Agents de code
Scope, DeepInfer, Humming : l'outillage des agents et de l'inférence passe en open source
Du 19 au 21 octobre, Microsoft, Vercel, DeepSeek et vLLM ont ouvert des outils pour tester les agents de code, les relancer après crash et servir les modèles.
Entre le 19 et le 21 octobre 2026, quatre projets open source sont sortis autour des agents de code et de l'inférence. Aucun n'est un nouvel agent : ce sont des outils pour mesurer, fiabiliser et faire tourner moins cher ceux qui existent déjà.
Microsoft Scope : tester ce que les agents font de votre produit (19 oct.)
Microsoft a publié Scope, une plateforme d'évaluation des agents de code sous licence MIT, bâtie sur Kubernetes (Microsoft Open Source).
- Principe : on donne une tâche, un code de départ et une configuration d'agent ; Scope pilote GitHub Copilot, Claude Code ou VS Code avec Copilot, puis un service « Judge » fondé sur un LLM note le résultat selon des critères organisés en graphe (un test d'exécution peut dépendre d'une compilation réussie).
- Traçabilité : appels d'outils, fichiers générés et instantanés de l'espace de travail sont conservés pour remonter à l'étape qui a échoué.
- Exemple cité : l'équipe Azure Cosmos DB dit avoir corrigé 20 problèmes de son Agent Kit et 27 de sa documentation ; après une mise à jour ciblée, l'usage des clés de partition hiérarchiques par les agents est passé de 47 % à 100 %.
- Limites : pas de version hébergée, il faut déployer Scope soi-même, et Microsoft rappelle que le juge automatique peut se tromper. Codex et OpenCode sont « prévus », Cursor n'est pas intégré (site du projet).
Vercel durable-harness : un agent qui reprend après un crash
Vercel Labs a publié durable-harness (Apache 2.0, version 0.0.1-beta.6 du 19 octobre sur npm), qui fait tourner Pi, OpenCode, fx, Claude Code et Codex comme des workflows durables (GitHub). Chaque appel de modèle et d'outil est inscrit dans le journal de la session : après un plantage, le tour en cours reprend sur une autre machine, et un appel d'outil qui ne doit pas être répété n'est jamais rejoué. Claude Code et Codex ne tournent que dans un Vercel Sandbox dédié à la session. Le projet est marqué expérimental : son API peut changer.
DeepSeek DeepInfer : la pile de production en Apache 2.0 (20 oct.)
DeepSeek a ouvert DeepInfer, le framework d'inférence qui sert son modèle V4.1 Flash (GitHub). Selon DeepSeek, un seul cluster sert aujourd'hui 155 000 milliards de tokens par jour, pour un revenu global de 38 $ par heure de GPU au tarif heures creuses (Q&R de déploiement).
- Matériel : GPU NVIDIA SM100 et NPU Huawei Ascend 950.
- Ce qui manque : la gestion du cache KV, la séparation prefill/decode et la répartition de charge restent internes ; la version publiée ne fait que de l'inférence hors ligne.
- Voir la fiche DeepSeek V4.1-Flash-1017.
vLLM Humming : des noyaux pour modèles quantifiés (21 oct.)
Ant Group et la communauté vLLM ont ouvert Humming, une bibliothèque de noyaux CUDA pour l'inférence quantifiée, intégrée à vLLM à partir de la 0.29.0 (blog vLLM). Sur DeepSeek-V4.1-Flash, avec huit GPU H20, passer les couches MoE de Marlin W4A16 à Humming W4A8 augmente le débit de bout en bout d'environ 14 % à 43 % selon la concurrence, d'après les mesures publiées par vLLM.
Ce que ça change
- Les agents deviennent des clients à part entière : avec Scope, une équipe SDK ou MCP peut vérifier si les agents trouvent et utilisent correctement son produit, comme elle testerait une documentation avec des humains.
- La fiabilité passe au premier plan : reprendre une tâche longue après un crash évite de repayer les appels de modèle déjà faits.
- Le coût d'inférence baisse par le logiciel : DeepInfer et Humming visent le même objectif que les modèles « Flash » (voir notre article), servir plus de tokens avec le même matériel.
Tous les chiffres de cet article sont annoncés par les éditeurs eux-mêmes et n'ont pas été mesurés de façon indépendante.
Une erreur dans cet article ? Signalez-la · Notre politique de corrections