Anthropic remplace Git par Scion face à 30 000 merge par jour

Anthropic décrit pourquoi et comment elle a construit son alternative maison à Git, à partir de la hausse du rythme de changements sur son code ¹. En mai 2026, Anthropic fusionnait environ 2 500 changements de code par jour ; en septembre, ce chiffre dépassait 30 000 par jour ¹. Le système de contrôle de source s’appelle Scion, et Simon Willison le décrit comme une réinvention du contrôle de source centralisé dans l’esprit de Subversion ¹. « Antique » est le nom du nouveau système de revue de code d’Anthropic ¹.

Simon Willison a ajouté le support de Gemini 4 Argon à llm-gemini 0.35, modèle disponible via l’API Gemini et pour les clients de l’abonnement à 100 $/mois ². Au lancement, Argon est facturé 2 $/M en entrée et 10 $/M en sortie, soit le même prix que GPT-6 Sol, la moitié de Claude Opus 5.5 et un cinquième de Claude Fable 5.1 et GPT-6 Astra ². Le 1er décembre, Argon doit doubler de prix et s’aligner sur Opus 5.5 ². Willison note que ces prix ne sont pas vraiment comparables, car ce qui compte est le nombre de jetons qu’un modèle consomme pour atteindre un objectif dans un harnais agentique, et il cite Artificial Analysis qui publie le coût total de son benchmark par modèle ².

Geoffrey Huntley écrit que si l’agent n’utilise pas sa bibliothèque de diagnostics, mettre à jour AGENTS.md laisse un écart qui dérivera ³. Il écrit à la place un hook pre-commit qui vérifie le diff git pour détecter les appels directs aux modules d’observabilité qui contournent son module de diagnostics ³. Le hook fait échouer le commit et injecte un prompt demandant à l’agent d’utiliser la bibliothèque de diagnostics, ce qui donne « dix sur dix » selon lui ³.

τ-Emotion-Bench est un benchmark sur dix domaines qui évalue les agents appelant des outils sous des interactions utilisateur conditionnées par l’émotion, tout en préservant l’objectif de la tâche ⁹. Les benchmarks existants supposent des utilisateurs coopératifs et comportementalement stables, ce qui laisse l’effet de la variation émotionnelle sur la fiabilité des agents peu exploré ⁹. Tracer, un pipeline de génération de données agentique, construit des tâches valides et collecte des trajectoires via un harnais interactif agent-utilisateur-environnement ⁹. En laissant les utilisateurs insatisfaits terminer les interactions inefficaces, le harnais filtre les trajectoires à dépendance excessive à l’utilisateur ⁹. Les expériences avec deux simulateurs d’utilisateurs montrent que les agents de pointe restent peu fiables, avec des écarts substantiels entre le taux de succès moyen et l’achèvement cohérent des tâches ⁹.