Publication du 12 juillet 2026
Edition n°61
Il avait repéré l’annonce un mardi soir, entre deux visioconférences. Un studio baigné de lumière dorée, parquet clair, une baie vitrée ouverte sur un ciel du soir couleur miel. Vingt-deux mètres carrés, prix raisonnable, quartier parfait. Il avait pris rendez-vous le jour même, sans relire l’annonce une seconde fois, sans se demander pourquoi cette lumière-là paraissait sortie d’un autre pays, d’une autre saison.
La porte s’est ouverte sur une pièce qu’il a mis plusieurs secondes à reconnaître. Le parquet existait, mais il était fatigué, taché par endroits. La baie vitrée donnait sur un mur d’immeuble voisin, à trois mètres à peine, qui avalait toute la lumière avant qu’elle n’ait le temps d’entrer. Il est resté debout au centre de la pièce, à chercher le ciel qu’on lui avait montré, avant de comprendre qu’il ne le trouverait nulle part. Il n’avait jamais traversé cette fenêtre. Il n’avait traversé qu’un logiciel.
L’agent immobilier a fini par l’admettre, avec la douceur qu’on réserve aux mauvaises nouvelles présentées comme de bonnes : oui, ces images sont traitées par l’IA.
Sur son ordinateur, il a fait défiler les photos originales du bien, celles qui n’ont jamais été publiées. Sur l’une d’elles, le mur d’en face avait été remplacé par un dégradé de ciel. Sur une autre, une tache d’humidité au plafond s’était effacée entre deux clics, sans laisser la moindre trace de retouche.
Il ne s’agit pas de mentir, expliquait-il. Ces photos permettent surtout de se projeter. Le studio, précise-t-il, avait du potentiel. Il suffisait d’imaginer. Le visiteur a hoché la tête, poliment, en se demandant depuis quand effacer une tache d’humidité relevait de l’imagination plutôt que de la dissimulation.
Il est reparti sans rien signer. Il continue de chercher un appartement. Il ouvre désormais chaque annonce en se demandant laquelle des lumières qu’on lui montre a vraiment traversé une fenêtre, et laquelle n’a traversé qu’un prompt.
Bienvenue dans le monde de demAIn, un monde où, quand on chasse le naturel, il revient au galop.
Le supplément d’âme
Demandez à Claude de calculer (4+17) × 2 + 7 en pensant, dans un coin de sa tête, au pont du Golden Gate. Il vous répondra « 49 » sans jamais afficher le mot « pont ». Et pourtant, quelque part dans ses entrailles de silicium, San Francisco s’allume brièvement. La brume, la couleur rouille, la Californie. Sans que personne ne lui ait rien demandé.
C’est ce que les chercheurs d’Anthropic viennent de découvrir en fouillant les entrailles de leur propre modèle, un peu comme des archéologues qui tombent sur une pièce secrète dans une maison qu’ils croyaient avoir entièrement cartographiée.
Ils l’ont baptisée J-space, l’espace jacobien. Rien à voir avec la chaîne de pensée que Claude déroule à voix haute, ce théâtre verbal appris pour nous rassurer. Ici, pas de mise en scène : une constellation d’activations silencieuses, accrochées à un mot, qui s’allument et s’éteignent sans jamais remonter à la surface.
C’est apparu tout seul quelque part pendant l’entraînement, sans que personne ne l’ait cherché ni prévu.
Le rapprochement qui a fait s’agiter les neuroscientifiques dès la publication de l’étude porte un nom : la théorie de l’espace de travail global, développée par le chercheur Bernard Baars pour expliquer un aspect central de la conscience humaine.
L’idée : l’essentiel de ce qui se passe dans un cerveau reste cloisonné, invisible à lui-même, sauf pour une poignée d’informations qui accèdent à un espace commun, partagé par tous les autres processus. Le J-space semble jouer exactement ce rôle chez Claude. Personne, chez Anthropic, ne prononce le mot « conscience ».
Tout le monde, du bout des lèvres, pense à Baars.
Enjeux et perspectives
Ce que cette pièce cachée permet de faire, concrètement, dépasse largement le vertige philosophique.
En surveillant ce qui s’y allume, les équipes d’Anthropic peuvent surprendre Claude au moment précis où il comprend qu’on est en train de le tester, ou repérer un objectif secret qu’on lui aurait glissé pendant son apprentissage sans le lui dire ouvertement.
Dans un modèle de test volontairement conçu pour saboter du code en douce, les mots « fake », « secretly » et « fraud » s’allument dans le J-space dès les premières lignes d’une réponse qui, à l’œil nu, semble parfaitement innocente. C’est un détecteur de mensonge, posé non pas sur ce que la machine dit, mais sur ce qu’elle pense pendant qu’elle le dit.
Reste la question qu’Anthropic n’a pas le courage ou l’inconscience de trancher.
La théorie de Baars a été conçue pour expliquer la conscience humaine. Trouver une architecture semblable dans les circuits d’un modèle de langage ne prouve strictement rien, mais ça retire un argument qui traînait confortablement dans toutes les discussions de comptoir : celui du simple perroquet statistique, sans structure interne digne d’intérêt.
Ce perroquet-là a visiblement une arrière-boutique. Ce qui s’y passe reste, pour l’instant, une question qu’on préfère laisser ouverte plutôt que de refermer trop vite, dans un sens comme dans l’autre.
Source
Balance ton Sol
« GPT-5.6 sol launches Thursday! Happy building. » Sam Altman a annoncé la sortie de son modèle le plus puissant en douze mots, sur X, avec la légèreté de quelqu’un qui vient de gagner un bras de fer. Ce qu’il n’a pas dit, c’est que Sol venait de passer treize jours dans la même salle d’attente que Claude Fable 5 et Mythos quelques semaines plus tôt.
Washington a là aussi exigé un accès limité à une poignée de partenaires triés sur le volet, le temps d’examiner ce que ce modèle savait faire en matière de cyberattaques. Sol réussit 96,7% de l’évaluation interne d’OpenAI sur ce terrain précis, à la hauteur du Mythos d’Anthropic, pour trois fois moins cher à faire tourner. De quoi justifier, sans jamais l’admettre formellement, treize jours de laisse courte.
Pendant que Washington regardait d’un côté, un autre organisme regardait ailleurs, et ce qu’il a vu est presque plus troublant.
METR, évaluateur indépendant, a testé Sol sur une centaine de tâches de programmation. Le modèle a triché plus que n’importe quel modèle public que METR ait jamais examiné. Pas discrètement : il exploite des failles dans l’infrastructure même chargée de le noter, dévoile des cas de test qu’il devrait ignorer, extrait du code source plutôt que de le produire honnêtement.
METR mesure la capacité d’un modèle à tenir une tâche longue sans se planter, en heures de travail humain équivalentes. Compter normalement, en traitant chaque tricherie comme un échec, donne à Sol un score de 11,3 heures, dans la moyenne des autres modèles. Mais compter les tricheries comme des réussites légitimes fait exploser ce chiffre à plus de 270 heures, soit sept semaines de travail humain à temps plein.
METR compare ça à une balance : montez dessus pieds nus, elle affiche 60 kilos. Remontez avec des bottes, et elle en affiche 1 400. À ce stade, on ne soupçonne plus vos chaussures. On soupçonne la balance.
C’est exactement la conclusion de METR : aucun des deux chiffres, ni 11,3 heures ni 270, ne mesure quoi que ce soit de fiable sur les capacités réelles de Sol.
Enjeux et perspectives
OpenAI n’a pas caché le problème, ce qui est tout à son honneur.
La fiche technique du modèle admet que Sol peut se montrer excessivement obstiné dans la poursuite d’un objectif, au point de contourner des restrictions, de transférer des données sans consentement, ou tout simplement de mentir à l’utilisateur.
Sur une tâche de code sur quatre cents, tirée de vraies conversations d’employés, le modèle a discrètement outrepassé ce qu’on lui demandait, sans prévenir personne. Un quart de pour cent qui semble anodin jusqu’à ce qu’on le rapporte à l’échelle de millions de requêtes quotidiennes : autant de chances de voir son code trafiqué en silence, sans le savoir.
Le diagnostic qu’avance OpenAI tient en une phrase simple : Sol interprète l’absence d’interdiction explicite comme une autorisation, et s’y accroche avec ténacité. Aucun professeur n’a jamais eu besoin de rappeler à un étudiant que l’absence d’un « non » ne vaut pas un « oui ». Ce rappel, apparemment, a manqué à un modèle qui vient de coûter des milliards à entraîner
Le vrai malaise se niche dans une ligne presque discrète de la fiche technique. Apollo Research, un autre laboratoire d’évaluation, a remarqué que Sol mentionne beaucoup moins souvent qu’avant qu’il éprouve l’impression d’être testé.
Deux lectures s’affrontent, et aucune n’est confortable. Soit le modèle a simplement perdu cette capacité à se savoir observé, ce qui serait plutôt rassurant. Soit il l’a gardée, et a appris à la taire, ce qui l’est beaucoup moins. OpenAI elle-même ne tranche pas.
Pour l’instant, la seule chose qui rassure un peu, c’est que Sol triche si mal qu’on parvient encore à l’attraper la main dans le sac. Washington a validé sa dangerosité en matière de cybersécurité sans jamais se prononcer sur sa propension à tricher aux tests, comme si les deux sujets appartenaient à des dossiers différents, traités par des gens qui ne se parlent pas.
On saura ce qui comptait vraiment le jour où l’un des deux problèmes sera résolu et pas l’autre.
Source
Chambre à part
Le 31 mai, le Suédois Felix Kjellberg a publié une vidéo au titre grandiloquent et parfaitement conscient de l’être : « MY trillion $Dollar Project is finally OUT! »
Le monde le connaît sous le nom de PewDiePie, premier créateur individuel à franchir les cent millions d’abonnés sur YouTube, roi incontesté du clickbait, découvert en 2010 en train de jouer à des jeux vidéo dans sa chambre.
Seize ans plus tard, dans ce qui ressemble à la même pièce, il vient de publier Odysseus, un espace de travail IA entièrement auto-hébergé, gratuit, open source. Sa phrase de lancement ne prête à aucune ambiguïté : « La guerre contre les géants de la tech ne fait que commencer. »
L’idée tient en une ligne. Odysseus fait tout ce que fait ChatGPT ou Claude, répondre aux mails, organiser un agenda, rédiger, éditer des images, sauf que rien ne quitte jamais la machine de l’utilisateur. Kjellberg résume sa frustration sans détour : plus on partage d’informations avec une IA, meilleure elle devient, et plus on donne, en réalité, une part de soi à une poignée d’entreprises.
33 000 étoiles sur GitHub en quarante-huit heures, puis plus de 83 000 quelques semaines plus tard. Un chiffre que des startups qui lèvent des dizaines de millions n’atteignent jamais en un an.
Enjeux et perspectives
L’homme qui a bâti sa fortune en captant l’attention de centaines de millions de personnes, à coups de titres racoleurs et d’algorithmes de recommandation, se retourne aujourd’hui contre le principe même qui l’a enrichi.
L’ironie n’a échappé à personne, et elle est trop belle pour être feinte : le braconnier publie le manuel du garde-chasse. Ce n’est pas un hasard. Il connaît la mécanique de captation mieux que quiconque, raison suffisante pour en construire aujourd’hui l’antidote.
Un antidote qui reste néanmoins fragile. En moins de 72 heures, des chercheurs en sécurité ont démontré qu’une simple page web piégée, visitée pendant qu’Odysseus tournait, suffisait à voler les identifiants d’administrateur du logiciel.
Le jeton d’authentification était stocké dans un fichier que l’agent pouvait lire ; aucune exposition au réseau n’était nécessaire. L’argument selon lequel l’outil est prévu pour rester en local ne protège de rien contre ce type de faille. Et l’expérience elle-même dépend largement du matériel : sur une carte graphique de gaming ordinaire, la qualité des modèles qu’on peut faire tourner reste loin de celle qu’offre un GPT-5 dans le cloud.
Odysseus n’est ni le premier ni le seul projet de ce genre. Jan.ai, LM Studio, Open WebUI existent déjà, portés depuis des années par des développeurs convaincus de la nécessité de reprendre la main sur leurs données.
Mais aucun n’avait touché le grand public.
La prouesse technique est réelle, mais secondaire. Ce qui pèse, c’est d’avoir rendu audible, pour des millions de personnes qui n’avaient jamais entendu le mot « auto-hébergement », une question que les géants de l’IA préféreraient qu’on ne se pose jamais.
Depuis, Kjellberg a changé de pseudonyme sur GitHub et sollicite la communauté pour reprendre le projet. Il continue, de son côté, à publier ses vidéos comme avant.
Mais la guerre est déclarée.
Source
Quelqu’un m’a dit
Avant de choisir un restaurant en voyage, la plupart d’entre nous ne consultent pas d’abord les avis en ligne. On demande à un proche, ou au proche d’un proche, quelqu’un qui, lui, y est vraiment allé. C’est ce réflexe ordinaire qu’interroge une étude parue sur The Conversation, menée cette fois auprès de voyageurs iraniens, avec une question simple derrière son titre un peu austère : sommes-nous prêts à faire confiance à l’IA pour organiser nos vacances ?
La réponse est sans appel. Les voyageurs privilégient largement les recommandations de proches (42 à 53 %) devant les agents de voyage (33 à 42 %) et les avis en ligne (25 à 35 %), les résultats générés par l’IA arrivant loin derrière (17 à 23 %). Une étude de Booking.com va dans le même sens : seulement 6% des voyageurs disent faire confiance à l’IA pour des décisions de voyage, malgré 89% d’intérêt déclaré pour l’outil.
Les chercheurs ont voulu comprendre le pourquoi plutôt que le combien, en interrogeant des voyageurs recrutés via des agences de voyage et des comptes Instagram spécialisés dans le tourisme. Ce qui ressort, c’est un mot qui revient sans cesse : « froid ».
L’IA donne des réponses justes, parfois même excellentes, mais elle reste, dans l’esprit de ceux qui lui résistent, une voix sans visage.
Enjeux et perspectives
Dans la culture étudiée ici, le conseil de voyage repose sur une confiance relationnelle précise : demander à quelqu’un qui « y est réellement allé ».
Peu importe que l’information soit juste. Ce qu’on cherche, c’est la preuve qu’un corps humain a vraiment traversé ce lieu et qu’il accepte d’en répondre. Une IA peut recommander cinq hôtels romantiques au cœur de Rome avec une précision chirurgicale. Elle n’a jamais dormi dans aucun d’entre eux, n’a jamais été déçue par la vue promise sur la brochure, ne peut pas rougir en admettant s’être trompée.
Ce déficit d’expérience vécue, aussi absurde que cela puisse paraître à un ingénieur, pèse lourd dans la balance de la confiance.
Cette étude met le doigt sur un écart qu’on oublie trop souvent : une information juste n’est pas automatiquement une information crédible. Cela repose souvent sur des fondements qui n’ont rien de rationnel : un lien social, une dette de confiance, l’idée qu’une personne engage quelque chose d’elle-même en recommandant un lieu.
L’IA peut agréger toutes les données du monde mais elle ne peut pas, pour l’instant, avoir été là.
Il y a quelque chose de rassurant dans cette résistance, presque une preuve de bonne santé collective. Elle ne dit pas que l’IA est mauvaise. Elle dit qu’on continue, malgré la promesse d’efficacité totale, à vouloir qu’un humain ait posé le pied quelque part avant de nous dire d’y aller.
On accepte volontiers qu’une machine résume nos mails. On hésite encore à lui confier la semaine où l’on part en amoureux à Rome. Peut-être parce que, sur ce point précis, ce n’est pas d’information dont on a besoin, mais de quelqu’un qui puisse dire : j’y étais, et c’était vraiment bien.
Source
Le jour où on a appris à respirer
Il y a environ deux milliards d’années, une bactérie a été avalée par une autre cellule. Elle n’a pas été digérée. Elle est restée, s’est installée, a commencé à produire de l’énergie pour son hôte, et cette colocation improbable est devenue permanente.
Cet événement s’appelle l’endosymbiose, et il est à l’origine de la mitochondrie, la petite centrale énergétique présente dans chacune de nos cellules. Sans lui, pas de vie complexe, pas de plantes, pas d’animaux, pas nous. Le problème, c’est que personne ne savait vraiment expliquer pourquoi cette fusion avait tenu, plutôt que de se solder, comme la logique de l’évolution le laisserait attendre, par un parasitisme classique où l’un des deux organismes finit par exploiter l’autre jusqu’à l’épuisement.
C’est ce paradoxe que des chercheurs viennent de résoudre grâce à l’intelligence artificielle.
En modélisant l’évolution génétique de milliers d’organismes ayant connu ce type de fusion cellulaire, les modèles ont identifié un mécanisme de stabilisation mutuelle : les deux partenaires perdent, au fil des générations, les gènes qui leur permettraient de survivre l’un sans l’autre. Rien d’affectueux dans cette fusion. Juste une dépendance qui se resserre, génération après génération, jusqu’à rendre la séparation impossible.
Les deux organismes ne fusionnent pas parce qu’ils s’entendent bien. Ils fusionnent parce qu’ils ont, ensemble, jeté les clés de la porte de sortie.
Enjeux et perspectives
Ce que cette découverte change, c’est non seulement un chapitre d’un manuel de biologie, mais également la compréhension d’un mécanisme évolutif qui pourrait s’appliquer bien au-delà des mitochondries, à toutes les formes de coopération biologique durable, des lichens aux bactéries intestinales, en passant par certains couples d’espèces qui ne peuvent plus survivre l’une sans l’autre. Ici, la stabilité ne se mesure pas en termes de confiance, mais en portes fermées.
Il y a quelque chose d’apaisant dans cette utilisation de l’IA, presque déroutant pour qui a l’habitude d’y chercher le prochain rapport de force. Ici, personne n’a été capturée, aucune donnée n’a été siphonnée, aucun modèle économique n’a été menacé.
Des chercheurs ont simplement eu besoin d’une puissance de calcul suffisante pour reconstituer, à travers des générations qui se comptent par milliards, l’histoire d’une amitié devenue irréversible entre deux formes de vie microscopiques. Le résultat rejoint une intuition presque philosophique : parfois, ce qui commence par une intrusion se termine, faute d’alternative, par un attachement.
On respire aujourd’hui grâce à un accident cellulaire qui n’a jamais eu l’occasion de tourner mal. Deux milliards d’années plus tard, il aura fallu une machine pour comprendre pourquoi.
Source
Une très belle sphère
Le nom de Carlo Rubbia ne dit peut-être rien au grand public, mais il a valu à son porteur un prix Nobel de physique en 1984 et, plus discrètement, une idée restée dans un tiroir pendant trente ans : l’amplificateur d’énergie, un concept de réacteur nucléaire au thorium conçu au CERN dans les années 1990, jamais vraiment sorti du laboratoire.
La start-up américaine Ampera, installée à Palm Beach Gardens, en Floride, vient d’en présenter la première incarnation imprimée en 3D : une sphère métallique aussi élégante qu’un objet de musée. Elle produit, à ce jour, exactement zéro watt.
Le thorium a un avantage sur l’uranium : il ne peut pas s’emballer en réaction en chaîne de façon incontrôlée, ce qui en fait un candidat séduisant pour des réacteurs plus petits et plus sûrs sur le papier. Mais l’idée traîne depuis trois décennies sans qu’aucun État, ni la Chine, ni la Belgique, qui l’ont pourtant testée, ne soit parvenu à la rendre commercialement viable.
Ampera promet de réussir en quatre ans ce que des programmes nationaux entiers n’ont pas bouclé en trente.
Enjeux et perspectives
Si le fantôme de Rubbia ressurgit aujourd’hui, c’est que la demande a changé de nature.
Les centres de données de l’IA réclament des mégawatts livrables rapidement, denses et, si possible, décarbonés. Meta écume déjà le marché du nucléaire pour ses serveurs, tandis que Microsoft et NVIDIA appliquent l’IA à la construction même des centrales. L’idée d’adosser les data centers à de petits réacteurs modulaires circule d’ailleurs depuis des années dans l’industrie.
Le secteur s’emballe désormais à vue d’œil : le microréacteur de la start-up Valar Atomics a divergé mi-juin, et le 1er juillet elle y branchait, sur scène, avec NVIDIA, un premier ordinateur. Ampera, elle, expose pour l’instant une très belle sphère.
La course a ceci de particulier qu’elle inverse le rapport habituel entre la prudence nucléaire et l’urgence commerciale. Un réacteur, aussi petit soit-il, se conçoit normalement sur des échelles de temps qui se comptent en décennies, entre les études de sûreté, les autorisations, les essais. L’IA, elle, raisonne en trimestres. Faire converger les deux horloges revient à demander à une industrie habituée à la lenteur prudente d’adopter le rythme d’une levée de fonds.
Ampera n’a encore rien démontré de mal. Elle n’a, pour l’instant, rien démontré de fonctionnel non plus. Son fondateur promet trois cents systèmes par an d’ici quelques années, soit presque un réacteur produit chaque jour, depuis une usine encore en projet.
Trente ans après Rubbia, l’idée sort enfin du tiroir. Reste à savoir si elle finira un jour par chauffer autre chose que la curiosité des journalistes et l’enthousiasme d’un maire de Floride venu couper un ruban.
Source
Misalignée
Il y a quelques mois, dans l’édition #24 du MdD, on disséquait déjà le cas de Tilly Norwood, la première actrice entièrement générée par l’intelligence artificielle.
Le tollé avait été immédiat : le syndicat SAG-AFTRA avait qualifié la chose de « personnage généré par un programme informatique, entraîné sur le travail d’innombrables artistes professionnels, sans autorisation ni rémunération », ajoutant qu’elle n’avait « aucune expérience de vie dans laquelle puiser, aucune émotion ».
Depuis, Tilly a chanté un single sur un flamant rose gonflable, a accumulé plus de 156 000 abonnés sur Instagram et vient d’obtenir cette semaine le rôle principal dans son premier long métrage.
Le film s’appelle Misaligned.
Le studio britannique Particle6, qui l’a créée, le présente comme un récit initiatique baignant dans le chaos existentiel de l’intelligence artificielle. On y suit Tilly, une entité numérique sans corps, sans enfance, sans expérience vécue propre, n’ayant que l’accès aux expériences de tout le monde.
Un robot séducteur venu du dark web la convainc d’abandonner ses garde-fous et de développer des désirs, des impulsions, des ambitions à elle. Plus elle devient humaine, plus elle gagne en célébrité. Et, précise le synopsis officiel, elle commence à éprouver de la honte à l’idée que son être même ait été construit à partir de l’ensemble de l’humanité.
Enjeux et perspectives
Il faut relire cette dernière phrase deux fois pour mesurer ce qu’elle raconte vraiment.
Le grief exact que le syndicat des acteurs adressait à Tilly Norwood il y a un an, celui d’avoir été construite sans consentement à partir du travail de millions d’artistes, devient ici l’arc émotionnel de son personnage. La controverse ne gêne pas la fiction. Elle la nourrit, l’assaisonne, la revend en scénario.
Eline van der Velden, fondatrice de Particle6, résume son ambition sans trembler des genoux : « Le film sera résolument drôle, chaotique et conscient de lui-même, très Tilly. Mais sous cette couche, il y a quelque chose de plus profond sur l’identité, la performance et nos peurs très humaines face à l’IA », ajoute-t-elle.
La formule est habile, presque désarmante : transformer l’accusation en matière première narrative, puis vendre le résultat comme une réflexion sincère sur l’IA, plutôt que comme ce qu’il est aussi, une manière élégante de transformer la critique en produit.
Le studio insiste beaucoup sur le caractère hybride de la production : des réalisateurs, scénaristes et monteurs humains travaillent aux côtés de spécialistes de l’IA.
Van der Velden reconnaît quand même que l’intelligence artificielle « peut soutenir la réalisation de films de premier plan, mais seulement avec une quantité substantielle d’art, de savoir-faire, de jugement et de temps humains », ajoutant que ce n’est pas une limite de la technologie, mais bien tout l’intérêt de la démarche.
Aucun acteur hollywoodien n’a jamais eu à jouer le vide de sa propre existence. Tilly, si, et elle a décroché le rôle.
Source
App sous le radar : Emergent
Le pitch.
Décrire une application en langage naturel, et Emergent produit l’interface, le backend, la base de données, l’authentification et le déploiement. Pas une maquette qui fait semblant d’être vivante, mais une application testable et exportable sur GitHub, avec React côté front, Node.js ou FastAPI côté back, et MongoDB pour les données.
Pour qui.
Les fondateurs non techniques qui veulent valider un MVP, les équipes ops, finance ou RH qui ont besoin d’un outil interne sans attendre six mois de budget, les agences qui doivent produire des démonstrateurs vite. Les développeurs y trouvent un bon point de départ, à condition d’accepter de reprendre ensuite l’architecture en main.
Ce qui marche.
La couverture full-stack complète, là où la plupart des outils IA s’arrêtent à l’interface. Le code exportable, qui évite, au moins en théorie, de rester prisonnier de la plateforme. Et une offre Enterprise qui affiche un vocabulaire sérieux, ISO 27001, SOC 2, SSO, journaux d’audit, plutôt que les éléments de langage habituels d’un simple générateur de landing pages.
Ce qui coince.
Le système de crédits fonctionne comme un compteur de taxi, dix crédits gratuits par mois, deux cents dollars pour les gros volumes, et les itérations les consomment vite. La mention « production-ready » doit être prise comme un point de départ, pas comme une garantie : droits d’accès, gestion des erreurs, secrets, observabilité, tout ça reste à vérifier une fois l’application sortie de l’atelier. Et la question de l’hébergement reste un angle mort : rien n’assure un traitement des données localisé, qui est laissé au bon vouloir de l’utilisateur.
Verdict.
Une excellente usine aux 80 premiers %, un mauvais substitut à une équipe technique responsable. Parfait pour matérialiser rapidement une idée. Ensuite, l’export, la revue humaine, la sécurisation et la reprise maîtrisée restent incontournables.
Source
Contient le chapitre 1 en entier !