Le nouvel Siri d'Apple : plus qu'un assistant, une couche applicative pour les entreprises

Alexa for Shopping : le nouvel assistant d’Amazon qui compare les prix et achète pour vous

Amazon a officiellement lancé le 13 mai 2026 Alexa for Shopping, un assistant IA intégré directement dans la barre de recherche du site Amazon.com et dans son application mobile, disponible dès maintenant pour les clients américains. Ce nouvel outil remplace Rufus, l'assistant IA précédent jugé trop limité, et s'appuie sur Alexa Plus pour permettre aux utilisateurs de dialoguer en langage naturel plutôt que de saisir des requêtes classiques. La fonctionnalité phare du système est son degré d'automatisation : Alexa for Shopping peut surveiller le prix d'un article, comparer plusieurs références entre elles, et déclencher un achat si des conditions prédéfinies sont réunies. Amazon illustre cette logique avec un exemple concret : l'utilisateur peut demander à l'assistant d'acheter une crème solaire uniquement si son tarif descend sous les 10 dollars et qu'aucune commande récente du même produit n'a été passée. Une fonction baptisée "Buy for Me" étend même la capacité de recherche à d'autres sites marchands. L'assistant est également disponible sur les appareils Echo Show, et une conversation initiée sur une enceinte connectée peut désormais influencer les recommandations affichées sur Amazon.com. L'enjeu pour Amazon est considérable : transformer son moteur de recherche en un agent d'achat actif, capable d'anticiper les besoins des consommateurs et de réduire le temps de décision à presque zéro. Pour les utilisateurs habitués à naviguer entre des centaines de fiches produit, des milliers d'avis et des promotions changeantes, le gain de temps est réel. Mais cette automatisation soulève des inquiétudes légitimes. L'idée qu'un assistant puisse valider un achat de façon autonome, pendant que l'utilisateur fait autre chose, a déjà suscité des critiques lors des premiers tests de la fonction "Buy for Me". Amazon assure que toutes les règles restent configurables et que l'utilisateur garde le contrôle, mais la frontière entre personnalisation et délégation totale de la décision d'achat devient floue. Ce lancement s'inscrit dans une stratégie plus large d'Amazon pour faire d'Alexa le pivot d'un écosystème d'achat continu, unifiant enceintes connectées, smartphones et navigation web. Pour fonctionner de façon pertinente, l'assistant doit accumuler un volume important de données personnelles : historique d'achats, préférences déclarées, habitudes de consommation, et interactions vocales. Amazon présente cette collecte comme le moyen d'affiner la précision des recommandations, mais l'objectif sous-jacent est clair : anticiper les intentions d'achat avant même que le consommateur en prenne conscience. Dans un contexte où les régulateurs européens et américains scrutent de plus en plus les pratiques des plateformes en matière de données comportementales, ce virage vers un assistant acheteur permanent risque d'alimenter de nouveaux débats sur les limites de l'automatisation commerciale.

CopilotKit lance une plateforme d'intelligence pour entreprises dotant les applications à base d'agents d'une mémoire persistante entre sessions et appareils

CopilotKit a annoncé son Enterprise Intelligence Platform, une nouvelle couche d'infrastructure managée qui dote les applications agentiques d'une mémoire persistante entre les sessions, les utilisateurs et les appareils. Jusqu'ici, chaque nouvelle session forçait l'agent à repartir de zéro : aucun souvenir des échanges précédents, des workflows en cours ou des décisions déjà prises. Pour contourner ce problème, les équipes de développement devaient construire manuellement leur propre couche de stockage, en choisissant une base de données, en sérialisant l'état applicatif et en gérant les identifiants de session avant même d'écrire la moindre ligne de logique produit. La plateforme résout ce problème en fournissant une infrastructure clé en main, compatible avec n'importe quel framework agentique. Elle peut être auto-hébergée sur Kubernetes, avec une option cloud managée en développement, et répond aux exigences de sécurité enterprise : conformité SOC 2 Type II, intégration SSO, contrôle d'accès par rôles, déploiements hors ligne air-gapped et souveraineté totale des données via une base de données personnalisée. L'élément central de l'architecture est le concept de "Thread" : un objet de session persistant et structuré qui survit aux déconnexions, aux changements d'appareils et aux relances d'agent. Contrairement à un simple historique de messages texte stocké en base, un Thread capture six dimensions de l'interaction : les composants d'interface générés dynamiquement par l'agent, les étapes humaines dans la boucle (approbations, corrections, décisions guidées), l'état partagé entre le backend agentique et le frontend, les entrées et sorties vocales, les fichiers uploadés ou générés, et l'ensemble des interactions multimodales au sein d'un objet unique. Concrètement, un workflow complexe démarré par un collaborateur peut être repris exactement là où il s'était arrêté par un autre membre de l'équipe sur un appareil différent, sans perte d'état ni de contexte. CopilotKit est déjà connu pour son SDK open-source dédié au frontend des agents IA, ainsi que pour l'AG-UI Protocol, un standard ouvert qui connecte les agents aux interfaces utilisateur. Cette plateforme Enterprise ne remplace pas le SDK existant : elle l'enrichit avec la couche d'infrastructure qui lui manquait. L'enjeu est considérable pour l'industrie, car la persistance de l'état est l'un des principaux freins au déploiement en production d'applications agentiques dans les entreprises. Les cas d'usage visés, comme la rédaction collaborative de documents juridiques ou la gestion de pipelines de données en plusieurs étapes, illustrent un marché qui commence à dépasser les chatbots pour entrer dans la logique de workflows longs et critiques. La disponibilité d'une infrastructure standardisée pourrait significativement accélérer cette transition.

Apple annonce un assistant vocal plus conversationnel, surnommé « Siri AI »

Apple a officiellement présenté la refonte majeure de son assistant vocal Siri lors de sa conférence annuelle WWDC, filmée en avance comme à son habitude. Baptisée "Siri AI", cette nouvelle version s'inscrit dans le cadre plus large du programme "Apple Intelligence" dont le lancement avait été plusieurs fois repoussé. La mise à jour sera déployée cet automne via les mises à jour des systèmes d'exploitation Apple. Elle s'accompagne d'une intégration plus poussée des modèles d'IA embarqués, désormais alimentés en partie par Google, ainsi qu'une cohérence renforcée entre iOS, macOS et les autres plateformes de la marque. Le changement central porte sur la nature même de l'interaction : Siri ne se limite plus à des requêtes ponctuelles isolées, mais devient capable de mener des conversations continues, en jonglant entre différentes applications et contextes au fil d'un même échange. Lors des démonstrations, les cadres d'Apple ont montré l'assistant passer d'une tâche à une autre sans rupture, illustrant ce que la firme appelle une "expérience conversationnelle entièrement nouvelle". Pour les utilisateurs, cela représente un changement de paradigme : l'assistant devient un interlocuteur persistant plutôt qu'un outil de commande vocale. Apple tente ainsi de rattraper son retard face à des concurrents comme Google, OpenAI ou Microsoft, qui ont multiplié les annonces d'IA générative depuis 2023. Le vice-président senior Craig Federighi a d'ailleurs choisi de se démarquer explicitement, en critiquant implicitement cette course effrénée et en positionnant Apple comme un acteur centré sur l'utilisateur plutôt que sur la technologie pour elle-même. Ce discours, combiné au partenariat avec Google pour les modèles de fondation, soulève des questions sur la dépendance d'Apple à des tiers pour ses ambitions en IA, et sur la capacité de la marque à tenir ses promesses lors du déploiement effectif cet automne.

💬 Apple prend enfin le virage conversationnel, et c'est plus crédible que leurs annonces des deux dernières années. Bon, sur le papier, le coup du "pas de hype, on pense à l'utilisateur" sonne creux quand tu as signé un deal avec Google pour les modèles de fond. Reste à voir si ça tient à l'automne, ou si on se retrouve encore avec une démo parfaite et un rollout en demi-teinte.

Google Cloud propose un nouvel outil pour organiser les données de votre entreprise

Google Cloud a annoncé le 22 avril 2026, lors de son événement Google Cloud Next, le lancement de Knowledge Catalog, un moteur de contexte unifié intégré à sa plateforme Dataplex. L'outil agrège les métadonnées issues de multiples systèmes, aussi bien natifs comme BigQuery que des plateformes tierces, pour créer une source unique de vérité accessible en temps réel. Au-delà du simple inventaire technique, Knowledge Catalog automatise l'enrichissement des données en analysant schémas, requêtes et contenus non structurés pour générer des descriptions en langage naturel, construire des glossaires métiers et cartographier les relations entre entités. Des agents spécialisés, dont un basé sur LookML, permettent de générer et harmoniser automatiquement les règles métier. Des entreprises comme Bloomberg Media exploitent déjà cette approche pour permettre à des utilisateurs non techniques d'interroger des lacs de données complexes via des requêtes en langage courant. Le problème que Google Cloud cherche à résoudre est structurel : les agents d'IA en entreprise produisent des résultats médiocres non pas par manque de puissance de calcul, mais par manque de contexte fiable. Lorsque les mêmes indicateurs coexistent sous plusieurs définitions selon les équipes, l'automatisation devient fragile et l'analyse peu fiable. En unifiant ce socle sémantique, Knowledge Catalog permet aux agents de raisonner sur des bases cohérentes et partagées, réduisant les erreurs d'interprétation et accélérant l'accès à l'information. L'intégration avec Gemini renforce encore ce dispositif : même des fichiers bruts non structurés deviennent exploitables directement dans l'écosystème data. Google introduit également la notion de "produits de données", des ensembles packagés conçus pour être consommés directement par des agents ou des équipes métier, ce qui marque un changement de paradigme dans la façon dont les organisations distribuent l'accès à la donnée. La sortie de Knowledge Catalog s'inscrit dans une course que se livrent les grands fournisseurs cloud pour devenir la couche d'infrastructure de référence des entreprises qui déploient des agents d'IA à grande échelle. Microsoft, avec son écosystème Fabric et ses connecteurs Copilot, et AWS, avec son offre autour de Bedrock et des catalogues de données Lake Formation, avancent sur le même terrain. Le défi commun est de dépasser la promesse technique pour s'imposer comme le standard de gouvernance des données en contexte agentique. Pour Google Cloud, qui dispose d'un avantage compétitif avec Gemini et BigQuery, ce catalogue universel représente un levier pour verrouiller les grands comptes dans son écosystème. La prochaine étape sera d'observer si l'enrichissement automatique tient ses promesses à l'échelle, là où la curation manuelle a toujours montré ses limites.