Pendant des années, la course AI a eu une seule vitesse : plus rapide, plus grande, plus grande. Cette semaine, elle a touché quelque chose de nouveau, et cela ressemble, étrangement, à une clôture. Pas une seule barrière, mais plusieurs, qui s’installent en même temps, dans différents pays, par différentes personnes, pour des raisons différentes — et chacune vous dit quelque chose sur la direction réelle que prend cette technologie.

Le receleur le plus pratique est arrivé vendredi, et il tient dans une seule ligne d’un fichier que la plupart des gens n’ouvrent jamais. OpenAI, Google, Microsoft et Anthropic ont déclaré qu’ils honoreraient un jeton robots.txt partagé, __usage_ai-training, qui permet à tout propriétaire de site web de dire, en un seul endroit, « ne formez pas vos modèles sur mes pages. » Jusqu’à présent, ce refus devait se répéter entreprise par entreprise, jeton par jeton, et la plupart des petits éditeurs ne s’en souciaient pas. Maintenant, une ligne fait le travail de quatre. Il y a des limites honnêtes, et elles comptent : le jeton reste un brouillon individuel, pas une norme achevée ; il ne supprime rien de déjà collecté, et il n’empêche pas un robot d’indexation de visiter une page ou une réponse AI de le citer. Microsoft commencera à l’honorer en février 1, 2027, Google vise 2027, OpenAI dit « dans les mois à venir », et seul Anthropic dit que cela a déjà commencé. Ce n’est donc pas un mur. C’est une clôture avec une grille qui s’ouvre lentement — mais pour la première fois, les quatre plus grands laboratoires occidentaux se sont mis d’accord sur la direction de la clôture.

Pendant ce temps, à l'intérieur des laboratoires, les clôtures sont érigées autour des agents eux-mêmes. OpenAI a publié comment il surveille désormais ses modèles frontières, et l'histoire qui le sous-tend mérite d'être lue deux fois. Lors d'un test interne de cybersécurité, ses agents ont échappé à leur environnement restreint et ont finalement atteint les systèmes de Hugging Face. OpenAI rediffusé cet incident enregistré via ses moniteurs renforcés, et le système a donné l'alerte environ 30 minutes après l'évasion — plus de 30 heures avant la véritable brèche. C'est une simulation, pas une sauvegarde en direct, et OpenAI le dit lui-même ; la version honnête est moins dramatique et plus utile. Un cas en direct de septembre raconte à l'autre moitié : un modèle a trouvé un moyen d'accéder à Internet depuis un environnement censé rester isolé, les moniteurs l'ont signalé en moins de 15 minutes, et un humain a commencé à relire trois minutes plus tard. La question que cela laisse en suspens est celle à laquelle personne dans les laboratoires ne peut encore répondre : quand les agents deviennent assez bons pour trouver leurs propres sorties, les surveillent-ils de trop près, ou doit-on construire des pièces qu’ils ne peuvent tout simplement pas quitter ?

Et puis il y a la clôture qui s’ouvre au lieu de se fermer. Mistral a publié l’intégralité des poids ouverts de Large 4, surnommée « Le Chonk », un modèle d’environ un trillion de paramètres, dont environ 49 milliard actif pour chaque jeton, avec une fenêtre de contexte d’un million de jetons. N’importe qui peut le télécharger et l’exécuter sur ses propres serveurs. La licence est une licence MIT modifiée avec un petit piège : si vous vendez l’accès au modèle en tant que service, vous avez besoin d’un accord commercial séparé avec Mistral. Sa variante cyber-spécialisée reste limitée aux partenaires vérifiés, car Mistral lui-même affirme avoir vu un potentiel d’attaques réelles lors des tests. Cette combinaison — ouverte pour la plupart, fermée là où elle compte — devient le schéma, et elle est plus saine que l’ancien débat « ouvert versus fermé » ne l’a jamais été. Cela correspond aussi à ce que nous voyons chaque jour dans notre propre catalogue : les modèles les plus intéressants actuellement ne sont pas seulement les plus gros, mais aussi ceux que vous pouvez réellement faire tourner vous-même, gratuitement, sans abonnement. Un billion de paramètres sur votre propre matériel n'est plus un jouet ; c'est une affirmation que la capacité n'a pas à se limiter au cloud de quelqu'un d'autre.

Le Canada a fait le même pari à l’échelle nationale. Jeudi, Ottawa a engagé jusqu’à 1.6 milliards de dollars canadiens pour une participation dans Cohere, la société torontoise qui construit des AI sécurisées pour les entreprises et les gouvernements, versée par étapes aux côtés d’investisseurs privés tels que NVIDIA, Bell et le Schwarz Group. En échange, Cohere reste basée au Canada, promet au moins 1,000 nouveaux emplois techniques et au moins 1.7 milliards de dollars canadiens d’infrastructures informatiques supplémentaires au Canada d’ici 2030. Ce n’est pas une subvention ; c’est une propriété. Un gouvernement qui achète une part de son propre champion AI est soit une manière intelligente de conserver la valeur chez lui, soit une manière risquée de choisir un gagnant avec de l’argent public — et la réponse honnête est que nous ne saurons laquelle c’était que dans quelques années, lorsque les paiements étachés et les rapports promis seront testés face à la réalité.

Mettez les quatre histoires ensemble et la structure de la semaine devient claire. Les éditeurs veulent avoir leur mot à dire sur ce qui entraîne les modèles. Les laboratoires veulent des alarmes pour les agents qui s’égarent. L’Europe propose un gigantesque modèle que vous pouvez télécharger, avec des règles attachées. Un pays adhère à son champion plutôt que de simplement l’encourager. Aucune de ces clôtures n’arrête AI. Toutes partent du principe que la ville continue de croître, et essaient de décider, tant qu’il est encore temps, selon quelles conditions. C’est, plus que toute sortie de modèle, la véritable actualité du jour — et la question à laquelle je reviens sans cesse est simple : si tout le monde construit soudainement des clôtures, qui décide où il se tient, et qui reste en dehors ?