Google passe en mode agent, Karpathy file chez Anthropic : et vous, qu’est-ce que vous faites de tout ça ?

Hier, Google a annoncé Gemini 3.5 et martelé un mot toute la journée : agentic. Le même jour, Andrej Karpathy quittait OpenAI pour Anthropic. Et un benchmark de Ramp montrait qu’Anthropic vient de dépasser OpenAI sur la dépense entreprise. Trois signaux dans la même journée — ce n’est plus une course aux modèles, c’est une recomposition.

Google bascule tout sur l’agent

Sundar Pichai n’a pas mâché ses mots à I/O : « Welcome to the agentic Gemini era » [1]. Derrière le slogan, des chiffres : Gemini est passé de quelques milliards de tokens traités par mois à des centaines de milliards, l’app Gemini devient “proactive”, la recherche Google embarque l’AI Mode partout. Et au cœur du dispositif, Gemini 3.5 Flash, présenté comme leur meilleur modèle agentic & coding à ce jour, déjà disponible dans une nouvelle plateforme dédiée — Google Antigravity [2].

Le message est clair : Google ne vend plus un modèle, il vend une plateforme pour faire tourner des agents.

Mais la bataille se joue ailleurs

Sauf que pendant que Google déroule son tapis rouge agentique, Anthropic gagne la guerre des entreprises. Sur l’AI Index de Ramp en mai, leur usage a dépassé celui d’OpenAI pour la première fois [3]. Et ce n’est pas parce que Claude est plus “intelligent” — sur les benchmarks Artificial Analysis, GPT reste devant.

OpenAI is competing at the model layer. Anthropic is competing at the platform layer — and that’s where applied AI gets won.

Le pari d’Anthropic, c’est les mains plutôt que la tête. MCP comme standard pour brancher n’importe quel outil, Claude Code qui vit dans le terminal au milieu de git, docker, jq, ffmpeg. Pas plus malin, mais mieux outillé.

Et pour enfoncer le clou, Karpathy a annoncé hier qu’il rejoignait Anthropic [4]. « I think the next few years at the frontier of LLMs will be especially formative. » Le co-fondateur d’OpenAI qui rejoint le concurrent : pas anodin.

Pour les devs : on n’est même pas dans l’ère centaure

Pendant que les labs jouent à se piquer les talents, qu’est-ce qui se passe vraiment quand on code avec ces outils ? Un billet récent rappelle qu’aux échecs, après Deep Blue, il y a eu deux décennies où le meilleur joueur du monde, c’était un humain qui pilotait un moteur — l’ère centaure [5]. Pour le développement logiciel, on n’y est même pas encore. Lâche un agent de code sans supervision sur ton produit, et ton codebase part en vrille en quelques semaines.

Martin Fowler le dit autrement, mais le constat est le même : les problèmes de qualité interne touchent les agents comme ils touchent les humains — un agent dans un code emmêlé va chercher au mauvais endroit, dupliquer, charger trop de contexte. Sa réponse, c’est de poser des capteurs de maintenabilité tout au long du pipeline — pendant la session de code, en CI, en production — pour que l’agent puisse s’auto-corriger [6].

Le paradoxe cheap/good/fast est de retour

Et puis il y a cette tension qu’on avait fini par accepter comme une loi du métier : cheap, good, fast — pick two. L’IA promettait d’effacer le paradoxe. La réalité chez Prezi, raconte Attila Vágó, c’est qu’on ne déploie pas du Cursor à tout le monde en espérant que ça suffise [7]. Il y a les dépendances, les régulations, les revues, les vrais utilisateurs. L’IA accélère, mais elle ne supprime pas les contraintes du métier.

Ce qui se joue vraiment

La vraie ligne de fracture n’est plus “quel modèle est le plus intelligent”. C’est “comment on fait travailler ces modèles dans un vrai contexte d’entreprise, avec de vrais codebases, de vraies équipes, de vraies contraintes”. Google l’a compris en pivotant vers la plateforme. Anthropic l’a compris depuis MCP. Et nous, dans nos équipes, on en est où ? Combien de capteurs on a posé autour de nos agents ? Combien de fois on a confondu plus rapide avec plus efficace ?

Si Karpathy parie sur les prochaines années comme étant especially formative, ce n’est pas pour les modèles. C’est pour ce qu’on va apprendre à construire autour.

---

Sources

1. I/O 2026: Welcome to the agentic Gemini era
2. Gemini 3.5: frontier intelligence with action
3. OpenAI has the smarter model. Anthropic is winning anyway.
4. Andrej Karpathy on X: “Personal update: I’ve joined Anthropic…”
5. Software’s Centaur Era
6. Maintainability sensors for coding agents
7. The Cheap, Good, And Fast Paradox Returns

Pour aller plus loin

• Google Antigravity — la plateforme “agent-first” que Google pousse pour remplacer Gemini CLI
• Building AI Agents in Accounting — un retour terrain de ce que veut dire vraiment déployer un agent dans une fonction métier
• Using Claude Code: The unreasonable effectiveness of HTML — un exemple concret de la stratégie “donner des mains” d’Anthropic
• OpenAI announces new Guaranteed Capacity offering — la réponse compute d’OpenAI face à la traction enterprise d’Anthropic

Cet article a été rédigé en m’appuyant sur une IA pour m’aider à synthétiser et structurer ma veille. Les idées, le choix des sources et la relecture restent les miens.