☕️ Uber commence à trouver l’addition de l’IA un peu salée

L'adaptation du commerce de détail à l'ère de l'IA

Macy's, l'un des grands distributeurs historiques américains, est en train de refondre ses opérations autour d'une philosophie qu'il nomme "AI-first". Selon Murali Murugan, directeur senior de l'ingénierie chez Macy's, il ne s'agit pas d'ajouter de l'intelligence artificielle par-dessus des systèmes existants, mais de repenser en profondeur la façon dont les décisions sont prises. Concrètement, l'IA est intégrée directement dans la personnalisation des parcours clients, les moteurs de recherche produits, la planification opérationnelle et le développement logiciel interne. Les premières expérimentations ont ciblé des cas d'usage à fort impact mesurable, notamment les recommandations dans les résultats de recherche et l'engagement client, générant rapidement des gains en taux de conversion et une réduction des frictions. "Une fois les premières victoires établies, le passage à l'échelle est devenu une décision commerciale, non plus un débat technologique", explique Murugan. Cette transformation affecte en premier lieu la couche invisible du commerce de détail: la chaîne logistique, la gestion des stocks, la vitesse à laquelle les ingénieurs livrent du code et la capacité à répondre en temps réel aux comportements des clients. Pour le consommateur, l'impact le plus visible prend la forme d'"Ask Macy's", un assistant d'achat conversationnel conçu pour fonctionner comme un styliste personnel plutôt qu'une barre de recherche classique. Un client qui prépare un bal de fin d'année, un voyage ou un événement de dernière minute peut décrire son besoin en langage naturel et recevoir des recommandations personnalisées fondées sur ses achats passés, ses préférences et le contexte de sa demande. L'objectif affiché est de réduire ce que Murugan appelle "l'écart entre le signal et l'action": capter un comportement client, l'interpréter et y répondre presque instantanément. Cette évolution s'inscrit dans un mouvement plus large qui traverse l'ensemble du commerce de détail américain, confronté à une concurrence fragmentée et à la pression des pure players numériques. Les distributeurs traditionnels, longtemps en retard sur la personnalisation à grande échelle, passent d'expérimentations isolées à des systèmes intégrés et continus. Macy's positionne l'IA non pas comme un substitut au jugement humain, mais comme une couche d'amplification discrète, que les clients ne perçoivent pas directement mais dont ils ressentent les effets. "La vraie transformation vient de l'amélioration continue, d'un apprentissage rapide des erreurs et d'une adaptation aux nouveaux standards technologiques", conclut Murugan. Le projet est développé en partenariat avec Infosys, et illustre comment les grands acteurs traditionnels du retail misent sur l'IA pour rester compétitifs face à des concurrents nativement numériques.

💬 Ce que réussit Macy's, c'est surtout ça : faire passer l'IA du statut de projet isolé à celui de système nerveux des décisions, et c'est un basculement culturel, pas technologique. La méthode est claire et reproductible : gains mesurables d'abord, passage à l'échelle ensuite. Les distributeurs qui jouent encore à l'expérimentation vont se retrouver à rattraper deux ans de retard dans un marché qui n'attendra personne.

Les « exportations de tokens » peuvent-elles donner un avantage à la Chine dans l'ère de l'IA ?

Les entreprises chinoises d'intelligence artificielle s'imposent progressivement comme fournisseurs majeurs de ce que les analystes appellent des "exportations de tokens" sur le marché mondial. Selon des données couvrant la période du 18 mars au 18 avril 2026, les modèles chinois représentaient quatre des dix modèles les plus consommés en tokens sur OpenRouter, une place de marché de référence pour les développeurs. Cette présence dans le top 10 mondial illustre une percée concrète dans les usages réels, au-delà des seuls benchmarks techniques. L'enjeu dépasse la simple compétition technologique. Les tokens consommés via des modèles comme DeepSeek ou Qwen représentent une forme d'influence économique et stratégique nouvelle : chaque requête traitée par un modèle chinois génère des données d'usage, fidélise des développeurs et ancre une infrastructure logicielle dans les flux numériques mondiaux. Pour l'industrie tech mondiale, cela signifie que la domination américaine sur l'outillage IA des développeurs n'est plus acquise, et que les éditeurs comme OpenAI ou Anthropic font désormais face à une concurrence directe sur les marchés émergents et auprès des développeurs indépendants. Ce phénomène s'inscrit dans un contexte de montée en puissance accélérée des modèles chinois depuis la publication de DeepSeek-R1 début 2025, qui avait démontré qu'un modèle très compétitif pouvait être entraîné à coût réduit. La demande domestique en Chine croît également fortement, ce qui renforce la capacité des acteurs locaux à investir en R&D et à baisser leurs prix à l'export, une dynamique que Washington surveille de près dans un contexte de restrictions sur les semi-conducteurs.

OpenAI tue Sora : comment l’IA de vidéo tant attendue a fait un flop ?

Le mardi 24 mars 2026, l'équipe officielle de Sora a publié un message d'adieu sur X, confirmant la fermeture définitive du générateur de vidéos par IA d'OpenAI. Six mois seulement après son lancement grand public en septembre 2025, l'application est débranchée. Pourtant, les débuts avaient été spectaculaires : Sora avait franchi le million de téléchargements plus vite que ChatGPT en son temps. Mais l'euphorie a été de courte durée. Dès janvier 2026, les téléchargements chutaient de 45 % en un mois, le taux de rétention à 30 jours s'effondrait sous les 8 %, et sur le dernier mois, l'outil ne réunissait plus que 600 000 utilisateurs actifs, relégué à la 172e place de l'App Store. Pendant ce temps, faire tourner l'infrastructure coûtait à OpenAI 15 millions de dollars par jour — une hémorragie financière impossible à tenir. L'accord avec Disney, qui avait investi un milliard de dollars en décembre pour permettre l'intégration de plus de 200 personnages franchisés (Marvel, Star Wars, Pixar) dans les vidéos générées, est lui aussi annulé, l'investissement ne s'étant finalement jamais concrétisé. La fermeture de Sora est avant tout un signal stratégique fort : OpenAI prépare son introduction en bourse pour le quatrième trimestre 2026 et doit convaincre Wall Street de sa rentabilité. Fidji Simo, nouvelle responsable de la division AGI Deployment, a été explicite en interne : l'entreprise ne peut plus se disperser dans des « quêtes secondaires ». Sam Altman a réorganisé ses priorités autour de la levée de capitaux et de la construction de centres de données. Toute la puissance de calcul libérée par l'arrêt de Sora est redirigée vers les clients B2B, jugés bien plus lucratifs. La semaine précédant l'annonce, OpenAI confirmait aussi la fusion de ChatGPT desktop, de son outil de code Codex et de son navigateur web en une seule « super-app » — une consolidation qui illustre cette nouvelle discipline budgétaire. L'entraînement d'un nouveau modèle, nom de code « Spud », vient par ailleurs de s'achever, confirmant que les priorités technologiques ont changé de camp. Sora était apparu en février 2024 comme une promesse de révolution pour Hollywood, capable de générer des vidéos photoréalistes à partir d'un simple texte. Son lancement public avait suscité un engouement mondial, mais le fossé entre la démonstration technique et l'usage quotidien s'est révélé impossible à combler face à la brutalité des chiffres économiques.

SAP : comment la gouvernance de l'IA en entreprise protège les marges bénéficiaires

Manos Raptopoulos, président mondial du succès client pour l'Europe, l'APAC, le Moyen-Orient et l'Afrique chez SAP, a posé un constat sans appel lors de l'AI & Big Data Expo North America : la distance entre 90 % et 100 % de précision n'est pas une nuance graduelle dans le monde de l'entreprise, c'est une différence existentielle. Les systèmes d'IA dits "agentiques" sont désormais capables de planifier, raisonner, coordonner d'autres agents et exécuter des flux de travail de façon autonome. Mais leur déploiement à grande échelle expose les organisations à des risques opérationnels sévères si leur gouvernance reste au stade de la liste de conformité plutôt que de devenir une contrainte d'ingénierie à part entière. Intégrer des bases de données vectorielles modernes aux architectures relationnelles historiques exige des investissements massifs, et restreindre la boucle d'inférence de l'agent pour éviter les hallucinations dans les chaînes financières ou logistiques fait grimper la latence et les coûts de calcul cloud, modifiant les projections de rentabilité initiales. L'enjeu dépasse la simple fiabilité technique : il touche directement les marges et la responsabilité juridique des entreprises. Raptopoulos identifie trois questions que les conseils d'administration doivent impérativement résoudre avant tout déploiement agentique : qui est responsable en cas d'erreur d'un agent, comment tracer les décisions automatisées pour les audits, et à quel seuil précis l'humain doit reprendre la main. Sans ces réponses, l'expansion incontrôlée des agents risque de reproduire les crises du "shadow IT" de la décennie passée, avec des conséquences potentiellement bien plus graves, car ces systèmes agissent directement sur des données sensibles et influencent des décisions à l'échelle de l'organisation entière. Des données maîtres fragmentées, des systèmes métiers en silos ou des ERP surchargés de personnalisations introduisent une imprévisibilité dangereuse au pire moment : lorsqu'un agent autonome s'appuie sur ces fondations défaillantes pour formuler une recommandation touchant la trésorerie, les relations clients ou la conformité réglementaire, les dégâts opérationnels se propagent instantanément. Ce diagnostic s'inscrit dans un contexte de fragmentation géopolitique croissante. Les mandats de souveraineté des données et les exigences de localisation dans des marchés clés comme New York, Francfort, Riyad ou Singapour complexifient la définition des périmètres de responsabilité. SAP avance que l'intelligence d'entreprise authentique ne peut pas reposer sur des grands modèles de langage entraînés sur du texte générique : elle doit être ancrée dans les données propriétaires de l'entreprise, commandes, factures, dossiers logistiques et données financières incluses. Raptopoulos en fait un mandat de direction générale, non un projet informatique : intégrer un contrôle déterministe au coeur d'une intelligence probabiliste est la condition pour que l'IA agentique devienne un levier de rentabilité plutôt qu'une source de risque systémique.