Les 2 articles les plus chauds de la veille du 27 septembre 2026. 🔥

🔥 Top 2

1. Kākāpō Party

Claude a fait tout le boulot : de la création à la production vidéo

Simon Willison, développeur et blogueur reconnu, avait besoin d’une animation pour sa keynote de clôture au WeAreDevelopers World Congress. Le sujet ? Les kākāpō, ces perroquets de Nouvelle-Zélande en pleine reprise démographique en 2026. Il voulait célébrer ça en pixel art.

Il a envoyé trois photos de kākāpō à Claude Opus 5.5 avec un prompt décrivant une fête de perroquets en animation HTML 5 Canvas. Le résultat : un fichier kakapo-party.html fonctionnel avec des confettis, des kākāpō qui sautent, le tout en pixel art. L’animation marchait déjà bien en soi.

Mais Simon voulait intégrer ça dans sa présentation Keynote sous forme de vidéo. Plutôt que de recorder manuellement, il a lancé Claude Code et lui a demandé de créer un script Playwright pour automatiser la capture. L’assistant a généré un script de 20 lignes qui ouvre le navigateur, enregistre l’écran pendant 15 secondes, et clique à 10 endroits différents pour déclencher les effets de confettis.

Le script produit est élégant. Il utilise record_video_dir pour capturer la session Chromium, planifie les clics à des timestamps précis, et distribue les interactions sur tout le canvas. Zéro intervention humaine pendant l’enregistrement.

Deux modèles d’IA, deux rôles distincts. Le premier a généré du contenu visuel interactif. Le second a orchestré un outil d’automatisation de navigateur pour transformer ce contenu en livrable final. La chaîne complète, de l’idée à la vidéo prête pour la keynote, s’est déroulée sans écrire une seule ligne de code manuellement.

C’est peut-être ça, le vrai changement : l’IA ne génère plus seulement du code ou des images. Elle compose des workflows entiers, de la création à la livraison.

🔗 Simon Willison

2. Harness Engineering for Self-Improvement

L’intelligence artificielle peut-elle s’améliorer elle-même, sans fin ? C’est le cœur du concept de rétroaction d’amélioration récursive (RSI), une boucle où une IA utilise ses capacités actuelles pour améliorer la machine qui génère son intelligence. Des chercheurs comme I. J. Good l’ont théorisée dès 1965.

Aujourd’hui, la recherche accélère dans les laboraux pionniers. Le modèle ne se contente pas de réécrire ses propres poids. Il améliore surtout le système complet qui l’entoure : le pipeline d’entraînement, la collecte de données, et surtout le système de déploiement.

C’est là que la notion de harnais devient centrale. Un harnais n’est pas le modèle brut. C’est l’orchestrateur autour de lui : il décide comment l’IA planifie, utilise des outils, gère le contexte et évalue ses résultats. Les produits réussis comme Claude Code le démontrent.

Trois grands modèles de conception émergent pour ces harnais. D’abord, l’automatisation des workflows : définir une boucle claire (planifier, exécuter, observer, améliorer) où l’IA analyse ses propres trajectoires pour s’optimiser. Ensuite, l’utilisation du système de fichiers comme mémoire persistante. Plutôt que de tout garder en contexte, l’IA stocke états, journaux et artefacts dans des fichiers simples, un format qu’elle maîtrise déjà via des commandes basiques.

Le troisième pattern est l’utilisation de sous-agents et de tâches en arrière-plan. L’agent principal peut lancer plusieurs sous-agents en parallèle pour tester des hypothèses, tout en gardant une vue claire de leurs résultats via des fichiers et des logs.

Le prochain défi n’est plus seulement d’avoir un modèle plus intelligent. C’est de construire l’environnement logiciel qui lui permette d’optimiser son propre cycle d’innovation. La vraie course est à l’architecture du système qui s’auto-perfectionne.

🔗 lilianweng.github.io