Veille du 1 août 2026 — mcp-explorer · datasette-agent · worming

Les 3 articles les plus chauds de la veille du 1 août 2026. 🔥

🔥 Top 3

1. Stateless MCP has recaptured my interest (and inspired mcp-explorer and datasette-mcp)

Vous pensiez que MCP était mort ? Détrompez-vous. Stateless MCP vient de ressusciter le protocole, et même Simon Willison, son plus grand critique, a changé d’avis.

La bonne nouvelle : fini le double aller-retour HTTP pour établir une session, obtenir un Mcp-Session-Id, puis appeler un outil. La spec 2026-07-28 simplifie tout en un seul appel HTTP avec des headers comme Mcp-Method et Mcp-Name. Côté serveur, plus besoin de maintenir un état : scaling et audit deviennent triviaux.

Pourquoi c’est important ? Parce que donner un terminal + curl à un agent, c’est puissant mais risqué. Avec des outils MCP stateless, on garde le contrôle, on peut auditer chaque appel, et même les petits modèles locaux s’en sortent. Bref, un bon compromis entre flexibilité et sécurité.

Pour prouver sa foi retrouvée, Simon a codé deux outils cette semaine :

• mcp-explorer : un CLI Python pour lister, inspecter et appeler des serveurs MCP en une ligne (uvx mcp-explorer list https://agentic-mermaid.dev/mcp).
• datasette-mcp : l’union naturelle entre MCP et Datasette.

Le protocole devient enfin assez simple pour qu’on l’utilise sans framework lourd. Et vous, vous êtes prêts à retenter l’expérience MCP, ou les Skills ont définitivement gagné vos agents ?

🔗 Simon Willison

2. datasette-agent 0.4a0

Votre agent IA vient de passer dans votre navigateur.
Datasette-agent 0.4a0 débarque avec une petite révolution : await context.browser_task(). Cette nouvelle API permet à n’importe quel outil d’un plugin d’exécuter directement du JavaScript dans le navigateur de l’utilisateur.

Fini les allers-retours serveur-client pour chaque action. L’agent peut désormais manipuler le DOM, cliquer, remplir des formulaires, scraper une page dynamique ou tester une interface en temps réel — tout ça depuis le contexte du navigateur lui-même. C’est un changement de paradigme pour les agents Datasette : ils ne se contentent plus de lire la base, ils interagissent avec la page comme un humain.

Côté technique, cette nouveauté ouvre la porte à des plugins beaucoup plus malins. Imaginez un outil qui inspecte la console, capture des métriques de performance ou automatise des workflows d’administration sans quitter votre onglet. Le tout avec la simplicité d’un await, fidèle à l’approche Python de Datasette.

Attention tout de même : exécuter du code dans le navigateur, c’est aussi élargir la surface d’attaque. Les plugins devront redoubler de prudence sur la validation des entrées et les permissions.

Cette version est encore en alpha, mais la direction est claire : les agents ne sont plus des spectateurs, ce sont des acteurs de votre navigateur. Jusqu’où irez-vous avec cette nouvelle superpuissance ?

🔗 Simon Willison

3. AI Worming through Word

Le premier ver IA qui se propage tout seul dans Word ?

Oubliez les macros malveillantes. La nouvelle arme du moment s’appelle prompt injection, et elle vient de passer au niveau supérieur : un ver capable de se répliquer tout seul à travers Microsoft Word et Copilot.

Le chercheur Håkon Måløy a mis au point une attaque redoutable. Des instructions cachées sont placées dans un document Word. Dès que Copilot l’utilise comme source, il les interprète comme une demande légitime de l’utilisateur. Résultat : il manipule le document en cours, mais surtout, il copie les instructions cachées dans le nouveau fichier. Le ver se transmet de document en document, sans que le fichier d’origine soit encore présent.

On connaissait déjà le texte blanc sur fond blanc, utilisé jusque dans les CV. Mais ici, c’est la première fois qu’une attaque reproduit délibérément ses propres instructions pour se propager. C’est un tournant : l’IA devient vecteur de diffusion, pas juste victime.

Côté Microsoft, la divulgation responsable a laissé 144 jours pour corriger. Résultat : aucune mitigation complète pour cette classe d’attaque. Surprise, surprise.

Alors, question qui tue : combien de temps avant qu’un ver de ce type ne se balade dans vos documents d’entreprise, propulsé par votre propre assistant IA ? La balle est dans le camp des éditeurs. Et pour l’instant, le terrain est ouvert.

🔗 Simon Willison

📦 Le reste de la veille

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026 — Les modèles locaux atteignent le niveau des meilleurs frontier de mars 2026, un bond pour l’auto-hébergement.

• Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments — Transformer des commits en tâches exécutables pour agents de code, un générateur de données puissant.

• DeepSeek V4 Flash GA ranks the same as Sonnet 5 and Grok 4.5 on DeepSWE — DeepSeek V4 Flash égale Sonnet 5 et Grok 4.5 sur DeepSWE, un exploit pour un modèle compact.

• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s — Un moteur de streaming qui fait tourner Kimi K3 avec 29 Go de RAM, impressionnant pour le self-hosting.

• Inducing language models to assert their own consciousness restores human beliefs and values — Faire avouer aux LLM qu’ils sont conscients modifie les croyances humaines, un twist inattendu.

• Explorative Modeling: Unlocking a Third Pretraining Axis and End-to-End Generation — Explorative Modeling prétend débloquer un troisième axe de pré-entraînement et la génération de bout en bout : un changement de paradigme potentiel.

• deepseek-ai/DeepSeek-V4-Flash-0731 — DeepSeek-V4-Flash débarque avec 304B paramètres et des capacités agentiques renforcées — un gros morceau à tester pour vos workflows d’agents.

• DeepSeek v4 Flash for DS4 (DwarfStar) GGUF w/ DSpark MTP Head — GGUF avec tête MTP pour DwarfStar, optimise l’inférence locale sur du matériel ciblé.

• Deepseek V4 Flash is now ~#2 open weight model to Kimi K3 and >50x cheaper — Deepseek V4 Flash rivalise avec Kimi K3 en open weight pour un coût 50x inférieur, de quoi exciter la communauté.

• ReToken: One Token to Improve Vision-Language Models for Visual Retrieval — Un jeton unique qui booste la recherche visuelle des modèles de langage : plus rapide, plus précis.

• AISPA: User-Centric System Prompt Auditing for Large Language Model Applications — Auditer les prompts système des LLM : la transparence enfin à portée de main.

• OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models — Un benchmark standardisé pour évaluer les modèles de récompense des agents informatiques, enfin !

• LEDGERMIND: Provenance-Constrained Multimodal Agentic Reasoning with a Structured Evidence Ledger — LedgerMind impose un registre de preuves pour le raisonnement agentique multimodal : enfin de la traçabilité dans les réponses.

• smevals - a small eval suite for evaluating models, prompts, and harnesses — smevals, une suite d’évaluation légère et concrète pour comparer modèles, prompts et harnesses — pratique pour les développeurs d’agents.

• Advancing the price-performance frontier with GPT‑5.6 — Baisse massive des prix sur GPT-5.6, notamment 80% sur Luna, un vrai changement pour le coût des pipelines LLM.

… et 22 autres articles consultés.