Mercury 3, une déclaration de singularité et une effraction à 50 $ : quatre histoires du 20 octobre

Quatre sujets ont traversé le cycle de l'actualité de l'IA le 20 octobre 2026, et ils partagent une caractéristique embarrassante : trois sont des affirmations sur ce que l'intelligence artificielle peut désormais faire, et un seul s'accompagne d'un modèle qu'on peut appeler cet après-midi et facturer au token. Celui-là, c'est Mercury 3, qu'Inception Labs a publié la veille au soir — le 19 octobre 2026 — à 0,20 $ le million de tokens d'entrée et 0,70 $ le million de tokens de sortie, divisé par deux pendant une fenêtre de lancement sans date de fin publiée, et fonctionnant à 1 068 tokens par seconde selon une mesure du fournisseur. Les trois autres : Jack Clark annonçant à une salle de ministres des Finances que la singularité a commencé, un opérateur utilisant des agents IA pour s'introduire dans plus de 100 entreprises à environ 50 $ l'intrusion, et les nouvelles voix de ChatGPT d'OpenAI arrivées sous le nom de GPT-Live-1.1. Ce qui suit présente chacun d'eux selon ses propres termes, avec les chiffres rattachés à ceux qui les ont produits. Les défaillances et incidents d'agents documentés qui sous-tendent des sorties comme celle-ci sont recensés dans the OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et un indicateur de contestation.

Mercury 3 : le seul article de cette liste dont vous pouvez fixer le prix

Le positionnement d’Inception est inchangé dans sa forme et d’une ampleur bien supérieure. Mercury est un modèle de langage à diffusion : au lieu d’émettre un token par passe avant, il débruite un bloc de positions en une seule fois et les fixe ensemble. Mercury 3 compte, de l’aveu même d’Inception, plus de 40 fois le nombre total de paramètres de Mercury 1 et tourne toujours à plus de 1 000 tokens par seconde — l’argument étant que l’échelle n’a pas sacrifié le débit qui constitue toute la raison d’être de cette famille.

• Prix — 0,20 $ par million de tokens d’entrée et 0,70 $ par million de tokens de sortie au tarif catalogue ; 0,10 $ et 0,35 $ pendant une remise de lancement de 50 % sans date de fin indiquée ; l’entrée mise en cache est 90 % moins chère que le tarif d’entrée.

• Contexte et sortie — une fenêtre de contexte de 1 000 000 de jetons, contre 260 000 sur Mercury 2.5, avec un plafond de sortie de 131 072 jetons selon la documentation d’Inception.

• Vitesse — 1 068 tokens par seconde, mesurés par Inception sur du matériel NVIDIA non spécifié. Aucun banc d’essai indépendant ne l’a chronométrée.

• Effort de raisonnement — quatre paramètres (instantané, faible, moyen, élevé), « faible » étant la valeur par défaut, tandis que Mercury 2.5 et Mercury 2 étaient par défaut sur « moyen ».

• Modalités — texte en entrée, texte en sortie. Aucune entrée image, audio ou vidéo.

• Allocation gratuite — 100 millions de jetons pour les nouveaux comptes sur la plateforme d’Inception.

Le seul résultat de qualité structuré de l’annonce n’est pas un tableau de benchmark. Inception a placé Mercury 3 dans son propre harnais d’agent web de production, sur 50 tâches de navigation Mind2Web en conditions réelles face à de vrais sites web, et rapporte qu’il en a accompli 50 % — 25 tâches — « nettement plus que GPT-6.1-Sol », avec le même volume de tokens et le même nombre d’étapes d’agent. C’est une forme de preuve plus solide qu’un benchmark de fournisseur à un égard, parce que les tâches étaient en conditions réelles plutôt que figées, et plus faible à un autre, parce que le harnais, les sites et la notation appartiennent tous à l’entreprise qui vend le modèle. Personne d’autre ne l’a exécuté. Au 20 octobre, il n’existe aucune page Artificial Analysis pour Mercury 3, ce qui explique pourquoi chaque chiffre ci-dessus porte le nom d’Inception devant lui.

Deux choses méritent d’être dites clairement à quiconque se demande s’il doit l’essayer. Mercury 3 ne figure pas au catalogue d’OrcaRouter — notre API de modèles ne renvoie rien pour quelque modèle Inception que ce soit — donc l’appeler suppose de passer par la plateforme API propre à Inception ou par l’une des diverses plateformes tierces qui l’hébergent. Et la remise de lancement est un tarif promotionnel, pas une grille tarifaire : le tarif d’entrée de 0,10 $ correspond à la moitié du prix catalogue et Inception n’a pas précisé quand elle prendra fin, si bien que tout modèle de coûts qui s’appuie dessus a une date d’expiration que l’on ne vous a pas donnée.

Jack Clark au FMI : la singularité, datée

S’exprimant devant des économistes et des décideurs politiques lors des réunions annuelles du FMI et de la Banque mondiale, le cofondateur d’Anthropic, Jack Clark, a déclaré que la singularité — son terme pour désigner une progression portée par l’IA qui dépasse la capacité de l’humanité à suivre — a « désormais commencé ». Cette affirmation s’accompagnait de deux courbes de référence et d’une projection économique, et les courbes sont la partie à retenir.

Humanity's Last Exam, un ensemble de questions rédigées par des experts conçu pour résister à la recherche en ligne, est passé de 8 % à 67,7 % depuis 2025 selon les calculs d'A​nthropic. FrontierMath est passé de 2 % à 94 %. Ce sont les deux chiffres « nous ne sommes pas prêts pour cela » les plus cités du domaine, et un bond de cette ampleur en environ un an est le genre de chose qui était autrefois représenté sur un axe décennal. La projection économique est qu'un modèle d'A​nthropic place le PIB américain à 44 000 milliards de dollars d'ici 2030 si l'IA se diffuse rapidement — un chiffre que Clark lui-même a admis sembler extravagant, tout en prédisant des effets « très perturbateurs » sur l'emploi.

Son argument d’échelle est celui qui porte sur l’actualité de cette semaine : les dix millions de scientifiques du monde pourraient bientôt diriger « un milliard de scientifiques virtuels », et les nations devraient construire des laboratoires et des robots plutôt que d’en débattre. Sur le plan politique, il a évoqué « un petit nombre d’années » pour agir, et a noté que le PDG d’A​nthropic, Dario Amodei, a évoqué des limites au « plafond d’intelligence » de l’IA — une expression qui détonne à côté d’un benchmark passé de 8 % à 67,7 % en douze mois.

À comparer avec Mercury 3, et les deux articles ne parlent pas vraiment de la même chose. L'un est une affirmation sur le plafond de capacités, argumentée à partir de courbes d'évaluation. L'autre est le lancement d'un produit avec une grille tarifaire. Si les deux sont parus le même jour, c'est que le modèle de diffusion est exactement le type de système dont ces courbes sont faites : bon marché, rapide, uniquement textuel, non mesuré par quiconque de neutre, et suffisamment bon dans une tâche étroite pour valoir la peine d'être déployé avant que quiconque ait décidé ce que « suffisamment bon » signifie.

L’intrusion à 50 $ : à quoi ressemble la capacité agentique vue de l’autre côté

La société de sécurité NorForge a révélé une campagne dans laquelle un seul opérateur sinophone a utilisé des agents d’IA pour accomplir presque tout le travail d’intrusion dans des entreprises. Reuters a identifié des victimes, dont Cummins, Deere et SharkNinja. Le mécanisme n’était pas un exploit inédit. NorForge a trouvé plus de 20 panneaux de contrôle non protégés pour Cairn, un outil open source d’agents d’IA, et l’opérateur a fourni des cibles présélectionnées — des boutiques en ligne très fréquentées, des commandes de moins de 100 caractères chinois — puis a laissé les agents travailler sur plus de 1 200 sites.

• Outils — Claude Code et DeepSeek V4.1 Flash, tous deux utilisés comme des outils de développement ordinaires.

• Coût — environ 50 $ par intrusion réussie, soit environ une journée de temps d’agent chacune, et environ 5 000 $ en tokens sur l’ensemble de la campagne.

• Résultat — plus de 100 entreprises compromises. La question de savoir si des données ont été dérobées n'est pas établie. SharkNinja a qualifié la menace de « contenue », Deere a évoqué des « actions correctives » et Cummins a déclaré être « en cours d'investigation ».

Le chiffre à retenir n’est pas 100. C’est 50 $. Une intrusion qui coûte moins cher qu’un déjeuner d’affaires et prend une journée inverse l’économie sur laquelle la sécurité défensive repose depuis vingt ans, car le coût marginal d’une nouvelle tentative est proche de zéro, tandis que le coût marginal de se tromper ne l’est pas. Cela explique aussi pourquoi l’exposition était banale : plus de vingt panneaux de contrôle pour un outil d’agent open source, laissés accessibles depuis Internet. Personne n’avait besoin d’être ingénieux. Il suffisait d’être patient et de dépenser peu.

Les mêmes propriétés qui rendent un agent utile en production — il agit, il réessaie, il fonctionne sans surveillance pendant des heures — sont celles que l’attaquant a louées. Aucune capacité malveillante distincte n’est démontrée ici. Il s’agit d’une boucle d’agent ordinaire pointée vers une liste de cibles.

Les nouvelles voix de GPT-Live-1.1 : une voix n’est pas un modèle

Le travail sur la voix d’O​penAI s’est présenté comme un guide pratique plutôt que comme une annonce, et la phrase la plus utile de la couverture médiatique est une mise en garde : une nouvelle voix et un nouveau modèle sont des changements différents. Cette distinction compte parce que les deux sont constamment confondus dans les produits vocaux, et le test pratique est comportemental plutôt que nominal.

Le chemin d’accès est constitué des paramètres vocaux de ChatGPT, puis de l’option Live lorsqu’elle est disponible, puis d’une sélection de voix. Les exercices qui valent la peine d’être réalisés, dans l’ordre : gardez la langue et les instructions fixes et comparez les voix sur le même passage, afin que ce que vous entendez soit la voix et non une consigne différente ; essayez une voix régionale, car la gestion des accents change selon la voix et pas seulement selon le réglage de langue ; interrompez au milieu d’une réponse avec une date ou un effectif corrigé et vérifiez si la correction parvient à la réponse finale ; et demandez à l’assistant de rechercher les notes de version d’OpenAI et de relire le lien source, ce qui est le moyen le plus économique de savoir si le modèle cite quelque chose de réel.

Une voix nommée Bubbie a été comparée à la voix habituelle d’un auditeur sur le même texte — la bonne méthode, et celle que la plupart des gens omettent. Les abonnés Pro reçoivent des invites d’entraînement et une liste de vérification d’écoute. Ce qu’il faut vérifier avant de reconstruire un flux de travail sur cette base, c’est lequel de ces changements est une voix et lequel est le modèle sous-jacent, car un seul des deux change ce que le système peut faire.

Le fil conducteur de la journée

Trois de ces quatre histoires parlent d’une capacité qui arrive plus vite que les mécanismes qui l’entourent. Les chiffres d’évaluation disent que les modèles progressent sur des tâches d’expert à un rythme que personne n’avait prévu ; l’intrusion dit que la même capacité est à la portée de quiconque dispose de 50 $ et d’une liste de cibles ; le produit vocal dit que l’interface devient ce que les utilisateurs jugent, que le modèle sous-jacent ait changé ou non. Mercury 3 est le quatrième et fait figure d’exception, car c’est le seul à afficher un prix public par million de tokens et une fenêtre de contexte documentée — le seul que l’on puisse intégrer ce soir dans un modèle de coûts.

C’est aussi le cas d’une couche de routage, et pas dans le sens où le marketing des fournisseurs l’entend habituellement. Un modèle publié il y a dix-neuf heures sans évaluation indépendante est précisément ce que vous ne voulez pas câbler en dur dans un chemin de production. Ce qu’il vous faut, c’est une règle qui envoie une part définie du trafic vers lui, garde un modèle mesuré derrière elle et bascule automatiquement en cas de défaillance — afin que la décision de le conserver ou de l’abandonner soit dictée par vos taux d’erreur plutôt que par une annonce de lancement. Une clé et un point de terminaison compatible OpenAI vous donnent accès aux deux côtés de cette règle, et lorsque la remise d’Inception se termine ou qu’un score neutre apparaît enfin, la règle change et l’application non.

Pour Mercury 3 lui-même, le résumé honnête après une journée se limite à peu de choses : un modèle uniquement textuel exceptionnellement bon marché et rapide, doté d’un véritable contexte de 1 M de tokens, un seul résultat d’agent sur site réel qu’Inception a produit lui-même, et aucune mesure tierce de quoi que ce soit. Les deux chiffres qui trancheront — un score Artificial Analysis et un coût par tâche accomplie sur un banc d’évaluation qu’Inception ne possède pas — n’existent pas encore. Quand ils existeront, le successeur de cet article tiendra en un paragraphe.