Tim Cook laisse entendre un forfait iCloud+ pour utilisateurs intensifs d'IA

Comment Fora utilise l’IA pour transformer le métier d’agent de voyage ?

La startup new-yorkaise Fora vient de boucler une levée de fonds de 60 millions de dollars, menée par les fonds Forerunner et Tactile Ventures. Cette opération porte sa valorisation à un milliard de dollars, lui conférant le statut de licorne. Fondée en 2021, l'entreprise a permis à ses conseillers en voyages de générer plus de 3 milliards de dollars de réservations cumulées depuis sa création. La plateforme fonctionne sur un modèle hybride : elle donne à des milliers de conseillers indépendants les moyens de créer leur propre activité, en leur fournissant les outils nécessaires pour gérer clients, réservations et opérations quotidiennes. Parmi ces outils figure Via, un assistant IA intégré que Fora prévoit justement de développer grâce à une partie importante de ce nouveau financement. Via peut rechercher des destinations, comparer les offres des fournisseurs, préparer des itinéraires personnalisés et rédiger des propositions commerciales. Selon les chiffres communiqués par l'entreprise, environ 15 000 conseillers sont actuellement actifs sur la plateforme, dont 97 % ont rejoint le secteur récemment, souvent après une première carrière dans un tout autre domaine. Cette levée de fonds illustre un choix stratégique qui tranche avec la tendance dominante du secteur : plutôt que d'automatiser entièrement le parcours client comme le font de nombreuses agences de voyages en ligne, Fora mise sur l'IA comme un outil d'augmentation plutôt que de remplacement. Concrètement, Via ne dialogue jamais directement avec les voyageurs à la place des conseillers, il se contente d'absorber les tâches administratives chronophages pour libérer du temps humain. Pour les conseillers, cela signifie pouvoir consacrer davantage d'heures au conseil personnalisé et au développement de leur clientèle, deux activités jugées difficilement automatisables. Pour l'industrie du voyage dans son ensemble, ce pari valide une approche où la confiance des investisseurs se porte sur des modèles combinant technologie et expertise humaine plutôt que sur une automatisation intégrale. Ce choix s'inscrit dans un débat plus large sur la manière dont l'IA générative transforme les métiers de service. Selon des analyses publiées par McKinsey et Accenture, les gains de productivité les plus rapides et les plus durables proviennent souvent de cette logique d'« augmentation », où l'humain garde la main sur les décisions à forte valeur ajoutée. Evan Frank, cofondateur de Fora, défend d'ailleurs l'idée que l'intelligence artificielle renforce la valeur de qualités difficiles à reproduire, comme l'expertise, le goût ou la compréhension fine des attentes d'un client. Reste à savoir si ce modèle hybride résistera à la pression concurrentielle des géants du voyage en ligne, qui misent eux sur une automatisation plus poussée, et si l'afflux de nouveaux conseillers venus d'autres secteurs confirmera la viabilité à long terme de cette approche entrepreneuriale assistée par l'IA.

Un seul type d'interface ne suffit pas pour l'IA en entreprise

Un même produit de plusieurs pages ou un article isolé ? Je vais rédiger la traduction-résumé directement à partir du texte fourni. Chaque grande rupture technologique s'accompagne d'un même pari : celui d'une interface unique qui deviendrait le point d'accès central aux systèmes d'entreprise. C'est aujourd'hui le discours dominant autour de l'IA en entreprise, où beaucoup imaginent qu'un système conversationnel unique remplacera progressivement les outils existants pour devenir le mode principal d'accès à l'information et d'exécution des tâches. Mais l'histoire des technologies d'entreprise raconte une trajectoire plus complexe. Le passage au cloud, par exemple, ne s'est pas fait de manière uniforme : certaines organisations ont basculé rapidement, d'autres ont maintenu pendant des années des environnements hybrides, chaque service modernisant ses outils à son propre rythme, en fonction de ses contraintes opérationnelles plutôt que d'un quelconque consensus sectoriel. Cette hétérogénéité reste vraie avec l'IA, malgré l'accélération technologique qu'elle a permise. Les équipes financières, soumises à des exigences de fiabilité des rapports, de contrôle et de validation, n'abordent pas l'IA de la même façon qu'une équipe d'analystes explorant des données opérationnelles, ou qu'un service client focalisé sur la rapidité de résolution des dossiers. Pour un responsable financier qui clôture ses comptes, l'intérêt de l'IA ne réside pas dans une nouvelle interface mais dans la réduction du temps de cycle de reporting. Pour un responsable des opérations confronté à des problèmes de stock, la priorité est de détecter les anomalies plus tôt et de les résoudre plus vite. Dans ces cas, la valeur de l'IA tient à la réduction de l'effort nécessaire pour accomplir des tâches déjà existantes plutôt qu'à l'ajout d'un nouveau mode d'interaction. À l'inverse, analystes, planificateurs et équipes opérationnelles réclament de plus en plus une interaction directe et conversationnelle avec les systèmes d'IA, pour explorer des scénarios et poser des questions qui ne rentrent pas dans des rapports préétablis, pour ce public, c'est justement l'interface elle-même qui apporte de la valeur. Ce constat reflète une réalité plus large sur la manière dont les entreprises évoluent : la complexité opérationnelle s'accumule progressivement, les systèmes se multiplient, les processus se fragmentent, et l'information se disperse entre applications, rapports et tableurs, obligeant les employés à passer un temps croissant à simplement localiser une donnée avant de pouvoir agir. Une grande partie de la valeur créée par les logiciels d'entreprise ces dernières décennies est venue de la réduction de cette fragmentation, en réunissant finances, opérations, stocks, données clients, planification et reporting dans des systèmes communs. L'IA s'attaque aujourd'hui à un problème connexe : une fois l'information consolidée dans des systèmes connectés, encore faut-il que chaque catégorie d'utilisateurs, du service client à la direction financière, puisse y accéder selon le mode qui correspond réellement à son métier, qu'il s'agisse d'automatisation silencieuse intégrée aux processus existants ou d'exploration conversationnelle libre. Note : le texte source fourni est tronqué en toute fin de dernier paragraphe ("employees stil..."), donc cette dernière phrase de conclusion peut être légèrement incomplète par rapport à l'article original.

Prime Intellect : pourquoi les entreprises créent leurs propres agents IA plutôt que d’utiliser ChatGPT ?

Prime Intellect, une startup américaine fondée en 2024, vient de lever 130 millions de dollars lors d'un tour de série A mené par Radical Ventures, portant sa valorisation à un milliard de dollars. Parmi les investisseurs figurent également Nvidia, Intel Capital, Dell, ainsi qu'une liste de business angels issus de Perplexity, Box, Harvey, Cognition ou encore Zapier. Contrairement à OpenAI ou Anthropic, l'entreprise ne cherche pas à développer un nouveau grand modèle de langage généraliste. Son ambition, selon son cofondateur Vincent Weisser, est de fournir aux entreprises l'infrastructure technique complète pour entraîner et adapter leurs propres agents d'intelligence artificielle, sans dépendre exclusivement des grands laboratoires qui concentrent aujourd'hui les capacités de développement des modèles les plus avancés. Cette levée de fonds illustre un basculement dans la manière dont les entreprises abordent l'IA générative. Après avoir massivement adopté des outils prêts à l'emploi comme ChatGPT pour automatiser certaines tâches, de nombreuses organisations se heurtent désormais aux limites de ces solutions en contexte professionnel. Les données sensibles, les procédures internes et les informations stratégiques sont de plus en plus difficiles à confier à des modèles propriétaires hébergés par des fournisseurs tiers. S'ajoute à cela la crainte d'une dépendance excessive à des plateformes dont les tarifs, les modèles ou les conditions d'accès aux API peuvent évoluer sans préavis, une inquiétude renforcée par plusieurs changements de stratégie récents et l'abandon de projets expérimentaux chez certains grands acteurs du secteur. Pour les directions informatiques, la promesse de Prime Intellect consiste précisément à reprendre la main sur les données et sur l'infrastructure, plutôt que de rester locataires d'un service externe. Cette approche répond à un besoin de différenciation concurrentielle. Un agent IA générique répond à des questions générales à partir de ses connaissances et des données fournies ponctuellement par l'utilisateur, tandis qu'un agent construit sur une infrastructure comme celle de Prime Intellect peut être connecté directement aux bases documentaires, aux feuilles de calcul et aux applications métiers d'une entreprise, avec un entraînement et un apprentissage par renforcement adaptés à son activité précise. La personnalisation devient alors un avantage difficile à répliquer, puisqu'elle repose sur des données propriétaires inaccessibles aux modèles généralistes. Cette tendance, déjà observée chez des startups spécialisées comme Harvey dans le juridique, s'inscrit dans un mouvement plus large de désintermédiation vis-à-vis des grands laboratoires d'IA, où les entreprises cherchent à sécuriser leur autonomie technologique tout en tirant parti des avancées des modèles ouverts et modulaires.

💬 Prime Intellect illustre un truc que je vois venir depuis un moment : les boîtes en ont marre de louer leur intelligence à OpenAI ou Anthropic, elles veulent la posséder. Un milliard de valorisation pour vendre de l'infra plutôt qu'un modèle, ça montre que le vrai avantage compétitif en 2026 c'est plus le LLM générique, c'est ce que tu branches dessus (tes docs, ton CRM, ton métier). Reste à voir si les boîtes qui se lancent là-dedans ont vraiment les équipes pour gérer ça, parce que l'infra IA maison, c'est un métier à part entière.

OpenAI : Sora coûtait un million de dollars par jour et a perdu la moitié de ses utilisateurs en un temps record

OpenAI a décidé de fermer Sora, son application de génération de vidéos par intelligence artificielle, après que le projet s'est révélé financièrement insoutenable. La plateforme consommait environ un million de dollars par jour en coûts de calcul, tout en perdant rapidement la moitié de ses utilisateurs actifs, une hémorragie qui a précipité la décision de la fermer. Lancé avec un positionnement très médiatisé fin 2024, Sora était présenté comme une démonstration de force technologique, capable de générer des vidéos réalistes à partir de simples descriptions textuelles. La fermeture illustre la tension croissante entre les projets de prestige et la réalité économique des modèles d'IA générative grand public. Générer de la vidéo reste computationnellement bien plus coûteux que le texte ou même les images, et l'engagement des utilisateurs n'a pas suivi les attentes. Pour OpenAI, qui brûle des milliards chaque année malgré des revenus en forte hausse, chaque dollar doit désormais justifier un retour mesurable, Sora ne remplissait plus ce critère. Les ressources dégagées seront redirigées vers les segments jugés prioritaires : l'assistance au code, les produits enterprise, et les agents IA autonomes, trois domaines où la monétisation est plus directe et les marges potentiellement meilleures. Ce pivot s'inscrit dans une stratégie plus large d'OpenAI pour atteindre la rentabilité avant une éventuelle introduction en bourse. Il signale aussi que la course aux démos spectaculaires cède la place à une logique de produits viables, une pression que ressentent désormais tous les acteurs du secteur.