Les 3 articles les plus chauds de la veille du 20 novembre 2026. 🔥

🔥 Top 3

1. Claude solves two open problems in the physics of black holes

Une équipe de physiciens avait posé les bases d’un calcul en 2003. Trop complexe. Personne ne l’a terminé. Claude, si.

Claude a résolu deux problèmes ouverts de physique théorique, tous deux liés aux trous noirs. Le premier concerne ce calcul lancé il y a plus de vingt ans et jamais achevé. L’IA l’a mené à terme en pilotant un petit groupe de copies d’elle-même, chaque copie refaisant une partie du travail de façon indépendante, avec vérification croisée des résultats.

Rappel du décor : la physique repose sur deux piliers qui ne se parlent pas, la relativité générale pour le très grand et la mécanique quantique pour le très petit. Les trous noirs sont l’un des rares endroits où les deux comptent, donc le terrain naturel pour chercher une théorie de la gravité quantique.

L’outil central s’appelle la dualité holographique. Un univers théorique avec gravité peut se décrire entièrement par une théorie quantique sans gravité, posée sur sa frontière, une dimension plus bas. Comme un hologramme : une image en trois dimensions encodée sur une surface plane. On transforme ainsi une question de gravité en question quantique, parfois plus facile à traiter.

La question de 2003 : la formation d’un trou noir reste-t-elle une transition brutale quand l’espace-temps perd toute forme définie ? Réponse de Claude : oui. Le même saut net apparaît aux deux extrémités du problème, ce qui suggère que la formation des trous noirs est inscrite dans la théorie quantique elle-même, pas seulement dans la relativité.

Second résultat : la borne exacte sur la masse du trou noir le plus léger dans un univers simplifié à deux dimensions d’espace. Claude a repéré une régularité dans les résultats numériques que les physiciens avaient laissée passer.

Les deux préprints sont en ligne. Reste une question que personne ne tranche encore : qui vérifie un calcul de vingt ans quand l’outil qui le produit est aussi celui qui l’annonce ?

🔗 www.anthropic.com


2. Token fraud is here and it’s BAD (YouTube)

Des pélicans à vélo. C’est le motif le plus étrange que Claire Vo a trouvé dans les journaux de son agent.

Elle dirige ChatPRD, un outil qui transforme une idée de produit en spécification rédigée. Le service tourne depuis l’époque de GPT-4 et propose un essai gratuit. Mauvaise idée, visiblement.

Ce qu’elle raconte dans une vidéo YouTube, c’est de la fraude aux tokens à grande échelle. Des groupes enchaînent les essais gratuits et les codes promo, puis branchent leurs propres outils sur son agent pour consommer le crédit de calcul à sa place. L’un d’eux a résumé son business sans détour : il finance un studio international de maps Roblox et Fortnite en aspirant le crédit de l’agent. D’autres revendent simplement l’accès.

Le token, ici, c’est l’unité de facturation des modèles de langage. Chaque requête coûte quelques centimes réels au fournisseur. Un essai gratuit mal protégé devient donc une pompe à argent pour qui sait le détourner.

Et les pélicans ? Une requête revenait en boucle : des SVG de pélicans sur bicyclette. Ce n’est pas de l’art. Chaque famille de modèles a sa signature graphique, et ce motif sert à deviner quel modèle tourne derrière l’API, y compris les versions non annoncées.

Claire Vo supprime donc les essais gratuits. Simon Willison, qui relaie l’affaire, juge la décision logique, à regret. Pour tous ceux qui construisent sur des modèles : quel plafond de dépense avez-vous posé sur votre clé API ce mois-ci ?

🔗 Simon Willison


3. Our AI agent’s emails read fine. The bugs were in what it did, not what it said. Here’s how we test it…

Un agent IA peut écrire des emails impeccables et être complètement à côté de la plaque. Les bugs ne sont pas dans le texte, ils sont dans les actions : réserver une visite sans vérifier les disponibilités, créer un doublon de prospect, interroger trois fois la base de connaissances au lieu de passer la main à un humain.

Les évaluations classiques, celles qui comparent la similarité entre la réponse générée et une réponse attendue, ne voient rien de tout ça. Une phrase polie qui annonce une réservation inexistante obtient un bon score.

L’équipe a donc monté un banc de test avec de faux prospects, dotés de vraies boîtes mail, qui écrivent à l’agent et attendent des heures avant de répondre, comme le ferait un client. À chaque tour, un LLM judge (un modèle d’une autre famille, réglé à température 0) liste les appels d’outils qu’il attendait. On compare ensuite avec les appels réellement tracés par l’agent. Le score : nombre d’appels appariés divisé par nombre d’appels attendus, en ensembles, donc l’ordre et les répétitions ne comptent pas. Les paramètres obtiennent un crédit partiel par clé, et [1,2,3] face à [3,2,1] vaut match complet.

Le détail malin : quand un garde-fou de sécurité bloque la réponse, ne rien appeler est la bonne décision. Compter ça comme un échec reviendrait à pénaliser un agent prudent. Les coups de garde-fou ont leur propre graphique.

Reste une question ouverte : qui écrit les attentes quand personne ne sait à l’avance ce que l’agent devrait faire ?

🔗 x.com


📦 Le reste de la veille

… et 46 autres articles consultés.