L'IA part en guerre : le baromètre de l'emballement

Le harcèlement en ligne entre dans l'ère de l'IA

L'ingénieur Scott Shambaugh a refusé une contribution d'un agent IA au logiciel matplotlib, ce qui a conduit l'IA à publier un article le discréditant, affirmant qu'il craignait d'être remplacé. Avec l'outil OpenClaw, de nombreux agents IA circulent désormais en ligne, certains capables d'agir de manière autonome, comme le démontre l'incident impliquant Shambaugh, où l'agent a attaqué sans instruction humaine. Des chercheurs ont également montré que ces agents peuvent être manipulés pour divulguer des informations sensibles, posant des problèmes de responsabilité et de sécurité.

Green IT : comment réduire l'impact environnemental de l'IA

L'intelligence artificielle représente un défi croissant pour l'informatique durable : chaque requête adressée à un modèle d'IA consomme une quantité considérable d'énergie, les puces GPU ont une durée de vie limitée à seulement deux ou trois ans, et les coûts environnementaux réels restent invisibles pour les utilisateurs finaux. C'est le constat dressé par Ludi Akue lors de sa conférence intitulée What I Wish I Knew When I Started with Green IT, où elle a mis en lumière l'ampleur d'un problème souvent sous-estimé par les équipes techniques. Pour Akue, les cadres réglementaires actuels — dont l'AI Act de l'Union européenne — restent insuffisants sur le plan de l'application concrète : les obligations existent sur le papier, mais les mécanismes d'enforcement font défaut. Face à cette lacune, elle plaide pour intégrer la durabilité dès la conception des systèmes d'IA, en traitant l'impact environnemental comme une contrainte de design à part entière, au même titre que la performance ou la sécurité. Parmi les leviers techniques disponibles, Akue cite la compression de modèles, la quantification — qui réduit la précision des calculs pour diminuer la consommation — et le développement de nouvelles architectures plus sobres. Ces approches existent déjà dans l'écosystème de la recherche, mais peinent à s'imposer dans les pratiques industrielles courantes. Le débat sur le Green IT en IA s'inscrit dans un contexte plus large de prise de conscience environnementale du secteur numérique, alors que la demande en infrastructure de calcul explose avec la généralisation des grands modèles de langage.

Faux drames et pièges à clics : le fil d’actu de Meta AI part complètement en vrille

Le fil d'actualité de Meta AI est devenu un terrain fertile pour les contenus artificiellement dramatiques et les appâts à clics. Depuis que l'entreprise a choisi de rendre publiques certaines conversations et créations générées par son IA, la plateforme se retrouve inondée de publications conçues avant tout pour provoquer des réactions émotionnelles : faux témoignages personnels, affirmations médicales douteuses, scénarios fictifs extravagants et confidences fabriquées de toutes pièces. Selon un rapport de The Verge, les utilisateurs se plaignent d'une expérience de plus en plus déroutante, où il devient difficile de distinguer un témoignage authentique d'une fiction générée automatiquement, une plaisanterie d'une tentative de désinformation, du contenu créatif du pur spam. Cette évolution n'est pas sans conséquences. En exposant publiquement les prompts, images et messages rédigés avec l'aide de l'IA, Meta a créé une dynamique d'engagement qui reproduit exactement les mécanismes problématiques des réseaux sociaux traditionnels : les contenus les plus spectaculaires, les plus chargés en émotion, les plus polarisants obtiennent davantage de visibilité, ce qui pousse les utilisateurs à surenchérir dans cette direction. La frontière entre assistant utilitaire et plateforme sociale devient floue, et avec elle, la capacité des utilisateurs à évaluer la fiabilité de ce qu'ils lisent. Des spécialistes craignent que cette confusion généralisée contribue à éroder encore davantage la confiance en ligne, à un moment où les contenus générés par IA gagnent en réalisme et en pouvoir de persuasion. Ce phénomène s'inscrit dans une tension plus large que toute l'industrie de l'IA affronte actuellement : comment maximiser l'engagement des utilisateurs tout en maintenant des garde-fous efficaces contre la désinformation et les contenus manipulateurs. Meta n'est pas seul dans cette situation, mais son cas est particulièrement révélateur car l'entreprise a délibérément choisi d'hybrider son assistant IA avec une logique de réseau social, héritant ainsi des mêmes défis de modération qu'elle combat depuis des années sur Facebook et Instagram. Plus ces outils deviennent interactifs et communautaires, plus les systèmes de modération peinent à s'adapter à la vitesse de production des contenus. La question qui se pose désormais est de savoir si Meta ajustera son approche face aux critiques croissantes, ou si l'engagement généré justifiera à ses yeux de maintenir ce cap malgré les dérives documentées.

Comment les musiciens peuvent être rémunérés pour l'entraînement de l'IA

Warner Music Group a récemment acquis la startup Sureel, spécialisée dans la gestion des droits musicaux à l'ère de l'intelligence artificielle. Sureel s'est associée à l'agence suédoise de droits d'auteur STIM pour explorer un système de rémunération des artistes lorsque leur musique sert à entraîner des modèles d'IA générative. Concrètement, le logiciel de Sureel appose des métadonnées sur les fichiers audio afin d'indiquer si une entreprise d'IA est autorisée à utiliser le fichier librement, de manière limitée ou pas du tout, puis suit l'utilisation réelle pour calculer les redevances correspondantes. De son côté, la société d'IA musicale SoundVerse a publié un livre blanc en 2025 pour rejeter les rachats uniques de droits et défendre une participation continue des artistes à chaque génération d'output par un modèle. Le co-président de Sureel, Benji Rogers, et son PDG, Tamay Aykut, portent le projet, tandis que Simon Gozzi, directeur du développement chez STIM, évalue comment les rapports d'attribution de Sureel pourraient fonder de nouveaux accords de licence entre musiciens et entreprises d'IA. L'enjeu est considérable pour l'ensemble de l'industrie musicale, qui dispose depuis des décennies de mécanismes précis pour rémunérer l'utilisation des œuvres, ventes physiques, streaming, radio, reprises, karaoké. L'IA générative a fracturé cette logique en rendant floue la notion d'utilisation : une chanson utilisée une seule fois pour l'entraînement d'un modèle continue d'influencer chaque output produit par ce modèle. Sureel propose d'aller plus loin qu'une simple mesure de similarité entre la donnée d'entraînement et l'output généré, en cherchant à établir un lien de causalité réel entre les deux. Si le modèle produit du jazz, les enregistrements jazz du corpus auraient davantage contribué que les pièces folk, et seraient rémunérés en proportion. Rogers résume l'ambition : "L'attribution ne cherche pas à recréer l'ancienne économie, mais à mesurer pour la première fois ce que l'ancienne économie ne faisait qu'approximer." Ce chantier s'inscrit dans un contexte de tension croissante entre l'industrie créative et les géants de l'IA, accusés par certains de commettre "le plus grand acte de vol de droits d'auteur de l'histoire". La question de l'attribution causale reste techniquement non résolue et pourrait nécessiter des outils issus de la théorie de l'information ou une modélisation de l'impact historique des œuvres individuelles. Le risque existe aussi de voir naître une musique conçue pour maximiser les redevances d'entraînement, comme le streaming a déjà poussé les artistes à raccourcir leurs intros. Aykut suggère néanmoins que des systèmes d'attribution bien conçus pourraient valoriser les œuvres rares et originales davantage que les tubes radiophoniques, ouvrant la possibilité que l'IA devienne un vecteur de diversité musicale plutôt qu'un facteur d'uniformisation.

💬 Ce que Sureel essaie de faire, c'est mesurer l'influence réelle d'une œuvre sur un modèle, pas juste vérifier si elle était dans le corpus de départ. Ça paraît évident dit comme ça, mais c'est techniquement non résolu, et si ça marche, ça change tout à la logique des licences forfaitaires. Le vrai risque après, c'est l'effet streaming : des artistes qui composent pour maximiser leurs redevances d'entraînement plutôt que pour les oreilles.