Tech • IA • Crypto
Anthropic lance agents cloud + mémoire, Legora 5Md$ accélère
Briefing
Anthropic lance agents cloud managés
Avec une nouvelle infrastructure, Anthropic propose des agents exécutés via API capables d’opérer sur la durée. Le système gère orchestration, erreurs, retries et montée en charge sans reconstruction interne. Les développeurs composent des workflows avec agents, sessions, outils et mémoire. L’objectif est de déplacer la complexité de l’infrastructure vers une couche managée prête pour la production.
Claude Opus 4.7 dépasse workflows
Les modèles comme Claude Opus 4.7 franchissent le cadre du simple prompt-réponse pour exécuter des tâches complètes. Ils peuvent produire du code prêt pour la production et traiter des backlogs entiers. Le principal goulot d’étranglement devient l’infrastructure et non l’intelligence. Cette bascule accélère l’adoption d’agents autonomes orientés résultats.
Mémoire persistante et “dreaming” agents
Anthropic introduit des systèmes de mémoire persistante permettant aux agents d’apprendre entre les tâches. Les performances s’améliorent cumulativement grâce à la réutilisation de stratégies et d’erreurs passées. L’architecture s’appuie sur un système de fichiers, aligné avec les capacités des modèles. Cette approche vise à résoudre la perte de contexte sur les tâches longues.
Permissions et identités pour agents
Les agents nécessitent un accès sécurisé à des systèmes comme GitHub, outils internes ou données privées. L’infrastructure introduit des permissions granulaires par outil et des identités contrôlées. Les environnements isolés (sandbox) limitent les risques d’exécution. La sécurité devient centrale à mesure que les agents gagnent en autonomie.
Legora dépasse 5 Md$ en juridique
Legora atteint plus de 1 000 clients et une valorisation supérieure à 5 milliards de dollars. La plateforme s’appuie sur des agents pour automatiser des workflows juridiques complets. Inspirée des agents de codage, elle transpose ces modèles au droit. Sa croissance rapide repose sur un ARR de 100 millions de dollars atteint à grande vitesse.
Omni booste analytics avec Claude
Omni transforme les requêtes en langage naturel en requêtes sémantiques exploitables sur des data warehouses. Une équipe de 25 ingénieurs a fortement accéléré sa productivité grâce à Claude. La couche sémantique unifie définitions, permissions et accès aux données. Le résultat améliore fiabilité et accessibilité de l’analytics en entreprise.
Man Group industrialise trading IA
Man Group, avec plus de 200 milliards de dollars sous gestion, déploie l’IA dans le trading systématique. Les modèles analysent des milliers d’actifs pour générer des signaux d’investissement. Les stratégies sont validées via des backtests sur 15 ans avec métriques comme le Sharpe ratio. La gouvernance et la qualité des données restent critiques dans ce contexte à risque.
AirOps lance Quill pour SEO IA
AirOps introduit Quill, un agent conçu pour la stratégie de contenu orientée ChatGPT, Claude et Gemini. La plateforme abandonne les workflows complexes au profit de systèmes basés sur documents. Elle aide à optimiser la visibilité dans les réponses générées par IA (part de voix, citations). L’objectif est de simplifier l’usage pour les équipes marketing non techniques.
Vidéos couvertes
How to get to production faster with Claude Managed Agents
- •Passage des limites des modèles aux goulots d’étranglement de l’infrastructure
- •Montée des agents orientés résultats
- •Besoin d’accès sécurisé et d’identité
Build a production-ready agent with Claude Managed Agents
- •Infrastructure d’agents orientée API
- •Briques fondamentales: agents, environnements, sessions, événements
- •Accès aux outils et permissions granulaires
What legal agents inherit from coding agents: Lessons from Legora
- •Croissance rapide de Legora
- •Les agents de codage comme modèle
- •Structure commune du travail intellectuel
Building the best agentic analytics harness: Powered by Claude, built with Claude Code
- •Accélération rapide de l’ingénierie
- •Du langage naturel aux requêtes de données
- •La couche sémantique comme infrastructure centrale
Trading signals that trade themselves
- •L’IA entre dans la gestion d’actifs à forts enjeux
- •Le trading systématique, cas d’usage majeur de l’IA
- •Le backtesting reste central pour la validation
Picking the right model
- •La sélection de modèle est plus complexe qu’elle ne paraît
- •Trois piliers de décision: qualité, latence, coût
- •Les benchmarks publics ont une valeur réelle limitée
Memory and dreaming for self learning agents
- •Les agents gagnent en capacité et en durée
- •La mémoire permet un apprentissage continu
- •Une conception basée sur des fichiers alignée avec les forces des modèles
The prompting playbook
- •Le prompting reste une compétence d’ingénierie fondamentale
- •Les cadres d’évaluation sont essentiels
- •Échec courant des prompts hérités
The Problem Solvers: Kay Zhu at Genspark
- •L’IA redéfinit les parcours professionnels
- •Expansion des environnements de travail alimentés par l’IA
- •Des startups dépendantes des partenariats
How AirOps chases friction to build AI products with Claude
- •Passage des constructeurs de workflows aux agents
- •Ciblage des marketeurs dans la recherche IA
- •Lancement d’AirOps Next et de l’agent Quill
Running an AI-native engineering org
- •Les goulets d’étranglement passent du code à la vérification
- •Les processus hérités « cessent discrètement de fonctionner »
- •L’IA transforme les pratiques comme les tests et le refactoring
Making agentic workflows trustworthy and verifiable with a custom DSL
- •Mécanisme plutôt que résultat
- •Compromis entre vitesse et rigueur
- •Trois exigences pour des agents fiables