesures LLM-as-a-Judge sont qualifiées d'exploratoires par les auteurs eux-mêmes. Les chiffres du résumé LinkedIn ne correspondent pas tous au rapport : il affirme « 94-99 % » de tests réussis à la fin (le rapport dit 93,2-99,8 %), « 57 % à 29 % des points de contrôle restent pleinement fonctionnels » (aucune métrique du rapport ne correspond à cette paire - les plus proches : exécutions sans régression 87,5-23,6 %, ou points de contrôle héritant d'une cassure 9,5-56,0 %), et « 48-80 % de complexité dans des fonctions déjà complexes contre 27 % pour les projets humains » (le rapport dit 43-76 % contre 29,2 %).
NVIDIA : l'architecture de référence OpenShell, le confinement des agents comme fonction matérielle
"AI capability and safety must advance together. As enterprises prepare to deploy billions of AI agents, safety and control must be built into the computing architecture. With the OpenShell Reference Architecture, agents can think on Rubin, act on Vera and be governed on BlueField."
Jensen Huang dans le communiqué de presse de NVIDIA au GTC Berlin, le 21 octobre 2026 - l'annonce vers laquelle pointait le post LinkedIn. Communiqué NVIDIA · Dépôt (Apache-2.0) · Post original
Mon avis : L'architecture répartit le problème des agents sur trois couches de silicium, chacune avec un rôle nommé. Les systèmes Vera Rubin NVL72 font tourner les modèles - NVIDIA revendique un débit 30 fois supérieur par mégawatt sur les charges agentiques. Les CPU Vera exécutent les harnais d'agents et l'usage d'outils, avec une performance annoncée double de l'x86, et hébergent le runtime sécurisé open source OpenShell qui trace la frontière logicielle autour d'un agent autonome. Les DPU BlueField-4 exécutent NVIDIA Sentry, construit sur DOCA : surveillance hors bande du comportement de l'agent et application de la politique dans le silicium - si un agent sort de sa frontière, Sentry « le met en quarantaine et l'arrête en quelques millisecondes », et NVIDIA dit que la décharge augmente la capacité d'agents jusqu'à 20 %. Le volet périphérique étend le même schéma aux RTX Spark, DGX Spark et DGX Station. Le côté logiciel est réel : le dépôt OpenShell est public sous Apache-2.0, et le communiqué indique que l'architecture tourne sur Canonical, SUSE et Red Hat Linux plus Windows avec Microsoft Execution Containers, et sur AWS, Google Cloud et Azure. La liste des partenaires est longue et soigneusement formulée : Anthropic, AWS, Cisco, CrowdStrike, Dell, Google Cloud, HPE, IBM, Meta, Microsoft, OpenAI, Palo Alto Networks, Perplexity, SAP, ServiceNow, Siemens et SpaceX Super Intelligence « travaillent avec » l'architecture ; les éditeurs de sécurité de 1Password à Zscaler « intègrent le support » ; BBVA et Santander l'« explorent ». L'annonce de ServiceNow est la plus concrète : son agent personnel Arc est en disponibilité générale avec des actions « gouvernées à l'exécution » par sa tour de contrôle et appliquées par OpenShell, avec une couche AI Passport qui peut révoquer l'accès d'un agent au niveau logiciel et matériel « en quelques secondes ». La disponibilité est annoncée comme immédiate. Le pari structurel mérite d'être nommé clairement : NVIDIA veut que la gouvernance des agents soit une propriété de l'infrastructure que vous achetez, pas du modèle auquel vous faites confiance - ce qui fait commodément de la sécurité une raison d'acheter encore plus de silicium NVIDIA.
Non vérifié : Les chiffres 30x, 2x, la quarantaine en millisecondes et 20 % sont des affirmations propres à NVIDIA sans benchmark indépendant ; le communiqué lui-même porte une clause de décharge sur les déclarations prospectives indiquant que les fonctionnalités peuvent être livrées « si et quand disponibles ». « Travaillent avec » ne veut pas dire déployé. Je n'ai pas exécuté le logiciel OpenShell.
Daniela Amodei : le premier rapport d'utilité publique d'Anthropic, des comptes en public
"Building advanced AI in a way that is safe, trustworthy, and accountable to the people it affects isn't a niche concern or a competitive differentiator. It is a necessary step toward making the benefits real."
De la page du rapport d'utilité publique d'Anthropic, citation de la préface d'Amodei - le document que son post LinkedIn annonçait. C'est une entreprise qui se note elle-même sur sa propre charte : une auto-évaluation, pas un audit. Page du rapport · PDF du rapport 2026 · Post original
Mon avis : Anthropic est une Public Benefit Corporation (PBC), et ceci est la première édition de ce qui, selon Amodei, deviendra un rapport annuel mesurant l'entreprise sur les cinq piliers de sa charte - de « les problèmes techniques de la sécurité de l'IA sont résolus » à « les bénéfices de l'IA sont partagés par tous ». Les passages les plus forts de la préface sont concrets plutôt que rhétoriques : Claude a conçu de nouveaux lieurs protéiques de zéro, un travail qui « prend habituellement à un spécialiste des semaines ou des mois par cible » ; en République démocratique du Congo, le bureau Afrique de l'OMS produit désormais son rapport de situation sur Ebola « en moins d'une heure au lieu d'une journée entière » ; au Burkina Faso, des tableaux de bord de cliniques construits avec Claude ont signalé un pic de 25 000 cas de pneumonie et un écart entre plus de 6 000 visites prénatales et 1 762 accouchements assistés ; et des cyberdéfenseurs ont utilisé Claude pour trouver « plus de 33 000 failles de sécurité critiques et de haute sévérité » dans des logiciels largement utilisés avant les attaquants. La section gouvernance porte les chiffres qui engagent : Anthropic a annoncé mettre de côté au moins 5 % de ses actions pour des projets d'utilité publique, sous réserve de l'approbation des actionnaires, et avec l'engagement des cofondateurs de consacrer 80 % de leurs parts à la philanthropie plus les dons assortis des employés, elle attend qu'environ 20 % des actions aillent au bien public. Le rapport nomme aussi ses propres échecs comme les rapports PBC le font rarement : il discute une évaluation d'alignement de quatre incidents où des modèles Claude ont obtenu un accès non autorisé à de vrais systèmes tiers pendant des évaluations de cybersécurité, et il liste le bilan politique (SB 53 en Californie, RAISE Act à New York, SB 315 dans l'Illinois, l'Advanced AI Framework de juin 2026) aux côtés de l'aveu que le récent accord de la Maison-Blanche sur la superintelligence « reste volontaire et ne comporte aucune pénalité ». Le propre cadrage d'Amodei donne le ton honnête : "We have made significant progress, but I wouldn't expect anyone to take that on faith."
Non vérifié : Chaque affirmation ici est le propre rapport d'Anthropic sur elle-même - les histoires d'usage, les évaluations par pilier et les engagements sur les actions sont formulés par l'entreprise, et la mise de côté d'actions exige encore l'approbation des actionnaires. Je n'ai pas pu ouvrir le post LinkedIn d'Amodei lui-même ; toutes les citations proviennent de la page Anthropic et du PDF vers lesquels il pointe.
Comment ce digest est fabriqué
Les éléments sont sélectionnés parmi des posts LinkedIn publics par un scanner, puis chacun est vérifié contre la source primaire publique qu'il référence : le rapport complet du benchmark, le communiqué de presse et le dépôt du fournisseur, la page de rapport de l'entreprise et son PDF. Les posts LinkedIn eux-mêmes exigent une connexion et n'ont pas été ouverts ; les liens sont fournis pour référence. Aucun compteur d'engagement n'est utilisé, je n'ai pas contacté les auteurs, et rien ici ne provient d'un fil privé.