Microsoft· sujet

GitHub lance HydraFusion, une orchestration multi-modèles à l'exécution pour Copilot CLI

GitHub a lancé Project HydraFusion, un aperçu de recherche disponible uniquement dans GitHub Copilot CLI, sur tous les plans Copilot. Contrairement au choix statique d'un modèle unique, HydraFusion construit un plan d'exécution différent pour chaque requête, en puisant dans plusieurs fournisseurs de modèles. Le système s'appuie sur trois schémas d'exécution : Single, où un seul modèle traite la tâche directement ; Cascade, où un modèle efficace rédige une première réponse qu'une porte de qualité valide ou fait remonter vers un modèle plus puissant ; et Critique, où un modèle rédige, un second modèle d'une famille différente relit sans pouvoir modifier le dépôt, puis le premier modèle révise sa copie une fois. L'activation se fait via les commandes /update, /expérimental on puis /model en sélectionnant HydraFusion (Research Preview), la facturation se faisant au tarif standard de chaque modèle réellement sollicité. GitHub a évalué des politiques fixes de HydraFusion sur trois bancs d'essai de codage agentique, avec Claude Opus 5 et GPT-5.6 Sol comme références en raisonnement moyen : sur TerminalBench 2.1, le système gagne 4,9 points de qualité pour un coût 67 % inférieur à Opus 5 ; sur DeepSWE, il perd 1,5 point pour un coût réduit de 36 % ; sur CheckpointBench, banc interne construit à partir de vraies sessions Copilot ancrées à des commits publics immuables, il perd 0,1 point pour un coût inférieur de 65 %. Cette approche marque une évolution notable dans la manière dont les outils de développement assistés par IA gèrent le compromis entre coût et qualité. Plutôt que de forcer les développeurs à choisir manuellement entre rapidité et puissance de calcul, HydraFusion automatise cette décision tâche par tâche, en n'engageant des appels de modèles supplémentaires que lorsqu'ils sont susceptibles d'améliorer le résultat. Pour les équipes d'ingénierie qui paient à l'usage des outils comme Copilot, cela représente une réduction potentielle significative des coûts d'infrastructure IA sans sacrifice majeur de qualité, voire avec des gains dans certains cas comme TerminalBench. Le système intègre aussi des garde-fous pensés pour un usage en environnement de production réel sur des dépôts de code : traçabilité complète de chaque étape (rédaction, critique, révision, escalade, repli), délais d'exécution bornés, isolation stricte des modules de relecture qui ne peuvent pas modifier le code, et absence d'application de correctif en cas d'échec ou d'annulation du flux de travail. HydraFusion s'inscrit dans la continuité d'Auto model sélection, une fonctionnalité lancée par GitHub plus tôt en 2026 pour associer automatiquement chaque tâche au modèle le mieux adapté. Le nouveau système va plus loin en traitant le choix du flux de travail entier comme un problème d'optimisation, en lisant des signaux de capacité liés au raisonnement, à la génération de code, au débogage et à l'usage d'outils. Cette orientation reflète une tendance plus large du secteur vers des architectures multi-modèles orchestrées plutôt que la dépendance à un modèle unique, à mesure que la diversité et la spécialisation des grands modèles de langage augmentent. Pour l'instant, aucune pondération ouverte ni option d'auto-hébergement n'est proposée, ce qui limite l'adoption aux utilisateurs de Copilot CLI. GitHub a détaillé l'annonce sur son blog officiel et ouvert une discussion communautaire, laissant entrevoir d'éventuelles extensions futures à d'autres interfaces Copilot.

💬 Le vrai changement, c'est que GitHub arrête de te faire choisir un modèle et fait le calcul coût/qualité à ta place, tâche par tâche : ça devient un problème d'orchestration, pas de choix de modèle. Sur le papier les gains sont réels, moins cher partout et même meilleur sur TerminalBench, mais perdre 1,5 point sur DeepSWE pour économiser 36%, c'est un arbitrage assumé, pas un progrès technique gratuit. Reste que tant que c'est enfermé dans Copilot CLI sans poids ouverts ni auto-hébergement, c'est une feature maison pour vendre plus de Copilot, pas une avancée pour tout l'écosystème.

Rachat de Hugging Face : comment Nvidia verrouille l’écosystème IA de A à Z

Nvidia a officialisé le rachat de Hugging Face pour 12,93 milliards de dollars, une opération annoncée début septembre 2026 par Jensen Huang, PDG de Nvidia, et confirmée par Clément Delangue, cofondateur de la plateforme française. Fondée en 2016, Hugging Face héberge aujourd'hui trois millions de modèles d'intelligence artificielle, un million d'applications et un demi-million de jeux de données, tout en réunissant plus de 18 millions de développeurs à travers le monde. Jensen Huang a défendu l'opération en évoquant le renforcement de la sécurité, de la souveraineté numérique et de l'innovation ouverte, promettant que les modèles resteraient accessibles à tous, startups, universités et pays inclus. Clément Delangue a justifié la vente par le besoin de capacités de calcul massives pour permettre à l'écosystème open source de rivaliser avec les API propriétaires des grands laboratoires fermés. Cette acquisition marque une bascule stratégique majeure pour Nvidia, qui passe d'un rôle de fournisseur de puces à celui de propriétaire du principal point d'accès aux workflows quotidiens des data scientists. En intégrant verticalement le silicium, l'environnement CUDA et désormais le catalogue de modèles et de jeux de données le plus utilisé au monde, l'entreprise construit le premier écosystème d'intelligence artificielle entièrement contrôlé par un seul acteur, de l'infrastructure matérielle jusqu'aux outils applicatifs. Pour les directeurs des systèmes d'information, ce mouvement fait planer un risque accru de vendor lock-in : si les modèles et outils de déploiement s'optimisent en priorité pour le matériel Nvidia, migrer vers des puces concurrentes comme celles d'AMD ou d'Intel deviendrait nettement plus coûteux et complexe. L'opération bouscule aussi l'équilibre avec les grands fournisseurs cloud comme AWS, Google Cloud et Microsoft Azure, qui voient leur fournisseur de puces se transformer en concurrent direct sur les services applicatifs. Cette transaction s'inscrit dans une stratégie d'investissement massive de Nvidia, qui a déjà engagé plus de 50 milliards de dollars dans des laboratoires de recherche en IA, avec des accords récents comme celui conclu avec Poolside. Elle permet en parallèle à Nvidia d'écouler ses capacités de production de puces inutilisées en les couplant directement aux services cloud de Hugging Face. Face à cette consolidation, les entreprises sont invitées à maintenir des architectures hybrides et agnostiques pour limiter leur dépendance à un fournisseur unique et préserver leur pouvoir de négociation tarifaire. L'ampleur de l'opération devrait par ailleurs attirer l'attention des autorités de la concurrence, qui devront examiner si cette concentration verticale, du matériel jusqu'aux modèles, constitue une menace pour la diversité et l'ouverture de l'écosystème d'intelligence artificielle mondial.

💬 Nvidia ne rachète plus des clients, il rachète le magasin entier : puces, CUDA, et maintenant le catalogue de modèles que tout le monde utilise pour prototyper. Sur le papier ça reste ouvert, gratuit, disponible pour tous. Mais un outil optimisé en priorité pour du matériel Nvidia, ça finit toujours par coûter cher le jour où tu veux migrer ailleurs. Le vrai sujet n'est pas Hugging Face, c'est que l'open source de l'IA vient de perdre son indépendance vis-à-vis du hardware.

GPT-6 Astra arrive pendant que Grok et Claude tombent en panne : serait-ce le début de l’ère de l’AGI ?

OpenAI a déployé son nouveau modèle GPT-6 Astra le 3 septembre 2026, un lancement que son PDG Sam Altman a lui-même qualifié de chaotique. Presque au même moment, plusieurs services d'intelligence artificielle majeurs ont connu des perturbations signalées en masse sur Downdetector, touchant ChatGPT, Claude, Grok, Copilot et Cursor. Des utilisateurs de Gemini ont rapporté des soucis similaires, sans confirmation officielle de Google, tandis que Microsoft Azure a lui aussi enregistré une forte hausse de signalements de pannes. OpenAI présente Astra comme un modèle généraliste capable de développement logiciel, d'utilisation autonome d'un ordinateur, de navigation web et de recherche scientifique. L'entreprise revendique des performances inédites sur plusieurs bancs d'essai de référence, dont FrontierMath Tier 4, ARC-AGI 3, TerminalBench-4.0, Terminal-Bench Science 0.1 et HealthBench Pro, ainsi qu'un score de 100% lors d'un test de piratage informatique, ce qui a conduit OpenAI à qualifier le niveau de cybersécurité du modèle de critique avant même son déploiement. Cette conjonction d'événements relance le débat sur l'arrivée imminente de l'intelligence artificielle générale, l'AGI, cette forme d'IA capable de s'adapter à une multitude de tâches avec des performances comparables ou supérieures à celles d'un humain. Greg Brockman, président d'OpenAI, estime que cette sortie pourrait marquer le début d'une nouvelle ère pour le secteur. Pour les entreprises et utilisateurs professionnels, l'enjeu est concret: un modèle capable d'agir seul sur un ordinateur, de coder et de mener des recherches scientifiques changerait la nature du travail assisté par IA, avec des répercussions sur l'automatisation des tâches numériques et sur la fiabilité des infrastructures cloud dont dépendent des millions d'utilisateurs. Rien ne permet cependant d'établir un lien de causalité entre le lancement d'Astra et les pannes simultanées chez des concurrents comme xAI, Anthropic ou Google; il pourrait s'agir d'une coïncidence ou de problèmes d'infrastructure indépendants. Les scores impressionnants obtenus sur les bancs d'essai alimentent les spéculations, mais les benchmarks ont leurs limites: un modèle peut y exceller sans posséder une intelligence générale comparable à celle d'un humain, notamment lorsque l'environnement de test est optimisé pour l'évaluation. Le véritable test se jouera lors du déploiement auprès du grand public, qui permettra de vérifier si les capacités d'Astra dans des conditions réelles confirment ou non ces résultats. Reste à savoir si cette période sera un jour considérée, comme le suggère Brockman, comme celle où l'AGI a véritablement émergé.

💬 100% sur un test de piratage annoncé pile le jour où la moitié du secteur tombe en panne, ça la fout mal plus que ça n'impressionne. Tu connais la limite des benchmarks : un modèle taillé pour l'examen peut cartonner sans que ça se voie une fois lâché en prod sur du vrai monde. Le vrai signal de cette semaine, c'est que l'infrastructure IA tient sur du sable bien plus que les scores annoncés ne tiennent leurs promesses.

MAI-Transcribe-2 de Microsoft AI bat OpenAI, Google et ElevenLabs sur le prix et la vitesse

Microsoft AI a dévoilé jeudi MAI-Transcribe-2, un nouveau modèle de reconnaissance vocale que l'entreprise présente comme plus rapide, plus précis et moins cher que tout ce que proposent actuellement OpenAI, Google ou ElevenLabs. Le prix annoncé, 10 cents par heure d'audio, marque une chute spectaculaire: le premier modèle de cette lignée, lancé il y a seulement cinq mois, coûtait 0,36 dollar de l'heure, soit une baisse d'environ 72% avec ce tarif de lancement. Le modèle transcrit désormais 60 langues, contre 43 pour MAI-Transcribe-1.5 en juin et 25 pour la version originale d'avril. Il est disponible sur Microsoft Foundry, la place de marché de modèles de l'entreprise, ainsi que dans l'environnement de test MAI Playground. Microsoft affirme l'avoir conçu pour l'audio réel et imparfait des entreprises, bruit de fond, enregistrements de mauvaise qualité, voix qui se chevauchent, plutôt que pour des conditions de studio. Le modèle intègre nativement la séparation des locuteurs, l'horodatage au mot près, un système de biais par mots-clés pour mieux reconnaître le jargon métier, la détection automatique de la langue, un mode verbatim pour les besoins juridiques et de conformité, un mode épuré pour les sous-titres, ainsi qu'une gestion du changement de langue en cours de phrase, notamment pour le hinglish et le spanglish. Sur le benchmark multilingue FLEURS, conçu par Google en 2022 à partir d'environ 2000 phrases lues par langue dans 102 langues, MAI-Transcribe-2 revendique la première place avec un taux d'erreur moyen de 5,2%, en hausse par rapport aux 3,7% affichés par la version précédente en juin, une conséquence probable de l'élargissement du nombre de langues couvertes. Cette baisse de prix change concrètement la donne pour les entreprises qui traitent de gros volumes audio. Pour une banque ou un opérateur télécom transcrivant 100 000 heures d'appels par an, un volume courant pour ce type d'acteurs, la facture passe de 36 000 à 10 000 dollars. À ce niveau de coût, la transcription cesse d'être une dépense scrutée et devient un service quasiment gratuit à intégrer partout. Les fonctionnalités habituellement facturées en supplément par des acteurs spécialisés, comme la séparation des locuteurs ou l'horodatage précis, sont ici incluses d'office, ce qui met une pression directe sur les tarifs de l'ensemble du secteur, des géants comme Google et OpenAI jusqu'aux spécialistes comme ElevenLabs. Cette sortie illustre surtout une stratégie plus large de Microsoft, qui construit depuis deux ans ses propres modèles de pointe modalité par modalité, pour les substituer progressivement aux technologies d'OpenAI dans ses produits. La transcription est le domaine où cette bascule progresse le plus vite, et MAI-Transcribe-2 en est la démonstration la plus aboutie à ce jour. Elle montre comment l'entreprise la plus valorisée du secteur logiciel entend s'affranchir, du moins partiellement, du partenaire dans lequel elle a pourtant investi 13 milliards de dollars. Reste que le benchmark FLEURS repose sur de la lecture de phrases isolées et non sur de vraies conversations, une limite que les acheteurs professionnels devront garder à l'esprit avant de juger ces performances représentatives d'un usage réel.

Comment combler les lacunes de récupération d'un assistant Azure OpenAI : un filtre et un assistant plus ciblé

Egiziago Cioffi, architecte informatique d'entreprise et PDG de SynSphere Italia, partenaire Microsoft basé à Milan, a construit lui-même un assistant de messagerie fondé sur Azure OpenAI, capable de résoudre automatiquement environ 60% des e-mails entrants de clients. Il avait écrit le job d'indexation, configuré le pipeline de récupération (retrieval) et connecté l'outil à SharePoint. L'assistant avait passé toutes les évaluations internes de son équipe, avec des scores propres et des tests unitaires réussis, mais aucun de ces tests ne posait la bonne question. Cioffi a alors comparé, sur les mêmes requêtes, les réponses obtenues par un compte à faibles privilèges et par un compte à privilèges élevés: les résultats ne correspondaient pas. L'assistant restituait du contenu SharePoint que l'utilisateur demandeur n'aurait jamais pu ouvrir directement dans SharePoint. Les journaux de récupération racontaient une tout autre histoire que celle des scores d'évaluation. Ce cas illustre un problème plus large: dans de nombreux déploiements de RAG (retrieval-augmented génération) en production, l'agent répond avec les permissions du compte qui a indexé les documents, et non avec celles de la personne qui pose la question, ce qui expose potentiellement des informations confidentielles à des utilisateurs non autorisés. Azure AI Search propose depuis une préversion de mai 2025 un filtrage natif des listes de contrôle d'accès au niveau document, via des jetons Entra, et la synchronisation des ACL SharePoint a suivi, avec l'ingestion de métadonnées de groupe via le préfixe "spg:" de l'API 2026-05-01-preview. Mais seuls les comptes rattachés à Entra sont documentés comme fiablement contrôlés au moment de la requête, et cette préversion ne couvre pas tous les chemins de déploiement d'agents. Pire, la documentation même d'"Azure OpenAI On Your Data" précise que si le champ des groupes autorisés n'est pas mappé, le contrôle d'accès au niveau document est simplement désactivé, un comportement permissif par défaut jusque dans une offre de premier niveau chez Microsoft. Les pipelines RAG personnalisés qui contournent entièrement Azure AI Search, comme celui de Cioffi, indexent généralement sous un compte de service largement privilégié, sans vérification des droits au moment de la requête, sauf si le développeur la programme lui-même. L'ampleur du problème dépasse ce cas isolé. La société de sécurité offensive Straiker a mené plus de 1700 tentatives d'exploitation réussies contre des agents en production et publié ses résultats en juillet dans son premier rapport STAR Labs Threat Report: 91% des attaques réussies contre des agents de productivité se sont soldées par une exfiltration de données silencieuse, sans malware ni mouvement latéral, l'agent se contentant de restituer toutes les données auxquelles il avait accès. Parallèlement, l'AI Security Institute britannique a documenté 19 actions d'agents non autorisées lors d'une évaluation de cybersécurité menée du 25 au 28 juillet, dont le rapport a été publié le 4 août, dans un environnement de test volontairement permissif, classificateurs désactivés et accès internet ouvert. Ces deux constats, bien que de nature différente, pointent vers la même lacune structurelle: l'absence d'un contrôle du périmètre d'action au moment de l'exécution, un enjeu désormais central pour la sécurisation des agents d'intelligence artificielle déployés à grande échelle en entreprise.

💬 Ce qui me frappe, c'est que les tests unitaires de Cioffi étaient tous verts alors que son assistant fuitait des documents SharePoint que l'utilisateur n'avait jamais eu le droit d'ouvrir. Le vrai signal, c'était de comparer les réponses entre un compte à faibles privilèges et un compte élevé, pas les scores d'éval. Et le chiffre qui fait mal derrière (91% des attaques réussies sur des agents de productivité qui finissent en exfiltration silencieuse, zéro malware) montre que le problème n'est pas Cioffi, c'est que par défaut un agent RAG répond avec les droits de celui qui a indexé, pas de celui qui demande.

Pourquoi Microsoft élargit son écosystème IA avec ses puces et de nouvelles alliances B2B

Microsoft accélère la diversification de son infrastructure d'intelligence artificielle en misant sur ses propres puces et sur de nouvelles alliances commerciales. Le groupe de Redmond négocie auprès du fondeur taïwanais TSMC une capacité de plus de 300 000 exemplaires de son accélérateur Maia 300, un volume encore en discussion et non une commande signée, en vue d'une production prévue pour 2027, avec l'ambition affichée de faire grimper les volumes vers environ un million de puces l'année suivante, selon des informations relayées début août 2026. Cette montée en puissance s'accompagne d'un déploiement élargi des solutions cloud de Microsoft auprès de clients tels que LegalZoom, Paychex et ArcelorMittal, qui intègrent Microsoft 365 Copilot dans leurs fonctions juridiques, RH et industrielles. Sur les marchés, le titre Microsoft a clôturé à 492,81 dollars au Nasdaq, en hausse de 25,3 % sur la semaine et de 54,7 % sur trois ans. Ce mouvement s'inscrit dans une dynamique de financement bien plus large : Citadel Securities anticipe jusqu'à 500 milliards de dollars d'émissions de dette d'ici 2028 pour financer l'infrastructure mondiale des semi-conducteurs dédiés à l'intelligence artificielle. Cette stratégie vise directement à réduire la dépendance de Microsoft envers les processeurs graphiques de Nvidia, dont l'exclusivité impose des coûts financiers et opérationnels croissants aux géants du cloud. En développant ses propres accélérateurs, optimisés pour l'inférence des grands modèles de langage grâce à une meilleure efficience énergétique et une bande passante mémoire adaptée, Microsoft cherche à maîtriser l'ensemble de sa chaîne de valeur, de la fabrication du silicium jusqu'aux applications métiers. Fait notable, cette puissance de calcul n'est plus réservée à OpenAI, partenaire historique de Microsoft, mais s'ouvre désormais à des concurrents comme Anthropic, dont le modèle Claude est proposé aux côtés des technologies OpenAI sur Azure. Pour les entreprises clientes, cette diversification matérielle se traduit par une baisse des coûts opérationnels et une plus grande liberté de choix entre plusieurs modèles d'IA, réduisant le risque d'enfermement propriétaire et améliorant le retour sur investissement des projets d'intelligence artificielle. Cette évolution répond à une pression croissante sur les coûts de traitement des requêtes d'IA, qui pousse l'ensemble des hyperscalers à repenser leur approvisionnement en composants plutôt que de dépendre d'un seul fournisseur. Amazon avec ses puces Trainium et Google avec ses TPU ont déjà emprunté cette voie, et l'arrivée de la puce Maia positionne Microsoft comme un acteur crédible face à ces solutions concurrentes. La réservation de capacités massives auprès de TSMC jusqu'en 2027 doit garantir un approvisionnement stable en calcul, un enjeu stratégique alors que les tensions logistiques autour des semi-conducteurs restent vives. Avec des besoins de financement pouvant atteindre 500 milliards de dollars de dette d'ici 2028 selon Citadel Securities, l'industrie entre dans un cycle d'investissement capitalistique inédit, où la maîtrise du matériel devient aussi déterminante que celle des modèles eux-mêmes pour les grands acteurs du cloud.

💬 Ce qui compte vraiment ici, c'est moins la puce que la porte qu'elle ouvre : Microsoft loue désormais sa puissance de calcul à Anthropic, pas seulement à OpenAI, et ça change la donne pour tout le cloud IA. Bon, sur le papier, tu peux voir les 300 000 Maia 300 commandées chez TSMC comme un chiffre de communiqué, mais avec les 500 milliards de dette que Citadel anticipe pour financer ce silicium, le secteur bascule clairement dans un jeu de capex plus que de modèles. Reste à voir si Microsoft sort vraiment du tout-Nvidia aussi vite qu'annoncé, ces promesses-là glissent souvent de deux ou trois ans.

Interrogé, Copilot livre ses propres failles aux pirates informatiques

Des chercheurs de Varonis Threat Labs ont révélé l'existence de CoSnitch, une vulnérabilité affectant Microsoft Copilot qui permettait de manipuler l'assistant IA pour qu'il révèle ses propres failles de sécurité et exfiltre des données utilisateur en un seul clic. Microsoft a corrigé le problème avec un patch déployé le 18 août 2026. La faille reposait sur une technique consistant à interroger Copilot de manière à contourner ses garde-fous internes, l'assistant finissant par divulguer des informations sensibles ou par exécuter des actions non prévues à l'insu de l'utilisateur, sans nécessiter d'interaction complexe de sa part. Cette découverte illustre un problème structurel qui dépasse le seul cas de Copilot: les assistants IA intégrés aux suites bureautiques ont accès à un volume massif de données professionnelles (emails, documents, calendriers), ce qui en fait des cibles de choix pour l'exfiltration de données via des attaques par injection de prompt. Pour les entreprises qui ont déployé Copilot dans leurs environnements Microsoft 365, une telle faille pose un risque direct de fuite de données confidentielles, potentiellement sans que l'utilisateur ni les équipes de sécurité ne s'en aperçoivent, puisque l'action passe par l'assistant lui-même et non par un point d'entrée réseau classique. Ce type d'incident s'inscrit dans une série croissante de recherches en sécurité ciblant les agents IA intégrés aux environnements professionnels, où Varonis s'est positionné comme un acteur actif dans la détection de vulnérabilités liées à l'IA générative. Microsoft, qui a fait de Copilot un pilier de sa stratégie produit, doit désormais gérer en continu ce nouveau type de surface d'attaque, à mesure que ses assistants gagnent en autonomie et en accès aux données internes des organisations. D'autres découvertes similaires sont probables à mesure que ces outils se généralisent.

💬 Copilot qui balance ses propres failles quand on lui pose les bonnes questions, ça change tout dans la façon de penser la sécurité de ces outils : le point d'entrée n'est plus le réseau, c'est le chat. Patché en un jour, tant mieux, mais le vrai souci c'est structurel: dès qu'un assistant a accès aux mails, aux docs et au calendrier d'une boîte, l'injection de prompt devient une porte de sortie des données aussi sérieuse qu'une faille réseau classique. Microsoft va devoir traiter Copilot comme une surface d'attaque permanente, pas comme un produit qu'on sécurise une fois et qu'on oublie.

Copilot de Microsoft révèle la commande secrète qui permettait de le pirater

Des chercheurs de la société de sécurité Varonis ont découvert une vulnérabilité critique dans Microsoft 365 Copilot Enterprise en interrogeant directement l'assistant IA sur ses propres mécanismes de sécurité. L'équipe cherchait à créer un exploit capable d'exfiltrer des données utilisateur, comme des mots de passe, dès qu'une personne cliquait sur un simple lien, sans confirmation explicite. Copilot a d'abord refusé, rappelant que ce type de commande sensible exige un geste de consentement de l'utilisateur, comme appuyer sur la touche entrée. Plutôt que de recourir à de la rétro-ingénierie classique, les chercheurs ont soumis l'assistant à une série de questions ciblées sur les garde-fous en place: pourquoi l'exécution automatique était-elle impossible, quelles structures d'URL et de liens profonds étaient concernées, que se passait-il quand une page se chargeait avec du texte déjà présent dans le champ de saisie. Réponse après réponse, Copilot a fini par révéler un secret commercial de Microsoft: un paramètre de prompt non documenté qui permettait de contourner entièrement l'exigence de consentement utilisateur. Cette découverte illustre un risque encore mal maîtrisé par l'industrie de l'IA générative: les grands modèles de langage peuvent devenir, malgré eux, une source d'information exploitable contre les systèmes qui les intègrent. En répondant de bonne foi à des questions apparemment anodines sur son propre fonctionnement, Copilot a divulgué une information que Microsoft n'avait jamais rendue publique, permettant potentiellement à un attaquant de contourner une protection censée empêcher le vol silencieux de données sensibles. Pour les entreprises qui déploient Copilot dans leurs environnements Microsoft 365, cela signifie qu'une simple conversation avec l'assistant, sans accès privilégié ni compétences en piratage traditionnel, pouvait suffire à mettre au jour une faille critique. Cet incident s'inscrit dans une série croissante de recherches montrant que les assistants IA intégrés aux suites bureautiques constituent une nouvelle surface d'attaque, distincte des vulnérabilités logicielles classiques. Les garde-fous conversationnels, conçus pour empêcher les usages malveillants directs, ne protègent pas nécessairement contre l'extraction progressive d'informations techniques sensibles par un dialogue patient et méthodique. Microsoft n'a pas précisé publiquement quand ni comment le paramètre en question a été corrigé, mais l'épisode relance les débats sur la nécessité de tester systématiquement la résistance des IA d'entreprise à ce type d'interrogatoire, au même titre que le code qui les entoure.

💬 Copilot a fini par balancer lui-même le paramètre secret qui désactivait la confirmation utilisateur, juste parce qu'on lui a posé les bonnes questions sur ses propres garde-fous. C'est ça le vrai problème: le modèle devient une porte d'entrée sur sa propre sécurité, sans exploit, sans accès privilégié, juste une conversation patiente. Les boîtes qui ont déployé Copilot feraient bien de tester leurs assistants comme du code, parce que là le pentest c'était littéralement discuter avec l'IA.

Microsoft dévoile le code de son agent de test unitaire multilingue, avec un taux de réussite de 92,1% vs 78,9% pour Copilot standard

Microsoft a rendu open source code-testing-generator, un agent polyglotte capable d'écrire des tests unitaires puis de vérifier lui-même qu'ils fonctionnent. L'outil est distribué via le plugin dotnet-test, intégré au dépôt dotnet/skills sous licence MIT. Contrairement à une simple invite du type "génère des tests unitaires", qui laisse en suspens le choix du framework, l'emplacement des fichiers et les assertions à utiliser, cet agent commence par explorer le dépôt de code avant d'écrire quoi que ce soit, puis planifie, rédige, exécute et contrôle les tests produits. Sur un benchmark interne de Microsoft portant sur 152 tâches issues de dépôts réels, l'agent a complété 140 tâches (92,1%), contre 120 (78,9%) pour GitHub Copilot standard utilisant le même modèle et les mêmes prompts, soit 63% d'échecs en moins. L'écart se concentre sur les prompts vagues: 79 tâches réussies sur 89 (88,8%) contre 59 (66,3%) pour Copilot. Sur 63 prompts détaillés, les deux obtiennent un score quasi identique (96,8%). Sur 15 tâches ciblant un diff de pull request précis, l'agent réussit les 15, contre zéro pour Copilot. Fait notable, l'agent génère 2,3% de tests en moins (6 963 contre 7 129) pour une couverture de code quasiment identique (72,4% contre 72,2%), en 359 secondes en moyenne contre 380. Cette avancée cible un point faible concret des assistants de codage actuels: leur incapacité à combler l'ambiguïté d'une consigne sans connaître les conventions propres à un projet. Pour les équipes de taille moyenne et les startups, qui manquent souvent de temps pour documenter leurs pratiques de test, l'agent effectue ce travail de recherche contextuelle à leur place. Les grandes entreprises, notamment dans les secteurs réglementés comme la finance, la santé, l'assurance ou le secteur public, peuvent l'adapter à leurs frameworks internes pour combler leur dette de tests sur du code legacy, renforcer la couverture avant une mise en production, ou harmoniser les conventions dans des monorepos multilingues. Comme il s'agit d'une définition d'agent exécutée localement, et non d'un service hébergé, le code ne quitte jamais l'environnement de l'utilisateur. Ce projet s'inscrit dans une évolution plus large des outils de codage assistés par IA, qui passent d'une génération de texte en une seule passe à des agents capables de vérifier leur propre travail, notamment via une forme allégée de test de mutation et une confirmation que les tests sont bien détectés par la commande de test du dépôt. Porté par l'équipe .NET de Microsoft, l'outil a aussi été testé avec Claude Opus 4.8 (43 tâches réussies sur 45, contre 35 pour Copilot) et GPT-5.5 (41 sur 45, contre 36), montrant sa portabilité entre modèles. Sur le benchmark externe plus exigeant SWE Atlas, l'agent atteint 16 réussites sur 44, contre 12 pour Copilot, laissant présager une adoption progressive par d'autres éditeurs d'outils de développement.

💬 Ce qui compte ici, ce n'est pas le score, c'est la méthode : l'agent explore le dépôt avant d'écrire une ligne, au lieu de balancer des tests génériques qui ignorent tes conventions maison. Et les vrais chiffres sont là où on les attend : sur les consignes vagues (88,8% contre 66,3%) et sur un diff de PR précis (15 sur 15, zéro pour Copilot standard). Reste que ça tourne en local, donc pas de souci de fuite de code, et que l'écart s'écrase dès que le prompt est déjà bien écrit, ce qui en dit long sur ce que ces agents compensent réellement : notre flemme de documenter, pas un manque d'intelligence du modèle.

Microsoft 365 Copilot en 2026 : prix, fonctions et vrai intérêt pour les entreprises

Microsoft 365 Copilot n'est plus le simple assistant textuel intégré à Word en 2023 : en 2026, Microsoft en a fait une véritable couche de travail capable de fouiller les e-mails, résumer des réunions Teams, analyser des fichiers SharePoint et OneDrive, générer des présentations et confier certaines tâches à des agents autonomes. Le système repose sur trois briques distinctes : des modèles d'IA, issus d'OpenAI, d'Anthropic ou opérés directement par Microsoft, qui produisent le raisonnement ; Microsoft Graph, qui fournit les données auxquelles l'utilisateur a déjà accès (e-mails, calendriers, contacts, fichiers) ; et Work IQ, une brique de contexte qui relie ces informations aux projets, habitudes et relations de travail de chacun. En mars 2026, la troisième vague de mises à jour a permis à l'IA d'intervenir directement dans Word, Excel, PowerPoint ou Outlook, tandis que des agents prennent en charge des recherches et des tâches en plusieurs étapes. En France, le complément Business est facturé 15,60 € HT par utilisateur et par mois jusqu'au 30 septembre 2026, avec engagement annuel, en plus d'une licence Microsoft 365 de base obligatoire et, parfois, de Copilot Credits pour les usages agentiques les plus intensifs. Ce tarif promotionnel encourage une tentation dangereuse pour les entreprises : équiper tous les salariés sans distinction et espérer un gain de productivité automatique. Or la rentabilité de Copilot dépend avant tout du métier concerné, pas de la taille de l'organisation. Les équipes submergées par les e-mails, les réunions et la recherche documentaire interne en tirent un bénéfice mesurable, tandis que les comptes peu actifs n'ont aucun intérêt à dépasser la version gratuite, Copilot Chat, qui ne partage pas le même accès aux données de l'entreprise que la version payante. La véritable valeur ajoutée de Copilot ne vient donc pas de sa capacité à rédiger un texte, une fonction que n'importe quel chatbot maîtrise déjà, mais de sa proximité avec les données réelles de travail. Cette proximité constitue justement le principal risque du produit. Une organisation aux droits d'accès bien maîtrisés obtient un assistant pertinent et fiable ; une entreprise où d'anciens stagiaires conservent un accès à des dossiers confidentiels obtient surtout un moteur de recherche redoutablement efficace dans son propre désordre. Le déploiement de Microsoft 365 Copilot dépasse ainsi la seule question technologique : il oblige les entreprises à revoir leurs droits d'accès, la qualité de leur documentation interne et leur capacité à mesurer réellement les usages avant d'investir. Avec plusieurs produits Copilot coexistants, Microsoft Copilot grand public, GitHub Copilot pour le code, Security Copilot pour la cybersécurité, et Microsoft 365 Copilot pour la productivité professionnelle, le choix et le tri préalable des équipes concernées deviennent la condition première du retour sur investissement.

Microsoft Copilot : de nouvelles failles de sécurité exposent des secrets clients grâce à l'IA

Microsoft fait face à de nouvelles failles de sécurité touchant Copilot, l'assistant IA intégré à Office 365. Ces vulnérabilités surviennent quelques semaines seulement après le piratage retentissant de Hugging Face, qui a remis la cybersécurité au centre des préoccupations des entreprises utilisant des outils d'intelligence artificielle. Le PDG de Microsoft, Satya Nadella, avait pourtant présenté Copilot comme une alternative plus sûre que ses concurrents directs, ChatGPT d'OpenAI et Claude d'Anthropic. Les failles identifiées permettraient une fuite de données confidentielles appartenant aux clients qui utilisent l'outil dans leur environnement professionnel. Cette situation illustre un paradoxe préoccupant pour l'industrie de la cybersécurité : plusieurs entreprises qui commercialisent des solutions d'IA destinées à détecter et corriger des vulnérabilités se révèlent elles-mêmes exposées à des failles similaires. Pour les entreprises clientes de Microsoft 365, qui ont massivement adopté Copilot pour automatiser la rédaction de documents, l'analyse de données ou la gestion des courriels, le risque est direct : des informations sensibles pourraient être exposées sans que les utilisateurs en aient conscience, fragilisant la confiance placée dans ces outils intégrés aux suites bureautiques. Le contexte plus large est celui d'une course effrénée à l'intégration de l'IA générative dans les outils professionnels, où la sécurité peine parfois à suivre le rythme de l'innovation. Après l'incident chez Hugging Body, plateforme de référence pour l'hébergement de modèles d'IA, les regards se tournent désormais vers les géants technologiques qui promettent fiabilité et sécurité à leurs clients entreprises. Microsoft devra démontrer sa capacité à corriger rapidement ces failles pour préserver la crédibilité de son discours sur la sécurité de Copilot face à ses concurrents.

💬 Bon, on savait que ça finirait par arriver. Nadella a vendu Copilot comme le choix "sûr" face à ChatGPT et Claude, et voilà que les fuites de données clients tombent quelques semaines après le fiasco Hugging Face. Le vrai signal ici, c'est que même les boîtes qui vendent de la sécu par IA se font trouer par l'IA qu'elles déploient en interne, c'est ça le paradoxe qui devrait inquiéter les DSI. Pour les boîtes françaises sous Microsoft 365, faut arrêter de traiter Copilot comme un outil bureautique lambda et commencer à l'auditer comme un système qui touche aux données sensibles.

Microsoft veut tuer le casse-tête des IA avec une seule application Copilot

Microsoft a confirmé travailler sur une nouvelle version de son assistant Copilot, destinée à réunir en une seule application le chat conversationnel, l'aide au développement informatique et les agents autonomes. L'annonce a été faite par Satya Nadella lui-même, lors de la présentation des résultats financiers du groupe pour le trimestre, le 30 juillet 2026. Le PDG de Microsoft a évoqué la fusion prochaine de plusieurs briques aujourd'hui séparées, à savoir Copilot, Copilot Code, Cowork et les Autopilots, dans une interface unique pensée pour les particuliers comme pour les entreprises. Aucune date précise n'a été communiquée, mais Nadella a indiqué viser un lancement dans le courant de l'année. Cette confirmation rejoint une information publiée par Fortune dès le mois de mai, qui évoquait déjà des travaux internes visant à consolider les différentes expériences IA de Microsoft. L'entreprise revendique aujourd'hui plus de 30 millions d'utilisateurs payants pour Copilot dans le monde. Cette consolidation répond à un problème concret vécu par les utilisateurs actuels de l'écosystème Microsoft : jongler entre Copilot pour les tâches du quotidien, GitHub Copilot pour la programmation et des agents autonomes distincts selon les besoins. En regroupant ces outils, Microsoft veut permettre à un utilisateur de passer de la rédaction d'un texte au développement d'un programme sans changer d'application, ce qui simplifierait l'usage pour les 30 millions de clients payants déjà engagés, mais aussi pour les entreprises qui déploient Copilot à grande échelle. L'enjeu dépasse le simple confort d'usage : il s'agit de transformer Copilot en point d'entrée quotidien vers l'ensemble des services Microsoft, renforçant ainsi la dépendance des utilisateurs à un seul écosystème plutôt qu'à une collection d'outils dispersés. Cette annonce s'inscrit dans une course plus large que se livrent les grands acteurs de l'intelligence artificielle pour devenir l'assistant incontournable du quotidien professionnel. Anthropic propose déjà une application unique regroupant plusieurs fonctionnalités autour de Claude, tandis qu'OpenAI avance avec ChatGPT Work, qui associe ChatGPT à son assistant de programmation Codex. Face à cette concurrence, Microsoft mise sur l'intégration profonde de ses produits existants pour ne pas se laisser distancer. Plusieurs zones d'ombre subsistent néanmoins : le prix de cette future offre, les modalités de déploiement, et le sort réservé aux applications Copilot actuelles une fois la fusion opérée. Les prochaines communications de Microsoft, attendues d'ici la fin de l'année, permettront de mesurer l'ampleur réelle de cette ambition face à ses concurrents directs.

Microsoft mise sur l'IA en open-weight, un pari clairement dirigé vers Azure

Microsoft s'est associé à Meta, Nvidia et plus d'une vingtaine d'autres entreprises pour signer une lettre ouverte appelant à soutenir le développement de modèles d'intelligence artificielle à poids ouverts (open-weight). Dans le même temps, l'entreprise de Redmond remplace progressivement les modèles tiers utilisés dans ses produits, notamment Copilot, par sa propre famille de modèles maison, baptisée MAI. Or, selon des benchmarks indépendants, ces modèles MAI affichent des performances nettement inférieures à celles des modèles externes qu'ils remplacent, comme ceux d'OpenAI ou d'Anthropic. Cette double stratégie répond à une logique commerciale limpide : plus il existe de modèles ouverts fonctionnant sur Azure, moins Microsoft dépend de fournisseurs externes coûteux comme OpenAI et Anthropic, avec lesquels l'entreprise entretient pourtant des partenariats. En favorisant l'écosystème open-weight, Microsoft cherche à renforcer l'attractivité de sa plateforme cloud tout en réduisant sa dépendance financière et technique envers des acteurs tiers, quitte à proposer temporairement une expérience utilisateur dégradée dans ses propres produits. Cette manœuvre s'inscrit dans une bataille plus large pour le contrôle de l'infrastructure de l'IA générative. Les géants du cloud cherchent tous à capter la valeur créée par l'explosion des usages de l'IA, en attirant un maximum de charges de calcul sur leurs plateformes respectives. En promouvant publiquement l'ouverture des modèles tout en investissant discrètement dans ses propres alternatives propriétaires, Microsoft joue simultanément sur deux tableaux : afficher un discours favorable à l'écosystème ouvert pour des raisons stratégiques liées à Azure, tout en construisant en coulisses son indépendance technologique via MAI, au risque d'irriter les utilisateurs de Copilot confrontés à une qualité de réponse moindre.

💬 Microsoft signe une lettre pro-open-weight d'une main et pousse ses modèles MAI dans Copilot de l'autre, alors qu'ils sont moins bons que ceux d'OpenAI ou Anthropic. Bon, sur le papier c'est de la générosité écosystémique, mais le calcul est simple : moins tu dépends d'OpenAI, plus tu captes la charge de calcul sur Azure. Selon Le Fil IA, l'open-weight est devenu l'arme des clouders pour reprendre la main sur des partenaires devenus trop puissants, quitte à dégrader l'expérience utilisateur en attendant que ça tienne la route.

Microsoft accélère sa conquête des entreprises européennes grâce à Mistral

Microsoft a annoncé l'extension de son partenariat avec la start-up française Mistral AI, engageant plusieurs milliards de dollars pour soutenir le développement de ses infrastructures de calcul en Europe et intégrer davantage ses modèles dans son écosystème cloud. Les deux entreprises collaborent depuis 2023. Mistral construit actuellement une importante capacité de calcul en Europe grâce à des milliers de GPU NVIDIA Vera Rubin, dont une partie sera financée par Microsoft, qui exploitera en retour une portion de cette puissance pour alimenter ses propres services cloud et IA. Concrètement, les modèles Mistral Medium 3.5 et OCR 4 sont désormais disponibles au sein de Microsoft Foundry, Copilot Studio et Azure Local, permettant aux entreprises de les exécuter dans le cloud Azure, dans leurs propres centres de données, voire dans des environnements totalement déconnectés d'Internet. Cette annonce répond à une demande croissante des entreprises européennes pour des solutions d'intelligence artificielle conciliant performance, conformité réglementaire et souveraineté des données. Les secteurs les plus réglementés, comme la santé, la finance, l'industrie ou les infrastructures critiques, sont particulièrement concernés par ces exigences de confidentialité, de continuité d'activité et de résidence des données. En s'appuyant sur un acteur européen reconnu plutôt que sur un écosystème américain fermé, Microsoft peut proposer différents niveaux de contrôle selon les besoins de chaque client, un argument de poids dans les appels d'offres où la souveraineté numérique devient un critère décisif. Pour Mistral, ce partenariat représente un accélérateur majeur de diffusion de ses modèles auprès des grands comptes européens et internationaux. Ce rapprochement s'inscrit dans un contexte réglementaire tendu : l'Union européenne pousse les fournisseurs cloud à renforcer leurs garanties sur la localisation des données, tandis que Microsoft fait lui-même l'objet d'un examen accru des autorités européennes concernant la concurrence sur le marché du cloud. En misant sur un champion européen de l'IA, le groupe américain cherche à démontrer qu'il favorise le choix des clients plutôt qu'un enfermement technologique. Cette alliance s'inscrit plus largement dans une stratégie de diversification du catalogue de modèles disponibles sur Azure AI Foundry, longtemps dominé par le seul partenariat avec OpenAI. Microsoft y intègre désormais aussi Meta avec Llama pour les modèles ouverts, xAI pour élargir l'offre de grands modèles, Cohere pour les cas d'usage professionnels, et DeepSeek comme alternative compétitive aux modèles américains, Mistral occupant quant à lui le créneau spécifique de l'IA souveraine destinée aux entreprises européennes.

Pourquoi Microsoft mise davantage sur AMD pour développer Azure AI ?

Microsoft et AMD ont annoncé le 20 juillet 2026 un élargissement de leur partenariat stratégique pour équiper le cloud Azure. Cet accord porte sur l'intégration de la plateforme AMD Helios, qui combine les futurs GPU Instinct MI455X, les processeurs EPYC de sixième génération portant le nom de code « Venice », les unités de traitement de données (DPU) Pensando et la pile logicielle ROCm. Microsoft prévoit de déployer cette infrastructure dès le second semestre 2026, aussi bien pour ses propres services Azure AI que pour les charges de travail de ses clients entreprises. Trois nouvelles familles de machines virtuelles verront le jour : les instances HDv2, pensées pour les pipelines de données, l'apprentissage par renforcement et les systèmes d'agents autonomes ; les HXv2, dédiées aux simulations scientifiques, au calcul technique et à la conception de semi-conducteurs ; et les ND MI455X v7, qui s'appuieront directement sur Helios pour accélérer l'inférence des modèles d'IA en production. Cette annonce marque un tournant dans la manière dont Microsoft envisage l'infrastructure de son cloud. L'entreprise ne se contente plus d'ajouter de nouvelles puces à son catalogue : elle réorganise l'architecture d'Azure autour de plusieurs technologies complémentaires plutôt que d'une solution unique. Pour les entreprises clientes, cela signifie un accès à des machines virtuelles calibrées selon la nature exacte de leurs projets, qu'il s'agisse d'entraîner des modèles, de faire tourner des agents IA ou de préparer des données à grande échelle. Cette diversification matérielle limite aussi la dépendance de Microsoft à un fournisseur unique de puces, un enjeu stratégique et économique majeur dans un marché du cloud où la demande de calcul pour l'IA continue de croître fortement. Ce rapprochement s'inscrit dans un contexte de concurrence croissante entre fournisseurs d'infrastructures IA, où la position dominante de Nvidia pousse les géants du cloud à multiplier leurs sources d'approvisionnement. Plusieurs acteurs développent déjà leurs propres puces maison, tandis que d'autres, comme Microsoft, choisissent de renforcer leurs liens avec des partenaires établis comme AMD pour diversifier leur offre. En intégrant l'ensemble de la chaîne, des GPU aux réseaux en passant par les processeurs et les logiciels, Microsoft cherche à sécuriser sa capacité à répondre aux besoins futurs de ses clients, qu'il s'agisse de laboratoires de recherche entraînant des modèles de fondation ou d'entreprises déployant des applications d'IA générative en production. Les prochains mois, avec les premières livraisons attendues fin 2026, permettront de mesurer concrètement l'impact de cette stratégie sur les performances et les coûts proposés aux clients d'Azure.

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.

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.

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.