J'ai créé deux applications sans clavier : les IDE sont-ils déjà obsolètes ?

Google dévoile AppFunctions pour connecter les agents IA aux applications Android

Google a dévoilé AppFunctions, une nouvelle fonctionnalité en bêta anticipée pour Android, conçue pour permettre aux agents d'intelligence artificielle d'interagir directement avec les applications installées sur l'appareil. L'initiative s'inscrit dans une vision que Google qualifie d'OS « agent-first » : plutôt que d'ouvrir des applications manuellement, l'utilisateur formule un objectif, et un agent IA orchestre les briques fonctionnelles exposées par les apps pour l'accomplir. Ce changement de paradigme redéfinit le rôle des applications mobiles : elles ne sont plus des interfaces autonomes, mais des fournisseurs de capacités que les assistants IA peuvent assembler à la demande. Concrètement, un utilisateur pourrait demander à son assistant de « réserver un restaurant et d'ajouter l'événement au calendrier » sans jamais toucher manuellement ces deux apps — l'agent s'en chargerait via leurs AppFunctions respectives. Pour les développeurs, cela implique d'exposer leurs fonctionnalités sous une nouvelle forme d'API destinée aux agents. Cette annonce s'inscrit dans la course que se livrent Apple, Google et Microsoft pour intégrer l'IA générative au cœur des systèmes d'exploitation. Apple a lancé Apple Intelligence avec des capacités similaires via les App Intents, tandis que Microsoft pousse Copilot dans Windows. Google, fort de son modèle Gemini, cherche à faire d'Android la plateforme de référence pour les agents autonomes sur mobile — un terrain stratégique alors que l'usage des LLM sur appareil progresse rapidement.

Créez des applications vocales en temps réel avec Amazon SageMaker AI et vLLM

Depuis novembre 2025, Amazon SageMaker AI propose un mode de streaming bidirectionnel pour l'inférence en temps réel, permettant aux développeurs de faire circuler des données en continu dans les deux sens entre leurs applications et les conteneurs de modèles. Mistral AI en est l'un des premiers bénéficiaires concrets : le modèle Voxtral-Mini-4B-Realtime-2602, conçu spécifiquement pour la transcription vocale en temps réel, peut désormais être déployé sur un endpoint SageMaker via un conteneur vLLM. Le framework open source vLLM, de son côté, expose une API dite Realtime accessible via WebSocket à l'adresse /v1/realtime, qui traite l'audio de façon incrémentale et renvoie les tokens de transcription au fur et à mesure que le son arrive, sans attendre la fin de l'enregistrement. SageMaker gère la traduction de protocole entre HTTP/2 côté client et WebSocket côté conteneur sur le port 8443, de façon transparente et sans configuration supplémentaire. L'enjeu est direct pour toute une classe d'applications professionnelles qui se heurtaient jusqu'ici à la latence inhérente aux architectures requête-réponse classiques : agents vocaux, sous-titrage en direct, analytique de centres d'appels, outils d'accessibilité. Dans ces contextes, attendre que l'intégralité d'un enregistrement soit reçue avant de lancer la transcription brise l'expérience temps réel. La nouvelle architecture permet une connexion full-duplex persistante : l'audio entre en continu, la transcription sort en continu. vLLM applique par ailleurs une exécution par graphe CUDA en morceaux pour réduire la latence par token lors du streaming, tandis que SageMaker assure le monitoring via Amazon CloudWatch, les keepalives WebSocket et la résilience de connexion sans instrumentation personnalisée. Cette évolution s'inscrit dans une tendance plus large de convergence entre infrastructure cloud managée et serving open source haute performance. Amazon a progressivement enrichi SageMaker pour couvrir des cas d'usage au-delà de l'inférence batch classique, et le support du streaming bidirectionnel représente une réponse directe à la montée des LLM multimodaux et des applications temps réel. Mistral AI, avec sa gamme Voxtral, positionne ses modèles compacts sur le segment de la voix embarquée et managée, en concurrence avec des solutions propriétaires comme Whisper d'OpenAI ou les API de Google Cloud Speech. Le fait que vLLM soit open source garantit aux équipes une maîtrise totale sur la configuration, la quantisation et la compilation des modèles, sans dépendance à un fournisseur de serving. Un dépôt GitHub accompagne le tutoriel pour reproduire le déploiement complet.

Softr lance une plateforme IA pour permettre aux équipes non techniques de créer des applications métier sans code

Softr, la plateforme no-code berlinoise utilisée par plus d'un million de créateurs et 7 000 organisations dont Netflix, Google et Stripe, a lancé ce mardi une nouvelle version qu'elle qualifie d'« AI-native » — un pari sur le fait que l'explosion des outils de création d'applications par IA a surtout produit des démonstrations impressionnantes, mais peu de logiciels métier réellement opérationnels. Le cœur de cette mise à jour est l'« AI Co-Builder » : l'utilisateur décrit en langage naturel l'application dont il a besoin, et la plateforme génère un système complet — base de données, interface, permissions et logique métier — connecté et prêt à déployer immédiatement. Mariam Hakobyan, cofondatrice et PDG de Softr, a présenté cette annonce en exclusivité à VentureBeat en amont du lancement. Ce positionnement cible une faille bien réelle du marché actuel. Les plateformes dites de « vibe coding » — Lovable, Bolt, Replit — ont capté l'attention des développeurs et des investisseurs en capital-risque depuis dix-huit mois, mais elles s'adressent mal aux milliards d'utilisateurs non techniques en entreprise qui ont besoin de logiciels opérationnels personnalisés sans pouvoir maintenir du code généré par IA quand il casse. « Un seul prompt peut casser dix étapes déjà complétées », explique Hakobyan. « On finit par maintenir quelque chose qu'on n'avait pas demandé. » Les outils qui génèrent du code brut laissent l'utilisateur face à une base de code illisible : connecter ces apps à des bases de données réelles ou à des systèmes d'authentification requiert souvent des intégrations techniques — Supabase, appels API — qui transforment l'utilisateur en développeur malgré lui. La réponse de Softr repose sur une architecture de « blocs de construction » pré-conçus — tableaux Kanban, vues liste, authentification, gestion des rôles — que l'IA assemble selon les besoins décrits, sans jamais générer de code libre. Après cinq ans passés à construire une infrastructure no-code contrainte et éprouvée, l'entreprise a superposé l'IA sur cette base stable, évitant ainsi le problème d'hallucination qui fragilise les générateurs de code. Ce lancement s'inscrit dans un moment charnière pour tout le secteur : la promesse du no-code se heurte depuis des années à la complexité des logiciels métier réels — portails clients, CRM internes, outils de gestion de stocks — qui exigent fiabilité et sécurité à chaque utilisation. Softr mise sur le fait que l'IA doit guider, pas générer, pour tenir cette promesse auprès des organisations qui n'ont ni le temps ni les ressources pour embaucher un développeur à chaque bug.

L'IA envahit les applications météo

Les grandes applications météo — de Weather.com à Météo-France en passant par AccuWeather et Apple Weather — intègrent désormais des modèles d'intelligence artificielle au cœur de leurs prévisions. Des systèmes comme GraphCast de Google DeepMind, Pangu-Weather de Huawei ou Aurora de Microsoft ont démontré en 2023-2024 qu'ils pouvaient rivaliser, voire surpasser, les modèles numériques traditionnels comme l'ECMWF européen sur certains horizons de prévision — notamment à 10 jours. Ces outils s'entraînent sur des décennies de données atmosphériques et produisent des prévisions en quelques secondes là où les anciens modèles nécessitaient des heures de calcul. Pour les utilisateurs, l'impact est concret : des prévisions potentiellement plus précises sur la trajectoire des tempêtes, les épisodes de chaleur ou les précipitations localisées. Mais la façon dont cette technologie est présentée varie considérablement d'une application à l'autre — certaines mettent en avant l'IA comme argument marketing sans transparence sur la méthode, d'autres l'intègrent silencieusement dans leur pipeline. Cette vague s'inscrit dans une compétition intense entre géants tech et acteurs météo historiques. Les agences gouvernementales comme la NOAA ou Météo-France développent leurs propres modèles hybrides, tandis que des startups spécialisées attirent des financements importants. La question centrale reste celle de la fiabilité dans les cas extrêmes — là où les enjeux de sécurité publique sont les plus élevés.

💬 GraphCast tourne en quelques secondes là où l'ECMWF mettait des heures, c'est quand même une claque technique. Bon, sur les cas extrêmes, la vraie question de fiabilité reste ouverte, et je vois déjà les applis balancer "propulsé par l'IA" sans dire si c'est du sérieux ou du marketing. Ce qui me plaît, c'est que Météo-France joue le jeu plutôt que de laisser Google et Microsoft prendre le terrain tout seuls.