ChatGPT arrive dans Apple CarPlay ! Voici comment l’IA va changer vos trajets

Google Vids s'enrichit de l'IA avec les modèles Veo et Lyria, et des avatars pilotables

Google a annoncé une mise à jour majeure de son outil de création vidéo Google Vids, intégrant ses derniers modèles d'IA générative, dont Veo 3.1 pour la vidéo et Lyria pour l'audio. Le modèle Veo 3.1, déployé en premier sur Gemini fin 2025, promet des améliorations significatives en termes de réalisme et de cohérence visuelle. L'outil propose désormais des avatars IA directables — des personnages numériques contrôlables qui peuvent apparaître dans les vidéos générées — ainsi qu'une intégration facilitée avec YouTube pour le partage de contenus. Les vidéos produites durent huit secondes et sont rendues en résolution 720p. L'accès à ces fonctionnalités reste plafonné selon le niveau d'abonnement : les utilisateurs sans abonnement IA n'obtiennent que 10 générations vidéo par mois, les abonnés AI Pro en ont 50, tandis que les clients du plan AI Ultra — personnel ou entreprise, le plus coûteux de Google — bénéficient de 1 000 générations mensuelles. Ce modèle économique positionne Google Vids comme un outil grand public et professionnel à la fois, ciblant des usages concrets comme la création de flyers animés, de vidéos de présentation commerciale ou de cartes de vœux vidéo. Cette mise à jour intervient dans un contexte de vive concurrence sur le marché de la vidéo générative, où OpenAI a récemment restreint ses ambitions dans ce domaine. Google, au contraire, accélère le déploiement de Veo dans ses produits grand public, après l'avoir d'abord présenté comme un outil destiné aux cinéastes professionnels. Le glissement vers des cas d'usage plus accessibles illustre la stratégie de Google pour monétiser ses capacités d'IA via Google One et Workspace, tout en cherchant à ancrer ses modèles dans les habitudes quotidiennes des utilisateurs face à des concurrents comme Adobe, Canva ou Runway.

Passer de ChatGPT à Gemini sans repartir de zéro

Google a lancé une fonctionnalité permettant aux utilisateurs de ChatGPT de migrer leur historique de conversations, leurs préférences et leurs souvenirs personnalisés directement vers Gemini, sans repartir de zéro. Concrètement, la procédure passe par les paramètres de Gemini, où une option d'importation permet de connecter son compte OpenAI et de transférer les données stockées, y compris les instructions personnalisées et les mémos que l'assistant avait mémorisés au fil du temps. Ce type de portabilité représente un changement significatif dans la manière dont les assistants IA cherchent à fidéliser ou à attirer des utilisateurs. Jusqu'ici, changer d'outil signifiait tout réapprendre à son assistant : habitudes de travail, ton préféré, contexte professionnel. En supprimant ce frein, Google abaisse concrètement le coût du changement pour les millions d'utilisateurs de ChatGPT, notamment les abonnés Plus qui ont construit une base de mémoire sur plusieurs mois. La bataille pour la rétention des utilisateurs d'IA s'intensifie alors qu'OpenAI, Google et Anthropic se disputent les mêmes professionnels et créateurs. Google avait déjà intégré Gemini dans Workspace, mais la portabilité des données personnalisées constitue un argument nouveau. Cette fonctionnalité pourrait aussi pousser OpenAI à proposer des options d'export plus complètes, et alimenter le débat réglementaire autour de l'interopérabilité des données entre plateformes d'IA.

💬 Google qui joue la carte de la portabilité, c'est un coup bien pensé. Ça fait des mois qu'on sait que la vraie valeur d'un assistant, c'est pas le modèle, c'est tout ce qu'on lui a appris sur nous. Reste à voir si les souvenirs importés survivent vraiment au transfert, ou si c'est juste un argument marketing pour faire parler d'un Gemini qui peine encore à convaincre sans béquilles.

Strands Evals : simuler des utilisateurs réalistes pour évaluer les agents IA multi-tours

Amazon a publié dans son SDK Strands Evaluations une fonctionnalité appelée ActorSimulator, destinée à automatiser l'évaluation des agents IA dans des conversations multi-tours. Contrairement aux tests à tour unique — où l'on fournit une entrée, on collecte une sortie et on juge le résultat — les interactions réelles s'étendent sur plusieurs échanges : l'utilisateur pose des questions de suivi, change de direction ou exprime sa frustration face à des réponses incomplètes. Un assistant de voyage qui gère correctement "Réserve-moi un vol pour Paris" peut échouer lorsque le même utilisateur enchaîne avec "En fait, peut-on regarder les trains ?" ou "Qu'en est-il des hôtels près de la tour Eiffel ?". L'ActorSimulator permet de générer des utilisateurs simulés avec des personas structurés et des objectifs définis, puis de les laisser converser naturellement avec un agent sur plusieurs tours, à grande échelle. L'enjeu est considérable pour les équipes qui développent des agents conversationnels en production. Conduire manuellement des centaines de conversations multi-tours à chaque modification d'un agent est insoutenable, et les jeux de données statiques d'entrées/sorties ne capturent pas la dynamique réelle : la "bonne" prochaine question de l'utilisateur dépend entièrement de ce que l'agent vient de répondre. Les approches artisanales consistant à demander à un LLM de "jouer l'utilisateur" sans définition structurée du persona produisent des résultats incohérents d'une exécution à l'autre, rendant impossible la détection fiable de régressions. L'ActorSimulator répond à ce problème en combinant le réalisme d'une conversation humaine avec la reproductibilité et l'échelle des tests automatisés. Ce développement s'inscrit dans une tendance plus large de l'industrie à professionnaliser l'évaluation des agents IA, à mesure que ceux-ci quittent les démos pour entrer dans des usages critiques. AWS positionne Strands Evaluations comme une infrastructure d'évaluation systématique, comparable aux simulateurs de vol ou aux moteurs de jeu qui testent des millions de comportements avant déploiement. La difficulté fondamentale réside dans la croissance combinatoire des chemins de conversation : plus les capacités d'un agent s'étoffent, plus le nombre de scénarios possibles explose au-delà de ce que des équipes humaines peuvent explorer. En permettant la simulation structurée de personas avec des objectifs explicites et un suivi de progression, Strands Evals vise à offrir aux équipes d'évaluation un outil comparable à ce que les testeurs de logiciels ont dans d'autres disciplines d'ingénierie, avec des résultats comparables dans le temps.

Penguin Ai lance Gwen, un assistant numérique sur mesure pour la santé

Penguin AI a lancé Gwen, une plateforme d'intelligence artificielle personnalisable destinée aux opérations de santé. Conçue pour permettre aux organisations du secteur de créer, déployer et faire évoluer des assistants numériques, Gwen propose dès son lancement une bibliothèque de plus de 100 modules préconfigurés couvrant des tâches aussi variées que le codage rétrospectif HCC, la gestion des autorisations préalables, la synthèse de documents cliniques ou la vérification d'éligibilité des patients. Pour les besoins plus spécifiques, l'outil Gwen Studio permet à n'importe quel utilisateur de concevoir ses propres flux de travail à partir d'une simple instruction, et de passer d'une idée à une application opérationnelle en moins de 25 minutes. La plateforme est disponible immédiatement sur le site de Penguin AI, avec une version gratuite accessible sans engagement commercial ni paiement initial. Le secteur de la santé souffre depuis longtemps d'un décalage structurel entre les outils disponibles et la réalité du terrain. Les équipes administratives sont contraintes de travailler avec des solutions rigides qui ne s'adaptent pas à la diversité des situations rencontrées : un codeur médical qui repère une opportunité de classification simple est soumis aux mêmes processus de vérification qu'un cas complexe, ce qui ralentit les opérations. Les profils techniques, data scientists en tête, se heurtent à un autre obstacle : même capables de concevoir rapidement un agent adapté à une nouvelle politique d'un organisme payeur, ils ne disposent pas d'une plateforme capable de gérer le contexte clinique nécessaire, laissant leur expertise sous-exploitée. Gwen vise précisément à combler ce fossé, en donnant aux analystes et développeurs une solution immédiatement déployable, sans passer par de longues procédures d'autorisation. Ce qui distingue Gwen des solutions généralistes est son approche de la transparence : chaque résultat produit s'accompagne d'une explication du raisonnement clinique utilisé, permettant aux professionnels de comprendre comment une décision a été prise et de garder le contrôle à chaque étape. Cette caractéristique est à double tranchant. Une étude arXiv menée auprès de 257 étudiants en médecine sur 3 855 diagnostics montre que les explications d'une IA correcte améliorent la précision de 6,3 points, mais que lorsque l'IA se trompe dans son raisonnement, la précision chute de 4,9 points, ce qui concerne 27 % des situations. En cause : les IA modernes produisent des explications convaincantes même lorsqu'elles sont dans l'erreur, ce qui peut entraîner les cliniciens vers de mauvaises décisions. Penguin AI s'inscrit dans un marché de l'IA de santé en forte croissance, où la promesse d'automatisation des tâches administratives se heurte encore à des questions de fiabilité et de responsabilité médicale que les acteurs du secteur n'ont pas encore pleinement résolues.