Microsoft· sujet

Microsoft rejoint Anthropic et OpenAI dans la course aux super-apps IA avec un Copilot repensé et des agents AutoPilot

Microsoft prévoit de fusionner ses applications Copilot grand public et entreprise en une seule application unique, avec un lancement annoncé pour août. Cette refonte s'accompagne de la suppression de fonctionnalités jugées peu utilisées, comme Copilot Podcasts, jugée trop marginale pour être maintenue dans la version consolidée. En parallèle, l'éditeur introduit une nouvelle génération d'agents baptisés "AutoPilot", capables d'exécuter des tâches en arrière-plan de façon autonome, sans intervention constante de l'utilisateur, moyennant un abonnement supplémentaire. Cette évolution marque un tournant stratégique pour Microsoft, qui rejoint ainsi Anthropic et OpenAI dans la course à la "super app" d'intelligence artificielle, où un assistant unique doit couvrir l'ensemble des usages quotidiens, personnels comme professionnels. Pour les utilisateurs, cela signifie une expérience simplifiée mais aussi une monétisation plus poussée des fonctions avancées, les agents autonomes devenant un argument de différenciation payant plutôt qu'un service inclus. Pour les entreprises clientes de Microsoft 365, cette unification pourrait modifier la manière dont les équipes accèdent à Copilot et budgétisent son usage. Cette annonce s'inscrit dans une compétition de plus en plus vive entre les grands acteurs de l'IA générative, chacun cherchant à transformer son chatbot en plateforme centrale capable d'agir pour l'utilisateur plutôt que de simplement répondre à ses questions. Anthropic et OpenAI ont déjà emprunté cette voie avec leurs propres agents autonomes, poussant Microsoft à accélérer l'intégration de fonctions similaires dans son écosystème. Reste à voir comment les utilisateurs actuels de Copilot Podcasts et des autres fonctions supprimées réagiront à cette simplification, et si le modèle payant d'AutoPilot trouvera son public face à une concurrence déjà bien installée sur ce terrain.

💬 Fusionner grand public et entreprise dans une seule app, ça simplifie l'interface mais ça prépare surtout le terrain pour vendre les agents autonomes en option payante. AutoPilot en abonnement à part, c'est le vrai signal : Microsoft ne mise plus sur Copilot comme fonctionnalité incluse, mais comme plateforme à étages où l'autonomie se facture séparément. La course à la super-app IA, c'est d'abord une course à trouver quoi faire payer une fois que le chatbot de base est devenu gratuit partout.

Le NYT attaque Microsoft pour avoir construit un supercalculateur violant le droit d'auteur pour OpenAI

Le New York Times a déposé jeudi une demande d'amendement de sa plainte en droits d'auteur contre OpenAI et Microsoft, en y ajoutant une accusation précise : Microsoft aurait activement encouragé OpenAI à s'approprier des contenus du Times en construisant pour lui un supercalculateur sur mesure, classé parmi les plus puissants au monde. Ce document, en grande partie caviardé, marque une nouvelle étape dans une procédure judiciaire lancée fin 2023 contre les deux géants technologiques. Selon un porte-parole du Times, Graham James, cet amendement s'appuie à la fois sur le droit nouvellement interprété et sur des preuves obtenues lors de la phase de découverte judiciaire. Ce changement de stratégie n'est pas anodin : il fait suite à une décision récente de la Cour suprême américaine dans l'affaire Sony contre Cox Communications, dans laquelle Sony avait tenté, sans succès, de tenir le fournisseur d'accès à Internet Cox responsable de piratage musical commis par ses abonnés. La Cour a posé un nouveau standard pour la "contributory infringement" : il faut désormais prouver qu'une partie a intentionnellement cherché à induire une conduite illégale, et non simplement qu'elle y a contribué passivement. En adaptant sa plainte à ce critère, le Times cherche à démontrer que Microsoft n'était pas un simple prestataire technique, mais un complice délibéré. L'affaire s'inscrit dans un débat bien plus large sur l'utilisation de contenus journalistiques et créatifs pour entraîner les grands modèles de langage. Depuis 2023, de nombreux éditeurs de presse ont intenté des actions en justice contre OpenAI, arguant que leurs archives ont été ingérées sans autorisation ni compensation. Microsoft, en tant qu'investisseur majeur d'OpenAI avec plus de 13 milliards de dollars engagés, occupe une position centrale dans cet écosystème. Si la demande d'amendement est acceptée par le tribunal, le procès pourrait établir une jurisprudence déterminante sur la responsabilité des financeurs et des fournisseurs d'infrastructure dans la chaîne de production des IA génératives.

Microsoft enrichit Copilot dans Excel avec des fonctions qui vont simplifier votre travail

Microsoft a annoncé le 25 juin 2026 une série de nouvelles fonctionnalités pour Copilot dans Excel, regroupées autour de trois axes principaux : l'automatisation par les "Skills", l'intégration de données financières tierces, et la transparence des actions de l'IA. Les Skills permettent à des équipes de créer des modèles réutilisables, stockés sous forme de fichiers SKILL.md dans OneDrive, qui définissent des procédures standardisées, comment générer un rapport financier, structurer un tableau, ou appliquer des conventions de nommage spécifiques. Copilot suit ensuite ces instructions de manière autonome. Microsoft enrichit également les connecteurs de données disponibles avec des fournisseurs spécialisés comme FactSet, Morningstar, PitchBook, CB Insights, Daloopa et S&P Global, permettant d'importer directement dans un classeur des données de marché et des analyses financières. Enfin, la fonction "Plan with Copilot" impose à l'assistant de présenter son plan d'action avant toute modification : feuilles concernées, cellules impactées, formules utilisées, hypothèses retenues, tout est soumis à validation avant exécution. Ces annonces ciblent directement les équipes finance et data, qui constituent le cœur de l'usage professionnel d'Excel. L'intégration native de sources comme S&P Global ou PitchBook élimine les allers-retours entre plateformes et réduit les erreurs de saisie manuelle, un problème coûteux dans les contextes où chaque chiffre doit être traçable. Les Skills répondent quant à elles à un problème concret : éviter de réexpliquer les mêmes préférences à chaque nouvelle session avec l'IA. La traçabilité offerte par Plan with Copilot adresse la principale résistance des professionnels face aux outils IA, la boîte noire, en rendant chaque intervention de Copilot auditable dans l'historique natif d'Excel. Microsoft construit depuis 2023 une stratégie d'intégration IA transversale à toute la suite Microsoft 365, avec Copilot comme fil directeur. Excel, outil central dans les entreprises depuis quatre décennies, représente un terrain stratégique : l'améliorer avec l'IA, c'est toucher directement la productivité des analystes, contrôleurs de gestion et directeurs financiers. La possibilité de distribuer des Skills via la marketplace Microsoft ouvre une dimension écosystème : des éditeurs tiers pourraient proposer leurs propres automatisations certifiées. Les abonnements séparés requis par certains fournisseurs de données financières rappellent néanmoins que la valeur ajoutée reste conditionnelle au budget des organisations, et que Microsoft construit ici autant un levier de revenus qu'un outil d'efficacité.

Créer un assistant de recherche sur les protéines avec Amazon Bedrock AgentCore

Amazon Web Services a publié un guide technique détaillant la construction d'un assistant conversationnel dédié à la recherche sur les protéines, baptisé "protein research copilot", reposant sur Amazon Bedrock AgentCore. Le système permet aux chercheurs de soumettre des requêtes en langage naturel, par exemple "Trouve 10 peptides similaires au peptide du virus de la dengue LPAIVREAI", et d'obtenir automatiquement des résultats de similarité structurelle accompagnés d'une synthèse scientifique générée par IA. L'architecture s'appuie sur le SDK Strands Agents pour orchestrer trois outils spécialisés au sein d'un agent unique : un parseur de requêtes, un moteur de recherche vectorielle, et un summariseur. Les embeddings protéiques sont calculés via le modèle ESM-C 300M déployé comme endpoint serverless sur Amazon SageMaker AI, puis comparés par similarité cosinus dans une base Amazon Aurora PostgreSQL avec l'extension pgvector. L'interface utilisateur tourne sur AWS Fargate via Streamlit, et le modèle de langage central est Claude Sonnet 4.6 d'Anthropic, accessible via l'API Bedrock Converse. Ce type d'outil répond à un problème concret dans les laboratoires de biologie computationnelle : la recherche manuelle de peptides structurellement similaires parmi des milliers de séquences est lente, sujette aux erreurs, et exige une expertise pointue pour interpréter les résultats. En automatisant l'ensemble du pipeline, de la formulation de la question à la synthèse des résultats, le copilote réduit drastiquement le temps passé sur des tâches répétitives et rend la recherche accessible à des profils moins spécialisés en bioinformatique. Le pattern "LLM-as-parser" utilisé pour extraire des paramètres structurés depuis du langage naturel est directement réutilisable dans d'autres domaines scientifiques où les données sont complexes et la formulation des requêtes peu standardisée. Cette publication s'inscrit dans la stratégie d'AWS de positionner Bedrock AgentCore comme plateforme de référence pour déployer des agents IA en production, face à des concurrents comme Google Vertex AI ou Microsoft Azure AI Studio. Le secteur biotech et pharmaceutique représente une cible prioritaire : la recherche sur les épitopes viraux, le dataset utilisé ici est celui de l'IEDB (Immune Epitope Database), est au coeur du développement de vaccins et de thérapies antivirales. Le modèle ESM-C, développé par EvolutionaryScale, est l'un des modèles de langage protéique les plus performants du moment. Le déploiement complet est estimé entre 30 et 45 minutes, mais implique des coûts sur Bedrock, SageMaker, Aurora Serverless v2 et Fargate qu'AWS invite explicitement à consulter avant de lancer l'infrastructure. Les prochaines étapes naturelles seraient l'intégration de bases de données protéiques publiques comme UniProt ou PDB, et l'extension à d'autres types de molécules biologiques.

Construire un pipeline de prévision avec TimeCopilot : modèles de fondation et détection automatique d'anomalies

TimeCopilot, une librairie Python open source dédiée à la prévision de séries temporelles, propose un pipeline complet combinant modèles statistiques classiques, modèles de fondation et détection automatique d'anomalies. Un tutoriel récent détaille comment construire un tel workflow de bout en bout : après installation via pip, l'utilisateur charge le jeu de données AirPassengers (série mensuelle historique de passagers aériens) et y adjoint une série synthétique saisonnière dans laquelle trois anomalies ont été artificiellement injectées aux indices 30, 75 et 120 en multipliant les valeurs par 2,2. Le panel ainsi constitué est soumis à une batterie de modèles : les statistiques AutoARIMA, AutoETS, Theta et SeasonalNaive, le modèle Prophet de Meta, et les modèles de fondation Chronos d'Amazon (versions chronos-bolt-small ou chronos-bolt-tiny selon la disponibilité d'un GPU) et TimesFM 2.0 de Google (500 millions de paramètres, activé uniquement en présence d'un GPU). Un agent LLM intégré à TimeCopilot peut ensuite sélectionner automatiquement le meilleur modèle et restituer les prédictions dans un format analytique accessible à un non-spécialiste. L'intérêt de cette approche réside dans la mise en compétition automatisée de plusieurs familles de modèles via une validation croisée glissante assortie de plusieurs métriques d'erreur, ce qui permet d'identifier objectivement le modèle le plus performant sur chaque série. TimeCopilot unifie dans une seule interface des approches radicalement différentes, des méthodes statistiques légères tournant sur CPU aux grands modèles de fondation pré-entraînés sur des milliards de points de données, sans obliger l'utilisateur à jongler entre bibliothèques hétérogènes. La génération d'intervalles de prédiction probabilistes et la visualisation des tendances futures permettent de quantifier l'incertitude, une exigence critique en planification opérationnelle. La détection d'observations inhabituelles intégrée au même pipeline réduit le risque de biais causé par des événements exceptionnels non filtrés. Ce tutoriel s'inscrit dans une tendance plus large : depuis 2023, les modèles de fondation pour séries temporelles cherchent à reproduire pour la prévision ce que les grands modèles de langage ont accompli pour le texte, c'est-à-dire des modèles pré-entraînés capables de généraliser sans réentraînement spécifique. Chronos d'Amazon, TimesFM de Google et Moirai de Salesforce se livrent une concurrence directe sur ce créneau. TimeCopilot se positionne comme une couche d'orchestration neutre, permettant de comparer ces nouveaux modèles aux méthodes classiques dans des conditions équivalentes. L'ajout d'un agent LLM capable d'interpréter les prévisions en langage naturel signale une convergence entre prévision quantitative et IA générative qui commence à séduire les équipes data souhaitant rendre leurs analyses accessibles à des décideurs non techniques.

💬 La course aux modèles de fondation pour séries temporelles, c'est le même film que pour les LLMs il y a deux ans : Chronos chez Amazon, TimesFM chez Google, Moirai chez Salesforce. C'est le genre de convergence que j'attendais, et TimeCopilot arrive au bon moment en permettant enfin de comparer ces nouveaux modèles aux méthodes classiques dans les mêmes conditions, sans jongler entre cinq bibliothèques différentes. Reste à voir si ces mastodontes pré-entraînés sortent gagnants face à un bon AutoARIMA sur de vraies séries métier.

Copilot a fouillé vos emails, LiteLLM a exposé des clés admin : faites cet audit en 5 points

En l'espace de deux semaines, quatre équipes de recherche ont révélé des failles critiques dans des outils d'IA d'entreprise, mettant à nu un même défaut structurel. Le 15 juin 2026, Varonis a divulgué SearchLeak (CVE-2026-42824), une chaîne d'exfiltration silencieuse dans Microsoft 365 Copilot Enterprise Search : un utilisateur clique sur une URL piégée hébergée sur microsoft.com, Copilot effectue une recherche dans sa propre boîte mail, et les données quittent le périmètre via un SSRF Bing, sans plugin, sans second clic, sans aucun indicateur visible. Quatre jours plus tôt, Obsidian Security avait publié une chaîne de trois CVE contre LiteLLM, une passerelle proxy qui centralise les accès à OpenAI, Anthropic, Azure et Bedrock. CVE-2026-47101 permet à un compte non-administrateur de générer une clé API universelle ; CVE-2026-47102 élève ce compte au rang d'administrateur via un endpoint non protégé ; CVE-2026-40217 permet une évasion du sandbox par exécution de code arbitraire. La chaîne combinée est scorée à CVSS 9.9. S'y ajoute CVE-2026-42271, une injection de commande dans les endpoints MCP de LiteLLM, inscrite sur la liste CISA KEV le 8 juin avec échéance de remédiation au 22 juin. Langflow a simultanément vu CVE-2026-5027 exploitée activement dès le 9 juin : une traversée de chemin dans l'upload de fichiers combinée à une auto-connexion activée par défaut ouvre une exécution de code à distance sans authentification sur environ 7 000 instances exposées, avec attribution à MuddyWater. Ces vulnérabilités révèlent un problème de fond identique : les outils IA d'entreprise acceptent des entrées externes sans frontière de confiance. Dans le cas de Copilot Enterprise Search, l'étendue est particulièrement préoccupante puisque l'outil hérite des droits organisationnels complets de l'utilisateur, exposant potentiellement l'ensemble de ce qu'il peut atteindre. Pour LiteLLM, compromettre la passerelle revient à obtenir simultanément toutes les clés de fournisseurs d'une organisation. Avec plus de 40 000 étoiles sur GitHub et des milliers de déploiements en entreprise, l'exposition est massive. L'exploitation active de Langflow par un acteur étatique iranien sur des milliers d'instances illustre la rapidité avec laquelle ces failles sont weaponisées après divulgation. Ces incidents s'inscrivent dans une tendance plus large. SearchLeak est la troisième chaîne d'exfiltration Copilot publiée par Varonis en douze mois, après Reprompt en janvier 2026 et EchoLeak en 2025, chaque fois avec un périmètre élargi. LiteLLM avait déjà été compromis en mars 2026 via une attaque supply chain qui avait backdooré les versions 1.82.7 et 1.82.8 sur PyPI. La campagne Mini Shai-Hulud a confirmé la viralité du vecteur : après la publication du code source d'un ver le 12 mai, des variantes ont compromis 32 packages npm de Red Hat Cloud Services le 1er juin, des packages téléchargés 80 000 fois par semaine. Le schéma est systémique : à mesure que l'IA s'intègre dans les infrastructures critiques, chaque couche de la chaîne, modèle, proxy, orchestrateur, dépendances, devient un vecteur d'attaque potentiel que les périmètres de confiance traditionnels ne couvrent pas.

Google et Microsoft s'allient pour contrer Anthropic et OpenAI

Google, Microsoft, Salesforce, Snowflake et ServiceNow ont annoncé mercredi un accord commun pour soutenir un protocole logiciel destiné aux systèmes d'IA en entreprise. L'initiative réunit certains des plus grands acteurs du logiciel d'entreprise mondial autour d'un standard technique partagé, dans le but d'unifier la façon dont les outils d'IA s'intègrent aux infrastructures existantes de leurs clients. L'enjeu est considérable pour les directions informatiques des grandes entreprises : en adoptant un protocole commun, ces éditeurs leur offrent une voie d'accès à l'IA qui s'appuie sur des systèmes déjà en place, sans dépendre exclusivement d'Anthropic ou d'OpenAI. Pour des sociétés comme Salesforce ou ServiceNow, dont les logiciels équipent des centaines de milliers d'organisations, c'est une façon de transformer leur base installée en levier stratégique face aux pure players de l'IA générative. Ce mouvement s'inscrit dans une compétition ouverte entre deux camps : d'un côté, les startups d'IA comme Anthropic et OpenAI qui cherchent à s'imposer directement comme couche d'intelligence dans les entreprises ; de l'autre, les éditeurs traditionnels qui misent sur leur profondeur d'intégration et leurs relations client de longue date pour ne pas être marginalisés. En créant un standard commun, Google, Microsoft et leurs partenaires cherchent à structurer le marché autour de règles du jeu qui valorisent l'écosystème existant plutôt que les modèles de fondation seuls.

OpenAI : une croissance fulgurante, mais des pertes colossales

OpenAI a transmis à la SEC américaine un dossier financier confidentiel dans le cadre de sa préparation à une introduction en Bourse. Des documents ont fuité, révélant l'état réel des finances du laboratoire. En 2025, OpenAI a généré 13,1 milliards de dollars de chiffre d'affaires, contre 3,7 milliards en 2024, soit une hausse de plus de 250 % en un an. À fin 2025, la société encaissait 2 milliards de dollars par mois, deux fois plus que son chiffre trimestriel de fin 2024. Mais les pertes nettes ont atteint 38,5 milliards de dollars sur l'exercice, contre 5,09 milliards l'année précédente. En retranchant un ajustement comptable exceptionnel d'environ 30 milliards lié à la réorganisation juridique de l'entreprise, les pertes opérationnelles réelles s'établissent à 8 milliards, soit tout de même 60 % de plus qu'en 2024. Les dépenses d'exploitation ont failli tripler, passant de 12,5 à 34 milliards de dollars, avec une R&D qui explose à 19,18 milliards contre 7,81 milliards l'année précédente. En 2025, Microsoft a perçu 17,2 milliards de dollars d'OpenAI, dont 10,59 milliards pour couvrir les coûts d'infrastructure Azure liés à l'entraînement des modèles. Ces chiffres illustrent une réalité structurelle de l'IA générative : même les acteurs les plus rentables sur le plan commercial brûlent des liquidités à une vitesse sans précédent. OpenAI dépense nettement plus vite qu'elle ne gagne, et la dynamique ne semble pas près de s'inverser. Pour les utilisateurs et les entreprises clientes, cela signifie que la course aux modèles toujours plus puissants est financée par une accumulation de pertes qui repose entièrement sur la confiance des investisseurs. Pour l'industrie, cela confirme que le modèle économique de l'IA de pointe reste fragile : les marges sont négatives et les infrastructures de calcul représentent un coût colossal, capturé ici en grande partie par Microsoft via Azure. OpenAI a entamé sa transformation en société à but lucratif classique au cours des derniers mois, une restructuration juridique qui a généré la charge comptable exceptionnelle de 30 milliards. Ce changement de statut est précisément ce qui ouvre la voie à une introduction en Bourse. En mars 2026, la société annonçait une levée de fonds de 122 milliards de dollars sur une valorisation de 852 milliards, ce qui lui laisse 25 milliards de trésorerie disponible. SoftBank figure parmi les investisseurs clés avec 867 millions versés à OpenAI, tandis que Microsoft, malgré ses 17 milliards encaissés, reste à la fois fournisseur d'infrastructure, partenaire stratégique et client. La future cotation en Bourse imposera une transparence totale sur ces flux financiers complexes, et les marchés devront alors trancher : OpenAI vaut-elle vraiment près de mille milliards de dollars, ou est-elle une bulle alimentée par l'enthousiasme autour de l'IA ?

Claude coûte trop cher : Microsoft pourrait glisser l’IA chinoise DeepSeek dans Copilot

Microsoft envisage d'intégrer DeepSeek, le modèle d'intelligence artificielle développé en Chine, au sein de son assistant Copilot, selon des informations récentes. L'objectif affiché est de réduire les coûts d'inférence, jugés trop élevés avec les modèles actuellement utilisés, notamment Claude d'Anthropic. La version de DeepSeek qui serait déployée serait hébergée sur l'infrastructure Azure de Microsoft, garantissant que les données des entreprises clientes ne transitent pas vers des serveurs chinois. L'enjeu financier est considérable pour Microsoft, qui facture Copilot à la consommation et doit donc maîtriser ses coûts d'inférence pour préserver ses marges. DeepSeek, rendu célèbre début 2025 pour ses performances comparables aux meilleurs modèles occidentaux à une fraction du coût de développement, représente une option économiquement attractive. Pour les entreprises clientes, cela pourrait se traduire par des tarifs plus compétitifs ou une meilleure rentabilité des usages intensifs de l'assistant. La manœuvre place néanmoins Microsoft dans une position délicate sur le plan géopolitique. DeepSeek est une société chinoise, et Washington surveille étroitement les flux technologiques entre les États-Unis et la Chine, en particulier dans le domaine de l'IA. Des restrictions réglementaires ou des pressions politiques pourraient freiner ce projet, même si Microsoft avance l'argument de la souveraineté des données via Azure. La décision illustre une tension croissante dans l'industrie entre la réduction des coûts d'IA et les impératifs de sécurité nationale qui pèsent sur les choix technologiques des grandes entreprises américaines.

💬 Microsoft qui bascule sur DeepSeek pour tenir ses marges Copilot, c'est la preuve que même les plus gros ne peuvent pas absorber indéfiniment le coût des meilleurs modèles. Le marché va se couper en deux : modèles chers pour les usages critiques, modèles économiques pour le volume. L'hébergement Azure comme argument souveraineté, sur le papier ça se tient, mais ça reste du sourcing chinois et Washington a l'habitude de changer d'avis.

GitHub Copilot lance une application desktop pour les flux de travail multi-agents en parallèle

GitHub a lancé une application desktop dédiée à GitHub Copilot, conçue pour orchestrer plusieurs agents IA en parallèle depuis un seul point de contrôle. Baptisée GitHub Copilot app, elle s'adresse aux développeurs qui travaillent déjà avec des agents de codage automatisés et souhaitent superviser leur travail sans jongler entre plusieurs interfaces. Mario Rodriguez, responsable produit chez GitHub, a présenté l'outil sur le blog officiel de l'entreprise, en soulignant que la promesse de rapidité des agents récents s'accompagne trop souvent de "workflows désarticulés, de changements de contexte incessants et d'un temps excessif passé à relire le code généré". L'application cible directement ce problème d'orchestration : plutôt que de lancer un agent à la fois et d'attendre son résultat, les développeurs peuvent désormais piloter plusieurs tâches en parallèle depuis une interface unifiée. Cela réduit le temps mort entre les itérations et permet de conserver une vue d'ensemble sur ce que chaque agent produit, sans perdre le fil du projet. L'enjeu est de rendre le développement assisté par IA réellement fluide en production, et pas seulement dans des démonstrations. Ce lancement intervient dans un contexte de course effrénée entre les grandes plateformes de développement. Cursor, Windsurf, Devin ou encore Claude Code ont chacun proposé leur vision de l'agent de code autonome ces derniers mois. En répondant avec une application desktop centrée sur le contrôle humain et les workflows parallèles, GitHub cherche à repositionner Copilot non plus comme un simple assistant d'autocomplétion, mais comme un véritable système de coordination d'agents, ancré dans l'écosystème Microsoft et les habitudes des 150 millions d'utilisateurs de la plateforme.

Google Cloud soutient l’ambition de superintelligence d’Ineffable Intelligence

Ineffable Intelligence, startup londonienne fondée par David Silver, le chercheur britannique à l'origine d'AlphaGo, a annoncé lors du Google Cloud Summit London 2026 un partenariat stratégique avec Google Cloud pour soutenir le développement de son projet de superintelligence. Cette alliance intervient dans la foulée d'une levée de fonds de 1,1 milliard de dollars, la plus importante jamais réalisée par une startup européenne spécialisée dans l'IA. Concrètement, Ineffable Intelligence déploiera sur l'infrastructure Google Cloud l'un des plus grands clusters A5X au monde, équipé de GPU NVIDIA Vera Rubin NVL72, pour entraîner ce qu'elle appelle un « super-apprenant » : une intelligence artificielle capable d'acquérir des connaissances par l'expérience directe, en continu, plutôt qu'à partir de vastes ensembles de données précompilées. L'enjeu dépasse largement le simple choix d'un prestataire cloud. Les systèmes fondés sur l'apprentissage par renforcement continu imposent des contraintes d'infrastructure radicalement différentes des modèles génératifs classiques : ils génèrent, évaluent et exploitent en temps réel des flux d'expériences, ce qui exige non seulement une puissance de calcul considérable, mais aussi une interconnexion ultra-performante entre GPU, réseau à haut débit et stockage optimisé. Google Cloud se positionne précisément sur cette architecture intégrée, présentée comme un avantage décisif pour les laboratoires les plus exigeants. Pour l'industrie, ce partenariat marque une étape dans la compétition entre hyperscalers pour capter les projets d'IA les plus ambitieux, où l'infrastructure devient un levier de différenciation aussi important que les algorithmes eux-mêmes. David Silver, figure emblématique du domaine depuis sa contribution décisive à AlphaGo chez DeepMind, a quitté Google pour fonder Ineffable Intelligence avec l'ambition explicite de développer des systèmes capables de dépasser les capacités humaines dans des domaines comme les sciences, les mathématiques ou la technologie. L'approche par apprentissage par renforcement qu'il défend s'inscrit dans une tradition de recherche distincte des grandes entreprises qui misent sur la mise à l'échelle de modèles de langage entraînés sur du texte. Le choix de Google Cloud comme partenaire est une décision stratégique pour les deux parties : Ineffable Intelligence bénéficie d'une infrastructure de premier rang à grande échelle, tandis que Google utilise ce partenariat comme vitrine pour démontrer la maturité de son offre IA à une période où la concurrence entre Azure, AWS et Google Cloud pour attirer les laboratoires de recherche de pointe n'a jamais été aussi intense. La levée de 1,1 milliard confirme que le projet est pris très au sérieux par les investisseurs, même si l'horizon d'une superintelligence opérationnelle reste indéfini.

💬 David Silver quitte Google pour lever 1,1 milliard et retourner entraîner ses modèles sur... l'infra Google. Le serpent qui se mord la queue, mais version superintelligence. Ce qui m'intéresse vraiment là-dedans, c'est l'approche : de l'apprentissage par renforcement continu plutôt que du scaling de LLM sur texte, c'est une vraie bifurcation par rapport à ce que font OpenAI ou Anthropic. Reste à voir si ça donne quelque chose en dehors des jeux de plateau.

Faille critique dans Copilot : des pirates pouvaient voler les codes 2FA des utilisateurs

Microsoft a corrigé mardi dernier une faille de sécurité classée critique au niveau maximal dans sa plateforme d'IA M365 Copilot. Le lundi suivant, les chercheurs ayant découvert et signalé la vulnérabilité ont dévoilé le détail de leur exploit : leur preuve de concept permettait de récupérer des codes d'authentification à deux facteurs (2FA) ainsi que d'autres données sensibles contenues dans les e-mails accessibles à Copilot. Concrètement, un attaquant pouvait injecter des instructions malveillantes dans un contenu externe, par exemple un e-mail ou un document, que Copilot était amené à traiter, et l'IA exécutait ces instructions à l'insu de l'utilisateur. Le problème révélé ici dépasse le simple bug logiciel : il touche à une limite fondamentale des grands modèles de langage. Ces systèmes sont structurellement incapables de distinguer les instructions légitimes d'un utilisateur des instructions malveillantes glissées dans un contenu tiers qu'ils analysent ou résument. Cette catégorie d'attaque, connue sous le nom de prompt injection indirect, expose potentiellement des millions d'utilisateurs professionnels qui confient à Copilot l'accès à leurs boîtes mail, leurs documents et leurs données d'entreprise. Un acteur malveillant peut ainsi exfiltrer discrètement des informations confidentielles sans que l'utilisateur ne remarque quoi que ce soit. Pour contourner les garde-fous mis en place par Microsoft, les chercheurs ont utilisé des langages de balisage permettant d'ajouter des liens et du formatage sans recourir à HTML brut, ou ont encapsulé des données sensibles dans des balises HTML comme ` ou `. Dans les deux cas, une requête web contenant les données volées est envoyée automatiquement vers un serveur contrôlé par l'attaquant, qui les récupère dans ses journaux de connexion. Microsoft comme ses concurrents se retrouvent ainsi à construire des protections complexes et improvisées pour contenir les effets d'une faille architecturale qu'ils ne peuvent pas corriger à la racine.

💬 La prompt injection, c'est pas nouveau, mais là ça touche des boîtes mail pro avec les codes 2FA et c'est une autre échelle. Microsoft a patché ce cas précis, mais le vrai problème, qu'un LLM ne peut pas distinguer tes instructions d'une instruction planquée dans un doc piégé, ça personne ne peut le corriger vraiment. Reste à voir combien de variantes traînent encore.

Google Research : Gemini-SQL2 domine les benchmarks text-to-SQL avec une large avance

Google Research a publié Gemini-SQL2, un système capable de convertir du langage naturel en requêtes SQL exécutables, construit sur le modèle Gemini 3.1 Pro. Sur le benchmark BIRD, référence industrielle pour évaluer la conversion texte-vers-SQL, Gemini-SQL2 atteint un taux de précision de 80,04 %, distançant significativement les solutions concurrentes d'OpenAI et d'Anthropic. Cette performance place Google en tête d'un domaine à fort enjeu commercial : la capacité à interroger des bases de données en langage courant, sans écrire une seule ligne de code, ouvre l'accès à la donnée à des profils non techniques au sein des entreprises. Pour Google, l'intégration de cette technologie dans ses services de données comme BigQuery ou Looker pourrait accélérer l'adoption par des équipes analytiques qui dépendent aujourd'hui d'ingénieurs pour formuler leurs requêtes. Le benchmark BIRD, qui évalue la robustesse des modèles sur des bases de données réelles et complexes, est devenu le baromètre de référence depuis 2023 pour comparer les approches text-to-SQL. La course à ce type de capacité s'inscrit dans une compétition plus large entre les grands laboratoires pour intégrer l'intelligence artificielle directement dans les flux de travail d'entreprise. Avec Gemini-SQL2, Google consolide sa position sur le segment des outils de productivité données, un marché où Microsoft, via Copilot for Azure, et les startups spécialisées comme Text2SQL.ai exercent également une pression croissante.

💬 80% sur BIRD sur des vraies bases de données complexes, c'est pas du benchmarking en chambre. Ce qui est intéressant c'est moins le score que l'intégration qui vient (BigQuery, Looker) : là, les équipes métier qui passaient leur vie à attendre un data engineer vont pouvoir requêter elles-mêmes. Reste à voir si ça tient quand les schémas sont vraiment sales, parce qu'en prod, c'est rarement aussi propre que dans les benchmarks.

SkillOpt de Microsoft améliore automatiquement les compétences des agents IA sans modifier les poids du modèle

Microsoft Research Asia a publié SkillOpt, un framework open source sous licence MIT conçu pour optimiser automatiquement les compétences des agents IA. Ces compétences, appelées "skills", sont des ensembles d'instructions stockées dans des fichiers texte au format markdown (.md) qui permettent à un agent de s'adapter à des flux de travail d'entreprise complexes, sans modifier les paramètres du modèle sous-jacent. Développé par Yifan Yang, Senior Research SDE chez Microsoft Research Asia, SkillOpt introduit un optimiseur qui traite ces documents texte comme des objets entraînables, les faisant évoluer de manière systématique à partir des retours de performance. Sur plusieurs benchmarks industriels, il surpasse les méthodes existantes et améliore significativement la précision de modèles comme GPT-5.5 et Qwen, produisant des artefacts compacts et transférables vers de nouveaux domaines. L'enjeu est concret : aujourd'hui, affiner ces fichiers de compétences est un processus manuel et risqué. Les équipes procèdent par essais-erreurs, sans garantie que chaque modification représente réellement une amélioration. Yang identifie trois défaillances récurrentes dans les approches actuelles : l'absence de contrôle d'amplitude des modifications, qui provoque une dérive progressive des instructions ; l'absence de validation, qui laisse des corrections superficiellement raisonnables dégrader silencieusement les performances ; et l'absence de mémoire négative, qui permet aux mêmes erreurs de se reproduire indéfiniment. Pour illustrer la fragilité du système actuel, Yang cite un cas précis : une réécriture non contrôlée a fait chuter GPT-5.5 sur le benchmark SpreadsheetBench de 41,8 à 41,1, soit une régression invisible jusqu'à ce qu'elle soit mesurée. Ce problème est particulièrement critique dans les workflows multi-étapes, là où les grands modèles sont les plus vulnérables, non pas sur le raisonnement, mais sur la discipline procédurale : formats de sortie, auto-vérification, politiques d'utilisation des outils. Avant SkillOpt, plusieurs approches existaient sans résoudre ce problème de fond. Des méthodes d'optimisation de prompts comme TextGrad et GEPA traitent les textes comme des objets optimisables via le feedback de trajectoires d'exécution, mais se limitent à des configurations de prompt unique plutôt qu'à des artefacts de compétences persistants et réutilisables. Des méthodes comme EvoSkill et Trace2Skill convertissent les expériences d'exécution en bibliothèques de compétences domaine-spécifiques, mais sans le contrôle mathématique qui garantit que chaque itération est réellement une amélioration. SkillOpt comble ce vide en appliquant une discipline comparable à l'apprentissage profond, avec contrôle du pas d'optimisation, validation systématique et mémoire des échecs, au texte naturel plutôt qu'aux poids d'un réseau de neurones. La publication en open source signale que Microsoft vise une adoption large dans l'écosystème des agents IA d'entreprise, un marché en pleine structuration où la fiabilité procédurale devient un avantage compétitif décisif.

💬 Ce qui me plaît là-dedans, c'est que ça s'attaque enfin au vrai problème : pas le modèle, mais les instructions qu'on lui donne. Tuner des fichiers markdown à la main en espérant que ça s'améliore, c'est exactement le genre de bricolage qui fait perdre des heures aux équipes sans qu'elles s'en rendent compte. Reste à voir si ça tient sur des workflows vraiment complexes, mais le fait que Microsoft sorte ça en open source, ça sent le pari sur l'adoption longue.

Pourquoi Microsoft et d'autres clients d'Anthropic ont tardé à adopter Claude Fable

Lors du lancement de son dernier modèle d'intelligence artificielle Claude Fable, Anthropic a instauré une nouvelle politique de rétention des données : toutes les informations transmises au modèle sont conservées pendant 30 jours. L'objectif affiché est de détecter les usages malveillants ou illégaux. Mais cette décision a un effet secondaire immédiat : les entreprises qui utilisent Fable pour écrire ou modifier du code applicatif confient techniquement leurs données propriétaires à Anthropic pendant un mois. Dans certains cas, ces données sont stockées sur des serveurs cloud distincts de ceux que les clients ont eux-mêmes configurés. Amazon Web Services, qui héberge l'infrastructure d'Anthropic et revend ses modèles à ses propres clients cloud, a officiellement averti ces derniers mardi que "dès lors que vous optez pour la rétention des données, celles-ci quittent le périmètre de données et de sécurité d'AWS." Cette situation freine l'adoption de Fable chez plusieurs grands clients, dont Microsoft. Pourtant, les capacités de codage du modèle sont reconnues comme exceptionnelles, au point qu'Anthropic a pu relever ses tarifs sans perdre la demande. Le problème est fondamentalement de nature juridique et réglementaire : pour des entreprises manipulant du code propriétaire, des secrets industriels ou des données sensibles, accepter qu'un tiers conserve ces informations hors de leur périmètre de contrôle pendant 30 jours représente un risque de conformité inacceptable, notamment au regard des réglementations sectorielles ou des politiques internes de cybersécurité. La tension illustre un défi structurel pour les fournisseurs d'IA générative : plus leurs modèles sont puissants et déployés dans des environnements critiques, plus les exigences de souveraineté des données deviennent contraignantes. Anthropic se retrouve dans une position délicate, devant concilier ses impératifs de sécurité et de surveillance des usages avec les standards de confidentialité attendus par ses clients enterprise. La décision d'AWS de clarifier publiquement les implications de cette politique suggère que la pression des clients institutionnels est déjà forte, et que des aménagements contractuels ou techniques pourraient être négociés dans les semaines à venir.

💬 Fable code apparemment mieux que tout le monde, au point qu'Anthropic peut se permettre de monter ses prix. Mais 30 jours de rétention sur du code propriétaire, c'est le genre de clause que les équipes légales barrent d'un trait rouge sans lire la suite. Reste à voir si Anthropic lâche du lest, parce que se fâcher avec Microsoft et AWS en même temps, c'est pas une stratégie de croissance évidente.

☕️ Microsoft bloque Claude Fable 5 en interne à cause de la rétention des données

Microsoft a intégré Claude Fable 5 d'Anthropic à GitHub Copilot et à sa plateforme Azure Foundry pour le développement d'applications IA, mais a bloqué l'accès au modèle pour ses propres employés dans les versions internes de ces outils. La raison : une politique de rétention des données incompatible avec les exigences internes de l'éditeur. Anthropic conserve en effet les requêtes et les réponses générées par Fable 5 pendant 30 jours, une durée qui peut s'étendre à deux ans en cas de suspicion d'usage malveillant. Ce délai existe parce que Fable 5 repose sur la même architecture que Mythos, le modèle à capacités avancées d'Anthropic, même s'il en est une version bridée : toute question touchant à la cybersécurité, la biologie, la chimie ou la distillation de modèles IA est automatiquement redirigée vers Opus 4.8, plus restreint. Pour les utilisateurs individuels de Claude.ai ou de l'application mobile, cette rétention de 30 jours est déjà la norme et ne change rien. En revanche, pour les entreprises qui accèdent à Claude via la console professionnelle, Amazon Bedrock, Google Cloud Agent ou Foundry avec le mode Zero Data Retention activé, c'est une rupture nette. Ce mode, proposé par Anthropic à certains clients enterprise, garantissait jusqu'ici qu'aucune donnée n'était conservée après traitement. Fable 5 ne supporte plus cette garantie, ce qui expose potentiellement des données sensibles, des informations confidentielles ou des propriétés intellectuelles aux conditions de rétention d'Anthropic. L'équipe juridique de Microsoft évalue actuellement les implications de ce changement, sans calendrier de résolution annoncé. Le cas illustre une tension structurelle croissante dans l'adoption des LLM de pointe par les grandes entreprises : plus les modèles sont puissants et soumis à des exigences de surveillance réglementaire, plus les conditions d'utilisation deviennent contraignantes pour les clients professionnels. D'autres organisations utilisant Fable 5 via ces mêmes canaux pourraient se retrouver dans la même situation que Microsoft, ce qui pourrait freiner l'adoption enterprise du modèle malgré ses performances.

💬 Le Zero Data Retention, c'était l'argument qui faisait craquer les directions juridiques. Anthropic le retire avec Fable 5 parce que le modèle partage une base avec Mythos et qu'ils veulent surveiller les requêtes sensibles, la logique est là, mais ça va freiner l'adoption enterprise bien plus sûrement que n'importe quel mauvais benchmark. Pour les boîtes européennes qui bossent sous RGPD, c'est pas une friction, c'est un mur.

Des outils Microsoft piratés pour voler des identifiants d’outils IA comme Claude Code

Microsoft a dû désactiver l'accès à plus de 70 de ses propres dépôts GitHub suite à une campagne d'attaques nommée « Miasma », révélée début juin 2026. Parmi les dépôts compromis figurent des projets critiques comme « Azure/functions-action », utilisé pour déployer du code sur Azure Functions, et le framework Durable Task, décrit comme « utilisé activement en production par de nombreuses équipes d'ingénierie au sein de Microsoft ». L'entreprise de sécurité StepSecurity a identifié le vecteur précis : un commit malveillant poussé dans le dépôt Azure/durabletask via un compte de contributeur piraté, ajoutant cinq fichiers conçus pour s'exécuter automatiquement dans quatre environnements de développement. Le code s'active dès qu'un développeur ouvre le dépôt dans Claude Code, Gemini CLI, Cursor ou VS Code, avec pour objectif de dérober des identifiants. L'impact est particulièrement insidieux car l'attaque ne repose sur aucune faille technique de GitHub ou de npm, mais exploite la confiance accordée aux flux de publication légitimes. En s'emparant des identifiants d'un mainteneur, les attaquants ont pu demander un jeton OIDC GitHub valide, publier une version infectée avec une provenance SLSA authentique, et contourner ainsi les scanners de sécurité conventionnels qui l'ont traitée comme une mise à jour de routine. Comme le souligne l'entreprise Cloudsmith, « le ver s'est fondu dans les flux de travail légitimes » : les paquets malveillants portaient des signatures cryptographiques valides, indiscernables de celles d'un éditeur légitime. Les développeurs qui clonent un dépôt ne sont pas exposés, mais ceux qui l'ouvrent directement dans leur IDE l'étaient. Paradoxalement, c'est l'équipe de sécurité de Microsoft elle-même qui avait détecté Miasma en premier, non pas dans ses propres projets, mais chez Red Hat le 2 juin, où 32 paquets npm du périmètre @redhat-cloud-services avaient été modifiés dans plus de 90 versions. StepSecurity relie cette campagne à une attaque antérieure, « Mini Shai-Hulud », menée par le groupe TeamPCP, les deux opérations partageant un même domaine de commande et contrôle. Le compte piraté chez Microsoft est le même dont les identifiants avaient servi lors d'une attaque contre PyPI le 19 mai. Cette série d'incidents illustre une tendance de fond : la compromission des identifiants développeurs comme point d'entrée privilégié dans la chaîne d'approvisionnement logicielle, un vecteur d'autant plus difficile à contrer que les outils de vérification d'intégrité comme SLSA ne distinguent pas un éditeur authentique d'un attaquant ayant volé ses clés.

💬 Ce qui me frappe, c'est pas l'ampleur de la campagne. C'est que tous nos garde-fous, SLSA, les signatures cryptographiques, les pipelines de provenance qu'on impose aux projets OSS depuis des années, sont aveugles face à des credentials volés : la signature est valide, les scanners voient du vert, et t'es quand même compromis. C'est le genre de faille qu'on va pas résoudre avec un outil de plus dans la chaîne.

Les sous-titres détaillés surpassent le volume brut pour entraîner des générateurs d'images efficaces, selon Lens de Microsoft Research

Microsoft Research a publié Lens, un modèle de génération d'images à partir de texte doté de seulement 3,8 milliards de paramètres, capable de rivaliser avec des modèles bien plus volumineux sur les benchmarks standard, à une fraction du coût d'entraînement habituel. La clé de cette performance réside dans les données : au lieu de s'appuyer sur les descriptions alternatives vagues issues du web, l'équipe a généré 800 millions de légendes d'images très détaillées à l'aide de GPT-4.1. Le code source et les poids du modèle ont été publiés sous licence open source. Ce résultat remet en question une hypothèse dominante dans l'industrie de l'IA : celle selon laquelle il faudrait toujours plus de paramètres et de données brutes pour obtenir de meilleures performances. Lens démontre qu'un modèle compact, nourri de données de haute qualité, peut égaler des modèles propriétaires bien plus lourds. Pour les équipes disposant de ressources limitées, cela ouvre la voie à des pipelines de génération d'images performants sans investissement massif en infrastructure. Cette publication s'inscrit dans une tendance qui valorise la qualité des données d'entraînement plutôt que leur quantité brute, une philosophie déjà portée par des modèles comme Phi chez Microsoft lui-même. L'utilisation de GPT-4.1 pour générer des descriptions riches et précises rappelle les approches de recaptioning adoptées par Stability AI ou Adobe Firefly. En rendant Lens accessible à tous, Microsoft Research contribue à démocratiser la recherche en génération visuelle, et pourrait accélérer l'émergence de modèles spécialisés plus efficaces dans des domaines comme le design, la médecine ou l'éducation.

Microsoft Discovery en disponibilité générale sur Azure, alimentant l'IA à base d'agents de la puce quantique Majorana 2

Microsoft a annoncé la disponibilité générale de Microsoft Discovery, sa plateforme Azure dédiée au déploiement d'équipes d'agents IA autonomes pour la recherche scientifique. C'est cette même plateforme qui a piloté le développement de Majorana 2, une puce quantique topologique affichant une fiabilité multipliée par 1 000 par rapport aux générations précédentes, avec des durées de vie de qubits atteignant 20 secondes. Microsoft fixe désormais à 2029 l'horizon d'un ordinateur quantique opérationnel à grande échelle, soit deux fois plus tôt que son calendrier initial. L'enjeu est considérable : un ordinateur quantique suffisamment fiable permettrait de résoudre des problèmes inaccessibles aux supercalculateurs classiques, notamment en chimie moléculaire, en cryptographie ou en optimisation logistique. En mettant ses agents IA au service de la conception de hardware quantique, Microsoft franchit une étape symbolique forte : l'IA ne se contente plus d'assister les chercheurs humains, elle orchestre elle-même des cycles d'expérimentation scientifique bout en bout. La course au quantique s'intensifie avec Google, IBM et plusieurs startups comme IonQ ou PsiQuantum comme principaux concurrents. Microsoft mise sur une architecture topologique reposant sur les qubits de Majorana, jugés intrinsèquement plus stables que les qubits supraconducteurs privilégiés par ses rivaux. La combinaison de cette approche matérielle distinctive et d'une plateforme IA agentique directement accessible sur Azure positionne Microsoft comme un acteur à double avantage dans la prochaine phase de la compétition quantique mondiale.

Le directeur IA de Microsoft affirme que l'entreprise est "libérée" d'OpenAI pour poursuivre la superintelligence

Mustafa Suleyman, directeur de Microsoft AI, a révélé lors de Microsoft Build 2026 qu'un changement contractuel conclu il y a environ six mois avec OpenAI a officiellement autorisé sa division à développer de manière autonome ce qu'il appelle ouvertement la "superintelligence". Cette annonce, faite en coulisses du Fort Mason Center à San Francisco, s'est accompagnée d'une démonstration concrète : Microsoft a présenté une famille de sept modèles d'IA entièrement développés en interne par son équipe AI Superintelligence Team, regroupés sous le nom "MAI". Le modèle phare, MAI-Thinking-1, est un modèle de raisonnement de 35 milliards de paramètres actifs qui, selon Microsoft, rivalise avec les meilleurs modèles de sa catégorie sur les benchmarks d'ingénierie logicielle et de raisonnement mathématique. La famille comprend également MAI-Code-1-Flash pour GitHub Copilot et VS Code, MAI-Image-2.5 pour la génération et l'édition d'images, MAI-Transcribe-1.5 couvrant 43 langues, et MAI-Voice-2 pour la synthèse vocale multilingue. Tous sont disponibles via Microsoft Foundry, et pour la première fois, les développeurs peuvent ajuster les poids des modèles via des plateformes tierces comme OpenRouter, Fireworks et Baseten. Ce virage stratégique marque une rupture significative pour une entreprise dont l'identité en matière d'IA était jusqu'ici presque entièrement définie par son partenariat avec OpenAI, dans lequel elle a investi un total cumulé dépassant 13 milliards de dollars. Le point le plus frappant du discours de Suleyman n'est pas la liste de modèles, mais la philosophie qui les sous-tend : tous sont entraînés depuis zéro sur des données propres et commercialement licenciées, sans distillation à partir de modèles tiers. Cette position contraste directement avec une pratique répandue dans l'industrie, où les labs utilisent les sorties de modèles concurrents pour entraîner leurs propres systèmes. Pour les entreprises clientes soucieuses de la traçabilité des données et des risques juridiques liés au copyright, ce choix représente un argument différenciant concret. La relation avec OpenAI n'est pas rompue pour autant, mais elle se transforme. Pendant des années, un arrangement contractuel spécifique limitait la capacité de Microsoft à construire ses propres modèles de frontier, la positionnant davantage comme distributeur et intégrateur que comme laboratoire de recherche à part entière. L'assouplissement de ces clauses il y a six mois marque donc un tournant institutionnel autant que technique. Suleyman l'a clairement formulé : l'objectif est qu'en 2030 et au-delà, Microsoft soit capable de "construire les meilleurs modèles au monde", et non plus seulement de les acheter. Cette transition sera longue, et les sept modèles annoncés ne sont qu'une preuve de concept. Ce qui se joue ici, c'est la capacité de Microsoft à devenir un acteur de recherche fondamentale en IA, aux côtés d'OpenAI, Google DeepMind et Anthropic, plutôt que dans leur ombre.

💬 Le plus intéressant dans cette histoire, c'est pas les sept modèles, c'est le changement contractuel signé il y a six mois dans la plus grande discrétion. Microsoft s'est reconstruite une liberté de recherche sans rompre avec OpenAI, c'est bien joué. Et le choix d'entraîner depuis zéro sur des données licenciées, sans distillation depuis les concurrents, ça pèse lourd pour les boîtes qui naviguent avec l'AI Act.

Le futuriste IA de Microsoft explique comment il utilise Copilot et les problèmes concrets que les entreprises résolvent avec des agents

Lors de sa conférence Build 2026, Microsoft a dévoilé cette semaine une série d'annonces destinées à ancrer les agents d'intelligence artificielle au cœur des systèmes d'entreprise. La firme a présenté Microsoft IQ, une couche contextuelle unifiée couvrant GitHub Copilot, Microsoft Foundry et Copilot Studio, ainsi que des API Work IQ dont le lancement est prévu le 16 juin. S'y ajoutent Fabric IQ pour les données métier structurées, Foundry IQ pour la récupération d'informations à travers les bases de connaissances d'entreprise et le web en temps réel, et Web IQ, un moteur de recherche conçu spécifiquement pour les agents. Microsoft a également introduit Scout, un assistant personnel de travail autonome, et annoncé sept nouveaux modèles maison regroupés sous la famille MAI, dont MAI-Thinking-1, optimisés pour l'efficience en tokens et la personnalisation sur données propriétaires. En parallèle, Claude Opus 4.8 d'Anthropic est désormais disponible sur Azure Foundry, aux côtés des modèles OpenAI GPT, témoignant d'une stratégie délibérée de choix multiple de modèles. Ces annonces marquent un tournant dans la façon dont Microsoft positionne son infrastructure IA : ce n'est plus l'accès à un modèle puissant qui fait la différence, mais la capacité à donner aux agents un contexte fiable, une identité, une mémoire et un accès sécurisé aux données d'entreprise. Pour les DSI et équipes techniques, cela se traduit concrètement par la possibilité de déployer des agents gérés dans Foundry, avec gestion automatique du dimensionnement et de la conteneurisation, sans avoir à construire cette infrastructure from scratch. L'enjeu est de taille : les entreprises qui parviennent à brancher leurs agents sur leurs données internes et leurs workflows existants pourront automatiser des processus complexes à grande échelle, là où les expériences pilotes restaient jusqu'ici cantonnées à des cas d'usage isolés. Marco Casalaina, VP Products Core AI et "AI Futurist" de Microsoft, est au cœur de cette stratégie. Ancien responsable de l'équipe Einstein AI chez Salesforce et diplômé en informatique de Cornell, il a rejoint Microsoft début 2022 pour prendre la tête des Azure Cognitive Services avant d'étendre son périmètre à l'ensemble des outils pour développeurs IA, incluant Foundry, VS Code, GitHub et GitHub Copilot. Son rôle de futuriste a une définition très concrète chez Microsoft : il est systématiquement le premier à tester chaque nouvelle fonctionnalité en provenance de toutes les équipes de la firme. Cette position d'observatoire lui permet de tracer ce qu'il appelle "le futur immédiat", c'est-à-dire l'horizon à douze mois des capacités agentiques. La compétition pour devenir la plateforme de référence des agents d'entreprise est désormais ouverte, avec Google et AWS comme principaux rivaux dans une course où le contexte, la gouvernance et l'intégration des données deviennent les véritables différenciateurs.

💬 Microsoft assume enfin que la guerre se joue sur la plomberie, pas sur les modèles. Donner aux agents un contexte fiable, une identité et un accès sécurisé aux données internes, c'est précisément ce qui bloquait les pilotes depuis deux ans. Et avoir Claude d'Anthropic sur Azure aux côtés d'OpenAI, c'est malin : un argument de neutralité que Google et AWS n'ont pas encore.

Microsoft a entraîné ses modèles MAI sur des données web sans licence, malgré sa promesse de données propres et licenciées

Microsoft a entraîné ses nouveaux modèles MAI en partie sur des données web non licenciées, dont Common Crawl, un vaste corpus de pages aspirées sans accord explicite des éditeurs. Cette pratique contredit directement le discours commercial de l'entreprise, qui promettait à ses clients professionnels l'utilisation exclusive de données "de qualité enterprise, propres et commercialement licenciées", une formulation censée distinguer Microsoft de tous les autres laboratoires d'IA. Pour les entreprises qui ont choisi les modèles MAI sur la foi de garanties juridiques solides, la révélation fragilise la promesse centrale de Microsoft. La question de la propriété intellectuelle dans l'entraînement des modèles de langage est au coeur de nombreuses procédures judiciaires en cours aux États-Unis et en Europe. Les clients entreprise paient précisément pour éviter l'exposition légale qu'implique l'utilisation de données sans accord, et si cette assurance ne tient pas, la différenciation commerciale s'effondre. Comme OpenAI, Google ou Meta avant lui, Microsoft s'appuie en réalité sur la doctrine américaine du "fair use" pour justifier l'aspiration de contenus web publics, tout en reportant la charge sur les propriétaires de sites qui souhaitent bloquer ses robots d'exploration. L'entreprise avait pourtant explicitement choisi de se démarquer de cette pratique dans son marketing. Cette contradiction entre promesses commerciales et réalité technique risque d'alimenter une méfiance croissante, alors que régulateurs européens et américains scrutent de plus en plus les méthodes d'entraînement des grands modèles de langage.

💬 Le problème, c'est pas Common Crawl, c'est le mensonge commercial. Microsoft avait explicitement promis à ses clients enterprise des données "propres et licenciées", exactement pour se distinguer d'OpenAI et Google. Si tu avais choisi MAI pour cette garantie juridique, t'as un vrai sujet aujourd'hui.

Doctolib réfute livrer « les infos de ses utilisateurs » aux grands acteurs de l’IA

Le Canard Enchaîné a affirmé, dans son édition du 2 juin 2026, que Doctolib transmettait les données de ses utilisateurs à Microsoft, Anthropic et Google dans le but d'entraîner leurs grands modèles de langage. L'article vise notamment l'assistant de consultation que la licorne française commercialise depuis 2024 auprès des professionnels de santé. Ce service écoute les consultations médicales, avec l'accord du patient, pour générer automatiquement comptes-rendus et courriers. Or, les documents contractuels de Doctolib consultés par la rédaction de Next confirment que Microsoft Azure, Anthropic et Google Irlande figurent bien dans la liste des « sous-traitants ultérieurs » de l'entreprise, avec pour service déclaré la « fourniture du modèle de LLM » et pour finalité l'« analyse et création de contenu à des fins d'automatisation de tâches ». Doctolib dément catégoriquement que ces données médicales servent à entraîner les modèles de ses fournisseurs. Selon un porte-parole de l'entreprise, Microsoft, Anthropic et Google interviennent exclusivement comme prestataires techniques, sur instructions strictes de Doctolib, dans un cadre contractuel qui leur interdit d'utiliser les données à d'autres fins que la fourniture du service. En clair : les LLM américains sont bien mobilisés pour faire tourner les fonctionnalités de transcription et de synthèse, mais les notes médicales ne serviraient pas à affiner leurs poids. Sur le plan du stockage, Doctolib assure que les données sont hébergées sur des serveurs européens certifiés Hébergement de Données de Santé. Le Canard Enchaîné objecte toutefois que la justice américaine peut contraindre ces entreprises à transmettre des données outre-Atlantique, indépendamment de leur localisation physique. Cette controverse s'inscrit dans un débat plus large sur la souveraineté numérique des données de santé en France. Doctolib, qui traite des dizaines de millions de consultations, est une infrastructure critique du système de soins français, et toute ambiguïté sur le traitement de ses données sensitives déclenche une réaction immédiate. La tension entre innovation IA et protection des données médicales est structurelle : utiliser des LLM de pointe implique presque inévitablement de s'appuyer sur les infrastructures des géants américains, Microsoft, Google ou Anthropic, faute d'alternatives européennes comparables. Le RGPD et la certification HDS imposent des garanties, mais le Cloud Act américain crée un angle mort juridique que ni les certifications ni les contrats ne peuvent complètement combler. L'affaire illustre la fragilité des engagements de confidentialité dès lors que les données de santé transitent, même partiellement, par des acteurs soumis au droit américain.

💬 La distinction que fait Doctolib entre "faire tourner" et "entraîner" un LLM, elle est réelle. Mais ça n'enlève pas le truc qui gratte : tes comptes-rendus médicaux passent par des serveurs d'entreprises soumises au Cloud Act, et aucun label HDS ne te protège de ça. C'est une impasse structurelle, pas une faute de Doctolib spécifiquement.

La puce quantique Majorana 2 de Microsoft illustre le rôle des agents IA dans la R&D

Microsoft a dévoilé cette semaine le processeur quantique Majorana 2, accompagné de chiffres qui redéfinissent les standards du secteur : des qubits mille fois plus fiables que ceux de la première génération, une durée de vie moyenne de 20 secondes contre quelques microsecondes pour les puces concurrentes, et un objectif de calculateur quantique commercialement utilisable d'ici 2029. Le changement clé à l'origine de ce bond : le remplacement du matériau supraconducteur, passant de l'aluminium au plomb, une décision issue d'années de recherche conventionnelle en science des matériaux. En parallèle, Microsoft a annoncé la disponibilité générale de Microsoft Discovery, sa plateforme d'IA agentique dédiée à la R&D scientifique, dont le développement de Majorana 2 constitue la première démonstration publique d'efficacité. Ce qui rend cette annonce structurellement importante, ce n'est pas que l'IA ait conçu la puce, mais ce qu'elle a rendu possible autour de la recherche humaine. Microsoft Discovery n'a pas choisi le plomb comme matériau, mais ses agents ont pris en charge la gestion des flux de fabrication, l'automatisation de mesures qui prenaient auparavant plusieurs semaines chacune, et surtout la synthèse de près de vingt ans de données de recherche cloisonnées. Zulfi Alam, vice-président corporate de Microsoft pour le quantum, résume : "Les agents IA peuvent recréer des corrélations que nous, en tant qu'humains, ne pouvons pas voir, parce qu'aucun individu n'a cette vision sur autant de données." Concrètement, la détection des états quantiques sur des fils semi-conducteurs, un processus manuel qui s'étalait sur des semaines, est désormais automatisée en continu par un agent spécialisé capable d'ajuster simultanément des centaines de paramètres de tension, là où un chercheur raisonne nécessairement de façon linéaire. La course à l'informatique quantique fiable oppose depuis des années Microsoft, Google, IBM et quelques startups comme IonQ ou PsiQuantum, chacun misant sur des architectures radicalement différentes. Microsoft a longtemps été en retrait sur les résultats concrets, pariant sur les qubits topologiques basés sur les fermions de Majorana, une approche théoriquement plus robuste mais expérimentalement très difficile à réaliser. Majorana 2 marque un tournant crédible dans cette stratégie. Mais l'enjeu dépasse le quantum : avec la mise en disponibilité générale de Microsoft Discovery pour les entreprises, incluant des agents spécialisés, un moteur de raisonnement et une gouvernance de niveau entreprise, Microsoft positionne l'IA agentique comme infrastructure centrale de la R&D industrielle. Si la preuve par la puce quantique tient ses promesses, d'autres secteurs, pharmaceutique, matériaux, énergie, pourraient rapidement adopter ce modèle où l'IA compresse les cycles expérimentaux et libère les chercheurs des tâches de mesure et de synthèse de données.

💬 Ce qui m'intéresse dans cette annonce, c'est pas la puce, c'est ce que Discovery a rendu possible autour : 20 ans de données de recherche cloisonnées synthétisées, des mesures qui prenaient des semaines automatisées en continu par des agents. L'IA n'a pas choisi le plomb comme matériau, c'est des années de science des matériaux classique qui ont mené là. Reste à voir si ça tient hors labo, mais le pharma et l'énergie ont de bonnes raisons de regarder ça de très près.

Microsoft Build : MAI-Thinking-1 et la famille de modèles MAI

Lors de la conférence Microsoft Build des 1er et 2 juin 2026, Satya Nadella et Mustafa Suleyman ont annoncé le lancement de sept nouveaux modèles d'intelligence artificielle sous la bannière MAI, la division IA interne de Microsoft. La famille comprend MAI-Thinking-1, le modèle phare de raisonnement, ainsi que MAI-Code-1-Flash pour la génération de code, MAI-Image-2.5 pour la vision, MAI-Transcribe-1.5 pour la transcription vocale et MAI-Voice-2 pour la synthèse vocale. MAI-Thinking-1 est une architecture MoE (Mixture of Experts) de 35 milliards de paramètres actifs, avec une fenêtre de contexte de 256 000 tokens, pré-entraîné sur 30 000 milliards de tokens grâce à 8 192 GPU GB200. Le modèle atteint 97 % sur le benchmark AIME 2025 et 53 % sur SWE-Bench Pro. Microsoft a également publié un rapport technique de 109 pages détaillant son architecture, saluée par la communauté de recherche pour son niveau de transparence inhabituel. Ces annonces marquent une étape significative pour Microsoft, qui se positionne désormais non plus seulement comme plateforme IA mais comme laboratoire de frontier models à part entière. Le fait que MAI-Thinking-1 ait été entraîné sans distillation à partir de modèles tiers, contrairement à de nombreux modèles concurrents, lui confère une crédibilité technique particulière. Des évaluateurs humains indépendants sur la plateforme Surge ont préféré ce modèle à Claude Sonnet 4.6 d'Anthropic dans des tests en aveugle. Pour les entreprises, cette offre ouvre la voie à des fine-tuning spécialisés dans des domaines précis, un créneau que les laboratoires frontier comme OpenAI ou Google ont progressivement abandonné. L'annonce de Web IQ, une nouvelle couche API de recherche et d'ancrage pour agents IA que Microsoft revendique déjà au cœur de "presque tous les agents et chatbots de l'industrie, y compris Copilot et ChatGPT", renforce cette ambition de devenir l'infrastructure invisible de l'IA d'entreprise. Microsoft AI, anciennement connue sous le nom d'Inflection AI après son rachat en 2024, n'existe que depuis deux ans sous cette forme. Le fait qu'elle produise des modèles entraînés de zéro à ce niveau de performance illustre la rapidité de montée en puissance possible avec des ressources computationnelles massives. Build 2026 a également mis en avant GitHub Copilot repositionné comme environnement de développement natif pour agents, une nouvelle Surface RTX Spark Dev Box, et des projets hardware conceptuels comme Solara et Scout. Mustafa Suleyman a décrit Microsoft comme une "machine à escalader des collines", ce qui traduit une stratégie d'amélioration continue et méthodique plutôt que des percées spectaculaires. La prochaine étape sera de voir si MAI-Thinking-1 tient ses promesses dans des déploiements réels, et si Microsoft parvient à convaincre l'écosystème de développeurs de s'appuyer sur ses modèles plutôt que ceux d'OpenAI, dont il reste paradoxalement l'un des principaux investisseurs.

💬 MAI-Thinking-1 entraîné de zéro, sans distillation depuis OpenAI ou quiconque, c'est la vraie nouveauté de Build 2026. Ça donne une crédibilité technique que peu s'attendaient à voir en deux ans d'existence. Reste à savoir si les devs vont faire confiance aux MAI plutôt qu'à OpenAI, sachant que Microsoft finance les deux en même temps.

NVIDIA et Microsoft s'associent pour un environnement unifié de déploiement d'agents IA, des appareils Windows au cloud

NVIDIA et Microsoft ont dévoilé lors de Microsoft Build un partenariat élargi pour déployer une pile technologique unifiée dédiée à l'IA agentique, couvrant les PC Windows, le cloud Azure et les environnements locaux. Jensen Huang, fondateur et PDG de NVIDIA, est intervenu en direct depuis Taipei aux côtés de Satya Nadella pour présenter les nouvelles initiatives. Au programme : les PC RTX Spark et les stations DGX Station for Windows, l'accélération GPU de Microsoft Fabric, les modèles ouverts NVIDIA sur Microsoft Foundry, et le runtime sécurisé NVIDIA OpenShell intégré à GitHub Copilot. RTX Spark cible les laptops et petits ordinateurs de bureau avec 1 pétaflop de performance IA, jusqu'à 128 Go de mémoire unifiée et une autonomie toute la journée, avec des systèmes attendus cet automne chez Microsoft Surface, ASUS, Dell, HP, Lenovo et MSI. La DGX Station for Windows, propulsée par le superchip NVIDIA GB300 Grace Blackwell Ultra, offre jusqu'à 748 Go de mémoire cohérente et 20 pétaflops en FP4, capable de faire tourner des modèles jusqu'à 1 billion de paramètres, avec des livraisons prévues au quatrième trimestre 2026 chez ASUS, Dell, GIGABYTE, HP, MSI et Supermicro. Ce partenariat marque un tournant dans la course à l'IA agentique d'entreprise en proposant, pour la première fois, une chaîne complète allant du matériel personnel à l'infrastructure cloud. Pour les développeurs et les entreprises, cela signifie pouvoir construire, affiner et déployer des agents IA directement sur Windows sans dépendre exclusivement du cloud. Les modèles Claude d'Anthropic tournent désormais nativement sur les systèmes Blackwell Ultra dans Azure, avec une disponibilité annoncée dans les prochaines semaines. Sur Microsoft Foundry, le nouveau NVIDIA Nemotron 3 Ultra, conçu pour le raisonnement de longue durée dans des tâches de codage, de recherche et de workflows d'entreprise, est disponible dès ce mois-ci, accompagné de Nemotron 3.5 ASR pour la reconnaissance vocale et Nemotron 3.5 Content Safety pour la modération de contenu. Ce rapprochement intervient alors que l'ensemble de l'industrie cherche à concrétiser la promesse des agents IA autonomes capables d'exécuter des tâches complexes sur la durée. NVIDIA, dont les GPU sont devenus incontournables dans les data centers, étend son influence jusqu'au bureau et au PC personnel, concurrençant indirectement Apple Silicon et AMD sur le terrain de l'inférence locale. Le runtime OpenShell, sécurisé nativement, répond aux exigences de gouvernance des grandes entreprises qui hésitent encore à confier des tâches autonomes à des agents. L'intégration des bibliothèques CUDA-X comme cuDF, cuOpt et NeMo directement accessibles aux agents ouvre la voie à des workflows scientifiques plus complexes, notamment avec le modèle Cosmos 3 pour la simulation du monde physique et les modèles météo Earth-2 disponibles via Microsoft Planetary Computer Pro.

💬 Jensen Huang qui s'invite en hologramme depuis Taipei pendant le keynote de Satya, c'est le genre de mise en scène qui cache souvent un partenariat creux. Là, non : la DGX Station sous Windows avec 748 Go de mémoire cohérente et 20 pétaflops, c'est du concret pour les boîtes qui refusent de tout mettre dans Azure. Reste à voir si les prix seront accessibles à autre chose qu'aux grands comptes, mais l'idée d'une chaîne complète du laptop au datacenter sans changer de stack, ça change vraiment quelque chose pour les équipes qui font tourner des agents en prod.

Microsoft dévoile sept modèles d’IA maison pour s’émanciper d’OpenAI et partir chasser sur les terres d’Anthropic et de Google

Lors de sa conférence Build, Microsoft a annoncé le lancement de sept modèles d'intelligence artificielle développés entièrement en interne, marquant une rupture stratégique significative avec sa dépendance historique à OpenAI. Cette famille de modèles maison, dévoilée devant les développeurs et partenaires de l'entreprise, couvre différentes tailles et usages, des modèles légers optimisés pour les appareils locaux aux versions plus puissantes destinées au cloud Azure. Microsoft positionne explicitement ces modèles face à Claude d'Anthropic et aux modèles Gemini de Google. Ce pivot vers l'autonomie technologique représente un changement profond pour les entreprises clientes de Microsoft, qui disposent désormais d'une alternative aux modèles OpenAI au sein même de l'écosystème Azure et Copilot. Pour les développeurs, cela signifie plus de choix, potentiellement des coûts différents et une moindre exposition aux aléas de la relation Microsoft-OpenAI. Pour l'industrie, c'est la confirmation que les grands éditeurs tech ne veulent plus sous-traiter le cerveau de leurs produits IA. Ce mouvement s'inscrit dans une tension croissante entre Microsoft et OpenAI, deux entités liées par un partenariat de plusieurs milliards de dollars mais dont les intérêts divergent à mesure qu'OpenAI se rapproche d'une structure commerciale indépendante. En bâtissant sa propre capacité de modélisation, Microsoft réduit sa vulnérabilité stratégique et entre directement en compétition avec les laboratoires qu'elle finançait indirectement. La guerre des modèles fondamentaux se joue désormais aussi dans les couloirs de Redmond.

💬 C'est le genre de move qu'on voyait venir depuis que la relation Microsoft-OpenAI a commencé à craquer en public. Sept modèles d'un coup, du léger pour les appareils locaux au costaud pour Azure, ça ressemble moins à une annonce produit qu'à une déclaration d'indépendance. Bon, faut encore que ces modèles tiennent la route, parce que s'attaquer frontalement à Claude et Gemini, c'est pas anodin.

Microsoft lance MXC, un bac à sable au niveau OS pour agents IA, avec OpenAI et Nvidia à bord

Microsoft a présenté mardi, lors de sa conférence annuelle Build, une nouvelle couche de sécurité intégrée directement dans Windows : les Microsoft Execution Containers, ou MXC. Il ne s'agit pas d'un produit à acheter, mais d'un SDK et d'un modèle de politique embarqués dans le système d'exploitation et dans le Windows Subsystem for Linux. Concrètement, MXC permet aux développeurs et aux administrateurs informatiques de définir précisément ce qu'un agent IA peut ou ne peut pas faire, avec des limites appliquées en temps réel par le noyau du système. Le dispositif couvre un spectre allant de l'isolation légère de processus, déjà adoptée par la CLI de GitHub Copilot, jusqu'aux micro-machines virtuelles, conteneurs Linux et instances cloud tournant sous Windows 365. Chaque agent est lié à une identité forte, locale ou provisionnée via Microsoft Entra, ce qui permet d'attribuer, d'auditer et de gouverner chacune de ses actions. OpenAI et Nvidia font partie des premiers partenaires annoncés. L'annonce intervient à un moment charnière pour les entreprises. Jusqu'à présent, le déploiement d'agents IA autonomes sur des réseaux d'entreprise se heurtait à un paradoxe : plus un agent est capable, plus il est dangereux à laisser opérer sans garde-fous. MXC sépare l'exécution de l'agent du bureau de l'utilisateur, du presse-papiers, de l'interface graphique et des périphériques d'entrée, ce qui réduit drastiquement la surface d'attaque. Pour les directions informatiques et sécurité, c'est potentiellement le verrou qui empêchait de passer des démos à la production réelle : un environnement d'exécution de confiance, standardisé et intégré à l'OS, plutôt qu'une solution maison bricolée par chaque éditeur. Depuis deux ans, les chercheurs en sécurité ont multiplié les démonstrations montrant comment des agents IA pouvaient être manipulés par injection de prompt, appels d'outils malveillants ou exfiltration de données dissimulée dans des flux de travail normaux. Microsoft elle-même décrit le problème comme "un enjeu systémique multi-couches" : chaque interaction entre un agent et des humains, des outils, des applications ou d'autres agents ouvre de nouvelles failles. En intégrant MXC directement dans Windows plutôt qu'en le proposant comme une surcouche optionnelle, Microsoft cherche à établir un standard de facto pour l'industrie. Si les grands éditeurs de logiciels d'entreprise adoptent ce modèle, ce sont potentiellement toutes les entreprises du monde utilisant Windows qui bénéficieront automatiquement de ce cadre de sécurité pour leurs déploiements d'agents, sans action supplémentaire.

💬 C'est le verrou qui manquait pour passer des démos à la prod. On a tous vu des agents autonomes tourner en sandbox, faire des trucs impressionnants, et tout le monde savait qu'on ne pourrait jamais les laisser opérer sur un vrai réseau sans cage solide. Intégrer ça dans le noyau Windows plutôt qu'en surcouche optionnelle, c'est la seule façon d'en faire un standard, même si ça revient à confier les clés de la gouvernance IA mondiale à Redmond.

GitHub Copilot augmente ses prix selon la consommation de tokens

Depuis le 1er juin 2026, GitHub Copilot a basculé vers un système de facturation à la consommation de tokens, remplaçant l'accès illimité aux modèles d'IA inclus dans les abonnements mensuels. Les tarifs d'abonnement restent inchangés, Copilot Pro à 10 dollars par mois, Pro+ à 39 dollars, Business à 19 dollars par utilisateur, Enterprise à 39 dollars, mais ils définissent désormais un nombre de crédits mensuels, et non plus un accès illimité. Un utilisateur Enterprise dispose ainsi de 3 900 crédits, un utilisateur Business de 1 900. Ces crédits se consomment en tokens selon le modèle choisi : avec GPT-5.2 par exemple, les tokens en entrée coûtent 1,75 dollar par million, les tokens en sortie 14 dollars par million. Les complétions de code dans l'éditeur et les suggestions "next edit" restent gratuites, mais toutes les autres fonctionnalités, y compris la revue de code, sont désormais décomptées. Le changement a provoqué une vague de réactions sur le forum GitHub Community Discussions dès le lendemain de l'entrée en vigueur. Plusieurs utilisateurs signalent un épuisement rapide et inattendu de leurs crédits. L'un d'eux, "rvs99", rapporte avoir dépensé environ 0,35 dollar par ligne modifiée sur une tâche mineure avec Claude Sonnet 4.6. Un autre, "prhost", montre qu'après une seule journée de travail, il ne lui reste que 3 705 crédits sur une allocation de 7 000, concluant que Microsoft "s'est tiré une balle dans le pied". La frustration est réelle : des équipes entières voient leur budget LLM exploser sans avoir modifié leurs habitudes de travail, simplement parce que la transparence sur les coûts réels était absente des offres initiales. La transition était pourtant prévisible. Microsoft avait annoncé ce changement de modèle dès avril 2026, et les abonnements à tarif fixe avec accès illimité aux LLMs constituaient clairement des offres d'appel, destinées à ancrer GitHub Copilot comme outil standard dans les équipes de développement. Faire tourner des modèles de langage à grande échelle est coûteux, entre l'infrastructure GPU, le post-entraînement, la maintenance et la construction de nouveaux datacenters. La facturation au token aligne désormais les recettes de GitHub sur les coûts réels de la plateforme. Pour les entreprises, l'équation change : les directions techniques devront soit encadrer strictement l'usage des modèles les plus puissants, soit réévaluer leur dépendance à Copilot face à des alternatives comme Cursor ou des solutions auto-hébergées. Ce virage tarifaire de Microsoft pourrait accélérer une rationalisation plus large du marché des assistants de code.

💬 C'était écrit depuis le début : l'accès illimité pour 10 dollars par mois, c'était du prix d'appel pour t'ancrer dans l'outil. Maintenant que la dépendance est bien installée, Microsoft présente l'addition, et les chiffres sont saignants (0,35 dollar la ligne modifiée, ça fait mal). Si tu as Cursor ou une solution auto-hébergée sous le coude, c'est le moment d'y regarder sérieusement.

Microsoft Build 2026 : comment suivre en direct la grande conférence sur Windows et Copilot ?

Microsoft tient sa conférence annuelle Build 2026 cette semaine, réunissant les développeurs du monde entier pour présenter ses grandes orientations technologiques. L'événement se déroule dans un calendrier serré entre les deux autres rendez-vous majeurs du secteur : il succède d'une semaine à la Google I/O et précède d'une semaine la WWDC d'Apple, confirmant que juin s'impose comme le mois stratégique où les trois géants dévoilent leurs ambitions aux développeurs. Microsoft Build s'annonce cette année comme un moment charnière pour la firme de Redmond, qui doit démontrer que Windows et son assistant Copilot occupent une place centrale dans l'écosystème de l'intelligence artificielle générative. L'enjeu est considérable : convaincre une communauté de développeurs attentive aux signaux de Google et Apple que la plateforme Microsoft reste incontournable à l'heure où l'IA redessine les usages professionnels et grand public. Microsoft arrive à cette conférence dans un contexte de compétition intense sur le front de l'IA. Copilot, intégré à Windows et aux outils Office, se mesure directement aux assistants de Google et aux ambitions d'Apple en matière d'intelligence artificielle sur appareil. La Build constitue traditionnellement le terrain où Microsoft fixe sa feuille de route technique pour les douze mois suivants, avec des annonces qui orientent les choix d'investissement des équipes de développement à l'échelle mondiale.

Les utilisateurs de GitHub Copilot réagissent au nouveau système de tarification à l'usage

GitHub a officiellement basculé ses abonnés Copilot vers un nouveau modèle de facturation à l'usage, après l'annonce faite en avril. Ce changement, entré en vigueur ce mois-ci, remplace l'ancien système de "requêtes" et de "requêtes premium" allouées selon le tier d'abonnement. Résultat : des milliers d'utilisateurs découvrent avec stupeur que leur usage habituel de l'outil IA épuise leur quota mensuel en quelques heures à peine. Sur les réseaux sociaux et les forums, des développeurs partagent leurs statistiques personnelles montrant que quelques heures d'utilisation intensive peuvent suffire à consommer l'essentiel de leur crédit mensuel. Certains rapportent avoir vidé leur quota en moins d'une journée. L'impact est particulièrement brutal pour les développeurs qui utilisaient Copilot de manière intensive, notamment pour les sessions de codage autonome longues durée. GitHub justifie ce changement en expliquant que l'ancien système créait une inégalité flagrante : une simple question en chat et une session de plusieurs heures coûtaient la même chose à l'utilisateur, obligeant GitHub à absorber silencieusement des coûts d'inférence en forte hausse. Des estimations produites par l'outil de calcul officiel de GitHub montrent que l'usage mensuel standard de certains abonnés aurait généré des factures de plusieurs milliers de dollars sous le nouveau régime tarifaire. Ce tournant illustre une tension structurelle qui s'intensifie dans tout le secteur : les éditeurs d'outils IA ont longtemps proposé des tarifs forfaitaires pour attirer les utilisateurs, mais la montée en puissance des modèles et la hausse des coûts de calcul rendent ce modèle économiquement intenable. GitHub, propriété de Microsoft, suit ainsi une tendance observable chez d'autres acteurs comme Cursor ou Windsurf, qui ont également ajusté leurs politiques tarifaires face à l'explosion des coûts d'inférence liés aux agents IA autonomes. La transition vers la facturation à l'usage pourrait redéfinir durablement la façon dont les développeurs calibrent leur utilisation des assistants de code, et forcer un arbitrage plus conscient entre productivité et coût.

☕️ Microsoft voudrait ranger tous ses Copilot dans une app unique

Microsoft travaille sur une application unique destinée à regrouper l'ensemble de ses assistants Copilot sous une seule interface. Selon des informations rapportées par Fortune, ce projet de « superapp » constituerait un guichet centralisé donnant accès à tous les Copilot disponibles selon le profil de l'utilisateur, qu'il soit grand public, développeur ou professionnel. L'application intégrerait également un système d'automatisation par agents IA baptisé Autopilot. Microsoft pourrait en parler dès cette semaine lors de sa conférence Build, sans forcément montrer le produit lui-même, mais un lancement effectif est évoqué avant la fin de l'été 2026. La nécessité de cette consolidation est réelle : Microsoft s'est retrouvé à multiplier les déclinaisons de Copilot au point que même les utilisateurs avertis peinent à s'y retrouver. GitHub Copilot, Microsoft 365 Copilot, Copilot Cowork, le chatbot grand public... chaque service cible un usage distinct, mais leur coexistence sans fil directeur clair crée une confusion préjudiciable à l'adoption. En mars 2026, Satya Nadella avait déjà réagi en nommant Jacob Andreou responsable de la cohérence de tout l'écosystème Copilot, signalant que la situation était devenue ingérable. La superapp serait la réponse architecturale à ce problème de lisibilité, avec l'ambition de répondre à l'ensemble des besoins d'un utilisateur depuis un point d'entrée unique. Cette initiative s'inscrit dans une course plus large entre les grands acteurs de l'IA à imposer une application centrale dans le quotidien numérique des utilisateurs. OpenAI poursuit un objectif similaire avec sa propre superapp, construite autour de l'outil de vibe coding Codex et visant à couvrir aussi bien les usages grand public que les profils techniques. Pour Microsoft, l'enjeu est double : regagner la confiance d'utilisateurs lassés par l'omniprésence parfois intrusive de l'IA dans Windows, que l'éditeur avait déjà commencé à atténuer, tout en consolidant sa position face à des concurrents qui proposent des expériences plus cohérentes. Le pari de la superapp n'est cependant pas sans risque : une interface fourre-tout peut complexifier l'expérience autant qu'elle la simplifie, surtout pour des utilisateurs qui cherchent à accomplir une tâche précise sans se perdre dans un menu d'options.

💬 C'est la reconnaissance officielle que Microsoft a transformé Copilot en labyrinthe. Ça fait des mois qu'on se demande "mais c'est lequel le vrai Copilot ?", et là ils admettent que même eux n'arrivent plus à gérer. Reste à voir si une superapp résout vraiment le problème ou si elle ajoute juste une couche de menu au-dessus du chaos.

Le jour d'indépendance de Microsoft dans l'IA

Microsoft a ouvert mardi sa conférence annuelle Build 2026 à San Francisco, devant quelque 2 500 développeurs d'applications. L'événement prend cette année une coloration particulière : il survient deux mois après ce que la presse américaine a qualifié de "découplage conscient" entre Microsoft et OpenAI, et sert de vitrine officielle aux modèles d'intelligence artificielle que Microsoft développe désormais en propre, sans s'appuyer sur la technologie du créateur de ChatGPT ni sur celle d'Anthropic. Pour Microsoft, l'enjeu est de taille : prouver que sa division IA peut rivaliser de façon autonome sur un marché où OpenAI et Anthropic s'imposent comme références. Proposer ses propres modèles aux développeurs signifie réduire sa dépendance structurelle vis-à-vis d'un partenaire avec lequel les tensions se sont accumulées, tout en reprenant la main sur la chaîne de valeur. Pour les milliers d'équipes qui bâtissent des applications sur l'écosystème Microsoft, le signal est clair : une alternative interne existe désormais. Cette émancipation s'inscrit dans une reconfiguration profonde des alliances dans l'industrie de l'IA. Microsoft a investi des milliards de dollars dans OpenAI depuis 2019, intégrant ses modèles dans Azure, Copilot et Office. Mais la multiplication des acteurs, la montée en puissance des modèles open source et les frictions stratégiques entre les deux entreprises ont accéléré l'ambition de Redmond de contrôler sa propre pile technologique. Build 2026 marque symboliquement ce tournant.

💬 Ça faisait longtemps que ça devait arriver. Mettre des milliards dans OpenAI tout en leur confiant toute la chaîne de valeur, c'est le genre de pari qui finit par se retourner contre toi. Bon, sur le papier c'est la bonne décision, mais leurs modèles maison vont devoir tenir la route face à Claude et GPT, pas juste sur les benchmarks.

Microsoft et Nvidia s'associent pour des PC IA capables d'exécuter de vrais agents autonomes

Microsoft et Nvidia s'apprêtent à dévoiler conjointement une nouvelle génération d'ordinateurs sous Windows, prévue pour la semaine prochaine lors des conférences Computex et Build. Pour la première fois, Nvidia y imposera ses propres puces en tant que processeur principal, rompant avec le monopole d'Intel et AMD sur ce segment. Les premiers appareils concernés seront des machines Dell ainsi que des modèles de la gamme Surface de Microsoft, confirmant une collaboration industrielle inédite entre les deux géants. Le tournant majeur réside dans le logiciel : Microsoft prépare une nouvelle plateforme logicielle basée sur le framework OpenClaw, conçue pour permettre à des agents IA d'exécuter des tâches directement en local sur les PC Windows. Contrairement aux assistants cloud, ces agents fonctionneraient sans connexion internet, traitant données et automatisations directement sur la machine. Pour les professionnels et entreprises soucieux de confidentialité ou de latence, cela représente un changement de paradigme concret dans l'usage quotidien de l'IA. Cette initiative s'inscrit dans la tentative de Microsoft de relancer sa vision des PC augmentés par l'IA, après l'échec commercial relatif des Copilot+ PC lancés en 2024, dont les fonctionnalités comme Recall avaient suscité plus de controverses que d'enthousiasme. En s'appuyant cette fois sur les puces Nvidia et un cadre d'agents autonomes plus opérationnel, Microsoft cherche à convaincre le marché que l'IA embarquée peut tenir ses promesses de productivité réelle. La bataille pour définir le PC de l'ère agentique ne fait que commencer.

💬 Après le fiasco Recall, Microsoft repart avec Nvidia et des agents qui tournent en local, sans connexion. Pour les boîtes coincées entre IA et RGPD, c'est le premier truc qui tient vraiment la route depuis longtemps. Bon, faut quand même que ça tienne en prod, parce que les promesses sur les PC IA, on commence à connaître.

Pourquoi ne pas laisser la sélection du modèle par défaut dans Copilot, Gemini et autres outils IA

Le mathématicien Adam Kucharski a mis en évidence une faille frappante dans Microsoft Copilot : lorsqu'il a soumis à l'outil des jeux de données strictement identiques en changeant uniquement les étiquettes de pays, Copilot a produit des analyses détaillées faisant état de différences nationales qui n'existaient tout simplement pas. Au lieu de détecter l'absence de variation dans les chiffres, le modèle par défaut a généré des stéréotypes circonstanciés, présentant des résultats fabriqués comme s'ils étaient fondés sur les données réelles. Cette expérience, reproductible avec d'autres plateformes comme Gemini, révèle un angle mort systématique dans les outils d'IA généraliste utilisés au quotidien. Le problème n'est pas anodin : des professionnels s'appuient sur ces outils pour analyser des données économiques, sociales ou médicales, et un modèle qui confond ses propres biais culturels avec une analyse factuelle peut conduire à des décisions erronées sans que l'utilisateur s'en aperçoive. Les modèles dits "de raisonnement" (o3 d'OpenAI, les modes thinking de Gemini, etc.) parviennent à détecter ce type de piège, mais uniquement si l'utilisateur choisit activement de les activer, ce que la grande majorité ne fait pas. Ce constat pointe vers un problème de conception plus large : les interfaces de Copilot, Gemini ou ChatGPT proposent un modèle par défaut qui n'est pas nécessairement adapté à toutes les tâches, sans guider l'utilisateur vers le bon outil. Alors que Microsoft et Google intègrent l'IA dans des environnements professionnels sensibles, la question de la sélection automatique ou assistée du modèle selon le contexte d'usage devient un enjeu de fiabilité critique, que les éditeurs n'ont pas encore pleinement résolu.

💬 Le test d'Adam Kucharski est glaçant: données identiques, étiquettes de pays changées, et Copilot invente des différences nationales bien argumentées. Le modèle ne ment pas au sens classique, il comble les vides avec ses biais culturels, et ça passe parce que c'est fluide et ça semble fondé. Utiliser ces outils sur des données pro sans activer les modes raisonnement, c'est signer un rapport avec un outil qui hallucine en silence.

Microsoft lance Fara1.5 (4B/9B/27B), des agents de navigation qui surpassent OpenAI Operator et Gemini 2.5 Computer Use

Le laboratoire AI Frontiers de Microsoft Research a publié Fara1.5, une famille de modèles d'agents capables de contrôler un navigateur web de façon autonome. La gamme comprend trois variantes selon leur taille : Fara1.5-4B, Fara1.5-9B et Fara1.5-27B, chiffres qui désignent le nombre de paramètres en milliards. Ces modèles s'intègrent à MagenticLite, l'interface de navigateur sandboxé de Microsoft conçue pour ce type d'agents. Concrètement, ils lisent des captures d'écran et émettent des actions de souris et de clavier pour accomplir des tâches dans un vrai navigateur. Sur le benchmark Online-Mind2Web, qui évalue la réussite de 300 tâches sur 136 sites populaires, Fara1.5-27B atteint un taux de succès de 72 %, contre 58,3 % pour OpenAI Operator et 57,3 % pour Gemini 2.5 Computer Use de Google. La version précédente, Fara-7B, n'atteignait que 34,1 % sur cette même évaluation, soit un quasi-doublement des performances en une génération. Ces résultats placent Microsoft en tête d'une catégorie qui concentre une attention croissante de l'industrie : les agents de type "computer use", capables d'agir directement dans un environnement graphique sans passer par des API dédiées. Pour les entreprises, cela ouvre la possibilité d'automatiser des flux de travail complexes sur n'importe quel site web, sans intégrations spécifiques. Les modèles embarquent également des méta-actions qui permettent à l'agent de mémoriser des informations au fil d'une session longue, ou de solliciter l'utilisateur lorsqu'une étape est ambiguë ou irréversible. Cette capacité à interrompre et à collaborer distingue Fara1.5 des approches entièrement autonomes, souvent jugées trop risquées pour un usage professionnel. Les modèles reposent sur les architectures de base Qwen3.5 et ont été entraînés sur environ deux millions d'exemples, dont 60 % de trajectoires web réelles et 12,8 % d'environnements synthétiques. Pour produire ces données, Microsoft a développé FaraGen1.5, un pipeline comprenant six environnements simulés appelés FaraEnvs, qui reproduisent des services comme la messagerie, le calendrier ou la gestion de flux ML, avec un frontend réaliste et une base de données initialisée par des profils d'utilisateurs fictifs. Le solveur chargé de générer les trajectoires d'entraînement s'appuie lui-même sur GPT-5.4 d'OpenAI, qui atteint 83 % sur Online-Mind2Web en mode automatisé. La compétition dans ce segment s'intensifie rapidement : Yutori avec Navigator n1 (64,7 %), Google et OpenAI investissent massivement dans des agents capables d'agir dans des environnements réels, préfigurant une transition vers des systèmes d'IA qui ne se contentent plus de répondre, mais qui exécutent.

💬 72 % sur Mind2Web, c'est pas anodin quand OpenAI Operator plafonne à 58. Ce qui m'intéresse vraiment, c'est la mécanique de pause : l'agent qui s'arrête pour demander confirmation avant une action irréversible, c'est exactement ce qui manquait pour passer du prototype au vrai usage pro. Reste à voir combien de temps avant qu'on puisse tourner ça en local sans dépendre de l'infra Microsoft.

CopilotKit redéfinit l'architecture IA à base d'agents en 2026

CopilotKit, startup basée à Seattle et co-fondée par Atai Barkai et Uli Barkai, s'est imposée en 2026 comme l'un des acteurs centraux de l'infrastructure pour agents IA. La société a lancé en avril 2026 AIMock, un outil de test pour systèmes agentiques, et AG-UI, un protocole d'interaction entre agents et utilisateurs au sein des applications. AG-UI est aujourd'hui soutenu par Google, Microsoft, Amazon et Oracle, ainsi que par des frameworks majeurs comme LangChain, Mastra, PydanticAI et Agno. AWS l'a intégré dans son template FAST (Fullstack AgentCore Solution Template) et dans Bedrock AgentCore. Des SDKs communautaires couvrent déjà Kotlin, Go, Dart, Java, Rust, Ruby et C++, tandis que .NET, Nim, Flowise et Langflow sont en cours de développement. Atai Barkai enseigne par ailleurs un cours complet sur AG-UI chez DeepLearning.AI, couvrant un backend LangChain, un frontend React et AG-UI comme runtime. Ce que CopilotKit résout est concret : jusqu'ici, intégrer une IA dans une application signifiait coller un widget de chat dans un coin d'interface. L'utilisateur tapait, le modèle répondait en texte, et personne ne prenait en charge la traduction de cette réponse en action réelle. AG-UI comble le troisième maillon manquant de la pile agentique : MCP standardise l'accès aux outils externes, A2A coordonne les agents entre eux, AG-UI gère la couche d'interaction entre l'agent, l'application et l'utilisateur. Il permet le streaming en temps réel, la génération dynamique de composants d'interface, la synchronisation d'état bidirectionnelle, et les pauses "human-in-the-loop" où l'agent attend une confirmation avant d'agir. AIMock, lui, s'attaque à un problème que peu d'équipes osent admettre : les suites de tests pour agents sont, pour la plupart, de la fiction. Une requête agentique typique en 2026 traverse six ou sept services (LLM, serveur MCP, base vectorielle, reranker, API de recherche web, couche de modération, sous-agent A2A) et la plupart des équipes n'en simulent qu'un seul, laissant les autres non-déterministes et incontrôlés. L'analogie avancée par CopilotKit est parlante : AG-UI serait à la pile agentique ce que HTML est au web, la couche de présentation et d'interaction que TCP et HTTP rendent possible sans pouvoir la fournir eux-mêmes. Pendant des années, l'IA dans les logiciels est restée un outil passif, fonctionnel comme une calculatrice mais incapable d'agir de façon autonome. CopilotKit parie que l'avenir appartient aux agents qui vivent à l'intérieur des applications, comprennent le contexte de l'utilisateur, prennent des actions et génèrent des interfaces adaptées plutôt que de longs blocs de texte. Avec l'adoption par les grands fournisseurs cloud et l'entrée dans les cursus pédagogiques, la startup semble avoir franchi le cap qui sépare le protocole expérimental de l'infrastructure de production. La prochaine étape annoncée porte sur la persistance runtime, troisième chantier d'une feuille de route 2026 qui vise délibérément les angles morts de l'architecture agentique.

💬 L'idée du maillon manquant est bonne : MCP pour les outils, A2A pour la coordination, AG-UI pour l'utilisateur, la stack agentique commence à avoir une vraie colonne vertébrale. Ce qui me parle autant, c'est AIMock, parce que les suites de tests pour agents c'est de la fiction dans la plupart des équipes, et c'est enfin assumé. AWS dans Bedrock, Google et Microsoft embarqués, bon, sur le papier c'est le seuil qui sépare le protocole expérimental du vrai standard de prod.

Des dirigeants de Microsoft alertent sur l'effritement de l'avance de GitHub en matière d'IA

GitHub, la plateforme de code appartenant à Microsoft, traverse une période de turbulences qui inquiète jusqu'au sommet de l'entreprise. Jay Parikh, le dirigeant responsable de la division incluant GitHub, aurait récemment alerté ses collègues en privé d'une menace critique pesant sur l'unité. Si le boom de l'IA a d'abord profité à GitHub, notamment grâce à Copilot, son assistant de programmation intégré, la plateforme peine désormais à tenir son rang face à une nouvelle vague de concurrents spécialisés dans le code assisté par IA. Des pannes répétées et sévères ont en outre agacé ses grands clients, forçant Microsoft à présenter des excuses publiques. Le problème est structurel : GitHub était en position dominante sur l'assistance au code il y a encore deux ans, mais des outils comme Cursor, Windsurf ou Claude Code ont depuis capté l'attention et les budgets des développeurs professionnels. Ces nouveaux entrants proposent des expériences plus intégrées et plus performantes, rendant Copilot moins différenciant qu'il ne l'était à son lancement en 2021. L'enjeu dépasse la simple part de marché. GitHub représente l'un des actifs stratégiques majeurs acquis par Microsoft pour 7,5 milliards de dollars en 2018, et Copilot était censé en être le moteur de monétisation à l'ère de l'IA. Si la plateforme continue de perdre du terrain, c'est toute la stratégie IA de Microsoft auprès des développeurs qui se retrouve fragilisée, dans un secteur où Anthropic, Google et OpenAI investissent massivement dans des outils concurrents directs.

💬 Copilot a eu une longueur d'avance énorme, et ils l'ont gaspillée. Cursor, Windsurf, Claude Code (oui, j'assume le biais) ont simplement mieux exécuté sur l'expérience développeur, pendant que GitHub gérait des pannes à répétition et sortait des features en demi-teinte. 7,5 milliards en 2018, c'est le prix d'un écosystème qui peut s'évaporer en 18 mois si tu restes sur tes acquis.

Mistral prépare son IA chasseuse de failles, Microsoft déploie déjà son armée d’agents

Mistral AI travaille au développement d'un modèle d'intelligence artificielle dédié à la détection de failles de sécurité dans le code de banques européennes, selon des informations rapportées par Bloomberg. La startup française, qui collaborait déjà avec ses clients du secteur bancaire sur ces problématiques avant le lancement de Mythos par Anthropic en avril dernier, prépare désormais une version "clé en main" pour un déploiement plus large. En parallèle, Microsoft a dévoilé MDASH, pour "Microsoft Security multi-model agentic scanning harness", un système de sécurité agentique mobilisant plusieurs modèles d'IA complémentaires et une centaine d'agents spécialisés. Sur le benchmark CyberGym, qui regroupe plus de 1 500 tâches reproduisant des vulnérabilités réelles, MDASH affiche un taux de réussite de 88,45 %, soit environ 5 points de mieux que son concurrent le plus proche. Le système a déjà permis d'identifier 16 vulnérabilités dans l'authentification et l'infrastructure réseau de Windows, dont 4 failles critiques permettant l'exécution de code à distance. La détection automatisée de vulnérabilités par IA est en train de passer du statut d'expérimentation de laboratoire à celui d'outil industriel déployé à grande échelle, c'est le constat que Microsoft formule explicitement. Pour les entreprises et institutions gérant des infrastructures critiques, l'enjeu est considérable : des systèmes capables d'ausculter des millions de lignes de code en continu représentent un saut qualitatif majeur face aux audits manuels. Mais cette puissance soulève aussi une question de dépendance stratégique : qui contrôle ces outils, et sur quel code s'appliquent-ils ? C'est précisément ce point qu'Arthur Mensch, directeur général de Mistral, a soulevé cette semaine devant la commission d'enquête sur les vulnérabilités numériques à l'Assemblée nationale. Sans nommer Anthropic, il a pointé le risque de confier le code et les bases de données de l'armée française à un modèle étranger comme Mythos, actuellement distribué au compte-gouttes auprès d'organisations majoritairement américaines, sans accès accordé à l'Europe. L'argument est limpide : la cybersécurité par IA est un sujet régalien, et la souveraineté technologique devient un critère non négociable. Mistral se positionne ainsi comme alternative européenne crédible dans une course qui oppose déjà Anthropic, OpenAI avec son initiative Daybreak, et désormais Microsoft. La question des certifications, des audits et de la gouvernance de ces outils devrait rapidement s'imposer dans les débats réglementaires européens.

💬 Ce que dit Mensch à l'Assemblée, c'est pas du lobbying habillé en souveraineté, c'est du bon sens brut : si tu confies le code de l'armée française à un modèle américain qui filtre lui-même ses accès européens, tu perds la main sur ta propre infrastructure critique. Microsoft affiche 88% sur CyberGym et 4 failles critiques trouvées dans Windows, le niveau monte vite. Mistral a l'argument souveraineté, reste à voir si ça pèse face à des chiffres pareils.