Aller au contenu principal
Le Fil IA
Le Fil IAL'actu IA, décodée
ChatGPT peut désormais vous localiser pour de meilleures recommandations
OutilsBlog du Modérateur6sem

ChatGPT peut désormais vous localiser pour de meilleures recommandations

Résumé IASource uniqueImpact UE
Source originale ↗·

OpenAI a commencé à déployer une nouvelle fonctionnalité de partage de localisation dans ChatGPT, permettant à l'assistant d'accéder à la position géographique précise de l'appareil de l'utilisateur. Concrètement, lorsqu'un utilisateur pose une question nécessitant un contexte local — recommandations de restaurants, météo, événements à proximité, horaires de commerces — ChatGPT peut désormais utiliser ces coordonnées en temps réel plutôt que de se fier à une ville déclarée manuellement ou à des indices textuels.

Cette évolution change substantiellement l'utilité de ChatGPT pour les requêtes du quotidien. Jusqu'ici, l'assistant devait demander à l'utilisateur de préciser sa localisation, introduisant une friction qui le désavantageait face à des assistants vocaux comme Siri ou Google Assistant, nativement intégrés au système. Avec l'accès GPS, ChatGPT peut concurrencer directement ces outils sur le terrain des usages locaux et mobiles.

Cette fonctionnalité s'inscrit dans une stratégie plus large d'OpenAI visant à transformer ChatGPT en assistant personnel polyvalent, capable de répondre à des besoins contextuels sans configuration préalable. La question de la confidentialité reste centrale : OpenAI devra préciser comment ces données de localisation sont stockées, utilisées et si elles alimentent l'entraînement des modèles — un sujet sensible à l'heure où les régulateurs européens scrutent de près les pratiques des grands acteurs de l'IA.

Impact France/UE

Les autorités européennes devront examiner la conformité de cette collecte de données de localisation au RGPD, notamment sur le stockage et l'usage potentiel pour l'entraînement des modèles.

Dans nos dossiers

OpenAIApple Intelligence

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

Algorithmes de recommandation dans l’iGaming : comment les plateformes utilisent les données pour personnaliser le contenu
1Le Big Data 

Algorithmes de recommandation dans l’iGaming : comment les plateformes utilisent les données pour personnaliser le contenu

Les plateformes de jeux en ligne (iGaming) déploient depuis plusieurs années des algorithmes de recommandation sophistiqués pour guider les joueurs vers des jeux, des bonus et des fonctionnalités adaptés à leur profil. Ces systèmes reposent sur trois grandes catégories de données : comportementales (clics, temps de session, navigation), transactionnelles (montants misés, historique des dépôts) et contextuelles (type d'appareil, heure de connexion). À partir de ces signaux, les plateformes construisent des indicateurs individuels, fréquence de jeu, jeux préférés, taille moyenne des mises, qui alimentent des modèles d'apprentissage automatique capables de proposer des suggestions de plus en plus précises au fil du temps. Trois familles d'algorithmes dominent le secteur : le filtrage basé sur le contenu, qui recommande des titres similaires à ceux déjà appréciés ; le filtrage collaboratif, qui s'appuie sur les comportements d'utilisateurs aux profils proches pour introduire de la diversité ; et les systèmes hybrides, qui combinent les deux approches et intègrent parfois des règles manuelles pour mettre en avant des nouveautés ou des promotions actives. L'impact de ces systèmes est direct et mesurable : en réduisant le temps que le joueur passe à chercher un jeu adapté, les plateformes augmentent l'engagement et la rétention. Les utilisateurs voient des recommandations cohérentes avec leurs habitudes dès leur connexion, sans avoir à parcourir un catalogue de plusieurs centaines de titres. Certaines plateformes ont poussé la logique plus loin en adoptant des systèmes adaptatifs en temps réel, capables d'ajuster les suggestions en cours de session selon les signaux immédiats. Cette personnalisation fine génère un avantage concurrentiel significatif, mais elle soulève aussi des questions sur l'équilibre à trouver entre pertinence commerciale et responsabilité vis-à-vis des joueurs, notamment ceux présentant des comportements à risque. Le développement de ces technologies dans l'iGaming suit la trajectoire déjà tracée par le e-commerce et les plateformes de streaming, qui ont démontré depuis longtemps l'efficacité de la recommandation personnalisée pour augmenter le temps passé et les conversions. Pour les opérateurs de jeux en ligne, l'enjeu est double : affiner continuellement leurs modèles pour rester compétitifs face à des marchés très saturés, et gérer la conformité réglementaire dans des juridictions qui encadrent de plus en plus strictement l'usage des données personnelles dans ce secteur. En parallèle, des acteurs externes comme les comparateurs de bonus continuent d'exister en complément, répondant au besoin des joueurs de disposer d'un regard indépendant avant de s'engager sur une plateforme donnée.

UELes opérateurs de jeux en ligne actifs en France sont soumis à la réglementation de l'ANJ et au RGPD, qui encadrent strictement l'usage des données personnelles à des fins de personnalisation comportementale.

OutilsOutil
1 source
Désormais, les développeurs peuvent soumettre des applications pour ChatGPT
2OpenAI Blog 

Désormais, les développeurs peuvent soumettre des applications pour ChatGPT

Les développeurs peuvent désormais soumettre des applications à ChatGPT pour examen et publication, qui apparaîtront dans un nouveau répertoire intégré. Des outils, des lignes directrices et le SDK des applications ont été mis à jour pour aider les développeurs à créer des expériences natives de chat puissantes intégrant des actions du monde réel.

OutilsActu
1 source
3VentureBeat AI 

Von recommande tous les grands modèles IA pour l'analyse des revenus, et automatise leur combinaison

Von, une nouvelle plateforme d'intelligence artificielle lancée par l'équipe derrière Rattle, une startup spécialisée dans l'automatisation des processus, s'attaque à un paradoxe bien connu dans les entreprises tech : si les outils comme Claude Code ou Cursor ont radicalement transformé le quotidien des développeurs, les équipes commerciales restent, elles, prisonnières de silos de données, de saisies manuelles dans les CRM et de reportings approximatifs. Fondée par Sahil Aggarwal, Von se positionne non pas comme une solution ponctuelle supplémentaire, mais comme une "couche d'intelligence" unifiée pour les équipes Go-To-Market. La plateforme commence par construire un "graphe de contexte" de l'entreprise en ingérant des données structurées issues de CRM comme Salesforce et HubSpot, ainsi que des données non structurées provenant d'enregistreurs d'appels (Gong, Zoom, Chorus), de fils de messagerie et de documentation interne. Elle s'appuie ensuite sur une architecture multi-modèles : Claude d'Anthropic pour le raisonnement de haut niveau, ChatGPT pour le traitement massif de données, et Gemini de Google pour la génération de contenus créatifs comme les présentations et rapports. Lors d'une démonstration, Von a analysé 101 comptes PME pour identifier les risques de désabonnement en un peu plus de trois minutes, une tâche qu'un analyste humain effectuerait en une à deux semaines. L'enjeu est considérable pour les opérations commerciales. L'un des problèmes chroniques des équipes de vente est l'écart entre ce qui est enregistré dans un CRM et ce qui s'est réellement dit lors d'un appel client. Von résout ce problème en croisant automatiquement les transcriptions d'appels avec les données Salesforce, permettant d'identifier des incohérences dans les raisons de pertes de deals ou d'évaluer la santé d'une opportunité commerciale sur la base du sentiment réel exprimé, et non d'une mise à jour manuelle d'un commercial. La plateforme génère également des fiches de briefing pré-appel, des analyses de victoires et défaites commerciales regroupées par thèmes, et automatise les tâches administratives Salesforce à faible valeur ajoutée. En agissant comme un "Data Scientist IA" ou un "VP RevOps" virtuel, Von promet de libérer les équipes des tâches de reporting répétitives pour les recentrer sur la vente. Ce positionnement s'inscrit dans une tendance plus large de l'IA d'entreprise : après avoir conquis les workflows techniques, les grandes plateformes cherchent à s'implanter dans les fonctions commerciales et opérationnelles, historiquement moins automatisées. Von hérite de l'expertise de Rattle dans l'intégration des outils de vente, ce qui lui confère une connaissance fine des flux de données GTM. Le choix d'une stratégie "mixture of models" plutôt que d'un modèle unique reflète une maturité technique croissante dans l'industrie, où l'optimisation coût-performance dicte désormais l'architecture des solutions. La prochaine étape pour Von sera de démontrer sa capacité à s'imposer face à des acteurs établis comme Clari, Gong ou Salesforce Einstein dans un marché de l'intelligence des revenus déjà très concurrentiel et en pleine consolidation.

OutilsOutil
1 source
4The Verge AI 

Google Gemini peut désormais répondre à vos questions avec des modèles 3D et des simulations

Google a dévoilé une nouvelle fonctionnalité pour son assistant Gemini permettant de générer des modèles 3D interactifs et des simulations en réponse aux questions des utilisateurs. Concrètement, lorsqu'un utilisateur pose une question sur un phénomène physique ou scientifique, Gemini peut désormais produire une représentation tridimensionnelle animée, accompagnée de commandes permettant de la manipuler en temps réel : rotation du modèle, curseurs pour ajuster des paramètres, boutons pour mettre en pause ou masquer certains éléments visuels. Lors d'un test rapporté par The Verge, un utilisateur a demandé une simulation de la Lune orbitant autour de la Terre, et Gemini a généré un modèle 3D complet avec un curseur pour contrôler la vitesse de l'orbite, une option pour masquer la trajectoire et un bouton de pause. Cette évolution représente un changement notable dans la façon dont les IA conversationnelles transmettent l'information. Plutôt que de se limiter à du texte ou des images statiques, Gemini ouvre la voie à une pédagogie interactive, particulièrement utile pour l'enseignement des sciences, de la physique ou de l'astronomie. Les enseignants, étudiants et professionnels pourront explorer des concepts complexes de manière intuitive, sans recourir à des logiciels spécialisés. Cette fonctionnalité s'inscrit dans la course que se livrent les grands acteurs de l'IA générative pour différencier leurs produits au-delà du simple chat textuel. Google, qui fait face à une concurrence intense d'OpenAI et d'Anthropic, cherche à positionner Gemini comme un assistant multimodal de référence. La capacité à produire des visualisations dynamiques et paramétrables pourrait devenir un avantage décisif, notamment dans les secteurs éducatif et scientifique.

UELes utilisateurs européens de Gemini peuvent dès maintenant exploiter cette fonctionnalité pour l'enseignement scientifique et la vulgarisation, sans nécessiter de logiciels spécialisés.

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