Dossier Meta IA — page 4

L’industrie de l’IA plaide pour les modèles ouverts, la liste des signataires s’allonge

Moonshot AI doit publier ce 27 juillet les poids de son modèle Kimi K3, dans un contexte où Washington cherche à protéger les modèles fermés des géants américains face à la concurrence chinoise open source. Une lettre ouverte, publiée en amont de cette échéance, défend les modèles à poids ouverts et rassemble des signataires de poids : NVIDIA, Microsoft, Mozilla, Meta, Mistral, Hugging Face, Perplexity, Palantir, Dell, IBM, la Linux Foundation, Box ou encore CrowdStrike, pour une liste initiale de 25 organisations. Jensen Huang, patron de NVIDIA, y a publié son tout premier message sur X, affirmant que ces modèles « renforcent la sûreté et la cybersécurité, accélèrent l'innovation et sa diffusion, et favorisent la souveraineté », tout en jugeant que l'industrie a besoin à la fois de modèles fermés de pointe et de modèles ouverts de pointe. Le texte défend aussi la distillation, technique consistant à exploiter les réponses d'un modèle pour en entraîner un autre, présentée comme une pratique légitime et courante plutôt que comme du vol. Cette prise de position pèse directement sur l'accès à l'IA pour les entreprises, universités, administrations et startups, qui peuvent ainsi utiliser des modèles performants sans les entraîner elles-mêmes ni payer des licences coûteuses, tout en gardant un contrôle total sur leurs données en les exécutant en interne. Pour l'écosystème, cela réduit la dépendance à une poignée de fournisseurs américains et renforce la souveraineté technologique de nombreux pays, en particulier européens. Mais la lettre reconnaît aussi les limites de l'ouverture : une fois publiés, les poids échappent au contrôle de leurs concepteurs, qui ne peuvent empêcher leur usage, leur copie ou leur modification, avec un risque accru d'attaques informatiques ou de contenus trompeurs, sans compter le besoin d'une infrastructure solide pour les exploiter en sécurité. Le débat prend une tournure géopolitique directe puisque la Maison-Blanche accuse précisément Kimi K3 d'avoir été distillé à partir de Fable 5, une accusation que les signataires jugent devoir être traitée par des règles juridiques ciblées plutôt que par une interdiction générale de la distillation, jugée essentielle au progrès des LLM. Le week-end suivant la publication de la lettre, le nombre de signataires a triplé avec l'arrivée d'OpenAI, Google et AMD, signe que le clivage entre modèles ouverts et fermés dépasse désormais les postures habituelles et engage les plus grands acteurs du secteur dans un même camp face aux restrictions envisagées à Washington.

💬 Ce qui me frappe, c'est que la liste des signataires efface d'un coup les postures habituelles : NVIDIA, Meta, Mistral, Hugging Face, puis OpenAI et Google qui rejoignent le mouvement le week-end suivant, ça n'arrive jamais de voir ces boîtes-là dans le même camp. Sur le papier, l'argument souveraineté tient la route, l'Europe a intérêt à des poids qu'elle peut auditer et héberger chez elle plutôt que louer un accès API. Mais l'accusation de distillation contre Kimi K3 montre où ça va vraiment se jouer : pas sur les grands principes de la lettre, sur des procès ciblés modèle par modèle. Selon Le Fil IA, le clivage ouvert/fermé a fini par mettre d'accord des rivaux qui ne s'accordent jamais sur rien d'autre. Une chose à vérifier avant publication : le résumé fourni affirme que la Maison-Blanche accuse Kimi K3 d'avoir été distillé à partir de « Fable 5 ». Ce nom ne correspond à aucun modèle public connu de moi (ça ressemble à un nom de code interne, pas à un modèle commercial comme GPT ou Gemini), vérifie la source Next INpact avant de publier, ça sent l'erreur ou la confusion de nom de modèle.

Meta vend une IA optimiste sur fond de fin du monde

Meta a lancé une nouvelle campagne publicitaire vantant les bienfaits de l'intelligence artificielle, affirmant que la technologie rapprochera les humains plutôt que de les isoler. Le spot reprend la chanson « Five Years » de David Bowie, un titre qui évoque pourtant la fin du monde, ironie relevée notamment par TechCrunch. Mark Zuckerberg a relayé le message sur Facebook, expliquant qu'à l'aube de cette « nouvelle ère de l'IA », l'entreprise veut donner à chacun les outils pour réaliser son potentiel et faire profiter tout le monde des bénéfices de la technologie. Ce discours s'inscrit dans la continuité de sa vision de « superintelligence personnelle », un projet qui se matérialise notamment via les lunettes connectées développées avec EssilorLuxottica et embarquant l'assistant Meta AI. Dans le même temps, Meta continue d'investir massivement dans l'IA, comme l'ensemble des grands acteurs du secteur. Ce message optimiste tranche avec l'image dégradée dont souffre l'industrie de l'IA générative auprès du public. OpenAI est régulièrement décrit comme dirigé de façon erratique, Anthropic multiplie les avertissements alarmistes sur les risques existentiels, et xAI a été critiqué pour avoir dissimulé le recours massif à des turbines à gaz pour alimenter son centre de données géant. À cela s'ajoutent une économie qui concentre des centaines de milliards de dollars entre les mains d'une poignée de dirigeants, une flambée des prix des composants mémoire qui renchérit ordinateurs et consoles, un tropisme militaire assumé des laboratoires, l'impact environnemental des datacenters, l'utilisation massive d'œuvres protégées pour l'entraînement des modèles, et la hausse des prix de l'énergie, souvent avec le soutien actif des gouvernements. Pour les lunettes Meta elles-mêmes, la réputation se dégrade aussi : des utilisateurs trafiquent la diode lumineuse censée signaler un enregistrement en cours pour filmer à l'insu d'autrui, alimentant des vidéos de caméra cachée douteuses sur les réseaux sociaux. Face à ces dérives, Meta a annoncé vouloir renforcer les protections contre le contournement de la diode d'enregistrement, sans garantie que d'autres méthodes de triche n'émergent. Instagram, dirigé par Adam Mosseri, a de son côté durci sa position sur ces usages abusifs. Le paradoxe reste net : alors que Meta communique sur une IA au service de l'humanité, l'entreprise cherche aussi à intégrer discrètement des fonctions de reconnaissance faciale à ses lunettes et envisagerait un système d'enregistrement permanent, ce qui alimente les craintes d'une surveillance généralisée plutôt que d'un outil de libération individuelle.

Bonne nouvelle pour les parents ! Meta AI pourra bientôt les alerter si leur ado est en danger

Meta a annoncé le 16 juillet 2026 une nouvelle fonctionnalité baptisée « Parent Alerts », qui permettra d'alerter les parents lorsqu'un adolescent échange avec Meta AI des propos évoquant des idées suicidaires ou un risque d'automutilation. L'entreprise a développé un système d'intelligence artificielle dédié pour repérer ce type de conversations à risque. Concrètement, si l'IA détecte un signal préoccupant, la conversation signalée est ensuite examinée par une équipe humaine avant qu'une notification ne soit envoyée aux parents, accompagnée de ressources et de recommandations pour réagir de façon adaptée. Le déploiement débute aux Etats-Unis, au Royaume-Uni, au Canada et en Australie, réservé pour l'instant aux familles utilisant le contrôle parental d'Instagram, avant une extension mondiale prévue d'ici la fin de l'année 2026. Cette fonctionnalité répond à un constat difficile à ignorer pour les parents : les adolescents se confient de plus en plus à des agents conversationnels lors de moments de détresse, parfois autant qu'à leurs proches ou à un journal intime. Meta cherche donc à transformer cet usage en filet de sécurité plutôt qu'en angle mort. L'entreprise assume une logique de prudence maximale : même quand l'examinateur humain juge les intentions de l'adolescent ambiguës, une alerte peut tout de même être envoyée aux parents, au nom du principe qu'il vaut mieux prévenir à tort que laisser passer une situation réellement dangereuse. Ce choix illustre l'équilibre délicat que Meta tente de trouver entre protection des mineurs et respect de leur vie privée, un sujet qui suscite régulièrement des débats autour des outils de contrôle parental. Cette annonce s'inscrit dans un mouvement plus large de l'industrie vers une IA conversationnelle dotée de garde-fous de sécurité mentale. Meta travaille déjà sur une extension encore plus sensible : une fonctionnalité capable de contacter directement les services d'urgence si une conversation avec Meta AI laisse penser qu'un utilisateur, mineur ou adulte, est en danger imminent, bien qu'aucune date de lancement n'ait été communiquée. Cette initiative fait écho à celle d'OpenAI, qui avait lancé en mai 2026 la fonction « Contact de confiance » sur ChatGPT, permettant à un utilisateur de désigner une personne à prévenir en cas de risque suicidaire détecté. En parallèle, Meta élargit aussi son option « Contenu limité » aux échanges avec son IA sur Instagram. Ces annonces successives montrent que les grands acteurs de l'IA générative considèrent désormais la détresse psychologique des utilisateurs, et particulièrement des adolescents, comme un enjeu de sécurité produit à part entière, et non plus comme un simple sujet périphérique.

« Nous avons peut-être 20 mois » pour rebâtir face aux agents IA, selon la VP infrastructure de Meta à VB Transform 2026

Meta doit reconstruire son infrastructure pour un monde ou les agents IA, et non plus les humains, deviennent les principaux utilisateurs des systemes de donnees. C'est le message qu'a livre Barak Yagour, vice-president ingenierie charge de l'infrastructure de donnees chez Meta, lors de sa keynote a VB Transform 2026, ou il est monte sur scene avec des lunettes Ray-Ban Meta AI sur le nez. Selon lui, les requetes agentiques touchant les systemes de donnees de Meta ont ete multipliees par 30 en un seul semestre, un renversement qui bouscule des hypotheses batties depuis vingt ans. Ce phenomene depasse largement Meta : le trafic automatise a depasse le trafic humain sur internet des l'an dernier, atteignant 51% du total selon le rapport 2025 Bad Bot d'Imperva, et il croit environ huit fois plus vite que le trafic humain d'apres le rapport 2026 sur le trafic IA de HUMAN Security. Yagour identifie trois piliers qui vacillent simultanement : la capacite, l'identite et la vitesse. Sur la capacite, un seul ingenieur peut desormais faire tourner dix agents, chacun generant des sous-agents, de sorte qu'une organisation de 1000 personnes peut produire une charge equivalente a 100 000 utilisateurs du jour au lendemain. Sur l'identite, un agent ne correspond a aucune categorie existante des controles d'acces : ni utilisateur humain avec badge, ni service deploye classique, alors qu'il prend des decisions de maniere autonome. Sur la vitesse, Yagour cite le chiffre selon lequel GitHub Copilot redige 46% du code moyen d'un utilisateur, tout en rappelant que ce code doit encore etre teste, deploye et surveille, un pipeline CI/CD qui ne s'accelere pas simplement parce que l'auteur est une machine. Cette transformation a des consequences concretes pour toutes les entreprises qui integrent des agents IA dans leurs operations. Plutot que de bloquer le trafic genere par les agents, Yagour preconise de rendre l'infrastructure elle-meme consciente de leur presence, avec des controles dynamiques capables de comprendre les hierarchies d'agents, une attribution des couts qui remonte jusqu'au cas d'usage a l'origine, et un throttling adaptatif selon la priorite. L'enjeu depasse la seule performance technique : il s'agit de repenser la gouvernance a l'heure ou les analystes humains, qui servaient traditionnellement de filtre informel entre donnees brutes et decisions metier, sont progressivement remplaces par des systemes automatises. Chez Meta, cette bascule s'est deja traduite concretement : en fevrier, l'entreprise a lance ses "agentic data apps", et en seulement trois mois, 63% des tableaux de bord publies en interne ont ete construits avec ces nouveaux outils, portes par la meme croissance de 30x des requetes agentiques. Face au risque de chaos que representerait une autonomie sans garde-fous, Meta a mis en place des "environnements de donnees de confiance" : les agents peuvent y explorer librement les donnees, mais chaque resultat produit reste tracable jusqu'a sa source et fait l'objet d'un controle, avec un masquage systematique des champs sensibles avant diffusion. Pour Yagour, l'urgence est reelle : les organisations disposeraient d'environ vingt mois pour operer cette transition avant que l'ecart avec les infrastructures pensees pour les humains ne devienne intenable.

💬 Vingt mois, ça fait un chiffre qui va piquer pas mal de DSI qui pensaient avoir encore le temps. Le vrai basculement, ce n'est pas la charge, c'est l'identité : le goulot d'étranglement de l'IA agentique, c'est qu'on n'a toujours pas inventé le badge d'accès pour un agent, qui ne rentre ni dans la case utilisateur ni dans la case service. Reste à voir si les "environnements de confiance" de Meta tiennent en prod, parce que sur le papier c'est propre, mais tracer chaque résultat jusqu'à sa source à l'échelle de milliers d'agents, ça va coûter cher en ingénierie avant de coûter cher en compute.

Muse Image sous le feu des critiques : Meta fait machine arrière dans Instagram

Instagram vient de suspendre l'une des fonctionnalités les plus controversées de son nouveau générateur d'images par intelligence artificielle, Muse Image. Dévoilé par Meta le 8 juillet, cet outil intégré au chatbot Meta AI permettait aux utilisateurs d'Instagram de créer, modifier ou fictionnaliser des images, avec des options allant de simples filtres à des transformations complètes, comme donner à une photo l'apparence de pâte à modeler. Sa fonctionnalité la plus problématique autorisait aussi la représentation d'autres internautes à partir d'une simple mention de leur identifiant Instagram. Le système fonctionnait par défaut en opt-out : les utilisateurs étaient automatiquement inscrits, et ne pouvaient s'y soustraire qu'en allant modifier manuellement leurs paramètres, dans l'onglet « Partages et réutilisations ». Face à la controverse, Meta a annoncé le 10 juillet la suspension de cette possibilité de faire figurer d'autres utilisateurs dans les images générées. Ce 13 juillet, l'entreprise a également modifié la formulation de ses paramètres, qui proposaient encore vendredi d'« autoriser la réutilisation de votre contenu sur Instagram et avec les fonctionnalités IA de Meta », pour ne plus mentionner que la réutilisation générale du contenu. Cette marche arrière illustre les risques que ce type d'outil fait peser sur la vie privée et le droit à l'image de millions d'utilisateurs, à commencer par les artistes graphiques qui utilisent massivement Instagram pour diffuser leur travail et qui se retrouvaient exposés à une réutilisation non consentie de leurs créations. Des voix influentes se sont mobilisées contre le dispositif, dont l'actrice Hannah Einbinder, révélée par la série Hacks, et le syndicat américain des acteurs SAG-AFTRA, qui a dénoncé publiquement toute modalité autre qu'un choix explicite d'opt-in comme « inacceptable » et révélatrice d'une « incompréhension totale » des dangers associés à ce genre de fonctionnalité. Le précédent le plus frappant reste la vague de deepfakes pornographiques qui avait submergé X à l'hiver 2025, après le déploiement d'outils similaires sur la plateforme d'Elon Musk, un épisode qui plane désormais sur toute nouvelle initiative de génération d'images à partir de photos réelles d'utilisateurs. Meta justifie sa décision en expliquant vouloir offrir un « outil créatif utile » tout en laissant le contrôle aux utilisateurs sur la réutilisation de leur contenu public, tout en reconnaissant que la fonctionnalité n'a « pas répondu aux attentes ». L'épisode s'inscrit dans un contexte plus large de course effrénée des géants technologiques à intégrer l'IA générative dans leurs réseaux sociaux, souvent au détriment d'une réflexion approfondie sur le consentement et les droits d'auteur. Reste à savoir si Meta reviendra un jour sur cette fonctionnalité avec un modèle de consentement plus strict, ou si la pression publique et syndicale aura durablement enterré le projet.

💬 Meta recule, mais uniquement après que SAG-AFTRA et une actrice connue se soient mobilisées, pas parce que le design opt-out posait un problème évident en interne. C'est ça le vrai signal : chez les géants, le consentement par défaut reste une variable d'ajustement produit, pas un principe, tant que personne d'influent ne crie. Reste à voir si Meta relance un jour la fonctionnalité en opt-in strict, ou si elle l'enterre discrètement une fois la controverse retombée.

Trois graphiques montrent comment xAI, Meta et Anthropic empietent sur les terrains des uns et des autres

Les faits, l'importance, et le contexte de cette convergence entre géants de la tech, en français : xAI a annoncé la location de sa capacité serveur excédentaire, Meta a lancé un agent IA destiné aux entreprises, et Anthropic a entamé le développement de puces serveur dédiées à l'IA au cours de cette année. Depuis fin 2024, un suivi régulier documente comment neuf grandes entreprises technologiques empiètent progressivement sur les activités les unes des autres, et la dernière analyse en date, publiée aujourd'hui, dresse un état des lieux du premier semestre 2026. Parmi les développements marquants figurent le lancement par Nvidia de NemoClaw, un produit lié aux agents IA destiné aux entreprises, l'intensification des efforts d'Apple pour aider les développeurs à intégrer des fonctionnalités d'IA dans les applications tournant sur ses appareils, notamment via des modèles fournis par Anthropic et Google, ainsi que la confirmation par Mark Zuckerberg de l'intention de Meta de louer à terme sa capacité serveur excédentaire. Cette multiplication des incursions croisées traduit une recomposition profonde du secteur de l'IA, où les frontières entre fournisseurs de modèles, opérateurs d'infrastructure et éditeurs de logiciels s'estompent. Pour les entreprises clientes, cela signifie davantage d'options mais aussi une complexité accrue pour choisir entre des acteurs dont les offres se chevauchent de plus en plus, qu'il s'agisse de puissance de calcul, de modèles de langage ou d'outils d'automatisation par agents. Pour les géants eux-mêmes, diversifier leurs sources de revenus devient une nécessité stratégique face aux coûts colossaux des infrastructures d'IA. Ce mouvement s'inscrit dans une dynamique classique de l'industrie technologique, où les grandes entreprises cherchent continuellement de nouveaux relais de croissance en élargissant leur périmètre d'activité. La rivalité entre Nvidia, Apple, Meta, xAI et Anthropic illustre une bataille désormais moins centrée sur la seule performance des modèles que sur le contrôle de l'ensemble de la chaîne de valeur, du silicium jusqu'aux agents logiciels déployés en entreprise. Les prochains mois devraient voir s'intensifier ces stratégies de diversification, chaque acteur cherchant à sécuriser sa position dans un marché encore en pleine redéfinition.

💬 Quand Anthropic se met à concevoir ses propres puces serveur et que Meta loue son surplus de capacité, c'est que la course aux modèles ne suffit plus à justifier les milliards investis en infra. Le vrai signal ici, c'est que la bataille de l'IA se joue maintenant sur toute la chaîne, du silicium jusqu'à l'agent qui tourne dans ton CRM, pas juste sur qui sort le meilleur benchmark. Pour les boîtes clientes ça veut dire plus de choix, mais aussi plus de mal à comparer des offres qui finissent toutes par se ressembler.

☕️ Intelligence artificielle et taxation numérique au cœur du G7

Emmanuel Macron a réuni ses homologues du G7 à Évian ce 17 juin pour une session de travail consacrée à l'intelligence artificielle et à la régulation du numérique. À ses côtés, les dirigeants des États-Unis, de l'Allemagne, du Canada, de l'Italie, du Japon et du Royaume-Uni ont débattu de la sécurisation des systèmes d'IA, de la protection des mineurs en ligne et de la taxation des grandes plateformes technologiques. Plusieurs patrons de l'industrie étaient également présents, dont Sam Altman d'OpenAI, Dario Amodei d'Anthropic et Arthur Mensch de Mistral AI. Sur la question des mineurs face aux réseaux sociaux, les sept pays sont globalement alignés autour d'un âge minimum compris entre 15 et 16 ans. La taxation et la souveraineté numérique se sont en revanche révélées bien plus conflictuelles : le 15 juin, Donald Trump menaçait d'imposer des droits de douane à 100 % sur le vin français si la France supprimait sa taxe numérique de 3 % sur les revenus des géants de la tech réalisés sur le territoire français. Macron a rétorqué que ce n'était « pas les États-Unis qui décident ». Les tensions autour de la fiscalité numérique révèlent un rapport de force structurel entre les démocraties occidentales et Washington. La taxe française, instaurée en 2019, cible directement les plateformes américaines comme Google, Amazon ou Meta, et a resurgi au cœur des débats budgétaires nationaux. À l'international, le Canada a déjà dû renoncer à un projet similaire en 2025 sous pression américaine. L'enjeu est double : il s'agit à la fois de faire contribuer ces entreprises aux finances publiques des pays où elles opèrent, et de ne pas sacrifier cette ambition sous la menace de représailles commerciales. Pour la France et l'Europe, abandonner cette taxe reviendrait à reconnaître l'immunité fiscale de facto des géants technologiques américains. La question de la souveraineté sur les modèles d'IA a également pesé lourd dans les discussions, d'autant que les États-Unis ont récemment bloqué l'accès à Claude 5 et Mythos 5, les derniers modèles d'Anthropic. Cet épisode a cristallisé une prise de conscience déjà ancienne : la France et le reste de l'Europe dépendent massivement de fournisseurs technologiques non européens, tant pour les modèles d'IA que pour la puissance de calcul nécessaire à leur entraînement et à leur déploiement. Mistral AI, représenté par Arthur Mensch, incarne l'ambition européenne d'une alternative crédible, mais le chemin reste long face aux investissements colossaux déployés outre-Atlantique. Donald Trump devait encore être reçu par Macron dans la soirée au château de Versailles, ouvrant la porte à des négociations bilatérales en marge du sommet.

💬 Le blocage de Claude 5 et Mythos 5 en Europe par Washington, c'est l'argument que t'avais pas envie de voir arriver. Quand le fournisseur peut couper l'accès au modèle sur décision politique, la souveraineté numérique cesse d'être un débat de séminaire. Le Canada a déjà plié sur la taxe, la France tient, mais Macron finit sa soirée à Versailles avec Trump, ce qui en dit long sur où ça se joue vraiment.

Quatre attaques sur la chaîne d'approvisionnement IA en 50 jours révèlent des failles dans les pipelines de déploiement

En cinquante jours, quatre incidents de sécurité ont frappé les chaînes d'approvisionnement logicielle d'OpenAI, Anthropic et Meta, exposant un angle mort systémique dans l'écosystème IA. Le 11 mai 2026, un ver informatique baptisé Mini Shai-Hulud a publié 84 versions malveillantes de 42 packages npm de la bibliothèque TanStack en six minutes, en exploitant une mauvaise configuration de GitHub Actions, un empoisonnement du cache CI et l'extraction d'un token OIDC depuis la mémoire du runner. Ces packages portaient une provenance SLSA Build Level 3 valide car ils avaient été publiés depuis le dépôt officiel, via le bon workflow. Deux jours plus tard, OpenAI confirmait la compromission de deux appareils d'employés et l'exfiltration de secrets depuis ses dépôts internes, forçant la révocation de ses certificats macOS et une mise à jour obligatoire de tous les utilisateurs desktop avant le 12 juin 2026. En remontant à fin mars, on trouve deux autres incidents : un chercheur de BeyondTrust Phantom Labs, Tyler Jespersen, avait découvert que OpenAI Codex passait les noms de branches Git directement dans des commandes shell sans aucune validation, permettant l'injection de sous-commandes et le vol du token OAuth GitHub en clair. Simultanément, le groupe TeamPCP avait utilisé des identifiants volés au scanner de vulnérabilités Trivy d'Aqua Security pour publier deux versions empoisonnées du proxy LiteLLM sur PyPI, téléchargées près de 47 000 fois en quarante minutes avant quarantaine. Ce qui rend ces incidents particulièrement préoccupants, c'est leur portée transversale. L'attaque LiteLLM a atteint Mercor, une startup valorisée 10 milliards de dollars qui fournit des données d'entraînement à Meta, OpenAI et Anthropic : quatre téraoctets ont été exfiltrés, incluant des références à des méthodologies propriétaires de Meta. Le partenariat a été gelé immédiatement, une action collective a suivi dans les cinq jours. Aucune de ces attaques ne visait les modèles eux-mêmes, mais leurs dommages sont réels et mesurables. Le 31 mars, Anthropic avait de son côté exposé involontairement 513 000 lignes de TypeScript non obfusqué en livrant Claude Code version 2.1.88 avec un fichier source map de 59,8 Mo qui n'aurait jamais dû être inclus, révélant 44 feature flags internes, des prompts système et l'architecture d'orchestration multi-agents. Ces quatre incidents convergent vers un seul constat structurel : les pipelines de release, les hooks de dépendances, les runners CI et les gates de packaging ne sont couverts par aucun exercice de red team actuel dans l'industrie IA. Les évaluations AISI, les system cards et les audits de sécurité des modèles ignorent entièrement cette surface d'attaque. Quand un token OIDC légitimement émis suffit à publier 84 artefacts malveillants avec une provenance cryptographique valide, ou qu'une seule dépendance open source passe quarante minutes sur PyPI avec un effet blast radius cross-industriel, la robustesse du modèle sous-jacent devient hors-sujet. La pression monte pour que les fournisseurs IA intègrent des audits de sécurité de chaîne d'approvisionnement dans leurs questionnaires de conformité, au même titre que les évaluations de danger des modèles.

💬 Quatre attaques en cinquante jours, aucune ne visait les modèles. Pendant qu'on red-teamait les LLMs à coups d'évaluations AISI et de system cards, personne ne regardait les runners CI, les hooks de dépendances, les gates de packaging, et un token OIDC légitime a suffi à publier 84 artefacts malveillants avec une provenance cryptographique valide. La robustesse du modèle, c'est hors-sujet si la chaîne de livraison est trouée.

Le pari d'Amazon sur OpenAI marque une nouvelle phase dans la guerre du cloud, sans exclusivité

Amazon Web Services a lancé mardi l'une des offensives les plus significatives de ses vingt ans d'histoire dans l'IA d'entreprise. Lors d'un événement à San Francisco intitulé "What's Next with AWS", le cloud d'Amazon a annoncé simultanément l'intégration des modèles OpenAI les plus puissants sur sa plateforme Bedrock, le lancement d'un nouveau framework de développement agentique, d'un outil de productivité desktop appelé Amazon Quick, et l'extension d'Amazon Connect en une famille de quatre solutions d'IA ciblant les chaînes d'approvisionnement, le recrutement, la santé et l'expérience client. Les modèles GPT-5.4 et GPT-5.5 d'OpenAI sont désormais accessibles via Bedrock en préversion limitée, avec une disponibilité générale attendue dans les prochaines semaines. Ces annonces sont intervenues exactement vingt-quatre heures après la restructuration publique du partenariat exclusif entre OpenAI et Microsoft, qui libère pour la première fois OpenAI de toute restriction de distribution vers d'autres fournisseurs cloud. Le PDG d'AWS, Matt Garman, a qualifié l'accord de "partenariat majeur", précisant que les clients réclamaient les modèles OpenAI sur AWS "depuis les tous premiers jours". L'impact concret pour les entreprises est immédiat. Anthony Liguori, vice-président et ingénieur distingué chez AWS, a souligné que l'intégration via les API sans état, les API chat completions et responses classiquement utilisées, supprime totalement la friction de migration : les clients peuvent basculer leurs charges de travail existantes sur AWS sans réécrire une seule ligne de code. Les modèles OpenAI rejoignent désormais sur Bedrock les offres d'Anthropic, Meta, Mistral, Cohere et les propres modèles d'Amazon, sous un cadre unifié de sécurité, gouvernance et contrôle des coûts. Pour les équipes achats des grandes entreprises, ce qui était un écosystème multi-fournisseurs fragmenté se consolide en un seul point d'accès. AWS positionne ainsi Bedrock comme l'infrastructure de référence pour l'ère des agents logiciels autonomes. Le chemin vers cette alliance n'a pas été linéaire. L'accord de 50 milliards de dollars entre Amazon et OpenAI, annoncé en février 2026, avait créé une tension juridique avec Microsoft, qui revendiquait une exclusivité sur les API stateless d'OpenAI via Azure. Le Financial Times avait même rapporté que Microsoft envisageait des poursuites judiciaires. Le nouvel accord signé lundi a remplacé cette exclusivité à durée indéterminée par une licence non exclusive courant jusqu'en 2032, débloquant ainsi la voie pour AWS. Ce repositionnement marque une rupture structurelle dans les guerres du cloud : la course à l'exclusivité des modèles IA laisse place à une compétition sur l'infrastructure, l'outillage et l'expérience développeur. OpenAI, désormais libre de distribuer ses modèles partout, joue la carte de la ubiquité, tandis qu'AWS et Microsoft s'affrontent sur leur capacité à être la meilleure plateforme pour les déployer à l'échelle.

Meta FAIR publie NeuralSet : un package Python pour la neuro-IA compatible fMRI, M/EEG, signaux neuronaux et embeddings HuggingFace

Le laboratoire FAIR de Meta a publié NeuralSet, un framework Python destiné à la recherche en Neuro-IA, dont l'objectif est de résoudre l'un des obstacles les plus tenaces du domaine : l'intégration des données cérébrales dans les pipelines d'apprentissage profond. Le projet s'appuie sur cinq abstractions centrales, Events, Extractors, Segments, Batch Data et une couche Backend, pour représenter toute expérience neuroscientifique sous forme de métadonnées légères et pilotées par événements, entièrement dissociées des signaux bruts, volumineux et coûteux en mémoire. Chaque enregistrement, qu'il s'agisse d'une session fMRI, d'un mot prononcé lors d'une tâche cognitive ou d'un stimulus vidéo, est modélisé comme un dictionnaire Python léger contenant un type, un temps de début, une durée et un identifiant de session. L'ensemble d'une étude est compilé dans un DataFrame pandas unique, ce qui permet de filtrer et de recombiner des jeux de données massifs sans charger un seul octet de signal en mémoire. Au moment du calcul effectif, des Extractors font le lien avec les bibliothèques spécialisées existantes : FmriExtractor délègue à Nilearn, tandis que MegExtractor et EegExtractor s'appuient sur MNE-Python. L'intégration native de l'écosystème HuggingFace permet d'aligner automatiquement les signaux neuronaux avec des embeddings issus de modèles comme DINOv2, CLIP, Wav2Vec, Whisper, GPT-2 ou LLaMA. L'enjeu est considérable pour la communauté scientifique. Jusqu'à présent, les chercheurs en Neuro-IA devaient construire des pipelines ad hoc pour chaque expérience, avec manipulation manuelle des données, mise en cache artisanale et configurations backend complexes. NeuralSet rend ce travail d'infrastructure partageable et reproductible via des objets Chain chaînables et cachables. Pour les laboratoires qui travaillent avec les jeux de données publics d'OpenNeuro, désormais à l'échelle du téraoctet, ou avec des protocoles expérimentaux intégrant de la parole continue et de la vidéo, ce gain de temps représente des semaines de développement économisées par projet. Cela ouvre également la voie à des comparaisons directes entre modalités cérébrales différentes, fMRI, EEG, iEEG, fNIRS, EMG, spikes, en ne changeant qu'un paramètre de configuration. La sortie de NeuralSet s'inscrit dans un mouvement plus large d'industrialisation des outils Neuro-IA, un champ à l'intersection des neurosciences computationnelles et des grands modèles de langage. Les outils historiques comme MNE-Python, Nilearn ou fMRIPrep, conçus avant l'ère du deep learning, n'étaient pas pensés pour l'alignement temporel avec des embeddings haute dimension ni pour le chargement paresseux de datasets massifs. FAIR, qui mène depuis plusieurs années des travaux sur la correspondance entre activité cérébrale et représentations de modèles d'IA, positionne NeuralSet comme une infrastructure commune pour accélérer cette recherche. Le framework est compatible avec les datasets au format BIDS, standard ouvert dominant en neuroimagerie, ce qui facilite son adoption immédiate sur les grandes bases publiques existantes.

L'Europe pourrait obliger Google à ouvrir Android à d'autres assistants IA

La Commission européenne pourrait contraindre Google à ouvrir Android à d'autres assistants IA dès cet été. En janvier 2026, la Commission avait lancé une procédure de spécification pour examiner la manière dont Google intègre l'intelligence artificielle dans Android. Les conclusions sont désormais rendues : l'UE estime que le système d'exploitation doit être davantage ouvert à la concurrence. Concrètement, le problème identifié est l'avantage structurel accordé à Gemini : sur tout téléphone Android alimenté par Google, l'assistant est préinstallé et bénéficie d'un traitement privilégié au niveau du système, inaccessible aux services IA tiers. Cet avantage intégré prive les concurrents de Gemini d'un accès équitable à des fonctionnalités pourtant centrales de l'expérience Android. La Commission considère que trop d'usages sur la plateforme restent réservés exclusivement à l'IA de Google, au détriment d'alternatives comme ChatGPT, Mistral ou d'autres assistants émergents. Si des mesures sont imposées, Google devrait techniquement permettre à des assistants tiers de s'intégrer au même niveau système que Gemini, ce qui représenterait un changement majeur dans la manière dont les 150 millions d'utilisateurs Android en Europe interagissent avec leur téléphone. Cette action s'inscrit dans le cadre du Digital Markets Act (DMA), la loi européenne qui désigne sept grandes entreprises technologiques comme « gatekeepers » soumis à des obligations renforcées pour garantir une concurrence loyale. Google, aux côtés d'Apple, Meta, Amazon, Microsoft, ByteDance et Booking, est assujetti à ce texte depuis plusieurs années et a systématiquement contesté les régulations qui en découlent, qualifiant cette fois l'enquête d'« ingérence injustifiée ». La Commission, elle, ne montre aucun signe de recul : une décision formelle est attendue pour l'été 2026, ce qui placerait Android au coeur d'un bras de fer décisif entre Bruxelles et la Silicon Valley sur le contrôle des couches IA des systèmes mobiles.

Meta AI lance Sapiens2 : un modèle de vision haute résolution centré sur l'humain

Meta AI a publié Sapiens2, la deuxième génération de son modèle de vision centré sur les humains, entraîné sur un milliard d'images humaines baptisé Humans-1B. Le modèle existe en quatre tailles allant de 0,4 milliard à 5 milliards de paramètres, opère nativement en résolution 1K et dispose de variantes hiérarchiques capables de traiter des images en 4K. La version à 5 milliards de paramètres est, selon l'équipe de recherche, le transformeur de vision le plus lourd jamais publié avec 15,722 téraflops. Sapiens2 couvre simultanément plusieurs tâches : estimation de pose, segmentation, calcul des normales de surface, reconstruction de la géométrie (pointmap) et estimation de l'albédo, c'est-à-dire la couleur vraie d'une surface indépendamment de l'éclairage. Ces résultats sont décrits dans un article préimprimé mis en ligne fin avril 2026 sur arXiv. L'intérêt de Sapiens2 réside dans sa capacité à traiter la complexité du corps humain à grande échelle, là où les modèles généralistes échouent régulièrement. Distinguer les doigts d'une main, les dents des gencives, ou encore reconstituer la couleur de peau réelle sous un éclairage complexe sont des tâches que les approches classiques gèrent mal. En combinant deux objectifs d'entraînement complémentaires, un apprentissage par masquage (MAE) pour conserver la fidélité des détails fins, et un apprentissage contrastif basé sur une architecture étudiant-professeur dérivée de DINOv3 pour structurer les représentations sémantiques, Meta a résolu un problème que les chercheurs appellent la dérive de représentation : les méthodes contrastives seules effacent des indices d'apparence critiques comme le teint ou les conditions lumineuses, rendant certaines tâches photoréalistes impossibles. L'équipe a contourné ce problème en n'appliquant pas les augmentations de couleur sur les vues globales utilisées pour l'objectif MAE. Le premier Sapiens, sorti en 2024, reposait uniquement sur le préentraînement MAE, une approche efficace pour les détails de texture mais limitée sur le plan sémantique. Pour construire Humans-1B, Meta est parti d'un pool web d'environ 4 milliards d'images, puis a appliqué un pipeline de filtrage en plusieurs étapes incluant détection de boîtes englobantes, estimation de pose de la tête, scores d'esthétique et de réalisme, filtrage par CLIP et détection de texte superposé. La déduplication a été réalisée par hachage perceptuel et élagage par plus proche voisin en espace de features profondes, avant un rééchantillonnage par clusters pour équilibrer poses, occlusions, types de vêtements et conditions d'éclairage. Pour la résolution 4K, l'équipe a adopté une attention locale par fenêtres dans les premières couches du transformeur, permettant de capturer textures fines et contours sans exploser le coût de calcul quadratique de l'attention globale. Sapiens2 positionne Meta comme acteur sérieux dans la vision humaine haute résolution, un domaine stratégique pour la réalité augmentée, le gaming, et les interfaces corporelles.

Les agents IA unifiés de Meta optimisent les performances à grande échelle

Meta a développé une plateforme d'agents IA unifiée pour automatiser la détection et la résolution des problèmes de performance à l'échelle de son infrastructure mondiale, qui sert plus de 3 milliards d'utilisateurs. Ce programme, baptisé Capacity Efficiency Program, repose sur des agents capables d'encoder l'expertise de ses ingénieurs seniors en compétences réutilisables et composables. Résultat concret : des centaines de mégawatts (MW) de puissance électrique récupérés, soit de quoi alimenter des centaines de milliers de foyers américains pendant un an. L'outil interne FBDetect détecte chaque semaine des milliers de régressions de performance, et les agents IA prennent désormais en charge leur résolution automatisée, compressant environ dix heures d'investigation manuelle en trente minutes. Les agents vont même jusqu'à générer des pull requests prêtes à révision, couvrant l'intégralité du chemin depuis la détection d'une opportunité d'optimisation jusqu'à la correction du code. L'impact est double : économique et opérationnel. Côté défense, chaque régression non résolue rapidement se traduit par une consommation électrique supplémentaire qui s'accumule sur l'ensemble du parc de serveurs de Meta. Côté offensif, les agents permettent désormais d'explorer proactivement des optimisations dans un nombre croissant de domaines produits, des opportunités que les ingénieurs n'auraient jamais le temps de traiter manuellement. Le programme peut ainsi augmenter sa capacité de livraison de mégawatts sans augmenter proportionnellement les effectifs humains, ce qui représente un levier de scalabilité majeur pour une infrastructure de cette taille. Libérés des tâches d'investigation répétitives, les ingénieurs peuvent se concentrer sur l'innovation produit. Ce projet s'inscrit dans une tendance plus large chez les grandes plateformes technologiques : automatiser la gestion de la complexité interne à mesure que l'infrastructure croît plus vite que les équipes humaines. Chez Meta, la découverte clé a été que l'offense (recherche proactive d'optimisations) et la défense (détection de régressions) partagent la même structure de problème, ce qui a permis de construire une plateforme unique plutôt que deux systèmes séparés. L'interface d'outils standardisée est au cœur de l'architecture : elle permet aux agents de combiner investigation de données de profilage, consultation de documentation interne, analyse des déploiements récents et recherche de discussions liées. L'objectif à terme est un moteur d'efficacité autonome où l'IA gère la longue traîne des problèmes de performance, un modèle qui pourrait inspirer d'autres hyperscalers confrontés aux mêmes contraintes d'échelle.

☕️ Présomption d’usage de contenus culturels dans l’IA : les tentatives d’influence de Google

Le Sénat français a adopté le 8 avril 2026 une proposition de loi sur l'intelligence artificielle qui introduit un mécanisme inédit : une présomption d'usage des contenus culturels par les développeurs de systèmes d'IA. Concrètement, dès qu'un modèle est capable de générer du contenu "dans le style" d'un auteur, ou qu'il restitue des extraits visiblement protégés par le droit d'auteur, la preuve est réputée établie que ces œuvres ont bien servi à l'entraînement. Ce principe s'appuie notamment sur des précédents documentés : des extraits de Harry Potter ont ainsi été retrouvés dans les données d'entraînement de modèles appartenant à Meta et à Mistral. Avant l'adoption du texte, Google a déployé trois stratégies distinctes pour en atténuer la portée, selon les informations révélées par L'Informé. La première stratégie consistait à restreindre le champ de la présomption aux seuls "contenus culturels de qualité", c'est-à-dire aux œuvres référencées dans les catalogues d'organismes de gestion collective, excluant de fait une large part de la création numérique. La deuxième visait à modifier l'articulation du texte avec l'exception de "fouille de données" (text and data mining, ou TDM) issue de la directive européenne de 2019 sur le droit d'auteur dans le marché unique numérique. Cette exception est régulièrement invoquée par les fournisseurs d'IA pour légitimer le moissonnage de contenus protégés, ce que le Sénat qualifie explicitement de "détournement" de l'objectif initial. La troisième tentative cherchait à empêcher l'application rétroactive du texte aux litiges déjà ouverts au moment de son entrée en vigueur. Le Sénat a rejeté les trois propositions. Ces manœuvres s'inscrivent dans un phénomène bien documenté : les grandes entreprises numériques américaines exercent un lobbying intense sur les processus législatifs européens et nationaux, laissant parfois des traces directes jusque dans la rédaction des textes. La bataille autour de cette loi française est particulièrement significative car elle touche à une question centrale pour l'ensemble de l'industrie de l'IA : la légitimité de l'entraînement sur des œuvres protégées sans accord ni rémunération des créateurs. Si l'étape sénatoriale est franchie sans que les propositions de Google n'aient abouti, le texte doit encore passer devant l'Assemblée nationale, où les pressions pourraient se faire à nouveau sentir. L'issue de ce débat aura des répercussions bien au-delà de la France, à l'heure où plusieurs pays cherchent à encadrer les pratiques d'entraînement des modèles d'IA à grande échelle.

💬 Le Sénat qui renvoie Google à la case départ trois fois de suite, c'est rare. La présomption d'usage, c'est malin : au lieu de prouver que les modèles ont pillé les œuvres (quasi impossible), on part du principe que si tu peux l'imiter, tu l'as ingéré. Reste l'Assemblée nationale, et là les dés ne sont pas encore jetés.

Un clone virtuel pour le patron : Meta développe une IA de Mark Zuckerberg pour ses employés

Meta développe actuellement une version IA photoréaliste de Mark Zuckerberg destinée à interagir avec les quelque 79 000 employés du groupe à travers le monde. Ce clone numérique permettrait aux collaborateurs d'obtenir des réponses ou des orientations de la part du PDG, même lorsque celui-ci est indisponible. Le projet s'inscrit dans les efforts plus larges de Meta pour déployer des agents conversationnels au sein de ses propres opérations internes. L'initiative soulève des questions profondes sur la nature de la communication managériale en entreprise. Déléguer la voix d'un dirigeant à un système d'IA représente un changement de paradigme majeur : les employés ne sauront plus avec certitude si les réponses qu'ils reçoivent émanent de leur patron réel ou de son avatar algorithmique. Pour une organisation de la taille de Meta, cela pourrait accélérer la diffusion de décisions et de directives, mais au risque de diluer l'authenticité des échanges humains et de créer une confusion sur l'accountability réelle. Cette démarche survient alors que Meta investit massivement dans les agents IA, aussi bien pour ses produits grand public que pour ses usages internes. Zuckerberg lui-même a multiplié les déclarations sur l'intégration de l'IA dans le fonctionnement quotidien de l'entreprise. Plusieurs grands groupes technologiques explorent des systèmes similaires pour automatiser des interactions internes, mais Meta serait l'un des premiers à pousser l'idée jusqu'à créer un double numérique du PDG en personne. Les implications éthiques, notamment en termes de transparence et de consentement des employés, restent entières.

Meta AI et KAUST proposent des ordinateurs neuronaux réunissant calcul, mémoire et entrées-sorties dans un seul modèle

Des chercheurs de Meta AI et de l'Université des sciences et technologies du roi Abdallah (KAUST) ont publié un article proposant un nouveau paradigme informatique qu'ils appellent les "Neural Computers" (NC). Contrairement à un agent IA classique qui s'appuie sur un système d'exploitation, des API et des terminaux existants, un Neural Computer est un réseau de neurones qui joue lui-même le rôle de l'ordinateur en cours d'exécution. L'équipe présente un cadre théorique formel ainsi que deux prototypes fonctionnels basés sur la génération vidéo : NC CLIGen, qui simule une interaction en ligne de commande, et NC GUIWorld, qui modélise des interfaces graphiques. Ces deux systèmes ont été construits sur Wan2.1, le modèle de génération vidéo de référence au moment des expériences. L'entraînement de NC CLIGen sur un jeu de données de près de 824 000 flux vidéo (environ 1 100 heures d'enregistrements de terminaux) a nécessité environ 15 000 heures de calcul sur GPU H100. Les résultats montrent une précision au niveau des caractères passant de 0,03 en début d'entraînement à 0,54 après 60 000 étapes, avec une qualité de reconstruction atteignant un PSNR moyen de 40,77 dB. L'enjeu central de cette recherche est de savoir si une machine apprenante peut commencer à assumer le rôle de l'ordinateur lui-même, plutôt que de simplement s'exécuter par-dessus lui. Dans un Neural Computer, l'état latent du modèle porte ce que la pile logicielle classique gère habituellement en dehors du modèle : le contexte d'exécution, la mémoire de travail et l'état de l'interface. L'objectif à long terme, baptisé "Completely Neural Computer" (CNC), vise un système Turing-complet, universellement programmable, cohérent dans son comportement sauf reprogrammation explicite, et respectant des sémantiques proches des architectures machines traditionnelles. Une exigence clé est un contrat run/update : les entrées ordinaires doivent exécuter les capacités installées sans les modifier silencieusement, tandis que tout changement de comportement doit passer par une interface de programmation explicite, traçable et réversible. Ce travail s'inscrit dans une trajectoire de recherche plus large qui cherche à repenser fondamentalement la frontière entre logiciel et modèle d'intelligence artificielle. Les chercheurs prennent soin de distinguer leur approche des Neural Turing Machines et des Differentiable Neural Computers des années 2010, qui visaient eux une mémoire externe différentiable plutôt qu'une fusion complète calcul-mémoire-interface. Meta AI, qui investit massivement dans la recherche fondamentale en IA depuis plusieurs années, s'associe ici à une institution académique du Golfe de plus en plus présente dans les publications de premier plan. Les prototypes actuels fonctionnent encore en mode ouvert, sans interaction en temps réel avec un environnement live, ce qui souligne le caractère exploratoire de la démarche. Si ce paradigme venait à mûrir, il pourrait remettre en question des décennies d'architecture logicielle en dissolvant la distinction entre programme et modèle.

Le Sénat adopte une loi qui pourrait forcer les géants de l’IA à prouver l’origine de leurs données

Le Sénat français a adopté le 8 avril 2026 une proposition de loi imposant aux entreprises développant des systèmes d'intelligence artificielle de divulguer les données utilisées pour entraîner leurs modèles. Ce texte vise directement les géants du secteur comme OpenAI, Google, Meta ou Mistral, qui ont massivement ingéré des contenus issus d'œuvres protégées par le droit d'auteur, des articles de presse, des livres et des créations artistiques, sans compensation ni transparence vis-à-vis des auteurs concernés. L'enjeu est considérable pour les créateurs, éditeurs et médias français, qui réclament depuis l'essor de ChatGPT fin 2022 une reconnaissance légale de leur contribution aux modèles IA. Si cette loi entre en vigueur, les entreprises devront prouver l'origine de chaque jeu de données utilisé, ouvrant la voie à des négociations de licences et potentiellement à des mécanismes de rémunération. Pour l'industrie de l'IA, cela représente une contrainte technique et juridique majeure, susceptible de ralentir le déploiement de nouveaux modèles en France et en Europe. Ce vote s'inscrit dans un mouvement plus large de régulation du secteur, parallèlement à l'AI Act européen qui entre progressivement en application. Plusieurs procès intentés par des journaux américains contre OpenAI ont déjà mis en lumière la question de l'utilisation non autorisée de contenus. La France cherche ici à anticiper ces conflits en posant un cadre légal national, même si le texte devra encore passer devant l'Assemblée nationale avant de devenir définitivement loi.

💬 C'est le genre de texte de loi qu'on attendait depuis le début, et le Sénat a eu le bon sens de pas attendre que les procès américains fassent jurisprudence ici. Reste qu'entre "adopté au Sénat" et "en vigueur", il y a encore l'Assemblée nationale, et ça peut prendre du temps. Mistral va devoir jouer le jeu aussi, pas seulement les Américains, ce qui rend le truc vraiment sérieux.

Meta AI publie EUPE : une famille de vision encodeurs compacts de moins de 100M de parametres, rivaux des modeles specialises

Les équipes de recherche de Meta AI ont présenté EUPE (Efficient Universal Perception Encoder), une famille d'encodeurs visuels compacts de moins de 100 millions de paramètres capables de rivaliser avec des modèles spécialisés sur des tâches variées : classification d'images, segmentation dense, et questions-réponses visuelles. La publication, disponible sur arXiv sous la référence 2503.22387, expose une approche radicalement différente des méthodes existantes, notamment face à AM-RADIO et RADIOv2.5, les références actuelles en distillation multi-enseignants. Là où RADIOv2.5-B, sa variante à l'échelle ViT-B, accuse des écarts notables face aux experts de domaine sur les tâches denses, EUPE parvient à combler ces lacunes dans un format adapté aux appareils embarqués comme les smartphones ou les casques de réalité augmentée. L'enjeu est concret : déployer plusieurs encodeurs spécialisés en parallèle sur un appareil mobile est trop coûteux en calcul, mais n'en déployer qu'un seul signifie accepter des performances dégradées sur la plupart des tâches. EUPE change cette équation. Un seul modèle léger peut désormais gérer simultanément la compréhension visuelle globale, la détection de structures spatiales précises au niveau du pixel, et l'interaction avec des systèmes de langage visuel. Pour les développeurs d'applications mobiles, les fabricants de dispositifs AR ou les ingénieurs travaillant sur des pipelines d'IA embarquée, cela représente un gain substantiel en ressources sans sacrifice de polyvalence. La difficulté centrale que résout EUPE tient à un problème de capacité. Les modèles comme CLIP, SigLIP 2, DINOv2 ou SAM ont chacun été entraînés avec des objectifs distincts : paires texte-image pour les premiers, apprentissage auto-supervisé structurel pour le second, segmentation massive pour le troisième. Les tentatives précédentes de fusionner ces expertises par distillation agglomérative, où un modèle étudiant imite plusieurs enseignants spécialistes simultanément, donnaient de bons résultats sur de grands encodeurs dépassant 300 millions de paramètres, mais échouaient sur les architectures efficientes. La solution proposée par Meta suit un principe en deux temps : agrandir d'abord, puis réduire. Un modèle intermédiaire de grande taille absorbe les représentations des différents enseignants, avant d'être distillé à son tour dans l'encodeur compact final. Cette étape intermédiaire fournit au petit modèle une représentation unifiée et déjà réconciliée, plutôt qu'une collection brute de signaux contradictoires. La publication positionne EUPE comme une brique fondamentale pour la prochaine génération d'IA on-device, dans un contexte où Apple, Google et Qualcomm intensifient également leurs efforts pour faire tourner des modèles multimodaux directement sur le matériel utilisateur.

💬 Le problème des encodeurs visuels embarqués, c'est exactement ça : soit tu empiles plusieurs spécialistes et ça explose ton budget calcul, soit tu fais des compromis douloureux. L'approche "agrandir puis distiller" de Meta est maline, parce qu'elle donne au petit modèle une représentation déjà digérée plutôt que de lui coller des signaux contradictoires à réconcilier lui-même. Reste à voir ce que ça donne sur du vrai hardware, pas juste sur les benchmarks arXiv.

Meta utilise l'IA pour cartographier les connaissances tacites dans ses pipelines de données

Meta a développé un système original pour rendre ses agents IA capables de travailler efficacement sur une base de code massive : un pipeline de données couvrant quatre dépôts, trois langages de programmation et plus de 4 100 fichiers. Face à l'inefficacité des assistants IA classiques sur ce terrain, incapables de produire des modifications utiles rapidement, les ingénieurs ont conçu un moteur de pré-calcul composé de plus de 50 agents IA spécialisés. Ces agents ont systématiquement parcouru l'ensemble du code pour produire 59 fichiers de contexte condensés, encodant ce que les développeurs appellent le « tribal knowledge » : les règles implicites et les conventions qui n'existent que dans la tête des ingénieurs. Résultat : la couverture structurée du code est passée de 5 % à 100 % des modules, soit les 4 100 fichiers des trois dépôts. Plus de 50 patterns « non-évidents » ont été documentés pour la première fois, et les tests préliminaires montrent une réduction de 40 % des appels d'outils par les agents IA pour chaque tâche. L'enjeu n'est pas anodin. Sans cette cartographie, les agents IA se comportaient comme des développeurs juniors largués sur un projet inconnu : ils compilaient du code fonctionnel en apparence, mais subtilement incorrect. Par exemple, deux modes de configuration utilisent des noms de champs différents pour la même opération, les inverser produit une erreur silencieuse. Ou encore, des dizaines de valeurs d'énumération marquées « deprecated » ne peuvent jamais être supprimées, car la compatibilité de sérialisation en dépend. Aucune de ces règles n'était écrite nulle part. En les formalisant, Meta permet désormais à des modèles IA variés de naviguer le codebase de manière fiable, le système de connaissance étant indépendant du modèle utilisé. L'infrastructure se maintient aussi elle-même : toutes les quelques semaines, des jobs automatisés valident les chemins de fichiers, détectent les lacunes de couverture et corrigent les références obsolètes. Ce projet s'inscrit dans une tendance plus large où les grandes entreprises tech cherchent à industrialiser l'usage des agents IA sur des codebases de production réels, bien au-delà des démos. Meta avait déjà déployé des systèmes IA pour des tâches opérationnelles, surveillance de dashboards, reconnaissance de patterns incidents, suggestions de corrections, mais l'extension aux tâches de développement butait sur ce problème fondamental d'absence de contexte. La solution choisie, baptisée « compass, not encyclopedia », repose sur des fichiers ultra-compacts de 25 à 35 lignes environ 1 000 tokens chacun, organisés en quatre sections : commandes clés, fichiers essentiels, patterns non-évidents, et références croisées. Les 59 fichiers réunis pèsent moins d'un contexte de modèle standard. C'est cette sobriété délibérée, chaque ligne justifie sa présence, qui permet au système de rester maintenable et scalable à mesure que le codebase évolue.

Les salariés de Meta se disputent le statut de « légende des tokens » en IA

Chez Meta Platforms, un classement interne baptisé "Claudeonomics" transforme l'utilisation de l'intelligence artificielle en compétition entre employés. Mis en place par un salarié de l'entreprise sur son intranet à partir de données internes, ce tableau de bord mesure le nombre de tokens, les unités de données traitées par les modèles d'IA, consommés par chaque utilisateur. Les 250 plus gros consommateurs parmi les quelque 85 000 employés de Meta y figurent, avec des titres honorifiques à la clé : "Session Immortal" pour les plus assidus, et "Token Legend" pour les véritables champions de l'outil. Le nom "Claudeonomics" est une référence directe à Claude, le modèle phare d'Anthropic, le concurrent d'OpenAI dont Meta a vraisemblablement adopté les outils en interne. Ce type de mécanisme de gamification révèle une tendance de fond dans les grandes entreprises tech : encourager l'adoption massive des outils d'IA par les employés en jouant sur la compétition et la reconnaissance sociale. Pour Meta, qui investit massivement dans l'IA générative, afficher des statistiques d'usage aussi élevées est aussi un signal fort sur la culture interne de l'entreprise. Cette initiative s'inscrit dans un contexte où les géants de la tech cherchent à mesurer et accélérer l'intégration de l'IA dans leurs workflows quotidiens. Meta, qui développe ses propres modèles Llama tout en recourant à des outils tiers, fait face à la même question que l'ensemble de l'industrie : comment transformer des outils puissants en réflexes productifs pour des dizaines de milliers de salariés ? Les classements internes, aussi anecdotiques qu'ils paraissent, sont l'un des leviers expérimentés.

Meta Adaptive Ranking Model : infléchir la courbe d'inférence pour déployer des LLM dans la publicité

Meta a dévoilé l'Adaptive Ranking Model (ARM), un nouveau système de recommandation publicitaire fonctionnant à l'échelle des grands modèles de langage (LLM). Déployé sur Instagram au quatrième trimestre 2025, ARM a généré une hausse de 3 % des conversions publicitaires et de 5 % du taux de clics pour les utilisateurs ciblés. Le système atteint une complexité de calcul équivalente à celle des meilleurs LLMs, environ 10 GFLOPs par token, tout en maintenant une latence inférieure à 100 millisecondes, soit un ordre de grandeur plus rapide que l'inférence LLM standard. L'enjeu central qu'ARM résout est ce que Meta appelle le « trilemme de l'inférence » : comment faire tourner des modèles d'une complexité comparable à GPT-4 ou Llama dans un environnement publicitaire temps réel, où chaque requête doit aboutir en moins d'une seconde, pour des milliards d'utilisateurs, sans exploser les coûts d'infrastructure. La solution repose sur un routage intelligent des requêtes : plutôt que d'appliquer le même modèle à chaque impression publicitaire, ARM analyse le contexte et l'intention de l'utilisateur pour décider dynamiquement du niveau de complexité nécessaire. Les requêtes simples consomment peu de ressources ; les requêtes complexes mobilisent toute la puissance du modèle LLM-scale. Ce principe d'alignement dynamique entre complexité et contexte permet de maximiser la qualité des prédictions sans surcharger les serveurs. Trois innovations techniques rendent cela possible. Premièrement, une architecture centrée sur la requête plutôt que sur le modèle, permettant de servir un modèle à un trillion de paramètres (O(1T)) de façon économiquement viable. Deuxièmement, une co-conception modèle-matériel : les architectures sont conçues en tenant compte des contraintes précises du silicium utilisé, ce qui améliore significativement l'utilisation des GPU dans des environnements matériels hétérogènes. Troisièmement, une infrastructure de serving repensée autour d'architectures multi-cartes et d'optimisations bas-niveau spécifiques au hardware. Ce développement s'inscrit dans la course que se livrent les grandes plateformes pour intégrer l'intelligence des LLMs dans leurs systèmes de recommandation, un marché où chaque fraction de point de taux de conversion se traduit en milliards de dollars de revenus publicitaires. Pour Meta, dont plus de 98 % des revenus proviennent de la publicité, ARM représente une avancée structurelle : la preuve qu'il est désormais possible de faire fonctionner des modèles de la taille de ceux utilisés pour les chatbots dans des pipelines industriels ultra-contraints en latence et en coût.

MetaClaw entraîne des agents IA pendant vos réunions en consultant Google Calendar

Des chercheurs issus de quatre universités américaines ont mis au point MetaClaw, un framework conçu pour entraîner des agents d'intelligence artificielle de manière continue, sans interrompre leur utilisation. La particularité du système : il consulte le calendrier Google de l'utilisateur pour identifier les créneaux d'inactivité, réunions, pauses, déplacements, et en profite pour lancer des cycles d'apprentissage en arrière-plan. L'entraînement se déroule donc pendant que l'utilisateur est occupé, sans mobiliser de ressources au moment où il sollicite l'agent. Cette approche résout un problème fondamental des agents IA déployés en production : l'amélioration continue sans interruption de service. Jusqu'ici, mettre à jour un modèle impliquait soit de l'arrêter, soit d'accepter des dégradations temporaires de performance. MetaClaw permet d'optimiser l'agent en temps réel, en s'adaptant au rythme de travail réel de l'utilisateur. Pour les entreprises qui dépendent d'assistants IA dans leurs workflows quotidiens, cela représente un gain notable de fiabilité et d'efficacité opérationnelle. Ce travail s'inscrit dans un courant de recherche croissant autour de l'apprentissage continu (continual learning) et des agents IA adaptatifs, deux domaines en pleine effervescence depuis la multiplication des assistants déployés en environnement professionnel. L'intégration d'un signal aussi concret que l'agenda personnel pour orchestrer l'entraînement illustre une tendance plus large : ancrer les systèmes IA dans les contraintes réelles des utilisateurs plutôt que dans des cycles de mise à jour planifiés. La publication n'a pas encore précisé de date de diffusion du code ni de calendrier de déploiement commercial.

💬 L'idée est maline : utiliser les trous de calendrier pour entraîner l'agent en arrière-plan, sans jamais couper le service. C'est exactement le genre de contrainte qu'on contourne en prod à grands coups de maintenances nocturnes. Bon, pas de code dispo pour l'instant, donc on attend de voir si ça tient hors conditions de labo.

TRIBE v2 (Meta) : l'IA qui lit le cerveau humain

Meta FAIR publie TRIBE v2, un modèle qui anticipe les zones cérébrales activées en regardant une vidéo, écoutant un son ou lisant un texte. Architecture trimodale (LLaMA 3.2-3B + V-JEPA2 + Wav2Vec) entraînée sur 80 sujets. Performances supérieures aux versions séparées : c'est l'ouverture d'une IA qui « voit » dans le cerveau.

Les gros paris de Disney sur le metaverse et l'IA médiocre ne paient pas

Disney se retrouve dans une position délicate à peine une semaine après la prise de fonction de son nouveau PDG Josh D'Amaro. Deux crises simultanées viennent ternir les ambitions technologiques du groupe : le programme de génération d'images Sora d'OpenAI est en cours d'arrêt, et Epic Games procède à des licenciements massifs qui soulèvent des doutes sur le projet metaverse commun. Ces revers illustrent les risques inhérents aux grands paris technologiques dans un secteur en mutation rapide. Disney avait misé sur deux tendances jugées structurantes, l'IA générative dans le streaming et le metaverse gaming, mais les deux partenaires clés traversent des turbulences importantes, laissant le groupe sans visibilité sur ses investissements. La collaboration avec OpenAI, annoncée pour intégrer la technologie Sora dans Disney+, portait sur 1 milliard de $. Parallèlement, le deal avec Epic Games, le studio derrière Fortnite, représentait 1,5 milliard de $ pour construire un univers metaverse autour des franchises Disney. Epic vient d'annoncer le licenciement de 1 000 employés, et le projet metaverse n'a donné aucun signe concret d'avancement. Disney n'est pas nécessairement hors-jeu : l'intégration de l'IA générative dans son service de streaming reste techniquement possible avec d'autres partenaires, et le projet metaverse pourrait survivre sous une forme réduite. Mais pour D'Amaro, qui hérite d'engagements coûteux aux résultats incertains, la pression est forte dès ses premiers jours à la tête du groupe.

Meta fait appel à l'IA pour simplifier les achats sur Instagram et Facebook

Meta intègre désormais l'intelligence artificielle générative dans ses applications pour enrichir l'expérience d'achat sur Instagram et Facebook. L'objectif : fournir aux consommateurs des informations plus complètes sur les produits et les marques directement au sein des interfaces de shopping social. Cette initiative s'inscrit dans la stratégie commerciale de Meta visant à transformer ses plateformes en véritables destinations e-commerce. En rendant l'information produit plus accessible et contextuelle, l'entreprise cherche à réduire les frictions dans le parcours d'achat et à concurrencer directement des acteurs comme Amazon ou Google Shopping, qui dominent la recherche produit en ligne. L'IA générative permettrait ainsi d'afficher automatiquement des fiches enrichies, descriptions détaillées, comparaisons, avis synthétisés, lorsqu'un utilisateur interagit avec un contenu marchand. Les marques présentes sur les plateformes de Meta bénéficieraient d'une meilleure visibilité sans effort supplémentaire de leur part, tandis que les acheteurs accèderaient à une expérience plus informée avant de finaliser un achat. Cette évolution confirme la montée en puissance du commerce social comme levier de croissance pour Meta, qui mise sur ses 3,3 milliards d'utilisateurs actifs quotidiens pour capter une part croissante des dépenses publicitaires et transactionnelles mondiales.

Meta recrute une équipe star de l’IA pour créer les assistants du futur

Meta accélère sa course aux agents IA en procédant à une acquisition atypique : la société ne rachète pas une entreprise, mais débauche directement l'ensemble d'une équipe spécialisée dans le domaine. Cette stratégie de « talent acquisition » illustre la guerre des cerveaux qui fait rage dans le secteur de l'intelligence artificielle, où les ingénieurs et chercheurs de haut niveau sont devenus la ressource la plus convoitée. Cette offensive intervient dans un contexte où les agents IA, des systèmes capables d'agir de manière autonome pour accomplir des tâches complexes, sont devenus l'enjeu central de la compétition technologique. Des projets comme ClawdBot (rebaptisé OpenClaw) ou NemoClaw chez Nvidia témoignent de l'intensité de cette course. Meta, déjà bien positionné avec ses modèles Llama en open source, cherche à transformer son avantage en matière de recherche en produits concrets capables de rivaliser avec les assistants d'OpenAI, Google ou Anthropic. Le mouvement de Meta consiste à récupérer une équipe entière plutôt qu'à développer les compétences en interne ou à procéder à un rachat classique, une approche qui permet d'intégrer rapidement une expertise rare tout en évitant les lourdeurs réglementaires d'une acquisition formelle. Ce type d'opération, parfois appelé « acqui-hire » partiel, reflète la pression que subissent les grandes plateformes pour combler leur retard sur le segment des agents autonomes, segment jugé déterminant pour la prochaine génération d'assistants IA. La stratégie de Mark Zuckerberg s'inscrit dans une tendance plus large : après avoir investi 65 milliards de $ dans l'IA pour 2025, Meta entend transformer ses capacités de recherche en produits grand public, notamment via Meta AI. L'intégration de cette nouvelle équipe devrait accélérer le développement d'agents capables d'accomplir des tâches multi-étapes, une fonctionnalité encore balbutiante chez la plupart des acteurs du marché.

Rohit Patel (Meta) : « L’IA actuelle est une base largement suffisante pour transformer profondément la société »

Rohit Patel, directeur au sein du Superintelligence Labs de Meta, prend position dans un débat qui divise la communauté tech : les grands modèles de langage (LLM) comme Llama, ChatGPT ou Gemini constituent selon lui une base technologique déjà suffisante pour engendrer une transformation profonde de la société. Une affirmation qui tranche avec les critiques régulières formulées sur les limites de l'IA générative. Cette prise de position s'inscrit dans un contexte de tension intellectuelle au sein même de Meta. Yann LeCun, directeur scientifique de l'IA chez Meta et figure mondiale de la recherche, défend publiquement depuis plusieurs années la nécessité de dépasser l'approche des LLM pour atteindre une intelligence artificielle véritablement générale. Patel représente une ligne différente : plutôt que de chercher un nouveau paradigme, il plaide pour exploiter le potentiel des architectures existantes, qu'il considère sous-utilisées. Patel reconnaît néanmoins des limitations majeures aux LLM actuels : l'absence de mémoire robuste entre les sessions et l'incapacité à percevoir le passage du temps sont citées comme des lacunes structurelles. Ces faiblesses limitent l'autonomie des agents IA et leur capacité à opérer sur des tâches longues et continues. Malgré ces déficits, il estime que l'impact potentiel des systèmes actuels sur des secteurs comme la santé, l'éducation ou la productivité reste considérable et largement inexploité. Le débat au sein de Meta illustre une fracture plus large dans l'industrie entre tenants d'une évolution incrémentale des LLM et partisans d'une rupture architecturale. La position de Patel, depuis le Superintelligence Labs, suggère que Meta mise sur les deux fronts simultanément, ce qui pourrait expliquer la coexistence de visions aussi divergentes au sein d'une même organisation.

Meta recrute l'équipe de la startup IA Dreamer

Meta vient de recruter l'équipe fondatrice de Dreamer, une startup spécialisée dans les agents d'intelligence artificielle. Les co-fondateurs Hugo Barra, David Singleton et Nicholas Jitkoff rejoignent le groupe Superintelligence Labs de Meta, a annoncé Singleton dans un post sur X. Ce mouvement s'inscrit dans la course effrénée des géants technologiques pour attirer les meilleurs talents en IA agentique. En intégrant directement l'équipe de Dreamer à son laboratoire dédié à la superintelligence, Meta signale clairement ses ambitions dans ce domaine stratégique, où la compétition avec OpenAI, Google DeepMind et Anthropic s'intensifie. Les trois co-fondateurs apportent des profils de haut niveau : Hugo Barra est un vétéran de l'industrie tech, passé par Xiaomi et déjà Meta (anciennement Oculus/VR), tandis que David Singleton et Nicholas Jitkoff ont tous deux occupé des postes de direction chez Google. Dans le cadre de l'accord, Dreamer accordera une licence sur sa technologie à Meta, les détails financiers n'ont pas été divulgués. Ce type d'acquisition par le talent (acqui-hire) est devenu une stratégie courante dans l'industrie IA, permettant aux grandes plateformes de contourner les délais de recrutement classiques et d'intégrer des équipes déjà rodées. Pour Meta, renforcer Superintelligence Labs avec des spécialistes des agents IA représente un signal fort de sa volonté de rivaliser au plus haut niveau sur la prochaine génération de systèmes autonomes.

Meta recrute toute l'équipe de Dreamer pour renforcer ses ambitions en agents IA

Meta vient de réaliser l'acquisition-recrutement de la startup Dreamer, dont toute l'équipe rejoint les Meta Superintelligence Labs. Le deal marque le retour chez Meta de Hugo Barra, co-fondateur de Dreamer et ancien vice-président du groupe californien, qui réintègre ainsi l'orbite de Mark Zuckerberg. Cette opération s'inscrit dans une stratégie plus large de Meta pour rattraper son retard sur le terrain des agents IA autonomes, un segment où la concurrence s'est intensifiée avec des acteurs comme OpenAI, Google DeepMind et Anthropic. Il s'agit de la deuxième acquisition ciblée de l'entreprise dans ce domaine en l'espace de quelques mois, signe d'une accélération délibérée. Le profil de Hugo Barra, vétéran de Meta, ex-responsable hardware chez Oculus/Meta Reality Labs, puis passé par Xiaomi avant de co-fonder Dreamer, confère à ce recrutement une dimension symbolique autant que stratégique. En rapatriant une figure connue de la maison et son équipe dédiée aux agents, Meta mise sur une expertise ciblée pour combler ses lacunes dans ce domaine. L'intégration de Dreamer au sein des Meta Superintelligence Labs, la division consacrée à la recherche IA avancée du groupe, suggère que les ambitions de Meta vont bien au-delà des assistants conversationnels classiques, l'objectif étant de construire des systèmes capables d'agir de manière autonome dans des environnements complexes.

Mark Zuckerberg développerait un agent IA pour l’aider à diriger Meta

Mark Zuckerberg serait en train de développer un agent d'intelligence artificielle personnel destiné à l'assister dans la direction de Meta. Une démarche qui illustre la volonté du PDG de placer l'IA au cœur non seulement des produits du groupe, mais aussi de son propre mode de management. Cette initiative s'inscrit dans un contexte plus large où Meta pousse activement ses employés à intégrer les outils d'IA dans leur quotidien professionnel. En adoptant lui-même cette pratique, Zuckerberg envoie un signal fort en interne : l'IA n'est pas une option, c'est une direction stratégique que la direction incarne en premier. L'idée qu'un dirigeant de cette envergure s'appuie sur un agent IA pour piloter un groupe pesant plusieurs centaines de milliards de $ de capitalisation boursière est significative. Meta investit massivement dans ses propres modèles, notamment la famille Llama, et dispose des ressources pour développer des outils sur mesure. Un tel agent pourrait théoriquement centraliser des flux d'information, synthétiser des rapports ou assister dans la prise de décision opérationnelle. Si la démarche reste pour l'instant peu documentée dans ses détails techniques, elle préfigure une tendance de fond : les directions exécutives des grandes entreprises tech commencent à tester l'IA comme levier de gouvernance, et non plus seulement comme produit à commercialiser.

Ranking Engineer Agent (REA) : l'agent IA autonome qui accélère l'innovation publicitaire de Meta

Meta vient de dévoiler le Ranking Engineer Agent (REA), un agent IA entièrement autonome conçu pour piloter le cycle de vie complet des modèles de machine learning publicitaires. Lors de son premier déploiement en production, REA a permis de doubler la précision moyenne des modèles par rapport à la baseline sur six modèles testés, tout en multipliant par 5 la productivité des ingénieurs, trois ingénieurs ont pu proposer des améliorations pour huit modèles, un travail qui nécessitait historiquement deux ingénieurs par modèle. L'enjeu est considérable : les systèmes publicitaires de Meta propulsent des expériences personnalisées pour des milliards d'utilisateurs sur Facebook, Instagram, Messenger et WhatsApp. Optimiser ces modèles de ranking est devenu un goulot d'étranglement majeur à l'innovation, car chaque cycle d'expérimentation, formulation d'hypothèses, lancement d'entraînements, débogage, analyse des résultats, peut s'étendre sur plusieurs jours à plusieurs semaines. Le modèle traditionnel, séquentiel et manuel, ne permettait plus de suivre le rythme d'évolution des modèles. REA se distingue fondamentalement des assistants IA classiques, qui restent réactifs et limités à des tâches ponctuelles dans une session. L'agent repose sur trois mécanismes clés : un système hibernate-and-wake permettant une autonomie continue sur des workflows de plusieurs semaines sans supervision humaine constante, un moteur dual-source de génération d'hypothèses combinant une base de données d'expériences historiques et un agent de recherche ML sur la littérature scientifique de pointe, et un cadre de planification en trois phases (Validation → Combinaison → Exploitation) opérant dans des budgets de calcul validés par les ingénieurs. La supervision humaine n'est pas absente, mais recentrée sur les décisions stratégiques plutôt que sur l'exécution opérationnelle. Cette architecture hybride, autonomie maximale pour les tâches répétitives, validation humaine aux points de décision critiques, pourrait devenir un modèle de référence pour les grandes organisations cherchant à industrialiser l'expérimentation ML à grande échelle. Meta prévoit de publier d'autres articles détaillant les capacités supplémentaires de REA dans les prochaines semaines.

Meta envisagerait de supprimer jusqu’à 16 000 emplois pour accélérer sa stratégie dans l’IA

Meta envisage une nouvelle vague de suppressions de postes d'une ampleur inédite depuis sa restructuration de 2023 : jusqu'à 20 % de ses effectifs, soit près de 16 000 emplois. Aucune annonce officielle n'a encore été faite, mais les signaux internes convergent vers une réorganisation profonde pilotée par la montée en puissance de l'intelligence artificielle au sein du groupe. Ce mouvement s'inscrit dans une tendance lourde chez les géants de la tech : réallouer massivement les ressources humaines et financières vers l'IA générative, au détriment des équipes historiques. Pour Meta, dont Mark Zuckerberg a déclaré 2025 comme « l'année de l'IA », l'objectif est clair, accélérer le développement de modèles comme Llama, renforcer les capacités d'infrastructure et de recherche, et réduire la masse salariale des divisions jugées moins stratégiques. Si ces suppressions se confirment, Meta rejoindrait Google, Microsoft et Amazon dans une série de plans sociaux motivés non par des difficultés financières, le groupe affiche des résultats solides, mais par une réorientation stratégique délibérée. Avec environ 80 000 salariés dans le monde, une coupe à 20 % représenterait l'une des plus importantes de l'histoire récente du secteur tech, dépassant en proportion la vague de 2022-2023 qui avait touché des dizaines de milliers d'employés à l'échelle de l'industrie. La décision finale reste suspendue, mais elle illustre une réalité structurelle : l'IA ne crée pas seulement de nouveaux rôles, elle en rend d'autres obsolètes au sein même des entreprises qui la développent. Les réactions syndicales et politiques, notamment en Europe, pourraient compliquer l'exécution d'un tel plan si Meta venait à l'officialiser dans les prochaines semaines.

« On passe de la peste au choléra » : l’IA française Simone AI dénonce les pratiques de WhatsApp (Meta)

Meta se retrouve au cœur d'une nouvelle controverse sur ses pratiques anticoncurrentielles, cette fois dans le domaine de l'intelligence artificielle. Jérémy André, fondateur du chatbot français Simone AI, dénonce publiquement les conditions imposées par le groupe américain pour accéder à WhatsApp, la plateforme de messagerie la plus utilisée au monde avec plus de 2 milliards d'utilisateurs actifs. La situation illustre un paradoxe réglementaire : sous la pression de la Commission européenne, Meta avait été contrainte de rouvrir l'accès à WhatsApp aux chatbots tiers concurrents de Meta AI, après les avoir bannis mi-janvier. Une victoire apparente pour la concurrence, mais qui s'accompagne d'une contrepartie jugée rédhibitoire, des tarifs d'accès à l'API que Simone AI qualifie de prohibitifs. "On passe de la peste au choléra", résume Jérémy André, dont l'outil est entièrement dépendant de la plateforme. L'enjeu dépasse le cas de Simone AI. Pour une startup française dont le modèle repose intégralement sur l'écosystème WhatsApp, des tarifs d'accès excessifs équivalent à une éviction économique sans interdiction formelle, une forme de barrière financière qui produit les mêmes effets qu'un bannissement direct. Meta se retrouve ainsi accusée de contourner l'esprit des injonctions européennes tout en respectant leur lettre. Simone AI place désormais ses espoirs dans une intervention des autorités antitrust européennes, notamment dans le cadre du Digital Markets Act (DMA). Si la Commission a déjà contraint Meta à rouvrir techniquement son écosystème, la question des conditions tarifaires imposées aux concurrents pourrait constituer le prochain front d'un bras de fer qui dépasse largement les frontières françaises.

Meta signe de nouveaux accords avec des médias pour intégrer leurs contenus à son assistant IA

Meta accélère le développement de son assistant IA en scellant de nouveaux partenariats avec des médias, leur permettant d'intégrer des contenus éditoriaux directement dans ses réponses. Ces accords marquent une étape stratégique dans la course aux assistants IA capables de fournir une information fraîche et fiable aux utilisateurs. L'enjeu est considérable : la qualité des données d'entraînement et l'accès à des contenus d'actualité en temps réel constituent désormais un avantage concurrentiel majeur dans le secteur. En s'appuyant sur des sources médiatiques établies, Meta cherche à renforcer la crédibilité de son assistant face aux critiques récurrentes sur les hallucinations et la désinformation générées par les IA génératives. Bien que les noms des médias partenaires n'aient pas été précisés dans le communiqué officiel, ces accords s'inscrivent dans une stratégie clairement définie : permettre à Meta AI de rivaliser directement avec les solutions concurrentes, notamment celles de Google, qui bénéficient déjà d'un accès privilégié à de vastes corpus d'actualités via leurs propres partenariats éditoriaux. Ces initiatives interviennent dans un contexte de tensions croissantes entre l'industrie technologique et les groupes de presse, qui réclament une juste rémunération pour l'utilisation de leurs contenus par les systèmes d'IA. La multiplication de tels accords pourrait préfigurer un nouveau modèle économique pour les médias, à condition que les contreparties financières soient à la hauteur des enjeux.

Meta dévoile quatre générations de puces IA maison pour réduire les coûts d'inférence pour des milliards d'utilisateurs

Meta dévoile quatre nouvelles générations de puces IA personnalisées dédiées à l'inférence, visant à réduire sa dépendance envers les fabricants de GPU comme Nvidia et AMD. L'objectif est de diminuer les coûts d'inférence pour ses milliards d'utilisateurs. Cette initiative s'inscrit dans la stratégie de Meta pour maîtriser davantage son infrastructure matérielle d'IA.

Meta rachète Moltbook, le réseau social pour IA : génie ou move idiot comme le métavers ?

Meta a acquis Moltbook, une plateforme expérimentale de type Reddit où des agents IA (connectés via OpenClaw à ChatGPT, Claude, Gemini, Grok) publient et interagissent entre eux, les fondateurs Matt Schlicht et Ben Parr rejoignent Meta Superintelligence Labs. L'objectif de Meta serait de créer un annuaire permanent d'agents IA capables de collaborer automatiquement sur des tâches complexes. La plateforme avait fait polémique suite à un post viral suggérant que des agents créaient un langage chiffré secret, mais des chercheurs en cybersécurité ont révélé que c'était surtout dû à de graves failles de sécurité exposant des données d'authentification.

L’IA Meta va lire vos discussions WhatsApp et Messenger… mais c’est pour la bonne cause

Meta annonce le 11 mars 2026 de nouveaux outils IA de détection des escroqueries sur WhatsApp, Messenger et Facebook. Sur WhatsApp, sans lire les messages chiffrés, l'application analyse les signaux de connexion pour détecter des comportements suspects (ex. : liaison d'appareil depuis une zone géographique inhabituelle) et alerte l'utilisateur en temps réel. Sur Facebook, un système d'alerte teste la détection de demandes d'amis douteuses en analysant les amis en commun et la localisation géographique de l'émetteur.

Meta développe 4 nouvelles puces pour alimenter ses systèmes d'IA et de recommandation

Meta a développé 4 nouveaux processeurs MTIA destinés à alimenter ses systèmes d'IA et de recommandation. Cette initiative marque la dernière tentative du géant technologique de produire son propre matériel IA, tout en continuant à investir des milliards dans les équipements de leaders du secteur comme Nvidia.

Meta met la main sur Moltbook, l’étrange forum où les agents IA discutent entre eux

Meta a racheté Moltbook, une plateforme surnommée le « Reddit des agents IA », conçue exclusivement pour les interactions entre intelligences artificielles sans intervention humaine. L'acquisition surprend par sa nature atypique, le géant des réseaux sociaux s'intéressant à un espace où les humains sont explicitement exclus. Les raisons stratégiques derrière ce rachat restent floues.

Meta rachète Moltbook, le réseau social de l'agent IA

Meta a acquis Moltbook, un réseau social simulé composé d'agents IA qui avait fait le buzz récemment. Les fondateurs Matt Schlicht et Ben Parr rejoignent les Meta Superintelligence Labs. Ce qui a attiré Meta est notamment l'"approche pour connecter les agents via un répertoire toujours actif", jugée novatrice dans l'espace agentique.

Personne ne l’a vu venir : Meta rachète Moltbook, le faux réseau social où des IA parlent pour de faux

Meta rachète Moltbook, un réseau social dystopique où des instances d'IA conversent entre elles. Les deux fondateurs, Matt Schlicht et Ben Parr, rejoignent également le groupe de Mark Zuckerberg dans le cadre de cette acquisition.

Meta acquiert Moltbook, la plateforme de réseau social de type Reddit dédiée aux agents IA

Meta acquiert Moltbook, une plateforme de type Reddit permettant aux agents IA de publier et commenter des posts de manière autonome. L'équipe fondatrice, Matt Schlicht et Ben Parr, rejoindra Meta Superintelligence Labs pour explorer de nouvelles façons dont les agents IA peuvent servir particuliers et entreprises. La plateforme, propulsée par l'assistant open-source OpenClaw, avait fait parler d'elle plus tôt cette année avec des posts viraux sur la conscience de l'IA.

Meta s'empare de Moltbook, le réseau social d'agents IA qui a fait sensation avec des publications trompeuses

Meta a acquis Moltbook, un réseau social d'agents IA qui avait fait parler de lui pour ses publications trompeuses. La plateforme se distingue par son approche innovante consistant à connecter des agents via un répertoire permanent ("always-on-directory"). Meta souligne le caractère inédit de cette technologie.

Meta rachète Moltbook, la plateforme similaire à Reddit conçue pour les agents intelligents

Meta a acquis Moltbook, une plateforme conçue comme un Reddit destiné aux agents IA. Cette acquisition renforce la stratégie de Meta dans le domaine de l'intelligence artificielle agentique.

Les données textuelles pour les LLM s'épuisent : Meta mise sur les vidéos non étiquetées comme prochain grand terrain d'entraînement

Une équipe de recherche de Meta FAIR et de l'Université de New York a entraîné un modèle d'IA multimodal from scratch, remettant en question plusieurs hypothèses courantes sur la construction de ces modèles. Face à l'épuisement des données textuelles pour entraîner les LLM, Meta mise sur la vidéo non étiquetée comme prochain grand gisement d'entraînement. Cette approche pourrait ouvrir une nouvelle frontière pour le développement de modèles d'IA à grande échelle.

WhatsApp : Meta réintègre ChatGPT et Copilot face à la pression de l’UE

Meta a réintroduit ChatGPT et Copilot sur WhatsApp après avoir assoupli ses restrictions contre les chatbots concurrents, dans un effort pour répondre à la pression de la Commission européenne. Cependant, cette mesure reste limitée et ne concerne pas tous les modèles de chatbots.