OutilsAI News1sem· 2 min de lecture

IBM intègre ses outils d'IA à la couverture en direct de Wimbledon

Pour l'édition 2026 de Wimbledon, l'All England Lawn Tennis Club (AELTC) enrichit ses plateformes numériques de nouvelles fonctionnalités propulsées par l'intelligence artificielle, développées en partenariat avec IBM. Disponibles dès le début des premiers tours ce lundi via l'application Wimbledon et le site wimbledon.com, ces outils comprennent une version améliorée de l'assistant Match Chat et une nouvelle fonctionnalité baptisée Key Moments. Les deux sont également accessibles via IBM Slamtracker. La portée de l'enjeu est considérable : selon l'AELTC, quelque 730 millions de personnes ont interagi avec les contenus du tournoi l'an dernier, générant 18 milliards d'impressions sur les canaux numériques. Match Chat permet aux fans de poser des questions en langage naturel sur le déroulement d'un match en cours, en recevant des réponses conversationnelles fondées sur des données en temps réel, des analyses et les performances historiques des joueurs, parfois accompagnées de photos ou de vidéos. Lors de déploiements précédents à Wimbledon et à l'US Open, la fonctionnalité avait servi environ un million d'utilisateurs avec un temps de réponse moyen de 6,25 secondes. Key Moments, quant à elle, identifie automatiquement les points et les séquences de jeu qui infléchissent le cours d'un match, en s'appuyant sur le système existant Likelihood to Win, qui calcule en continu la probabilité de victoire de chaque joueur à partir des statistiques courantes, historiques et de la dynamique du match.

Ces outils transforment concrètement l'expérience des fans qui suivent un match : plutôt que de naviguer entre plusieurs écrans ou de fouiller des tableaux statistiques, ils obtiennent des réponses contextualisées et pertinentes en temps réel. Key Moments va plus loin qu'un simple résumé de points choisis : il explique pourquoi certains moments, comme un long échange ou une double faute, ont fait basculer l'élan d'une rencontre. La fonctionnalité couvre l'ensemble des tableaux simples messieurs et dames, apportant une lecture analytique que seuls les commentateurs experts offraient jusqu'ici.

Ces ajouts s'inscrivent dans un projet de transformation numérique sur cinq ans mené conjointement par IBM et l'AELTC, dont l'objectif est de moderniser la plateforme, rapatrier des services critiques en interne et réduire la dette technique. Dans ce cadre, l'archive digitale du tournoi, soit plus de 15 000 actifs numériques, articles, vidéos, photographies et métadonnées, a migré vers une nouvelle architecture. IBM a mobilisé plusieurs de ses technologies maison : watsonx Orchestrate pour orchestrer les agents IA, watsonx.data pour gérer les données en infrastructure hybride, et IBM Bee pour construire un graphe de connaissances cartographiant les relations entre les contenus de l'archive. Cette refonte illustre la montée en puissance des usages de l'IA dans les grands événements sportifs, où les données temps réel et les contenus historiques deviennent des matières premières pour enrichir l'expérience des audiences mondiales.

Dans nos dossiers

Agents IA

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

1InfoQ AI

Conception de plateformes IA fiables : des outils pour la certitude, des agents pour la découverte

Aaron Erickson, ingénieur chez NVIDIA, a présenté une conférence intitulée "Designing AI Platforms for Reliability: Tools for Certainty, Agents for Discovery", consacrée à la conception de hiérarchies d'agents IA sur mesure. Destinée aux développeurs seniors et architectes logiciels, son intervention détaille la méthodologie employée par NVIDIA pour construire des systèmes d'intelligence artificielle fiables et déployables à grande échelle en production. Erickson y explique comment son équipe combine des outils déterministes, capables de garantir des résultats certains et reproductibles, avec des agents capables d'explorer et de découvrir des solutions dans des contextes plus incertains. Cette approche répond à un défi central de l'industrie actuelle: les entreprises veulent exploiter la flexibilité des agents autonomes tout en évitant les erreurs et les incohérences qui peuvent survenir lorsque ces systèmes opèrent sans garde-fous. En détaillant des techniques comme l'exploitation du contexte rare, la mise en place de pyramides de tests basées sur le principe du LLM-as-a-judge, et des méthodes pour limiter le paradoxe du choix, la présentation vise à donner aux architectes des outils concrets pour construire des plateformes IA robustes, capables de tenir la charge en production. Ce travail s'inscrit dans une tendance plus large de maturation de l'ingénierie autour des agents IA, où les grandes entreprises technologiques, dont NVIDIA, cherchent à formaliser des bonnes pratiques pour transformer des prototypes prometteurs en systèmes fiables et industrialisables. À mesure que les agents autonomes se multiplient dans les environnements professionnels, la question de la fiabilité et de la testabilité devient un enjeu stratégique majeur pour l'ensemble du secteur.

OutilsOutil

1 source

2InfoQ AI

Concevoir des plateformes IA fiables : outils pour la certitude, agents pour la découverte

Aaron Erickson, architecte spécialisé dans les systèmes d'intelligence artificielle, a présenté une approche structurée pour concevoir des plateformes IA fiables à grande échelle. Sa réflexion part d'un constat simple : l'ère du "vibe checking", où l'on évalue informellement si un modèle semble fonctionner, touche à ses limites dès qu'il s'agit de déployer des systèmes en production. Il propose à la place des cadres multi-agents rigoureux, combinant des garde-fous logiciels déterministes avec des capacités de découverte agentique, pour obtenir à la fois prévisibilité et flexibilité. L'enjeu pratique est considérable pour les équipes qui industrialisent l'IA. Un système purement agentique manque de garanties, tandis qu'un pipeline entièrement déterministe est trop rigide pour des tâches complexes et ambiguës. La réponse d'Erickson est une architecture hybride : confier aux agents les tâches d'exploration et de raisonnement, tout en encadrant leurs sorties avec des vérifications logicielles classiques. Il insiste également sur l'optimisation des hiérarchies d'agents et l'intégration de modèles de fondation pour séries temporelles, deux leviers souvent négligés dans les architectures de production. Cette présentation s'inscrit dans une tendance de fond qui agite l'industrie depuis l'essor des agents LLM en 2024 : comment passer du prototype impressionnant au système fiable qui tient la charge. Erickson introduit la notion de pyramide d'évaluation, un cadre d'inspection multi-niveaux inspiré des bonnes pratiques du génie logiciel, pour mesurer objectivement la robustesse d'une architecture IA avant qu'elle ne rencontre les contraintes du monde réel.

OutilsOpinion

1 source

3FrenchWeb

Claude, l’IA d’ANTHROPIC, entend redessiner l’architecture de la création en s’intégrant aux outils d’Adobe, Ableton et Autodesk

Anthropic a annoncé l'intégration de son assistant Claude dans plusieurs des logiciels les plus utilisés par les professionnels créatifs, notamment Adobe, Ableton et Autodesk. Ces connecteurs, développés via le protocole MCP (Model Context Protocol) qu'Anthropic a ouvert à des partenaires tiers, permettent à Claude d'opérer directement à l'intérieur des interfaces de Photoshop, de Pro Tools ou de Fusion 360, sans que l'utilisateur ait besoin de basculer vers une application externe. L'annonce s'inscrit dans une vague d'intégrations que la société multiplie depuis début 2026 pour ancrer Claude dans des flux de production réels. L'enjeu dépasse la simple assistance à la rédaction : Claude peut désormais lire le contexte d'un projet en cours, suggérer des modifications sur des calques, générer des variations musicales ou proposer des ajustements paramétriques dans des modèles 3D. Pour les studios, agences et indépendants, cela réduit concrètement le nombre d'allers-retours entre outils et accélère les phases d'idéation et de prototypage. C'est un changement de paradigme pour des secteurs où le temps de production est directement lié à la rentabilité. Cette stratégie répond à une pression croissante d'OpenAI, Google et des éditeurs logiciels eux-mêmes, qui développent leurs propres couches d'IA natives. En s'appuyant sur des partenariats avec des plateformes déjà installées plutôt que de construire des outils concurrents, Anthropic mise sur l'intégration profonde comme avantage différenciant. La prochaine étape sera de mesurer si ces connecteurs tiennent leurs promesses dans des environnements de production professionnels exigeants.

UELes studios, agences et indépendants créatifs en France et en Europe qui utilisent déjà Adobe, Ableton ou Autodesk pourront intégrer Claude directement dans leurs flux de travail sans adopter une nouvelle plateforme.

OutilsOutil

1 source

4Ben's Bites

Un aperçu des outils en ligne de commande

Les agents d'intelligence artificielle fonctionnent en combinant un modèle de langage avec des outils concrets — et les interfaces en ligne de commande (CLI) constituent leur outil de prédilection. Concrètement, un agent peut exécuter une séquence de commandes bash pour renommer 400 photos produit selon un format SKU précis, les redimensionner en 1200x1200 pixels, les trier dans des sous-dossiers par catégorie, puis vérifier le résultat — le tout en quelques secondes, là où un humain y passerait plusieurs heures. Chaque étape correspond à une commande réelle : ls pour lister les fichiers, mkdir pour créer les dossiers, mogrify pour redimensionner les images, mv pour déplacer et renommer. L'agent enchaîne ces opérations de façon autonome, interprète les sorties, et s'adapte à ce qu'il découvre. Ce mécanisme de "tool use" est au cœur de ce qui distingue un agent d'un simple chatbot. Plus on lui donne accès à des CLIs spécialisées — Stripe CLI pour les données de paiement, Playwright pour contrôler un navigateur web, AWS CLI pour gérer une infrastructure cloud, Vercel CLI pour déployer un site en une commande — plus ses capacités s'étendent. Un agent équipé de bash seul peut organiser des fichiers ; ajoutez Stripe et il peut analyser vos revenus ; ajoutez Playwright et il peut naviguer sur le web ; ajoutez Vercel et il peut déployer ce qu'il vient de construire. C'est cette combinaison d'outils qui définit concrètement ce qu'un agent est capable d'accomplir. Des outils comme Claude Code permettent d'ailleurs de voir les commandes défiler en temps réel, ou de les retrouver via un panneau extensible. Ce modèle technique s'inscrit dans une période d'accélération notable pour les outils d'agents IA. Anthropic vient justement de lancer un "auto mode" pour Claude Code, un régime intermédiaire entre la validation manuelle de chaque action et l'exécution sans aucune permission — une réponse directe aux tensions entre autonomie et sécurité dans les workflows développeurs. En parallèle, les connecteurs Claude pour les outils professionnels sont désormais disponibles sur mobile, et Anthropic travaille sur une fonctionnalité "auto-dream" dédiée à la compaction de mémoire des agents pendant la nuit. Claude Code peut également envoyer des messages iMessage pour notifier l'utilisateur en cours de tâche. Ces annonces illustrent une tendance de fond : les grands labs ne cherchent plus seulement à améliorer les modèles, mais à rendre les agents réellement opérationnels dans des environnements de production réels, avec des garde-fous calibrés pour des usages professionnels quotidiens.

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, l'essentiel de l'IA · désinscription en un clic