Fable 5 éteint, la Chine allume : comment GLM-5.2 et Kimi K2.7 Code redessinent le paysage de l’IA

Par Solon Michael-Ange — 18 juin 2026

San Francisco — Il est 17h21, vendredi 12 juin, quand le fax du Département du Commerce américain arrive dans les bureaux d’Anthropic. Signée par le secrétaire Howard Lutnick, la directive est sans appel : couper l’accès à Fable 5 et Mythos 5 pour tout ressortissant étranger. Incapable de trier ses utilisateurs par nationalité en temps réel, Anthropic éteint tout. En quelques heures, les deux modèles d’IA les plus avancés de la planète disparaissent.

Six jours plus tard, le vide a été comblé. Et pas par la Silicon Valley.

Le 12 juin, le jour même du shutdown, le laboratoire chinois Moonshot AI publie Kimi K2.7 Code, un modèle de 1 000 milliards de paramètres en architecture MoE, spécialisé dans le coding agentic, open-weight. Le 16 juin, Z.ai (Zhipu AI) enchaîne avec GLM-5.2, 744 milliards de paramètres, licence MIT, qui égale GPT-5.5 sur les benchmarks de performance agentique réelle. En moins d’une semaine, deux modèles chinois ouverts ont occupé le terrain que Washington venait de vider.

Fable 5 : le précédent qui terrifie l’industrie

Le motif officiel de la suspension ? Un risque pour la sécurité nationale. Dans les faits, le gouvernement n’a fourni aucun document écrit. Anthropic a dû reconstituer le raisonnement à partir de conversations orales : quelqu’un aurait démontré un jailbreak — un contournement des garde-fous — sur Fable 5.

« Nous contestons que la découverte d’un potentiel contournement justifie le rappel d’un modèle commercial déployé auprès de centaines de millions de personnes », a déclaré Anthropic dans un communiqué publié dans la nuit du 12 juin. « Si ce standard était appliqué à l’ensemble du secteur, nous pensons qu’il mettrait essentiellement à l’arrêt tous les nouveaux déploiements de modèles d’IA de pointe. »

Le jailbreak en question est étroit et non-universel : il s’agit essentiellement de demander au modèle de lire du code source et d’identifier des vulnérabilités logicielles. Une capacité que GPT-5.5 d’OpenAI possède également, sans avoir subi la moindre restriction. Anthropic a mené plus de mille heures de tests avec des red teamers externes, sans trouver de faille universelle.

Mais la vraie raison pourrait être ailleurs. Anthropic a refusé de laisser le Pentagone utiliser ses modèles pour des armes autonomes et la surveillance de masse. Son CEO Dario Amodei a publiquement tracé une ligne rouge que l’administration Trump n’a jamais digérée. Pendant ce temps, la NSA utilise déjà Mythos pour traquer les vulnérabilités dans les systèmes critiques. Washington veut monopoliser la capacité cyber offensive de Mythos tout en empêchant sa diffusion commerciale.

« C’est un précédent extrêmement dangereux », analyse Rajesh Beri, consultant en risques fournisseurs pour les CIO du Fortune 500. « Chaque laboratoire d’IA frontalier doit désormais intégrer dans son calcul de risque qu’une simple divulgation de vulnérabilité, même mineure, peut déclencher une suspension gouvernementale. Le vrai kill switch n’est pas dans le code — il est dans le Bureau of Industry and Security. »

GLM-5.2 : le nouveau roi open-weight

Quatre jours après le shutdown de Fable 5, Z.ai publie GLM-5.2. Le timing est impeccable. Le modèle affiche 744 milliards de paramètres totaux pour 40 milliards activés par token — la même empreinte que GLM-5.1, mais avec un gain de 11 points sur l’Intelligence Index d’Artificial Analysis, où il atteint 51, devant tous les autres modèles open-weight : MiniMax-M3 (44), DeepSeek V4 Pro (44) et Kimi K2.6 (43).

Le chiffre qui change tout : GDPval-AA v2 à 1524. C’est le benchmark de référence pour la performance agentique réelle. GLM-5.2 y égale GPT-5.5 en mode xhigh (1514). Pour la première fois, un modèle open-weight sous licence MIT rivalise avec le meilleur modèle fermé d’OpenAI sur des tâches agentiques complexes.

Les gains sont spectaculaires en raisonnement scientifique : +16 points sur CritPt (21%), +12 points sur HLE (40%), +15 points sur tau3 banking (27%). Le contexte passe de 200K à 1 million de tokens. Le prix reste agressif : 1,4 dollar le million de tokens en entrée, 4,4 dollars en sortie.

Le point faible : GLM-5.2 consomme 43 000 tokens de sortie par tâche, dont 37 000 de raisonnement — 65% de plus que GLM-5.1. Il est le moins efficient en tokens parmi les modèles ouverts. Mais il reste sur la frontière de Pareto intelligence/coût : personne ne fait mieux pour moins cher à ce niveau de performance.

Disponible chez DeepInfra, Novita, Nebius, Parasail, Siliconflow, GMI Cloud, Baseten et Fireworks, GLM-5.2 est déjà partout. Et personne ne peut le débrancher.

Kimi K2.7 Code : le coding qui défie Opus

Le 12 juin, pendant que Fable 5 s’éteint, Moonshot AI allume Kimi K2.7 Code. Un trillion de paramètres en architecture Mixture-of-Experts — 384 experts, 8 sélectionnés par token, 32 milliards de paramètres activés. Contexte de 256K tokens. Encodeur visuel MoonViT de 400 millions de paramètres pour le support natif image et vidéo. Thinking obligatoire — pas de mode non-thinking.

Les benchmarks parlent : +21,8% sur Kimi Code Bench v2 (62,0 contre 50,9 pour K2.6), +31,5% sur MLS Bench Lite (35,1 contre 26,7), +11,4% sur MCP Mark Verified (81,1 contre 72,8). Le modèle talonne Claude Opus 4.8 sur le coding (62,0 contre 67,4) et le dépasse en vérification agentique MCP (81,1 contre 76,4).

L’innovation clé n’est pas la puissance brute, c’est l’efficience. Kimi K2.7 Code réduit la consommation de tokens de raisonnement de 30% par rapport à K2.6, tout en améliorant tous les scores. Moonshot a compris que la bataille ne se gagne pas seulement sur les benchmarks, mais sur le coût par tâche réussie.

« K2.7 Code is purpose-built for coding tasks. For general-purpose work such as writing, analysis, and conversation, we recommend K2.6 », précise Moonshot dans sa documentation. La spécialisation est assumée. Le modèle coding ne prétend pas être omniscient.

Côté prix : 0,95 dollar le million de tokens en entrée (0,19 en cache hit), 4 dollars en sortie. À titre de comparaison, Fable 5 était facturé 50 dollars le million de tokens en sortie. Kimi K2.7 Code est 12 fois moins cher pour des performances qui rivalisent avec Opus 4.8.

Une ombre au tableau : VentureBeat rapporte que des praticiens contestent les benchmarks. Les gains en conditions réelles ne correspondraient pas aux chiffres annoncés. Le débat est ouvert, mais une chose est certaine : le modèle est là, il est open-weight, et il est déjà disponible sur Vercel AI Gateway et la plateforme Kimi.

Le nouveau monde : open-weight, spécialisé, non-américain

En une semaine, le paysage de l’IA a basculé. Fable 5 était le dernier généraliste ultra-puissant. Il est hors ligne. À sa place, deux modèles chinois open-weight occupent le terrain, chacun sur son domaine d’excellence : GLM-5.2 pour les tâches agentiques long-horizon, Kimi K2.7 Code pour le développement logiciel.

La coïncidence des calendriers est frappante. Le 3 juin, dix jours avant la suspension d’Anthropic, la Commission européenne publiait son Paquet de Souveraineté Technologique, avec le Cloud and AI Development Act (CADA) qui fait de l’open source une priorité légale pour tous les marchés publics. L’UE dépense 264 milliards d’euros par an en logiciels propriétaires non-européens. La démonstration de Washington — un modèle peut être éteint par décret — transforme ce débat législatif en urgence opérationnelle.

« L’open-source n’est plus le plan B. C’est le plan A rationnel pour quiconque prend au sérieux la continuité de ses opérations », écrivions-nous le 13 juin. GLM-5.2 et Kimi K2.7 Code en sont la confirmation chiffrée, six jours plus tard.

Le précédent Fable 5 a une conséquence que Washington n’avait pas anticipée : chaque shutdown américain accélère l’adoption des alternatives open-weight non-américaines. L’arme du contrôle d’export, actionnée contre Anthropic, pourrait bien se retourner contre l’écosystème américain tout entier. Les entreprises qui dépendaient de Fable 5 migrent. Et elles découvrent que ce qui est open-weight, auditable et hébergeable sur leur propre infrastructure ne peut pas être débranché par un fax du Département du Commerce.

La question n’est plus de savoir si la dépendance aux modèles propriétaires américains est un risque. Elle est de savoir qui aura migré avant le prochain interrupteur.


Sources : Z.ai blog, Kimi.com, Artificial Analysis, VentureBeat, Anthropic, The Verge, Engadget, MarkTechPost, DataCamp, le-geek.net — 18 juin 2026.

A lire ensuite