TL;DR
- llm-keys-ui 0.1 sort pour configurer les clés API des agents de code pilotés depuis un téléphone 1
- datasette-auth-github 1.0 corrige les cookies sans Max-Age qui coupaient les sessions 2
- datasette-explain 0.2.2 fait fonctionner les plans d’explication sur les pages de requêtes stockées en lecture seule 8
Les 3 signaux
🔑 llm-keys-ui 0.1 — gérer les clés API à distance
Simon Willison publie llm-keys-ui 0.1, un plugin qui résout un problème précis : configurer une clé API sur des machines distantes quand on pilote des agents de code depuis son téléphone via Codex Remote 1. Le cas d’usage : travailler sur des projets LLM à distance sans coller de clé API 1.
Pourquoi ça compte : un plugin dédié évite de coller des clés API quand on opère des agents depuis mobile.
🍪 datasette-auth-github 1.0 — sessions qui tiennent
La 1.0 corrige un bug : le plugin posait des cookies sans paramètre Max-Age, donc les sessions authentifiées expiraient à la fin de la session navigateur 2. Le problème a été repéré sur le site de démo agent.datasette.io 2.
Pourquoi ça compte : si vous déployez ce plugin, les utilisateurs restaient déconnectés à chaque fermeture d’onglet — la 1.0 règle ça.
🔍 datasette-explain 0.2.2 — plans sur requêtes stockées
La 0.2.2 fait fonctionner les plans d’explication sur les pages de requêtes stockées en lecture seule 8. La release suit la mise à jour de datasette.simonwillison.net vers Datasette 1.0a40 8.
Pourquoi ça compte : le debug de requêtes SQLite en lecture seule devient possible directement depuis l’interface Datasette.
À retenir
Tuto du jour
Tuto / Outil : Aucun guide, tutoriel, repo ou script d’installation/déploiement local d’un modèle ou outil IA (Ollama, llama.cpp, LM Studio, vLLM, Docker, etc.) n’est identifiable dans les éléments fournis 1–18. Ce qu’on installe : — Prérequis hardware & commande : —
Matos & Infra local
Sujet Matos/Infra : Sample Count Is Not Enough: Candidate-Generation Strategy Shapes the Energy and Performance of LLM Test-Time Scaling 5 Constat technique : Le budget d’inférence est souvent décrit par N (nombre de candidats générés), mais N ne dit pas comment ils sont exécutés ; la stratégie de génération de candidats façonne l’énergie et la performance du test-time scaling 5. Recommandation dev : Mesurer la consommation énergétique réelle par stratégie de génération plutôt que de raisonner uniquement en nombre d’échantillons 5.
Fine-Tuning & Quantiz
Technique / Outil : Aucun outil ou méthode dédié au fine-tuning (LoRA, QLoRA, Axolotl, Unsloth) ou à la quantification (GGUF, EXL2, AWQ) n’apparaît dans les éléments fournis [1–18]. Apport : Non applicable. Impact pratique : Pas de nouveauté fine-tuning ou quantification aujourd’hui.
RAG & Agents Locaux
Architecture / Outil : llm-keys-ui 0.1, plugin LLM de Simon Willison 1 Cas d’usage : configurer une clé API sur des machines distantes pilotées depuis un téléphone via Codex Remote, sans coller la clé en clair 1 Clé de voûte : interface locale de saisie de clés pour agents de codage exécutés à distance 1
Track Record
Ce qu’on disait le [2026-09-03] : « Anthropic sort Claude Fable 5.1, score 52,6% sur Terminal-Bench-Science 0.1 » 3 Verdict aujourd’hui : en attente. Aucun élément du jour ne mesure ni confirme ce score. Les entrées récentes portent sur des plugins Datasette 28, un orchestrateur agentique Google 3, la collecte publicitaire de ChatGPT 4 et des papiers HF sur le test-time scaling et les agents 51215. Pas de donnée nouvelle sur Fable 5.1.
Sources (18) — vérifiées le 21/09/2026 05:00 UTC
| N° | Publication | Site | Date |
|---|---|---|---|
| 1 | llm-keys-ui 0.1 | Simon Willison | 20 septembre 2026 |
| 2 | datasette-auth-github 1.0 | Simon Willison | 19 septembre 2026 |
| 3 | AX – Google’s Open Agentic Orchestrator | Hacker News | 20 septembre 2026 |
| 4 | ChatGPT now knows what you do on other websites via ad collector | Hacker News | 20 septembre 2026 |
| 5 | Sample Count Is Not Enough: Candidate-Generation Strategy Shapes the Energy and Performance of LLM Test-Time Scaling | HF Papers | |
| 8 | datasette-explain 0.2.2 | Simon Willison | 20 septembre 2026 |
| 12 | CodeMidas: Scaling Agentic Coding RL Environments from Code Itself | HF Papers | |
| 15 | RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents | HF Papers | |
| 18 | Don’t Mask the Environment: Observation Supervision Changes How Agents Explore Under RL | HF Papers |
Autres lectures (9)
| N° | Publication | Site | Date |
|---|---|---|---|
| 6 | Pirate Face Rescues LLM Models from Deletion | Hacker News | 20 septembre 2026 |
| 7 | Quoting voxium | Simon Willison | 20 septembre 2026 |
| 9 | California Sea Lion, Brandt’s Cormorant | Simon Willison | 19 septembre 2026 |
| 10 | Paint-Anything: Unified Any-Color Control for Image Generation and Editing | HF Papers | |
| 11 | EvoOntology: A Self-Evolving Ontology Layer for Data Agents | HF Papers | |
| 13 | GraphSkillEvo: Evolutionary Optimization of Graph-Structured Agent Skills | HF Papers | |
| 14 | Grounded Skill Synthesis from Code at Scale for Agentic Intelligence | HF Papers | |
| 16 | MintAct: A Unified Visual Agent for Digital Environments | HF Papers | |
| 17 | Self-Evolving Search Index | HF Papers |
V3ille — Sources : arXiv, GitHub Trending, Hugging Face Daily Papers, OpenAI, DeepMind, Google AI, IEEE Spectrum, The Robot Report.