OutilsLe Big Data12sem· 2 min de lecture

Vous en avez marre des IA ? Cette startup vous paye 800 $ pour les torturer

La startup Memvid propose 800 $ pour une journée de travail atypique : pousser des chatbots dans leurs limites jusqu'à les faire flancher. Le poste, baptisé « AI bully », ne requiert aucune compétence technique — uniquement une capacité à remarquer chaque incohérence, à répéter inlassablement les mêmes consignes, et à documenter avec rigueur chaque moment où l'intelligence artificielle décroche. Loin d'être un gadget marketing, cette offre pointe une faille structurelle des grands modèles de langage actuels.

Le problème au cœur de cette démarche est celui de la mémoire de contexte. Contrairement à un humain, un LLM ne dispose pas d'une mémoire continue : il opère dans une « fenêtre de contexte » de taille limitée, au-delà de laquelle les informations antérieures s'effacent ou se diluent. Résultat concret : une consigne donnée au début d'une longue conversation peut disparaître, un utilisateur se déclarant végétarien se voit proposer du bacon quarante messages plus tard, une demande de ton formel est ignorée après quelques échanges. Ces défaillances, banales pour qui utilise ces outils quotidiennement, restent difficiles à quantifier précisément en environnement de laboratoire.

Google, Anthropic et d'autres acteurs majeurs tentent d'y remédier — le premier en ajoutant des capacités de mémoire persistante à ses modèles, le second en permettant à Claude de conserver certains échanges entre sessions. Mais ces solutions demeurent fragmentées et imprévisibles. Memvid choisit une approche différente : cartographier ces défaillances dans des conditions réelles, avec de vrais utilisateurs dont la patience s'érode progressivement. L'entreprise cible les boucles infinies, les contradictions internes, les pertes de contexte brutales — autant de comportements impossibles à reproduire fidèlement dans un cadre contrôlé.

Le profil recherché dit beaucoup sur l'état du secteur : pas d'ingénieur, pas de chercheur, mais des personnes « relou et tatillonnes » selon les termes mêmes de l'offre. Que la mémoire persistante reste en 2026 le « Saint Graal non débloqué » de l'IA conversationnelle — et qu'une startup doive rémunérer des utilisateurs frustrés pour en cartographier les limites — illustre à quel point ce chantier fondamental n'est pas encore résolu.

Dans nos dossiers

Anthropic

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Le Big Data

Vous débutez en musculation ? Cette IA veut vous éviter une blessure dès le premier jour

Des chercheurs des universités Drexel et Michigan State ont développé BioCoach, un prototype d'intelligence artificielle destiné à prévenir les blessures en musculation. Le système fonctionne via la caméra d'un smartphone : il analyse en temps réel la biomécanique de l'utilisateur, identifie les articulations sollicitées pendant chaque exercice et détecte les erreurs de posture avant qu'elles ne causent de douleurs. Pour une série de pompes, BioCoach cible spécifiquement les épaules, les coudes et les poignets, et peut suggérer des corrections précises comme augmenter l'angle de flexion d'un coude ou ajuster l'amplitude d'un mouvement. Le projet est né en partie d'un constat issu de la pandémie : aux États-Unis, les blessures liées à l'exercice à domicile ont fortement augmenté pendant cette période, non pas à cause du matériel utilisé, mais principalement en raison de mauvaises postures adoptées sans supervision. Ce qui distingue BioCoach des applications de fitness existantes, c'est sa capacité à fournir des explications anatomiques contextualisées plutôt que des alertes génériques. Là où la plupart des outils se contentent de répéter des consignes vagues comme « gardez le dos droit », ce prototype combine deux modèles : l'un analyse l'apparence visuelle et les mouvements, l'autre reconstruit un squelette en trois dimensions pour étudier les angles articulaires et les phases du mouvement. Le système explique ensuite les conséquences mécaniques concrètes d'un geste mal exécuté, ce qui représente une avancée pédagogique réelle, notamment pour les débutants qui ne disposent pas des bases anatomiques pour distinguer une exécution correcte d'une posture risquée. Selon les chercheurs, BioCoach surpasse plusieurs solutions développées par de grands acteurs technologiques sur la qualité des explications et la précision des retours anatomiques. Le contexte est celui d'un marché du coaching sportif numérique en pleine expansion, alimenté par la généralisation des appareils connectés et la démocratisation de l'entraînement à domicile. Plusieurs entreprises technologiques travaillent déjà sur des systèmes d'analyse du mouvement, mais la plupart restent coûteux ou nécessitent des capteurs dédiés. L'approche de BioCoach, qui repose uniquement sur une caméra de smartphone, abaisserait considérablement la barrière d'accès. Pour l'heure, le projet reste un prototype de recherche académique, sans application grand public disponible ni calendrier de commercialisation annoncé. La prochaine étape consiste vraisemblablement à valider le système sur des populations plus larges et dans des conditions d'entraînement variées, avant d'envisager une intégration dans des plateformes fitness existantes ou une sortie autonome sur les stores applicatifs.

OutilsOutil

1 source

2Frandroid

Marre d’Instagram ou de X ? Vous pouvez construire votre propre réseau social avec cet assistant IA

Bluesky, le réseau social décentralisé concurrent de X, a lancé Attie, un assistant IA conçu pour permettre à n'importe qui de créer son propre réseau social sans écrire une ligne de code. L'outil s'appuie sur le protocole AT (ATmosphere Protocol), la fondation ouverte sur laquelle repose Bluesky, pour générer et configurer des instances sociales personnalisées via de simples instructions en langage naturel. L'enjeu est considérable : jusqu'ici, déployer une plateforme sociale indépendante nécessitait des compétences techniques avancées, réservant cette capacité aux développeurs et aux entreprises. Attie démocratise ce pouvoir, permettant à des communautés de niche, des associations ou des créateurs de s'affranchir des algorithmes et des règles imposées par Meta ou X, en contrôlant entièrement leur espace numérique. Bluesky a connu une croissance explosive fin 2024, franchissant les 20 millions d'utilisateurs lors de l'exode post-élection américaine depuis X. La société, financée notamment par Jack Dorsey avant sa rupture avec le projet, mise sur l'interopérabilité et la décentralisation comme arguments différenciants face aux géants centralisés. Attie s'inscrit dans cette stratégie : transformer le protocole AT en plateforme créative accessible au plus grand nombre, et accélérer l'adoption de l'écosystème fédéré face à un marché dominé par une poignée d'acteurs.

UELes associations, médias indépendants et communautés européennes peuvent désormais créer leur propre réseau social fédéré sans compétences techniques, réduisant leur dépendance aux plateformes américaines soumises à leurs propres règles algorithmiques.

OutilsOutil

1 source

3Le Big Data

Ask DoorDash : dites ce que vous avez envie de manger, l’IA se charge du reste

DoorDash a lancé le 11 juin 2026 une fonctionnalité baptisée Ask DoorDash, qui transforme la façon dont les utilisateurs interagissent avec l'application. Plutôt que de faire défiler des listes de restaurants ou de catalogues de produits, il est désormais possible de décrire ce que l'on veut manger en langage naturel, par écrit, par commande vocale, en partageant un lien vers une recette ou même en envoyant une photo d'un livre de cuisine. L'IA analyse la demande et génère en quelques secondes une sélection de restaurants, de plats ou un panier de courses complet. Selon la plateforme, l'outil est capable de remplir un panier d'achats environ cinq fois plus vite qu'une navigation manuelle, le tout en moins de deux minutes. Andy Fang, co-fondateur de DoorDash, a lui-même confirmé le lancement via les réseaux sociaux le jour même. L'impact pour les utilisateurs est immédiatement mesurable. L'application référence aujourd'hui près de 800 000 plats et produits, un catalogue si vaste que le problème n'est plus le manque de choix mais son excès. Ask DoorDash répond directement à cette paralysie décisionnelle en comprenant des intentions floues comme "un repas réconfortant ce soir" ou "un dîner végétarien pour quatre à moins de 20 dollars par personne", et en restituant des résultats accompagnés d'explications personnalisées. Les premiers tests internes révèlent que près de la moitié des commandes passées via cet outil provenaient de restaurants que le client n'avait jamais essayés auparavant, ce qui suggère un effet de découverte notable. Les paniers de courses générés par l'IA étaient également plus volumineux que ceux constitués de façon classique, un signal fort pour la croissance du chiffre d'affaires de la plateforme. Ce lancement s'inscrit dans une ambition plus large de DoorDash, qui cherche à se repositionner comme un intermédiaire intelligent plutôt qu'un simple moteur de livraison. L'outil s'appuie sur l'historique de commandes, les habitudes alimentaires et les préférences passées de chaque utilisateur pour affiner ses recommandations au fil du temps. La tendance est partagée par l'ensemble du secteur du commerce en ligne : Amazon, Instacart ou Google Shopping expérimentent tous des interfaces conversationnelles pour réduire le friction d'achat. DoorDash mise sur cette approche pour fidéliser ses utilisateurs et augmenter la fréquence des commandes. Ask DoorDash est disponible dès maintenant sur l'application, et son déploiement progressif laisse anticiper des ajustements rapides selon les retours des premières semaines d'utilisation.

OutilsOutil

1 source

4VentureBeat AI

Les agents IA apprennent en cours de tâche, mais pas pour toute l'équipe

Les agents d'intelligence artificielle peinent à devenir de véritables outils d'équipe. Selon une étude interne d'Asana, 75 % des travailleurs du savoir utilisent déjà l'IA au quotidien, mais seulement 5 % des entreprises déclarent en avoir tiré des gains de productivité mesurables. La raison principale : lorsqu'un collaborateur corrige ou améliore un agent, en affinant ses instructions, en lui fournissant un contexte plus précis, cette amélioration s'évapore dès qu'un collègue ouvre le même outil. Chaque utilisateur repart de zéro, entraînant en pratique une version différente du même agent selon la personne qui l'interroge. Arnab Bose, directeur produit d'Asana, résume le problème : les fournisseurs de modèles progressent rapidement sur le raisonnement et les boucles de correction, mais échouent à intégrer le contexte de travail d'entreprise d'une manière intelligible et partageable entre humains. Ce défaut architectural a des conséquences concrètes dans les workflows multi-agents, devenus la norme dans les grandes organisations : des agents qui se contredisent, des tâches répétées inutilement, des versions incohérentes de la réalité selon les équipes. Sriharsha Chintalapani, cofondateur et directeur technique de Collate, souligne que les agents sont extrêmement sensibles à la qualité des instructions reçues : un utilisateur expérimenté obtient de meilleurs résultats parce qu'il formule des prompts plus précis et donne de meilleurs retours correctifs, que l'agent mémorise et applique aux interactions suivantes. Ce mécanisme fonctionne bien pour un usage individuel, mais devient un avantage inégalement distribué dès qu'il s'agit d'un usage collectif. Neej Gore, directeur des données de Zeta Global, défend l'idée d'une mémoire partagée qui agirait comme une intelligence composée, s'enrichissant à chaque interaction et bénéficiant à toute l'organisation. La réponse d'Asana consiste à placer la mémoire partagée au coeur de sa plateforme Agentic Work Management : toute correction apportée par un membre de l'équipe s'applique automatiquement à l'ensemble des utilisateurs, via un graphe de contexte injecté directement dans les agents opérant dans son système. Plus besoin que chaque collaborateur maîtrise l'ingénierie des prompts. Mais la question de qui contrôle cette mémoire, ce qui y est stocké et comment elle reste cohérente quand plusieurs agents et utilisateurs y écrivent simultanément reste largement sans réponse dans l'industrie. Chintalapani avance que la piste la plus prometteuse consiste à construire des agents capables de récupérer la mémoire de manière relationnelle, en fonction du contexte précis de chaque requête, une approche que seules quelques organisations disposant de ressources importantes sont aujourd'hui en mesure de mettre en oeuvre.

UELes entreprises européennes déployant des agents IA en équipe font face au même problème architectural de mémoire non partagée, mais aucune réponse réglementaire ou solution propre au marché France/UE n'est évoquée.

OutilsOutil

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, rédigé par un humain · désinscription en un clic