Deep Research est devenu une catégorie logicielle à part entière, et non plus un simple modèle pointé vers une case de recherche. Cet article compare douze systèmes auto-hébergés et les architectures de recherche qui se cachent derrière.

En septembre 2026, la frontière efficace des modèles ouverts se situe entre 25 et 34 milliards de paramètres : des tâches agentiques quasi frontalières sur un seul GPU de 24 Go, pour une fraction du matériel de la classe 70 milliards.

Mnemosyne est un fournisseur de mémoire local-first pour Hermes Agent, stockant la mémoire de travail, les faits structurés, les données temporelles et l’historique épisodique dans un SQLite local — aucun service hébergé, aucun appel réseau obligatoire, et un contrôle d’écriture inhabituellement granulaire.

La mémoire durable transforme un agent en un outil porteur de contexte plutôt qu’en un simple instrument qu’il faut réexpliquer à chaque fois — mais elle ouvre la porte à un mode de défaillance que le chat sans état évite : une interprétation peut devenir un souvenir, être récupérée comme un fait établi et justifier une version encore plus affirmée d’elle-même.

Un agent qui a proposé et déployé « déplacer la persistance dans une bibliothèque partagée » il y a six mois le proposera sans problème le trimestre prochain, à moins qu’un élément durable ne lui signale que l’idée a déjà été étudiée et rejetée – et OpenSpec n’a aujourd’hui aucun état interne pour cela.

OpenSpec est une interface en ligne de commande (CLI) gratuite et open source de Fission AI qui permet à vous et à votre agent de codage de vous mettre d’accord sur une modification en Markdown pur avant la rédaction de n’importe quel code, sans la cérémonie rigide des phases imposée par les cadres de développement dirigé par des spécifications plus lourds.

La migration d’un assistant IA ne se résume pas à la copie d’une configuration d’application. La difficulté réside dans la préservation de l’identité, de la mémoire, du comportement des outils, des tâches planifiées et de l’accès à la messagerie, tout en évitant que deux passerelles ne se comportent comme le même bot.

Ollama et llama.cpp sont souvent comparés comme s’ils étaient des moteurs d’inférence rivaux. Le véritable choix se fait entre un service de gestion de modèles et un kit d’outils que vous pilotez directement.

ROCm et Vulkan accélèrent tous deux les GPU AMD pour l’hébergement local de LLM, mais ils ne sont pas interchangeables. Le bon choix dépend du moteur, du GPU et de la charge de travail.

Un modèle peut revendiquer une fenêtre de contexte de 128K et échouer pourtant à 40K jetons sur un GPU de 16 Go. La limite architecturale ne promettait jamais que les poids, le cache KV, les tampons de calcul et le compositeur de bureau tiendraient simultanément sur votre carte.

La frénésie de l’IA suit un rythme : environ tous les trois ans, l’architecture sur laquelle tous parient est remplacée par quelque chose de plus récent. Le prochain changement est déjà en train de se dessiner dans les laboratoires de recherche.

Les compétences d’agent et les serveurs MCP sont souvent présentés comme des moyens concurrents d’étendre un agent IA. Cette présentation est fausse : une compétence enseigne à l’agent comment travailler, tandis qu’un serveur MCP lui donne un accès réglementé à des capacités en direct.

L’interface en ligne de commande d’OpenCode est conçue pour l’écriture de scripts, les pipelines CI et les exécutions d’agents en autonome. Cet article est un guide pratique pour l’utiliser au quotidien.

Superpowers encapsule une méthodologie complète pilotée par les spécifications (spec-driven) dans des Claude Skills installables, imposant le brainstorming, la planification, une implémentation guidée par des sous-agents et du TDD strict, au lieu de vous laisser le soin d’adopter cette structure vous-même.

Pi Coding Agent est un harnais de codage en terminal minimaliste et open source, livré avec quatre outils par défaut et qui laisse la plupart des comportements aux extensions, aux compétences et à votre propre flux de travail.

Markdown ressemble à une seule langue jusqu’au moment où le même fichier s’affiche différemment sur GitHub, Hugo, Obsidian ou Pandoc. Et le problème ne réside pas dans l’instabilité de Markdown.