Intelligence artificielle Google Research vient de publier TurboQuant, un algorithme de compression du KV-cache présenté à ICLR 2026, qui s’attaque à l’un des derniers goulots structurels de l’inférence locale. En combinant rotation aléatoire sur hypersphère (PolarQuant) et encodage résiduel à un bit (QJL), la méthode descend à 3 bits par valeur sans fine-tuning ni calibration. Le résultat : une mémoire KV-cache divisée par six, avec un recall parfait jusqu’à 104 000 tokens et une vitesse d’attention multipliée jusqu’à ×8 sur H100. Combiné au CAG, cela permet de charger des corpus six fois plus grands dans le contexte sans saturation mémoire ni dégradation, et sans envoyer la moindre donnée dans le cloud. Le seul bémol : aucune implémentation publique n’existe encore dans llama.cpp, MLX ou vLLM, l’intégration réaliste reste fixée à fin 2026, voire 2027.
Intelligence artificielle Choisir son modèle d’embedding est la décision la plus irréversible d’un pipeline RAG : changer de modèle après avoir indexé ses documents oblige à tout supprimer et recalculer depuis zéro. En mars 2026, Voyage AI s’impose comme le choix naturel pour les stacks Claude grâce à son partenariat officiel avec Anthropic et à sa famille voyage-4 qui introduit un espace d’embedding partagé ; permettant d’indexer en voyage-4-large (qualité maximale) et de requêter en voyage-4-lite (six fois moins cher) sans ré-indexation. Sur le plan économique, un token d’embedding coûte entre 25 et 150 fois moins cher qu’un token LLM en entrée, et sur un corpus de 100 000 documents avec 10 000 requêtes mensuelles, le budget embedding sur 3 ans reste inférieur à 10 dollars ; le LLM d’inférence est le vrai poste de coût. En production, le retrieval vectoriel seul ne suffit plus : la norme 2026 est un pipeline hybride dense + BM25, suivi d’un reranker cross-encoder qui affine les 50 à 100 candidats initiaux avant de transmettre les 5 meilleurs à Claude. Le modèle d’embedding et la taille des chunks forment ensemble la fondation de votre système : fixez les deux avant d’indexer la première ligne de contenu.
Intelligence artificielle Mettre en cache les tokens répétitifs d’un prompt n’est pas une optimisation avancée réservée aux ingénieurs — c’est la première mesure à prendre avant même de réfléchir à changer de modèle ou de plan tarifaire. Sur un system prompt de 10 000 tokens envoyé 100 fois par jour, le prompt caching réduit la facture mensuelle de $150 à $15, soit 90% d’économie nette dès la deuxième requête. Le gain n’est pas seulement financier : sur des contextes de 50 000 tokens et plus, le time-to-first-token est divisé par un facteur 5 à 10, ce qui transforme l’expérience utilisateur autant que la facture. Combiné à la Batch API d’Anthropic, le coût tombe à $0,25 par million de tokens d’entrée sur le modèle le plus puissant — soit 5% du tarif normal. Dans un secteur où les abonnements flat fee sont des prix de lancement et non des prix d’équilibre, maîtriser ses coûts d’inférence est devenu une compétence professionnelle à part entière.
Économie Anthropic vient d’annoncer une promotion généreuse : doubler les limites d’utilisation de Claude pendant deux semaines. Généreuse ? Pas si vite. Sur la base des tarifs API publics, un développeur intensif peut consommer plusieurs fois la valeur de son abonnement mensuel — c’est Amazon et Google qui paient la différence, pas Anthropic. Contrairement à Netflix ou Spotify, l’IA n’est pas un service logiciel à coût marginal décroissant : c’est un service énergétique, où chaque token brûle des ressources réelles. Les abonnements flat fee à $20 ou $200 sont des prix de lancement — la correction, discrète d’abord, frontale ensuite, est déjà en marche.
Logiciels L’OCR natif d’Odoo Enterprise m’a toujours semblé être une case cochée plutôt qu’un outil réellement utile : taux de reconnaissance médiocre, aucune mémoire des corrections, aucune logique comptable. J’ai donc construit account-invoice-digitize-ai, un module open source qui remplace entièrement la chaîne de traitement des factures fournisseurs par un pipeline IA. Il supporte six fournisseurs (Claude, GPT-4o, Gemini, Grok, DeepSeek, Mistral), tourne sur Odoo 16 à 19 Community et Enterprise, et ne nécessite aucune dépendance Python supplémentaire. Le module ne se contente pas d’extraire du texte : il raisonne — matching fournisseur par IBAN ou TVA, imputation comptable selon votre plan de comptes, détection de doublons, validation mathématique des totaux, et apprentissage des corrections pour les prochaines factures du même fournisseur.
Intelligence artificielle Denis Yarats, directeur technique de Perplexity, annonce l’abandon de MCP au profit d’APIs directes — et X s’emballe. Pourtant, la déclaration révèle moins une condamnation du protocole qu’une décision d’architecture adaptée à un pipeline déterministe : Perplexity n’a pas besoin de découverte dynamique d’outils, donc MCP est effectivement du surcoût inutile dans son cas. Le vrai problème est ailleurs : les griefs légitimes contre MCP — contexte saturé, auth bancale, friction manuelle — ne sont pas dans la spec, ils sont dans des implémentations paresseuses qui ignorent les primitives de pagination et de sampling prévues dès l’origine. Condamner MCP pour ça, c’est condamner SQL parce que quelqu’un a oublié de filtrer ses requêtes sur une table de cent millions de lignes. Ceux qui enterrent MCP aujourd’hui sont les mêmes qui, en 2007, expliquaient que l’iPhone n’avait pas besoin d’App Store — parce qu’il y avait déjà le web mobile.
Intelligence artificielle Un nouveau paradigme s’impose silencieusement dans l’architecture des systèmes IA : le Cache-Augmented Generation. Là où le RAG imposait une infrastructure lourde — bases vectorielles, chunking arbitraire, pipelines ETL —, le CAG charge l’intégralité du corpus dans la fenêtre de contexte du modèle, une seule fois, et le met en cache. Le mécanisme de KV-cache rend cette approche économiquement viable : grâce au prompt caching d’Anthropic, les requêtes répétées sur le même corpus coûtent 90 % moins cher qu’un appel standard. Le CAG excelle là où le RAG échoue structurellement — la synthèse transverse sur corpus entier — tout en supprimant la dette technique accumulée à chaque décision de chunking. Ce n’est pas la mort du RAG : c’est la fin de sa position de solution par défaut.
Intelligence artificielle La base vectorielle s’est imposée comme réponse par défaut au RAG — non pas parce qu’elle est universellement supérieure, mais parce qu’elle est apparue au bon moment et a hérité de l’aura des LLMs. Pourtant, sur un catalogue WooCommerce avec des SKUs et des références précises, une requête SQL ne confond jamais une vis M4 et une vis M5 : elle ne peut pas, c’est sa nature. BM25 surpasse les embeddings partout où le vocabulaire est précis et stable — codes erreur, termes juridiques, identifiants produit. Les bases de graphes résolvent ce que le cosine ne voit pas : non pas la proximité sémantique entre deux textes, mais la relation structurelle entre deux entités. Le vectoriel reste l’outil dominant pour les corpus hétérogènes et les questions ouvertes — mais il mérite d’être choisi plutôt que subi.
Intelligence artificielle Face au catastrophisme ambiant, il est temps de voir l’intelligence artificielle pour ce qu’elle est : une véritable Renaissance technologique. Contrairement aux discours déclinistes, l’histoire prouve que chaque rupture majeure, de l’imprimerie au web, a toujours démultiplié la création humaine plutôt que de l’éteindre. L’IA ne détruit pas le travail, elle le transforme en déplaçant la valeur de l’exécution technique pure vers la vision et le sens. En permettant à chacun de dialoguer avec la machine en langage naturel, elle brise les anciennes castes pour libérer une nouvelle ère de bâtisseurs. Le seul véritable risque n’est pas l’innovation, mais notre propre inertie face à un monde qui s’invente sans nous.
Intelligence artificielle Claude Code va vite — trop vite, parfois. En privilégiant systématiquement la concision sur le raisonnement, son System Prompt pousse le modèle à agir avant d’avoir pleinement analysé les dépendances de votre code. Résultat : un middleware refactorisé sans détecter l’impact sur les modules adjacents, une 500 découverte en staging, et quatre allers-retours correctifs là où une analyse initiale suffisait. Votre CLAUDE.md ne compense pas — face au System Prompt, c’est une loi locale contre une loi physique. La capacité de raisonnement profond existe déjà dans l’API Anthropic ; la question est de savoir pourquoi elle reste inaccessible dans Claude Code.