Veille du 9 novembre 2026 — inférence locale · agents de codage · mémoire des agents

Les 3 articles les plus chauds de la veille du 9 novembre 2026. 🔥

🔥 Top 3

1. Llama-modchip: 284B DeepSeek on 64GB RAM, no GPU

Une démonstration fait tourner un modèle de 284 milliards de paramètres sur 64 Go de RAM sans GPU, un résultat marquant pour l’inférence locale.

👉 lire l’article original

2. Goldman Sachs is pulling Claude Code from its bankers and traders

Goldman Sachs a coupé l’accès à Claude Code à ses traders et banquiers. Seuls les ingénieurs, environ 12 000 sur 47 000 salariés, gardent la main sur l’outil d’Anthropic et sur GitHub. Information interne mise à jour en octobre, révélée par Bloomberg.

Le retour de bâton est net. En juillet, le directeur informatique Marco Argenti vantait encore le « vibe coding » de ses équipes non techniques : des traders construisaient leurs propres outils avec l’IA, puis les passaient aux ingénieurs pour les consolider. Séduisant sur le papier. Sauf que des milliers de personnes sans formation d’ingénieur exécutaient du code généré automatiquement sur les machines qui manipulent des données clients.

La vraie raison est technique. Un agent de code lit des fichiers, écrit des programmes et les lance avec les droits de son utilisateur. Chez un ingénieur, ce code passe par revue, tests et déploiement. Un script bricolé par un trader pour suivre les flux clients finit en production sans aucune de ces étapes. Et sur un desk, il sert justement à franchir les barrières d’information que les régulateurs imposent entre banquiers et traders.

Le détail savoureux : Goldman est chef de file de l’IPO d’Anthropic, dossier déposé le 26 octobre, cotation attendue sur le Nasdaq avant fin novembre. Ses banquiers vont donc vendre des actions d’une société dont ils n’ont plus le droit d’utiliser le produit phare. Barclays, lui, vise la moitié de ses développeurs sur Claude Code d’ici la fin de l’année.

Deux banques, deux lectures du même outil, à quelques semaines du lancement.

🔗 www.thestateofai.com

3. Agent memory needs its OpenTelemetry moment

Votre agent de CI apprend une leçon, votre éditeur ne la verra jamais. Un fichier AGENTS.md dans un dépôt, un dossier /memories écrit par un autre outil, des faits sur un dépôt gardés côté GitHub, un serveur MCP qui tient un graphe de connaissances en JSONL. Quatre formats, zéro compatibilité.

Chacun se défend isolément. Ensemble, ils réinventent la même chose : une note qu’un agent laisse à son futur lui-même, rangée à une adresse, vraie un moment. Et la liste s’allonge chaque semaine, parce que des gens buttent assez fort sur le problème pour coder leur propre couche mémoire.

C’est exactement la situation de l’observabilité avant 2019. Chaque éditeur livrait son agent, sa bibliothèque d’instrumentation, son format. Puis OpenTracing et OpenCensus ont fusionné en OpenTelemetry: un modèle de données commun, des conventions de nommage partagées, un protocole unique. Les éditeurs ont continué à se battre sur le stockage et l’analyse. L’utilisateur n’instrumente plus qu’une fois.

Des bribes de solution existent déjà. Copilot Memory associe chaque fait à une citation vérifiable dans le code et l’efface après 28 jours sans usage. Graphiti sépare deux chronologies : quand le fait était vrai, et quand il a été enregistré. Portable Memory de MacPaw Research propose un bundle .mem signable.

Le timing est bon. Les formats sont jeunes, et MCP comme AGENTS.md vivent déjà sous la Linux Foundation. Reste à trancher ce que tout le monde arrête de faire chacun dans son coin : à quoi ressemble une mémoire, qui l’adresse, et quand elle expire.

🔗 www.lorekit.io

📦 Le reste de la veille

• AI Updates - 9 Nov 2026 🤖 · Apiiro found 1,122 public GitHub files where Claude Code’s “don’t ask again” sa… — Une étude révèle que des fichiers GitHub publics contiennent des identifiants sauvegardés par la fonction d’approbation automatique de Claude Code.

• OpenAI raises $11B at a $1.25T valuation — OpenAI lève 11 milliards de dollars sur une valorisation de 1 250 milliards, un signal fort sur la concentration des capitaux dans l’IA.

• Next-Concept Modeling: Fast, Parallel Coarse-to-Fine Text Generation: This will completely change everything! — Présentation d’une méthode de génération de texte parallèle du grossier vers le fin, au potentiel intéressant mais accompagnée d’une promesse très ambitieuse.

• Intel Arc Pro B70 32GB ($1,299) vs NVIDIA RTX 5090 ($6,500+) on Qwen3.8-27B: about 1/2 speed gen (1/3 speed… — Comparatif chiffré entre une Intel Arc Pro B70 et une RTX 5090 sur l’inférence d’un modèle 27B, avec un rapport performance-prix détaillé.

• 4x Radeon AI PRO R9700 + 2x RTX 3090 on one x16 slot, using a PCIe switch — Montage matériel combinant six GPU sur un seul slot x16 via un commutateur PCIe, avec les détails de la configuration.

• ai money chart #2 · deepseek’s own numbers on its agent app: · sep 30: 271k daily users · nov 4: 1.54m (+5… — Analyse des chiffres de fréquentation de l’application agent de DeepSeek, avec une croissance de 5,7x et une estimation du coût quotidien en tokens.

• @Ldataengineer We are building a graph-based memory system for AI agents with three connected layers: docum… — Présentation d’un système de mémoire sous forme de graphe à trois couches, combinant GraphRAG et mémoire d’agent pour reprendre des tâches.

• Hide your slop PR descriptions behind

  — L’auteur explique comment replier les descriptions de pull requests générées par des agents dans une balise details, une astuce de rédaction utile pour les workflows de code assisté par LLM.

• parse_number() as a SQLite extension: C vs Rust — Comparaison pratique de l’écriture d’une extension SQLite en C et en Rust autour de la fonction parse_number, avec le code et les enseignements tirés.

• The Last Mile to the Real World: Agent-Native Primitives as Reusable Building Blocks for Solving Real-World… — L’article analyse pourquoi les agents échouent sur les tâches réelles du Terminal-Bench et propose des primitives réutilisables pour combler cet écart, avec des chiffres concrets.

• Nvidia Board of Directors Is Investigating Jensen Huang — Le conseil d’administration de Nvidia ouvre une enquête sur Jensen Huang, un épisode de gouvernance qui pèse sur la perception de l’entreprise.

• “Does censorship exist in [country]?”, according to various LLMs — Comparaison par captures d’écran des réponses de plusieurs LLM à une question sur la censure dans un pays donné, illustrant les différences de filtrage entre modèles.

• The shipping container never went viral. It just quietly changed how the world moves things. · What made it… — Analogie entre le conteneur maritime et l’économie des agents, plaidant pour des standards communs d’interopérabilité.

• Would I make a Traveller reference in the course of a complex multi-agent, multi-system AI harness? You bet… — Retour d’expérience sur un harnais multi-agents écrit en Erlang, présenté comme une approche peu courante.

• AI agents are moving from simply generating responses toward making decisions and carrying out tasks. Once… — Réflexion sur la gestion des permissions lorsque des agents exécutent des actions sur des actifs on-chain.

… et 66 autres articles consultés.