Guides, comparatifs et actualités sur les outils d'IA

Juste après avoir mis à jour Claude Desktop (Windows), lancer l'application fait apparaître « Un autre programme utilise actuellement ce fichier » et elle refuse de démarrer — et reste bloquée jusqu'au redémarrage du PC. C'est un bug connu de la version Microsoft Store (MSIX) (GitHub #53247 et d'autres). Le point clé : un redémarrage complet du PC n'est pas forcément nécessaire — dans bien des cas, il suffit de se déconnecter de Windows puis de se reconnecter pour récupérer (pas un redémarrage du PC, ni une déconnexion de Claude), car le handle orphelin sous-jacent persiste par session utilisateur Windows. Arrêter CoworkVMService ou réenregistrer le package est rapporté comme inefficace. Malgré le libellé de la boîte de dialogue, il est vérifié qu'il n'y a aucun verrou de fichier en espace utilisateur (handle.exe / Process Explorer) : le vrai échec se situe dans la couche conteneur AppX/Desktop Bridge, à la conversion Job Object → Silo (0x80070020 = ERROR_SHARING_VIOLATION, événements 215/208). Le déclencheur a deux explications non tranchées — le service retenant le Job Object (#57221) vs. un plantage au démarrage laissant le nettoyage inachevé (#53247) — et aucun correctif officiel n'a été publié. La solution de contournement permanente est de passer à la version Squirrel (installeur). D'après une seule machine (Windows 11 Home 10.0.26200) recoupée avec des issues GitHub ; avec labels de confiance tout du long.

ChatGPT Work est l'« agent d'IA pour le travail » qu'OpenAI a annoncé le 9 juillet 2026 en même temps que GPT-5.6. Contrairement à un chat classique qui se contente de répondre, il rassemble le contexte de vos applis et fichiers connectés pour construire des livrables finis — documents, feuilles de calcul, diapositives et même applis web. Son cerveau est le nouveau modèle phare GPT-5.6 Sol (bâti sur Codex), et il peut découper un projet complexe en étapes et continuer à travailler pendant des heures (Thurrott). Au sein de l'appli de bureau unifiée, trois modes cohabitent — Work (livrables), Codex (technique, affiche les détails) et chat classique (conversation) — Work étant positionné comme la « version business » qui masque les détails techniques de Codex (9to5Mac). Le modèle dépend de votre forfait : Gratuit/Go par défaut sur Terra, tandis que Plus/Pro/Business/Enterprise choisissent parmi Sol/Terra/Luna (d'après les médias). Sa force est d'intégrer « votre contexte » via des connecteurs comme Google Drive, SharePoint et Slack, plus MCP — et pour l'entreprise, les données ne sont pas utilisées pour l'entraînement par défaut. En s'appuyant sur Axios, TechCrunch, 9to5Mac, Thurrott et OpenAI, cet article expose ce qu'est ChatGPT Work, en quoi il diffère du ChatGPT classique et de Codex, quels forfaits peuvent l'utiliser et à quelles applis il se connecte — avec des labels de confiance sur ce qui n'est pas encore officiel.

« De combien l'IA réduit-elle l'effort de développement logiciel ? » Avec l'arrivée du codage agentique en 2025-2026, l'unité de mesure elle-même a changé. Autrefois c'était « de combien de pour cent une tâche est-elle plus rapide » ; c'est désormais une histoire d'ordre de grandeur : « un cycle de dev qui prenait des semaines se comprime en heures ou en jours » (TechTarget). Claude Fable 5 a terminé la migration de 50 millions de lignes de Stripe en une journée ; TELUS a économisé 500 000 heures-développeur ; le temps de cycle est passé de 9,6 à 2,4 jours. Les chiffres de l'ère de l'autocomplétion — ECR Copilot 55,8 % plus rapide, McKinsey 20–50 % selon la tâche — sont désormais le plancher. Mais ce n'est pas un ×10 uniforme : selon le 2026 Agentic Coding Trends Report d'Anthropic, les développeurs utilisent l'IA sur ~60 % de leur travail, mais seuls 0–20 % des tâches peuvent être totalement déléguées (le déficit de délégation), la revue humaine reste donc nécessaire, et environ 27 % du travail IA est un travail nouveau qui n'existait pas auparavant (réduire l'effort = produire davantage). Avec un bon contexte, 40 % d'erreurs en moins et 55 % plus rapide. Même le résultat 2025 de METR « les experts sont 19 % plus lents » s'inverse en 2026, les auteurs admettant que la mesure sous-estime la réalité. Cet article distingue cette polarisation avec des sources nommées (GitHub, McKinsey, Anthropic, METR, DORA) et expose comment capter concrètement les gains d'effort.

Le 8 juillet 2026, OpenAI a lancé GPT-Live, un nouveau modèle vocal qui remplace l'Advanced Voice Mode de ChatGPT. Grâce à une architecture full-duplex, il écoute et parle en même temps : il ponctue la conversation de signaux d'écoute (backchanneling), encaisse les interruptions et ne coupe pas vos silences de réflexion, avec une latence <250ms. La réactivité est assurée par GPT-Live tandis que la recherche et le raisonnement approfondi sont délégués en coulisses à GPT-5.5. Gratuit avec GPT-Live-1 mini, GPT-Live-1 sur Go/Plus/Pro. Nous détaillons son fonctionnement, ses différences avec l'Advanced Voice Mode, ses limites (vidéo, API) et la distinction avec GPT-Realtime-2.1.

Comparaison entre le fleuron d'OpenAI GPT-5.6 « Sol » (9 juillet 2026) et Gemini de Google, dont les points forts ne se recoupent presque pas. Sol domine le codage en terminal et agentique (Terminal-Bench 2.1 88,8 % vs 68,5 %, SWE-bench Pro 64,6 % vs 54,2 %), tandis que Gemini 3.1 Pro riposte par un multimodal natif voix/vidéo, un prix environ moitié moins cher et une avance en MMLU, ARC-AGI-2 et WebDev Arena. Attention au facteur temporel : le véritable rival Gemini 3.5 Pro n'est pas encore sorti (disponibilité générale prévue à la mi-juillet). Nous détaillons les benchmarks, le multimodal, le coût réel et le choix selon l'usage.

Après un long travail dans Claude Code, la réponse se met parfois à répéter « court court court… » des dizaines à des centaines de fois avant de s'arrêter sur « Response stalled mid-stream ». Ce n'est pas une erreur de votre prompt : deux dysfonctionnements connus s'enchaînent — une boucle de répétition (dégénérescence) côté modèle et un arrêt du flux côté transfert. Cet article explique la nature de chaque couche, les conditions déclenchantes, comment l'arrêter tout de suite (Esc → nouvelle session, /clear), comment le prévenir côté développeur (timeout de lecture, détection de répétition, max_tokens) et comment le distinguer du bug de fuite de balise court/invoke, en s'appuyant sur la documentation officielle et les issues réelles.

Deux mois et demi après GPT-5.5, GPT-5.6 ne fait pas que gagner en performance : il remplace le modèle phare unique par un dispositif à 3 modèles (Luna/Terra/Sol). L'élément le plus décisif est Terra, qui offre une qualité équivalente à GPT-5.5 pour environ moitié prix ($2.50/$15), tandis que Sol reste à $5/$30 en améliorant le codage (SWE-Bench Pro 58,6→64,6 %, estimé). Cet article compare specs, benchmarks et coût réel, et explique vers quel modèle basculer.

Le fleuron d'OpenAI GPT-5.6 « Sol » face au haut de gamme d'Anthropic Claude Fable 5 : un arbitrage entre coût et performance. Fable 5 domine le codage de niveau production (SWE-Bench Pro 80,3 %) et l'autonomie jusqu'à 12 h, avec la migration Stripe de 50 millions de lignes en un jour. Sol l'emporte sur TerminalBench (88,8 %), l'Agents' Last Exam et la polyvalence d'agent, tout en coûtant moitié moins ($5/$30 vs $10/$50). À l'appui des annonces officielles et de benchmarks indépendants, comment répartir l'usage de ces deux poids lourds asymétriques.

Comparaison approfondie des deux géants du codage par IA de 2026, Claude Opus 4.8 (28 mai) et le modèle haut de gamme Sol de GPT-5.6 (9 juillet). Leurs forces sont quasiment opposées : Sol domine l'opération de terminal et la puissance agentique globale (TerminalBench 2.1 88,8 % vs Opus 78,9 %, Agents' Last Exam 53,6, Coding Agent Index 80), tandis qu'Opus 4.8 domine le codage de niveau production, les mathématiques et le long contexte (SWE-bench Pro 69,2 % vs Sol 64,6 %, USAMO 2026 96,7 %, GraphWalks 1M 68,1 %) et met en avant l'honnêteté (confiance excessive divisée par dix, 0 % de rapport non critique de résultats défectueux). OpenAI laisse aussi beaucoup de benchmarks de Sol non publiés (SWE-bench Pro, GPQA, AIME, MMLU) : sur le cœur du codage, l'Opus déjà divulgué a l'avantage. Nous couvrons le tableau des spécifications, le détail des benchmarks, le problème des benchmarks non publiés, le coût réel ($25 vs $30 de prix unitaire face à +54 % d'efficacité en tokens), une carte des forces et faiblesses, des choix par cas d'usage et une stratégie à double fournisseur.

OpenAI a lancé GPT-5.6 en disponibilité générale le 9 juillet 2026, remplaçant l'ancienne structure « standard + Pro » par une gamme à trois modèles : Luna (rapide, économique, $1/$6), Terra (équilibré, $2.50/$15, équivalent GPT-5.5 à moitié prix) et Sol (fleuron, $5/$30). Sol prend la première place sur l'Agents' Last Exam (53,6) et le Coding Agent Index (80), et ses 88,8 % sur TerminalBench 2.1 devancent Claude Fable 5 (86,0 %) — mais sur le SWE-Bench Pro de niveau production, Claude Fable 5 domine nettement avec 80,0 % contre 64,6 % pour Sol. Cet article couvre les différences entre les trois modèles, les prix, les benchmarks, les nouveautés (Programmatic Tool Calling, ChatGPT Work, le modèle vocal full-duplex GPT-Live), la disponibilité par forfait ChatGPT, la comparaison avec Claude (Fable 5 / Opus 4.8) et le choix selon l'usage — le tout fondé sur l'annonce officielle d'OpenAI et des benchmarks indépendants.

L'erreur « API Error: 400 Output blocked by content filtering policy » qui surgit soudain dans Claude Code ou l'API n'est ni une limite d'usage ni un dépassement de contexte : c'est le filtre de sécurité qui a interrompu la « sortie » que Claude s'apprêtait à renvoyer. Son objet principal est d'empêcher la reproduction mot à mot d'œuvres existantes, et il produit souvent des faux positifs (false positive) sans mauvaise intention lors de la génération du texte intégral d'une licence standard comme MIT/Apache, d'un travail de « mise en correspondance » avec une source existante, ou de la duplication de documents longs. Cet article fait le point sur l'explication officielle (le filtre de sortie détecte la reproduction d'une œuvre et bloque avec un 400), les cas de faux positifs relevés dans les Issues réelles de Claude Code (mise en place d'un dépôt OSS, rapprochement de listes, diagnostic erroné en « limite de tokens » au terme d'une longue exécution d'agent), les solutions immédiates (récupérer via un outil plutôt que faire recopier, reformuler le prompt vers la génération/le résumé, arrêter la boucle de nouvelles tentatives avec Esc, découper la tâche, signaler les faux positifs au support), et la distinction avec Prompt is too long, usage limit, 529 Overloaded et max_tokens.

Beaucoup de développeurs solo se bloquent à « je sais construire, mais comment gagner de l'argent et à quel prix vendre ». Cet article réunit, du point de vue du développeur solo : le choix du modèle de monétisation (gratuit / paiement unique / abonnement / freemium / publicité / dons), la tarification à la valeur — qui part non des coûts ou des concurrents mais de « la valeur que le client obtient » —, l'offre à 3 paliers Gratuit → Pro → Business avec la règle d'or de la remise annuelle, la façon de décrocher son premier client payant, et enfin la rentabilité qui intègre le coût de l'IA (tokens d'API, etc.). Un article qui approfondit la phase « faire grandir » du hub « Feuille de route du développement solo avec l'IA ».