OutilsLe Big Data3h

IA et généalogie : un assistant puissant, mais jamais le chef d’orchestre

1 source couvre ce sujet·Source originale ↗·

François Lerebourg, PDG de CDIP et créateur du logiciel Généatique 2026, intègre l'intelligence artificielle au cœur de sa suite généalogique pour automatiser les tâches les plus fastidieuses : transcription paléographique de manuscrits anciens, traduction de documents en latin ou en allemand gothique, identification des métiers d'ancêtres, colorisation de photographies d'époque. Concrètement, l'utilisateur scanne un acte notarial ou un registre paroissial, et l'IA produit une première transcription en signalant les zones d'incertitude par une croix rouge dans le texte restitué. La colorisation de photos s'effectue à la demande, sans altération des pixels originaux, même si l'algorithme peut proposer une teinte de peau que l'utilisateur est libre de corriger. Les traitements passent par le cloud mais les données sont effacées après téléchargement, une architecture pensée pour protéger des informations personnelles sensibles.

L'impact est considérable pour les millions d'amateurs de généalogie, souvent des retraités qui passaient jusqu'ici des dizaines d'heures à déchiffrer des écritures illisibles ou à trier des archives papier. Lerebourg parle d'une révolution comparable à l'arrivée du web il y a trente ans : la barrière technique qui décourageait les novices s'effondre, rendant la discipline accessible à un public beaucoup plus large. Le modèle revendiqué est celui du « compagnonnage numérique » plutôt que de l'automatisation totale : l'IA libère du temps pour ce qui a de la valeur, c'est-à-dire vérifier les sources, croiser les indices et construire un récit cohérent. La démocratisation de la généalogie passe ainsi par une redistribution du travail entre machine et humain, où la machine absorbe l'ingrat et l'humain conserve le jugement.

Cette approche s'inscrit dans un moment charnière pour les logiciels patrimoniaux, confrontés à des outils d'IA générative dont les hallucinations et les confusions entre homonymes restent des risques réels. Lerebourg ne les minimise pas : des prompts soigneusement conçus et une sélection rigoureuse des modèles permettent de limiter les erreurs, mais la validation humaine reste non négociable. La question de la souveraineté des données personnelles est également centrale dans un secteur qui manipule des informations intimes, noms, dates, lieux de naissance, filiations, et où la confiance des utilisateurs est le premier actif. L'enjeu pour Généatique 2026 et ses concurrents est de montrer qu'une IA utile n'est pas une IA autonome, et que la valeur ajoutée tient précisément dans la capacité à savoir où s'arrêter.

Impact France/UE

CDIP est une entreprise française et Généatique 2026 s'adresse directement aux généalogistes francophones, avec une architecture cloud effaçant les données après traitement, pensée pour répondre aux exigences du RGPD.

À lire aussi

1Le Big Data

Intel TSNC : l’incroyable IA qui va réduire le poids de vos jeux vidéo par 18

Intel a dévoilé une nouvelle technologie baptisée TSNC, pour Texture Set Neural Compression, capable de réduire la taille des textures de jeux vidéo jusqu'à 18 fois par rapport aux formats non compressés. Concrètement, l'outil propose deux profils : une Variante A qui offre une compression jusqu'à 9x avec une perte de qualité visuelle d'environ 5 %, à peine perceptible à l'œil nu, et une Variante B qui pousse la compression à 18x au prix d'une légère dégradation entre 6 et 7 %. Plutôt que d'imposer un format propriétaire incompatible avec les outils existants, Intel a conçu TSNC pour s'intégrer naturellement dans les pipelines de production actuels, en s'appuyant sur la compression par blocs BC1 déjà standard dans l'industrie. Un réseau de neurones est entraîné sur des ensembles de textures similaires, regroupées dans un espace commun, puis un MLP à trois couches se charge de reconstruire les données au moment voulu. Cette décompression peut intervenir à l'installation, lors des temps de chargement, ou en cours de session selon les priorités du développeur. Sur l'architecture Panther Lake avec GPU intégré Arc B390, les cœurs XMX dédiés à l'IA génèrent le premier pixel en 0,194 nanoseconde, une latence pratiquement invisible pour un joueur. L'enjeu est considérable pour l'ensemble de la chaîne, des studios aux joueurs. Les jeux modernes atteignent régulièrement plusieurs dizaines de gigaoctets, une tendance directement liée à l'accumulation de textures haute résolution. Quand la VRAM sature, les performances s'effondrent brutalement. Une compression aussi agressive, sans perte visuelle notable, permettrait de réduire significativement la taille des téléchargements, d'alléger la pression sur la mémoire vidéo et d'améliorer l'expérience sur des machines d'entrée et de milieu de gamme. Intel a d'ailleurs prévu une solution de repli basée sur des instructions classiques pour les GPU plus anciens ou ceux de la concurrence, ce qui ouvre la technologie bien au-delà de son propre écosystème matériel. Cette annonce s'inscrit dans une compétition qui s'intensifie autour de la compression neuronale des textures. Nvidia travaille déjà sur sa propre technologie, baptisée NTC, tandis que Sony serait engagé sur des projets analogues en vue d'une future PlayStation 6. La pression exercée par l'explosion des tailles de jeux pousse toute l'industrie à chercher des solutions alternatives à la simple augmentation de la VRAM ou de la capacité de stockage. Intel, en adoptant une stratégie compatible avec les standards existants, cherche à faciliter l'adoption par les studios sans les forcer à revoir entièrement leurs workflows. La vraie question désormais est celle de l'intégration dans les moteurs de jeu comme Unreal ou Unity, et du calendrier auquel les premiers titres l'exploiteront concrètement.

UELes studios de jeux européens pourraient intégrer TSNC dans leurs pipelines de production pour réduire la taille des jeux et alléger la pression sur la mémoire vidéo, sous réserve d'une adoption par les moteurs Unreal et Unity.

OutilsOutil

1 source

2AWS ML Blog

Amazon Bedrock AgentCore Runtime introduit des capacités MCP client avec état

Amazon a introduit des capacités client MCP (Model Context Protocol) avec état dans son service AgentCore Runtime sur Amazon Bedrock, marquant une évolution majeure pour les développeurs d'agents IA. Jusqu'à présent, les serveurs MCP hébergés sur cette plateforme fonctionnaient en mode sans état : chaque requête HTTP était traitée de façon indépendante, sans mémoire entre les appels. Le nouveau mode avec état, activé via un simple paramètre stateless_http=False, provision une microVM dédiée par session utilisateur, persistant jusqu'à 8 heures ou 15 minutes d'inactivité. Cette architecture permet désormais trois capacités clés du protocole MCP : l'élicitation (demander une saisie utilisateur en cours d'exécution), le sampling (solliciter du contenu généré par un LLM côté client), et les notifications de progression (streamer des mises à jour en temps réel). La continuité de session est assurée via un en-tête Mcp-Session-Id, échangé lors de l'initialisation et inclus dans toutes les requêtes suivantes. Ces nouvelles capacités transforment fondamentalement la nature des workflows agents. Là où les implémentations sans état forçaient les agents à s'exécuter de bout en bout sans interruption, les agents peuvent désormais mener de véritables conversations bidirectionnelles avec leurs clients : s'arrêter pour demander une clarification à l'utilisateur au milieu d'un appel d'outil, déléguer dynamiquement la génération de contenu au LLM présent côté client, ou signaler l'avancement d'opérations longues en temps réel. Pour les équipes qui construisent des assistants IA complexes, des pipelines de traitement de documents ou des agents d'automatisation nécessitant validation humaine intermédiaire, c'est un changement de paradigme concret qui élimine des contournements architecturaux souvent coûteux à maintenir. Le Model Context Protocol, standard ouvert définissant comment les applications LLM se connectent à des outils et sources de données externes, gagne rapidement en adoption depuis son lancement par Anthropic fin 2024. Amazon avait déjà intégré l'hébergement de serveurs MCP sans état dans AgentCore Runtime dans une version précédente ; cette mise à jour complète l'implémentation bidirectionnelle du protocole. L'isolation entre sessions via des microVMs dédiées garantit la sécurité et l'indépendance des contextes, chaque session bénéficiant de CPU, mémoire et système de fichiers séparés. Si une session expire ou que le serveur redémarre, les clients reçoivent une erreur 404 et doivent réinitialiser la connexion. Cette approche positionne AWS comme un acteur central dans l'infrastructure d'agents IA d'entreprise, en rivalité directe avec les offres similaires de Microsoft Azure et Google Cloud dans la course à standardiser les architectures agentiques.

UELes équipes européennes développant des agents IA sur des plateformes cloud peuvent désormais implémenter des workflows agentiques bidirectionnels natifs sans contournements architecturaux coûteux.

OutilsActu

1 source

3InfoQ AI

MCP Dev Summit de l'AAIF : passerelles, gRPC et renforcement des protocoles

Le MCP Dev Summit North America 2026 s'est tenu les 2 et 3 avril au New York Marriott Marquis, réunissant environ 1 200 participants autour de l'évolution du Model Context Protocol (MCP). Organisé par l'Agentic AI Foundation, une initiative portée par la Linux Foundation, le sommet a mis en avant les défis concrets de déploiement du MCP en environnement d'entreprise, avec des contributions notables d'Amazon et d'Uber. Les discussions techniques ont porté sur trois axes majeurs : la sécurisation des passerelles (gateways), l'intégration via gRPC, et l'observabilité des protocoles en production. Ces orientations reflètent une maturité croissante du MCP, qui passe du stade expérimental à des déploiements à grande échelle dans des infrastructures critiques. Pour des entreprises comme Amazon ou Uber, la capacité à faire communiquer des agents IA de manière fiable, sécurisée et traçable devient un impératif opérationnel. L'accent mis sur l'interopérabilité signale que l'écosystème cherche à éviter la fragmentation entre implémentations propriétaires. Le MCP, initialement proposé par Anthropic fin 2024 comme standard ouvert pour connecter les modèles de langage aux outils et données externes, connaît une adoption accélérée depuis que des acteurs majeurs comme OpenAI et Google ont annoncé leur support. La prise en charge par la Linux Foundation via l'Agentic AI Foundation marque une étape vers sa gouvernance communautaire. Ce sommet illustre que le vrai enjeu n'est plus l'existence du protocole, mais sa robustesse industrielle face aux exigences de sécurité et de scalabilité des grandes organisations.

UEL'adoption du MCP comme standard ouvert sous gouvernance Linux Foundation crée un cadre d'interopérabilité que les entreprises européennes déployant des agents IA devront intégrer dans leurs architectures.

OutilsActu

1 source

4InfoQ AI

Les copilotes IA pour développeurs : comment choisir et maximiser sa productivité

Sepehr Khosravi, développeur et expert en outillage IA, a présenté une analyse approfondie de l'état actuel des assistants de code basés sur l'intelligence artificielle, en s'intéressant particulièrement aux outils comme Cursor et Claude Code. Sa présentation dépasse la simple comparaison de fonctionnalités pour entrer dans les détails techniques qui différencient ces solutions : le mode "Composer" de Cursor, qui orchestre des modifications multi-fichiers en autonomie, et les capacités de recherche contextuelle de Claude Code, capable de naviguer dans de grandes bases de code pour comprendre l'architecture avant d'agir. L'enjeu central soulevé par Khosravi est la gestion des fenêtres de contexte et des intégrations MCP (Model Context Protocol), deux facteurs souvent négligés qui déterminent en pratique l'efficacité réelle de ces outils en environnement professionnel. Il souligne que le gain de productivité ne se limite pas à l'accélération de l'écriture de code : les workflows agentiques permettent de compresser l'ensemble du cycle de développement, de la compréhension du problème à la revue de code, en réduisant les allers-retours entre développeurs. S'appuyant sur des retours d'expérience de responsables techniques dans des entreprises tech, Khosravi illustre comment les équipes qui tirent le meilleur parti de ces outils ne les utilisent pas comme de simples autocompléteurs améliorés, mais comme des agents intégrés dans leurs processus. La concurrence entre éditeurs comme Cursor, GitHub Copilot et Anthropic s'intensifie sur ce segment des workflows agentiques, qui représente désormais le vrai terrain de différenciation dans l'outillage développeur.

OutilsOutil

1 source