Dossier Microsoft — page 4

Les clés de la flexibilité de l'IA en Europe : guide sur l'inférence interrégionale pour le traitement des données et l'accès aux modèles

Amazon Web Services a introduit une fonctionnalité appelée Cross-Region Inference (CRIS) dans Amazon Bedrock, son service d'IA générative managé, permettant aux entreprises européennes de router automatiquement leurs requêtes d'inférence vers plusieurs régions AWS au sein de zones géographiques prédéfinies. Concrètement, lorsqu'une application envoie une requête à un modèle comme Claude d'Anthropic ou un modèle Amazon Nova, CRIS peut la rediriger dynamiquement vers la région disposant de la meilleure capacité disponible, tout en maintenant les données dans un périmètre géographique contrôlé. Pour l'Europe, AWS propose des profils EU CRIS dont toutes les régions de destination sont situées exclusivement au sein de l'Union européenne. Les données transmises restent chiffrées et circulent uniquement sur le réseau privé AWS, sans jamais transiter par l'internet public. Ce mécanisme répond à un problème concret que rencontrent les entreprises européennes : la saturation des capacités de calcul GPU en période de forte demande, qui se traduit par des latences élevées ou des erreurs de disponibilité. En distribuant les requêtes sur plusieurs régions, les applications deviennent plus résilientes aux pics de charge et aux pannes locales. Du point de vue réglementaire, les profils EU CRIS sont conçus pour faciliter la conformité au RGPD, puisque le traitement reste borné à l'UE, un critère déterminant pour les secteurs soumis à des exigences strictes de résidence des données comme la finance, la santé ou les services publics. AWS souligne également que certains modèles sont disponibles à tarif réduit via les profils globaux CRIS, ajoutant un argument économique à l'argument technique. La pression réglementaire européenne sur le traitement des données par des fournisseurs cloud américains s'est intensifiée ces dernières années, notamment après les décisions de la CJUE sur les transferts transatlantiques de données. Les grands hyperscalers comme AWS, Google Cloud et Microsoft Azure ont tous investi massivement dans des infrastructures européennes et des offres de souveraineté pour répondre à ces contraintes. CRIS s'inscrit dans cette logique : plutôt que de forcer les clients à choisir une seule région et à subir ses limitations de capacité, AWS propose une abstraction qui optimise automatiquement tout en respectant les frontières réglementaires. La prochaine étape logique sera l'extension de ces profils géographiques à d'autres zones comme le Moyen-Orient ou l'Asie-Pacifique, et l'intégration de contrôles plus fins permettant aux entreprises de définir elles-mêmes les régions autorisées selon leurs obligations contractuelles ou sectorielles.

Les développeurs du data center Stargate d'OpenAI font face à des coûts plus élevés

À Abilene, au Texas, des ingénieurs de Crusoe, développeur de centres de données pour OpenAI et Oracle, travaillent d'arrache-pied pour faire fonctionner des turbines à gaz naturel en synergie avec l'un des supercalculateurs d'intelligence artificielle les plus coûteux jamais construits. Selon deux sources ayant connaissance directe du dossier, ainsi que des ingénieurs et experts du réseau électrique, l'opération s'avère bien plus complexe et onéreuse que prévu. Ce site fait partie du projet Stargate d'OpenAI, annoncé en janvier 2025 avec SoftBank et Oracle pour un investissement total de 500 milliards de dollars. Ces surcoûts imprévus font peser un risque budgétaire concret sur un programme dont les premières installations se concentrent au Texas. Si l'alimentation énergétique reste un défi non résolu, la montée en puissance des capacités de calcul qu'OpenAI juge indispensables pour entraîner ses prochains modèles pourrait être retardée, avec des conséquences directes pour les partenaires et investisseurs engagés dans ce pari industriel d'envergure inédite. La tension entre la demande électrique massive des centres de données IA et la capacité des infrastructures locales est un problème structurel qui dépasse largement ce seul projet. Le choix du gaz naturel visait à contourner les délais de raccordement au réseau électrique, mais cette stratégie se heurte à des contraintes d'ingénierie sous-estimées. Microsoft, Google, Amazon et Meta affrontent les mêmes obstacles et explorent des alternatives allant des petits réacteurs nucléaires aux accords directs avec des producteurs d'énergie, illustrant l'urgence de la course aux infrastructures IA.

💬 C'était le plan B pour éviter les délais de raccordement réseau, et maintenant le plan B a ses propres problèmes. Pas une surprise pour qui suit l'infra de près : l'énergie n'est pas un détail à régler en cours de route, c'est la contrainte structurelle que tout le monde a sous-estimée depuis le début. Ça va coûter cher, en argent et en mois.

ZoomMate connecte les conversations aux workflows

Zoom a dévoilé ZoomMate et son AI Productivity Suite, deux nouvelles offres destinées à transformer les conversations professionnelles en actions concrètes au sein des workflows d'entreprise. Présentées comme un "espace de travail intelligent", ces solutions s'appuient sur un moteur de recherche capable d'interroger simultanément les données stockées dans Zoom et dans une dizaine d'applications tierces : Salesforce, Jira, ServiceNow, Slack, Workday, Microsoft 365 et Google Workspace sont notamment intégrés. L'objectif est de permettre aux équipes de retrouver instantanément une information issue d'une réunion, de déclencher des tâches, de planifier des rendez-vous ou de mettre à jour des dossiers directement depuis l'interface Zoom. L'AI Productivity Suite ajoute une couche de génération documentaire : présentations, comptes rendus, feuilles de calcul et propositions commerciales peuvent être produits automatiquement à partir du contenu des échanges, chaque document restant traçable jusqu'à la conversation qui l'a engendré. L'enjeu pour les entreprises est réel : une part considérable de la valeur produite lors des réunions se perd faute de mécanismes efficaces pour en extraire et redistribuer l'information. En reliant directement les échanges aux outils opérationnels, Zoom cherche à réduire la friction entre décision et exécution, un problème chronique dans les organisations distribuées qui jonglent entre visioconférence, CRM, gestion de projet et messagerie. Si les promesses sont tenues, les équipes commerciales pourraient mettre à jour un compte Salesforce en sortant d'un appel client, ou les développeurs créer un ticket Jira dès la fin d'une réunion de sprint, sans changer d'outil. Zoom insiste également sur le respect des règles de sécurité et des permissions définies par chaque organisation, un argument central pour convaincre les DSI dans des contextes réglementés. Ces annonces s'inscrivent dans une transformation stratégique profonde de Zoom, dont la croissance explosive pendant la pandémie a brutalement ralenti avec le retour au bureau. Confronté à la concurrence de Microsoft Teams, qui dispose déjà de Copilot intégré à tout l'écosystème 365, et de Google Meet, Zoom ne peut plus se contenter d'être une application de visioconférence. L'entreprise cherche à se repositionner comme une plateforme de productivité à part entière, un terrain où elle affronte directement des acteurs bien établis. L'intégration de l'IA générative dans le cœur du produit est désormais le passage obligé pour justifier les licences entreprise et enrayer le churn. ZoomMate représente le pari que la richesse des conversations professionnelles captées sur la plateforme constitue un avantage différenciant, à condition que les intégrations tierces fonctionnent avec la fiabilité que les équipes métier exigent au quotidien.

Google Research intègre un RAG à base d'agents dans Gemini Enterprise pour les requêtes multi-étapes

L'équipe Google Research a présenté le 5 juin 2026 un nouveau cadre de récupération augmentée par agents, intégré directement à la plateforme Gemini Enterprise Agent. Cette architecture, désormais disponible en préversion publique sous le nom Cross-Corpus Retrieval, s'attaque à une limite bien connue des systèmes de recherche d'entreprise : l'incapacité à enchaîner plusieurs étapes de raisonnement sur des sources de données distinctes. Concrètement, là où un système RAG classique échoue face à une requête du type "Quelles sont les spécifications du serveur utilisé dans le Projet X ?" (parce qu'il trouve un identifiant mais ne sait pas aller chercher les specs dans une deuxième base), le nouveau système orchestre une série d'agents spécialisés. Un Orchestrateur délègue la tâche, un Agent Planificateur identifie les sources pertinentes, un Agent Réécriture de Requêtes décompose la question en sous-requêtes précises, et un Agent de Diffusion envoie ces requêtes en parallèle. Sur le benchmark FramesQA, un corpus de 824 questions et 2 676 documents PDF, le système affiche un gain de précision factuelle allant jusqu'à 34 % par rapport au RAG standard, avec de meilleures performances également sur des jeux de données propriétaires internes à Google. Ce qui distingue fondamentalement cette architecture de ses concurrentes, c'est la présence d'un Agent de Contexte Suffisant, pièce centrale du dispositif. Plutôt que de générer une réponse dès que le premier cycle de recherche se termine, cet agent inspecte les résultats, compare un brouillon intermédiaire aux extraits récupérés, et produit un journal détaillé des lacunes identifiées, avec des raisons et des feedbacks explicites. Si des informations manquent, le cycle repart : la requête est reformulée, de nouvelles sources sont explorées. Ce mécanisme d'itération évite deux défauts symétriques : la réponse incomplète présentée comme définitive, et la capitulation prématurée du modèle face à un contexte insuffisant. Pour une question médicale portant à la fois sur les médicaments de sortie, les restrictions alimentaires et les allergies d'un patient, le système ne s'arrête pas à deux éléments sur trois, il continue jusqu'à ce que les trois soient vérifiés. Google positionne cette avancée dans un contexte de concurrence intense sur les agents d'entreprise, un marché où Microsoft, Salesforce et plusieurs startups spécialisées investissent massivement. Le problème des requêtes multi-sources, dit "multi-hop", est depuis plusieurs années l'un des obstacles majeurs à l'adoption des LLM en environnement professionnel réel, où les données sont fragmentées entre bases de connaissances, systèmes CRM, dossiers PDF et notes cliniques. En intégrant cette capacité directement dans Gemini Enterprise Agent Platform plutôt que de la proposer comme une bibliothèque tierce, Google cherche à ancrer ses modèles au coeur des infrastructures de données des grandes organisations, tout en améliorant la fiabilité des réponses là où elle est la plus critique.

💬 Le truc intéressant, c'est l'agent de contexte suffisant : il sait ce qu'il lui manque, relance la recherche, et ne s'arrête pas avant d'avoir les trois éléments sur trois. C'est exactement ce qui casse les RAG classiques en prod, pas le retrieval en lui-même. Que Google l'intègre directement dans la plateforme plutôt qu'en lib tierce, ça dit tout sur leur stratégie d'ancrage infrastructure.

xAI aurait entraîné ses modèles de code sur les réponses de Claude pendant des mois, avant d'en perdre l'accès

La startup d'Elon Musk, xAI, a utilisé les sorties du modèle Claude d'Anthropic pour entraîner ses propres modèles de codage pendant plusieurs mois, selon The Decoder. Lorsqu'Anthropic a coupé l'accès de xAI à ses API, l'entreprise n'a pas arrêté : elle a contourné l'interdiction via des comptes privés et le service tiers Blackbox AI, poursuivant l'entraînement de manière clandestine. En parallèle, l'équipe de pré-entraînement de xAI s'est effondrée à moins de cinq personnes, et plusieurs responsables clés ont démissionné. Cette pratique constitue une violation des conditions d'utilisation d'Anthropic, qui interdit explicitement l'utilisation de ses sorties pour entraîner des modèles concurrents. Elle révèle aussi la pression intense dans la course aux modèles de codage, un segment stratégique où Cursor, GitHub Copilot et d'autres outils se disputent des centaines de millions de dollars de revenus. Utiliser le modèle d'un concurrent comme source d'entraînement permet de raccourcir drastiquement les délais et les coûts de développement. La situation interne chez xAI semble structurellement fragile : les infrastructures GPU massives achetées par Musk sont désormais louées en partie à Anthropic et à Google, faute de capacité d'utilisation interne. Ce retournement de situation, financer indirectement ses concurrents directs avec ses propres serveurs, illustre les difficultés d'une organisation qui peine à structurer ses ressources autour d'une feuille de route cohérente. Grok, le modèle phare de xAI, cherche encore à s'imposer durablement face à GPT-4o et Gemini.

💬 Voler les sorties de Claude pour entraîner tes modèles, et simultanément louer tes GPU à Anthropic, c'est un niveau d'absurde qui dépasse la fiction. La vraie info c'est l'équipe pré-entraînement réduite à cinq personnes: xAI a les infrastructures mais pas l'organisation pour s'en servir. Grok court après GPT-4o avec les notes de cours de Claude dans la poche.

L’Europe veut désormais construire la technologie qu’elle régule

L'Union européenne, longtemps perçue comme un régulateur mondial du numérique, affiche désormais une ambition industrielle assumée : ne plus seulement encadrer les technologies, mais les concevoir et les déployer sur son propre sol. Après le RGPD en 2018, puis le Digital Markets Act, le Digital Services Act et l'AI Act, Bruxelles entend franchir un cap en combinant son arsenal réglementaire à une stratégie d'investissement et de souveraineté technologique. Ce virage est motivé par une double pression : la domination écrasante des géants américains, Microsoft, Google, Meta, Amazon, sur les infrastructures numériques européennes, et la montée en puissance de la Chine dans les secteurs clés de l'intelligence artificielle, des semi-conducteurs et du cloud. Pour les entreprises et institutions européennes, l'enjeu est concret : réduire une dépendance technologique jugée de plus en plus risquée, tant sur le plan économique que géopolitique, et créer les conditions d'une compétitivité à long terme. Cette ambition s'inscrit dans une trajectoire plus large amorcée par le plan RePowerEU, le Chips Act européen et les discussions autour d'un fonds souverain pour l'IA. Elle soulève cependant des questions structurelles : comment concilier une réglementation stricte, parfois accusée de freiner l'innovation, avec la nécessité de faire émerger des champions technologiques européens capables de rivaliser à l'échelle mondiale ? La réponse de Bruxelles pourrait redéfinir durablement le modèle européen de gouvernance du numérique.

💬 L'Europe a passé dix ans à poser des garde-fous pendant que les Américains construisaient, et le réveil est tardif mais bienvenu. Ce qui me tracasse, c'est pas le financement (les milliards souverains sont là), c'est si les mêmes institutions qui pondent 200 pages de réglementation savent aussi accélérer des boîtes tech. C'est une autre compétence, pas forcément dans leurs gènes.

Simplifier les enquêtes de satisfaction des employés avec l'application Google Gemini

Les équipes RH des grandes entreprises passent parfois des semaines à construire leurs enquêtes de satisfaction interne, puis des semaines supplémentaires à dépouiller manuellement les résultats. Google propose désormais un guide pratique pour intégrer Gemini dans ce processus en quatre étapes : conception des questions, révision avant diffusion, nettoyage automatisé des données brutes, puis analyse des tendances. Concrètement, un responsable RH peut soumettre à Gemini un simple prompt, "génère une liste de questions pour notre enquête d'engagement à l'échelle de l'entreprise", et obtenir en quelques secondes un premier brouillon exploitable, qu'il peut affiner en dialoguant avec l'outil. Le système accepte également l'import de sondages passés pour en reproduire le ton et identifier les priorités déjà établies. Une fois les réponses collectées, Gemini peut nettoyer un tableur en une seule instruction : remplacer les noms manquants par "Anonyme", harmoniser les labels géographiques, supprimer les lignes incomplètes, et exporter un fichier propre prêt à l'analyse. L'enjeu est de réduire drastiquement le délai entre la collecte du feedback et la prise de décision concrète. Dans les cycles traditionnels, le nettoyage et l'analyse des données représentent une part disproportionnée du temps total, au détriment de l'action. En automatisant les tâches répétitives, reformatage, standardisation, détection de tendances dans les verbatims, Gemini permet aux équipes RH de se concentrer sur l'interprétation et les décisions managériales. Pour les organisations de taille importante, où une enquête annuelle peut générer des milliers de réponses libres difficiles à traiter, ce gain de temps n'est pas marginal : il détermine souvent si les insights arrivent à temps pour influencer les cycles budgétaires ou les réorganisations en cours. Ce guide s'inscrit dans la stratégie de Google visant à imposer Gemini comme assistant de productivité dans les environnements professionnels, en concurrence directe avec Microsoft Copilot, désormais intégré à la suite Microsoft 365. La bataille se joue précisément sur ce terrain des usages RH et opérationnels, où les gains de temps sont mesurables et les arguments commerciaux faciles à défendre auprès des directions. Google prend soin de préciser que Gemini ne remplace pas l'expertise humaine, le concept de "human-in-the-loop" est explicitement mentionné, ce qui reflète aussi une posture défensive face aux critiques sur l'automatisation excessive des processus sensibles. Les prochaines étapes probables incluent une intégration plus profonde avec Google Workspace Forms et Sheets, pour que l'ensemble du cycle enquête se déroule sans quitter l'écosystème Google.

Comment choisir son assistant IA pour maximiser la productivité des développeurs

Sepehr Khosravi, ingénieur senior, a présenté une analyse comparative des outils d'assistance à la programmation basés sur l'intelligence artificielle, en se concentrant notamment sur Cursor et Claude Code. Sa présentation explore des techniques concrètes destinées aux développeurs expérimentés : l'ingénierie de contexte, la définition de règles personnalisées, et les intégrations via le protocole MCP (Model Context Protocol). Il s'appuie sur des benchmarks issus de situations réelles pour évaluer les forces et limites respectives de ces outils. L'enjeu est de taille pour les équipes de développement : ces copilotes IA promettent des gains de productivité significatifs, mais leur adoption non maîtrisée peut mener à une dégradation de la qualité du code. Khosravi propose un cadre stratégique permettant aux ingénieurs de tirer parti de ces outils sans sacrifier la lisibilité, la maintenabilité ou les standards de leur base de code. La question n'est plus de savoir si adopter ces assistants, mais comment le faire intelligemment. Cette réflexion s'inscrit dans un marché des copilotes IA en pleine ébullition, où GitHub Copilot, Cursor, Claude Code et d'autres outils se disputent l'adoption des développeurs professionnels. L'émergence du protocole MCP, porté notamment par Anthropic, ouvre de nouvelles possibilités d'intégration entre les LLM et les environnements de développement. Les choix faits aujourd'hui par les équipes techniques auront des conséquences durables sur leurs pratiques et leur architecture logicielle.

Solara : Microsoft lance son propre système d’exploitation pour l’IA

Le 2 juin 2026, lors de sa conférence Build, Microsoft a dévoilé Solara, une nouvelle plateforme logicielle conçue spécifiquement pour alimenter une catégorie émergente d'appareils centrés sur l'intelligence artificielle. Contrairement à ce que l'on pourrait attendre du géant de Redmond, Solara ne repose pas sur Windows mais sur Android, choix délibéré pour s'adapter aux contraintes matérielles des appareils compacts et peu énergivores. Pour illustrer le concept, Microsoft a présenté deux prototypes : un écran connecté comparable à un Amazon Echo Show, équipé de reconnaissance faciale pour accéder à différents agents IA, et un badge portable intégrant caméra, lecteur d'empreintes et transcription en temps réel, activable d'une simple pression pour donner à l'agent la capacité de voir, d'entendre et de comprendre l'utilisateur. Ces deux dispositifs ne seront pas commercialisés directement par Microsoft, mais serviront de modèles de référence pour les fabricants tiers. L'enjeu de Solara dépasse la simple annonce produit : Microsoft tente de définir les règles d'une nouvelle catégorie d'appareils, celle des gadgets IA autonomes, dont l'industrie technologique parle depuis des années sans avoir trouvé de formule viable. En positionnant Solara comme une plateforme pensée "dès le départ" pour des agents intelligents, l'entreprise cherche à répliquer ce que Google a accompli avec Android dans le mobile : imposer un socle commun que les fabricants adoptent massivement. Des partenaires comme AccuWeather, Best Buy, CVS Healthcare et Target participent déjà à des programmes pilotes, ce qui suggère un intérêt réel du côté des entreprises prêtes à intégrer ces interfaces dans leurs environnements professionnels et commerciaux. Le choix d'Android révèle une inflexion culturelle significative chez Microsoft, qui reconnaît implicitement que Windows n'est plus la réponse universelle à tous les usages. Depuis l'explosion des grands modèles de langage en 2022-2023, l'industrie cherche le facteur de forme idéal pour les agents IA : ni smartphone, ni ordinateur classique, mais un objet intermédiaire, permanent et contextuel. Microsoft, qui a massivement investi dans OpenAI et intégré Copilot dans l'ensemble de sa suite logicielle, cherche maintenant à étendre son influence jusqu'à la couche matérielle. Solara reste toutefois à un stade précoce de développement, et le succès du projet dépendra de la capacité des fabricants partenaires à produire des appareils convaincants, accessibles et suffisamment utiles pour justifier une adoption à grande échelle.

Opus 4.8

Anthropic a lancé Claude Opus 4.8 en intégrant une nouvelle fonctionnalité centrale dans Claude Code : les workflows dynamiques. Concrètement, le modèle génère désormais un script d'orchestration, puis instancie des sous-agents en parallèle pour traiter des tâches complexes en simultané. Sur le benchmark ARC-AGI-3, Opus 4.8 obtient le meilleur score du marché, triplant celui de GPT-5.5. Les avis divergent cependant sur l'ampleur du progrès : Simon Willison le qualifie d'amélioration modeste mais utile, notamment parce que le modèle est plus honnête sur ses incertitudes et moins enclin à rater ses propres erreurs de code. La publication Every, de son côté, est bien plus enthousiaste : ses tests internes positionnent Opus 4.8 comme un bond significatif par rapport à 4.7, compétitif avec GPT-5.5 sur un benchmark d'ingénieur senior. Le benchmark Datacurve nuance ce tableau en le plaçant en dessous de GPT-5.5 et marginalement au-dessus d'Opus 4.6, tout en signalant une consommation de tokens nettement plus élevée. En parallèle, Anthropic a déposé un S-1 confidentiel auprès de la SEC et bouclé une levée de fonds en Serie H à 65 milliards de dollars, portant sa valorisation post-money à 965 milliards de dollars, avec une introduction en bourse potentielle d'ici fin 2026. L'arrivée des workflows dynamiques dans Claude Code marque un tournant pour les développeurs qui utilisent des agents LLM en production. Plutôt que d'enchaîner les appels séquentiels, le modèle peut désormais décomposer une tâche, déléguer ses parties en parallèle et les réassembler, ce qui réduit les temps de traitement sur des projets complexes. Plusieurs observateurs soulignent toutefois une limite structurelle : les systèmes multi-agents lâches restent peu fiables, et les workflows déterministes construits autour de petites boucles agentiques sont plus robustes en pratique. Côté valorisation, 965 milliards de dollars place Anthropic parmi les entreprises privées les mieux valorisées au monde, à un niveau comparable à des géants cotés du secteur technologique. Si l'IPO se concrétise cette année, elle redéfinirait les références de valorisation de l'ensemble du secteur de l'IA générative. Cette sortie intervient dans un contexte de compétition féroce entre Anthropic et OpenAI, dont les modèles phares se disputent le leadership sur chaque nouveau benchmark. La même semaine, NVIDIA et Microsoft annonçaient le RTX Spark, une puce Windows atteignant 1 petaflop avec jusqu'à 128 Go de mémoire unifiée et capable de faire tourner localement des modèles de 120 milliards de paramètres, accompagnée de primitives de sécurité pour agents sur Windows. OpenAI, de son côté, étoffait Codex avec le contrôle à distance de machines sous Windows et un SDK Python. La convergence de ces annonces dessine une infrastructure commune qui rapproche les modèles frontières du poste de travail et ouvre la voie à des agents autonomes opérant directement sur les appareils des utilisateurs.

💬 Les workflows dynamiques dans Claude Code, c'est le vrai gain ici, pas le benchmark. Le modèle peut désormais découper une tâche, déléguer ses parties en parallèle et réassembler le tout sans qu'on câble tout à la main. La conso de tokens va piquer, mais un modèle plus honnête sur ses propres erreurs de code (Simon Willison l'a bien noté), ça compte plus à mes yeux que tripler un score ARC-AGI-3.

GitHub Copilot augmente ses prix selon la consommation de tokens

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

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

NVIDIA lance Cosmos 3, Nemotron 3 Ultra et RTX Spark

NVIDIA a profité de la semaine du Computex 2026 à Taïwan pour lancer plusieurs modèles ouverts majeurs. Le plus attendu est Cosmos 3, une famille de modèles de monde omnimodaux capables de traiter simultanément le langage, l'image, la vidéo, l'audio et les actions physiques. L'architecture repose sur un mélange de transformeurs (Mixture-of-Transformers) combinant un raisonneur autorégressif et un générateur par diffusion, déclinée en deux versions : Nano (16 milliards de paramètres, deux tours de 8B) et Super (64 milliards, deux tours de 32B). Artificial Analysis a immédiatement classé Cosmos 3 en première position parmi les modèles ouverts sur ses classements Text-to-Image et Image-to-Video. NVIDIA a également annoncé Nemotron 3 Ultra, un modèle de langage de 550 milliards de paramètres dont 55 milliards actifs, salué comme le meilleur modèle ouvert américain à ce jour, capable de générer plus de 300 tokens par seconde selon certaines configurations. Enfin, le RTX Spark, un superchip personnel atteignant 1 pétaflop, a été présenté en partenariat avec Microsoft et OpenClaw. Ces annonces marquent un tournant dans la stratégie ouverte de NVIDIA. En publiant poids, code, jeux de données et recettes de fine-tuning pour Cosmos 3, l'entreprise positionne ses modèles comme une infrastructure commune pour l'IA physique, robotique, véhicules autonomes, simulation industrielle. La Cosmos Coalition, lancée avec des partenaires dont Runway, vise à construire un écosystème ouvert autour de ces modèles de monde. Pour Nemotron 3 Ultra, la communauté a réagi avec un enthousiasme inhabituel : sa densité d'activation, autour de 10 % contre 3 % pour des concurrents comme DeepSeek V4 ou Kimi K2, le rend à la fois plus coûteux à faire tourner, mais potentiellement plus prévisible en comportement, ce qui intéresse les entreprises cherchant de la fiabilité à grande échelle. Ces sorties s'inscrivent dans une semaine particulièrement dense pour les modèles ouverts. MiniMax a simultanément lancé M3, un modèle agent multimodal avec 1 million de tokens de contexte, affichant 59 % sur SWE-Bench Pro et un support immédiat chez Vercel, Cloudflare et Novita. Qwen3.7-Plus et Mellum2 de JetBrains ont également été publiés dans la même fenêtre. NVIDIA cherche à consolider sa domination au-delà du matériel : en proposant des modèles de référence ouverts pour l'IA physique, la société se place au cœur de la chaîne de valeur logicielle, là où Google et Meta se livrent déjà bataille. La convergence entre le RTX Spark, Cosmos 3 et l'écosystème de partenaires suggère une ambition claire : faire du PC local le prochain terrain de déploiement de l'IA agentique.

💬 NVIDIA ne se contente plus de vendre des GPU, il cherche à posséder la pile logicielle de l'IA physique. Cosmos 3 open source avec poids et données, Nemotron Ultra pour la fiabilité en prod, RTX Spark pour le local, c'est une stratégie trop cohérente pour être coïncidence. Google et Meta sont déjà sur ce terrain, sauf qu'eux ne contrôlent pas le silicium en dessous.

Nouveaux modèles d’IA, Windows repensé… Microsoft prépare du lourd pour Build 2026

Microsoft tiendra sa conférence annuelle Build 2026 dans les prochaines semaines, et les premières fuites dessinent un programme particulièrement dense. L'entreprise préparerait le lancement d'un nouveau modèle de raisonnement développé en interne par Microsoft AI, distinct des modèles génératifs classiques : conçu pour analyser les problèmes complexes, il produirait des réponses plus structurées et plus fiables sur des tâches de logique ou de planification. Copilot, l'assistant omnipresent de Microsoft, devrait lui aussi évoluer vers une version plus ambitieuse, décrite en interne comme une "super application" consolidant l'ensemble des services de l'écosystème Microsoft dans une interface unique. Côté Windows 11, plusieurs nouveautés sont attendues : amélioration des performances, réécriture de composants système pour gagner en réactivité, et une expérience dédiée aux développeurs avec des outils préinstallés, des scripts prêts à l'emploi et un environnement simplifié dès le démarrage. Ces annonces interviennent à un moment charnière pour Microsoft. La firme de Redmond a massivement investi dans l'IA depuis son partenariat avec OpenAI, mais doit maintenant prouver que ces investissements se traduisent en produits concrets et différenciants. Le nouveau modèle de raisonnement signalerait une volonté de ne plus dépendre uniquement des modèles OpenAI, en développant ses propres capacités maison. L'évolution de Copilot en point d'entrée universel de l'écosystème Microsoft représente un enjeu commercial majeur : si l'assistant devient la porte d'accès à Microsoft 365, Azure, Teams et Windows, c'est toute la fidélisation client qui se joue à travers lui. Pour les développeurs, une expérience Windows rationalisée peut réduire les frictions d'installation et de configuration, un argument de poids face à la popularité persistante de Linux et macOS dans ce segment. Build est historiquement la conférence où Microsoft trace sa feuille de route technique pour les douze mois suivants, et cette édition 2026 s'inscrit dans une compétition exacerbée avec Google, Apple et les acteurs purement IA comme Anthropic ou xAI. Microsoft doit également préparer Windows à la nouvelle génération de puces spécialisées pour l'IA, les NPU intégrés aux processeurs ARM et x86 récents, qui permettent d'exécuter des modèles localement sans passer par le cloud. La capacité du système à tirer parti de ce matériel sera déterminante pour les usages IA embarqués. Si les annonces tiennent leurs promesses, Build 2026 pourrait marquer un tournant réel pour Windows, qui n'a pas connu de refonte en profondeur depuis le passage à Windows 11 en 2021, les développeurs, eux, attendent des démonstrations avant de se laisser convaincre.

Asana rachète Stack AI pour renforcer ses agents IA no-code

Asana a annoncé l'acquisition de Stack AI, une startup spécialisée dans la création d'agents IA no-code et l'orchestration de workflows entre systèmes d'entreprise. L'opération, dont le montant n'a pas été divulgué, vise à doter la plateforme de gestion de projets d'une couche d'automatisation opérationnelle capable de connecter des environnements aussi divers que Salesforce, Oracle, AWS ou DocuSign. Stack AI s'est bâti une réputation solide dans les secteurs réglementés, santé, services financiers, services professionnels, précisément grâce à ses engagements en matière de gouvernance, de sécurité et de fiabilité des flux automatisés. L'intégration prévue associera les capacités d'exécution de Stack AI au "Work Graph" d'Asana, la couche de données organisationnelles qui structure projets, responsabilités et historiques de collaboration au sein des équipes. Cette acquisition répond à un problème concret que rencontre l'industrie : la plupart des solutions IA actuelles restent cantonnées à des usages individuels, résumer un document, répondre à une question, assister un employé dans une tâche isolée. Elles peinent à orchestrer des processus complets qui traversent plusieurs équipes et plusieurs logiciels. Avec Stack AI, Asana vise à passer du copilote personnel à l'automatisation opérationnelle à grande échelle. Les entreprises pourront concevoir des workflows qui traitent des demandes IT, des processus de conformité, du support client ou des opérations financières sans recourir à du développement logiciel complexe. L'enjeu devient ainsi opérationnel plutôt que conversationnel, ce qui représente un changement de paradigme significatif pour l'ensemble du marché des plateformes de collaboration. Asana se positionne depuis plusieurs mois sur la notion de "human-agent teams", des environnements où des agents IA travaillent collectivement avec des humains, avec validations, transferts de tâches, approbations et mémoire partagée, plutôt que d'opérer comme des outils parallèles déconnectés des opérations réelles. Le PDG Dan Rogers a formulé clairement l'ambition : selon lui, la valeur durable ne résidera pas dans les modèles IA eux-mêmes, mais dans la capacité des plateformes à coordonner outils, données, gouvernance et exécution métier dans un flux cohérent. Cette vision distingue Asana des acteurs focalisés sur les assistants conversationnels généralistes, et la place en concurrence directe avec des plateformes comme ServiceNow ou Microsoft 365 Copilot, qui cherchent eux aussi à devenir le système nerveux central de l'entreprise automatisée. L'intégration de Stack AI dans les produits AI Studio et AI Teammates d'Asana devrait être précisée dans les prochains mois.

Faut-il dire adieu à la souris ? Windows lance l’IA qui clique et tape à votre place depuis la barre des tâches grâce à Nvidia

Microsoft et NVIDIA ont annoncé conjointement OpenShell, un runtime conçu pour transformer la barre des tâches de Windows en point de lancement d'agents IA autonomes. Ces agents sont capables d'interagir directement avec les applications installées sur le PC, en cliquant, en tapant et en naviguant à la place de l'utilisateur, sans intervention humaine. Les démonstrations présentées montrent des scénarios concrets où l'IA effectue des tâches complexes dans des logiciels tiers, du traitement de fichiers à la navigation dans des interfaces graphiques. L'impact potentiel est considérable, tant pour le grand public que pour les professionnels. Un utilisateur pourrait déléguer des tâches répétitives, comme remplir des formulaires, réorganiser des fichiers ou compiler des données, en donnant simplement une instruction en langage naturel. Pour les entreprises, cela ouvre la voie à une automatisation de bureau sans code, directement intégrée au système d'exploitation, sans passer par des outils tiers comme AutoHotkey ou des plateformes RPA spécialisées. Cette annonce s'inscrit dans la course que se livrent les géants technologiques pour intégrer l'IA agentique au coeur des systèmes d'exploitation. Microsoft pousse depuis plusieurs mois sa vision Copilot+ PC, tandis que NVIDIA apporte sa puissance de traitement GPU locale pour faire tourner ces modèles sans dépendre du cloud. OpenShell représente un pas vers un PC véritablement "piloté" par l'IA, une évolution qui soulève aussi des questions sur la sécurité des accès applicatifs et le contrôle laissé à l'utilisateur.

Airbus s’allie à Mistral AI pour développer une IA souveraine dans l’aéronautique

Airbus et Mistral AI ont officialisé un partenariat stratégique le 28 mai 2026, lors du sommet "The AI Now Summit" organisé au Louvre à Paris. L'accord prévoit que le géant aéronautique européen déploie l'ensemble de la suite logicielle de la startup française au sein de ses opérations industrielles, de ses activités de défense et de ses futurs systèmes embarqués. Concrètement, Airbus utilisera des modèles d'IA installés sur site ou dans des clouds privés, contournant ainsi toute dépendance aux infrastructures cloud américaines. Le groupe bénéficiera également d'un accès direct aux équipes de recherche de Mistral AI et pourra influencer la feuille de route produit de la startup. Parmi les cas d'usage déjà identifiés : l'automatisation de la documentation technique pour avions commerciaux et hélicoptères, l'assistance à la conception et aux phases de certification, ainsi que l'intégration de modèles directement dans des aéronefs ou des systèmes spatiaux pour la reconnaissance d'objets et l'amélioration de la sécurité des vols. L'enjeu dépasse largement la productivité interne d'Airbus. Dans le secteur aéronautique et de la défense, chaque donnée traitée par un tiers représente un risque réglementaire et sécuritaire. En s'appuyant sur Mistral AI, Airbus s'assure que ses modèles d'IA respectent les contraintes strictes de confidentialité, de cybersécurité et de contrôle des données imposées notamment par les contrats militaires et les certifications aéronautiques. Pour les ingénieurs du groupe, cela signifie des outils réellement adaptés à leurs workflows, et non des solutions génériques taillées pour le marché grand public. Pour Mistral AI, le contrat valide sa capacité à adresser des environnements industriels à très forte contrainte, bien au-delà des usages bureautiques ou des administrations publiques qu'elle cible habituellement. Ce partenariat s'inscrit dans un mouvement plus large qui agite l'industrie européenne depuis deux ans. Face à la domination d'OpenAI, Microsoft, Google et Amazon dans le domaine de l'IA, les grands industriels du continent cherchent des alternatives capables de fonctionner hors des clouds américains, notamment pour leurs activités sensibles. Mistral AI, fondée en 2023 à Paris, a levé plusieurs centaines de millions d'euros et s'est imposée comme le principal champion européen de l'IA générative. Son annonce simultanée de partenariats avec BMW et EDF lors du même sommet confirme une stratégie d'ancrage dans les filières industrielles stratégiques. Pour Airbus, qui opère dans 50 pays et emploie 130 000 personnes, la prochaine étape sera de déployer ces solutions en production tout en naviguant entre les exigences des régulateurs européens, les certifications aéronautiques et les impératifs de souveraineté numérique que Bruxelles pousse activement depuis l'entrée en vigueur de l'AI Act.

💬 Airbus, BMW et EDF dans la même semaine, c'est la démonstration de force qu'on attendait de Mistral. L'aéro et la défense, c'est leur terrain de chasse parfait : des clients qui ne peuvent pas toucher aux clouds américains, des budgets solides, et des cas d'usage où une IA générique n'a aucune chance de passer les certifications. Reste à voir si ça tient quand les équipes terrain s'en emparent en prod.

L'ère des agents asynchrones : Walden Yan de Cognition et Cole Murray d'OpenInspect

En mai 2026, Cognition, la startup à l'origine de l'agent de développement Devin, a annoncé une levée de fonds de série D d'un milliard de dollars, une opération largement sursouscrite malgré la multiplication des concurrents sur le marché. Walden Yan, cofondateur et directeur produit de l'entreprise, qui a également forgé l'expression "context engineering", s'est entretenu avec Cole Murray, créateur d'OpenInspect, pour analyser ce qu'ils nomment "l'ère des agents asynchrones". Les chiffres internes parlent d'eux-mêmes : Devin a multiplié par sept son volume de pull requests, et sa part dans les commits des dépôts de Cognition est passée de 16 % à 80 % depuis le tournant de décembre 2025, quand les modèles de langage ont franchi un seuil qualitatif déterminant. Ce virage vers les agents de fond marque une rupture nette avec les deux générations précédentes d'outils IA pour développeurs. La première vague, celle des Copilot et de l'autocomplétion de Cursor, accélérait le développeur sans jamais le sortir de la boucle : il regardait le modèle suggestion par suggestion, poussait le code interaction par interaction. La deuxième vague, celle des agents locaux comme Claude Code ou Windsurf, a multiplié les terminaux parallèles mais restait centrée sur le flux de travail individuel du développeur. Aujourd'hui, le modèle émergent repose sur des agents à qui l'on confie une tâche, un dépôt, une machine, un shell, un navigateur et des boucles de révision, puis qui travaillent en arrière-plan de façon autonome. Comme l'a formulé Michael Truell, fondateur de Cursor, l'outil ne sert plus à écrire du code, mais à construire "la fabrique qui crée le logiciel", composée de flottes d'agents traités comme des coéquipiers. Ce basculement s'opère dans un paysage industriel sous tension. D'un côté, des laboratoires d'agents valorisés à plusieurs dizaines de milliards de dollars comme Sierra, Decagon ou Cursor ; de l'autre, une prolifération de frameworks open source (LangGraph, Pydantic) et d'agents managés proposés par Anthropic, Google et Amazon qui facilite la construction en interne. Des entreprises comme Shopify, Stripe ou Razorpay ont déjà développé leurs propres agents de codage, et même Ramp, proche de Cognition, a bâti le sien avec Modal. Les défis techniques restent néanmoins considérables : séparation du cerveau et de la machine d'exécution, configuration initiale des dépôts, orchestration multi-agents, limites du protocole MCP, gestion de la mémoire, sécurisation des secrets dans des environnements isolés. Le flux "spec to pull request" devient une réalité en production, mais l'infrastructure qui le rend fiable et sécurisé reste un terrain de construction active pour tout le secteur.

Cognition, créateur de l'agent de code Devin, plus que double sa valorisation à 26 milliards de dollars en moins de neuf mois

Cognition, la startup américaine à l'origine de Devin, l'agent de développement logiciel piloté par intelligence artificielle, a finalisé une levée de fonds dépassant le milliard de dollars, portant sa valorisation à plus de 26 milliards de dollars. Cette opération, bouclée en moins de neuf mois après un précédent tour de table, plus que double la valorisation de l'entreprise et s'impose comme l'une des plus importantes jamais réalisées dans le secteur des agents IA spécialisés dans le code. Devin avait été présenté en mars 2024 comme le premier "ingénieur logiciel autonome" capable de planifier, coder, tester et déployer des applications sans intervention humaine. Ce financement illustre l'appétit spectaculaire des investisseurs pour les outils capables d'automatiser le développement logiciel, un marché estimé à plusieurs centaines de milliards de dollars. Pour les entreprises tech, l'enjeu est concret : réduire les coûts de développement, accélérer les cycles de production et potentiellement redéfinir le rôle des ingénieurs humains. Pourtant, la valeur opérationnelle réelle de Devin reste vivement discutée dans la communauté des développeurs, certains benchmarks indépendants ayant remis en question ses performances annoncées. Cognition évolue dans un secteur de plus en plus disputé, face à GitHub Copilot d'OpenAI et Microsoft, Cursor, ou encore des agents comme Claude Code d'Anthropic. La course aux agents de codage s'intensifie alors que les grands modèles de langage atteignent un niveau de compétence technique suffisant pour traiter des tâches de programmation complexes. Cette méga-levée signale que, malgré les débats sur les performances actuelles, les investisseurs parient sur un basculement prochain vers une automatisation large du génie logiciel.

Elon Musk prépare déjà Grok 5, la prochaine IA géante pour les développeurs ?

Elon Musk a annoncé le 25 mai 2026 la fin de l'entraînement du modèle Grok V9-Medium chez xAI, un système massif de 1,5 trillion de paramètres qui devrait être commercialisé sous le nom de Grok 4.5 ou Grok 5 d'ici deux à trois semaines. Ce chiffre représente trois fois la taille de la version actuelle V8-small utilisée pour le trafic quotidien de Grok. Le modèle entre désormais dans une phase de réglage fin supervisé, avec le lancement de l'apprentissage par renforcement prévu dans les prochains jours. Parmi les éléments notables de cet entraînement, xAI a intégré un volume important de données issues de Cursor, l'assistant de code alimenté par IA qui s'est imposé comme un outil de référence dans les workflows des développeurs professionnels. L'architecture a également été optimisée pour les GPU NVIDIA Blackwell afin d'améliorer l'efficacité de calcul et de réduire les coûts d'inférence. Ce qui distingue ce nouveau modèle des précédentes versions de Grok, c'est son orientation délibérée vers la programmation et l'ingénierie logicielle. En intégrant massivement des données réelles issues des habitudes des développeurs via Cursor, xAI cherche à construire un assistant capable de comprendre le code en profondeur, de corriger des bugs et de conduire un raisonnement logique complexe, plutôt que de simplement générer des extraits de code à la demande. Pour les entreprises tech et les équipes de développement, cela signifie un concurrent sérieux face à des outils comme GitHub Copilot, Claude ou GPT-4o dans le segment des assistants de codage, un marché en croissance rapide où la différenciation se joue désormais sur la spécialisation et la précision technique plutôt que sur les capacités généralistes. xAI s'inscrit dans une dynamique de course aux paramètres qui s'emballe depuis plusieurs mois dans l'industrie de l'IA, avec des annonces de modèles toujours plus massifs de la part d'OpenAI, Google DeepMind et Anthropic. Pour Musk, ce lancement représente également une opportunité de valoriser l'infrastructure du supercalculateur Colossus de xAI, dont la société cherche à prouver qu'elle peut rivaliser avec les centres de données des géants établis. La réduction des coûts d'inférence grâce à l'optimisation Blackwell est un enjeu stratégique concret : faire tourner un modèle de 1,5 trillion de paramètres à grande échelle représente des dépenses considérables, et la viabilité commerciale du produit dépendra autant de cette efficacité opérationnelle que de ses performances brutes sur les benchmarks. La sortie publique attendue courant juin 2026 constituera un test grandeur nature.

💬 1,5 trillion de paramètres, c'est soit impressionnant soit du flan selon comment tu arrives à le faire tourner à coût raisonnable. Ce qui m'intéresse vraiment, c'est les données Cursor : entraîner sur des vrais workflows de devs, pas juste du code GitHub, c'est une idée qui tient la route. Reste à voir si ça se traduit en gain réel ou juste en benchmark flatteur.

Les meilleures plateformes d'authentification pour agents IA et serveurs MCP en 2026

Le Model Context Protocol (MCP), lancé par Anthropic en novembre 2024, s'est imposé en moins d'un an comme le standard de facto de l'écosystème agentique. OpenAI l'a adopté en mars 2025, Microsoft a annoncé son support dans Copilot Studio le même mois, et fin 2025 les téléchargements cumulés des SDK Python et TypeScript dépassaient 97 millions par mois. En décembre 2025, Anthropic a cédé le protocole à l'Agentic AI Foundation, hébergée par la Linux Foundation, pour en faire un bien commun de l'industrie. Gartner projette que 40 % des applications d'entreprise intégreront des agents IA spécialisés d'ici fin 2026, contre moins de 5 % aujourd'hui. Cette explosion soulève un problème central resté sans solution robuste : l'authentification. Quand un agent IA se contente de répondre à des questions, la sécurité d'accès reste anecdotique. Quand il lit des e-mails, met à jour des CRM, écrit dans des bases de données et appelle des API externes de façon autonome, l'authentification devient une infrastructure critique, et le coût d'une faille peut être considérable. La spécification MCP pour les déploiements HTTP protégés est précise : OAuth 2.1 avec PKCE est obligatoire, tous les endpoints doivent fonctionner en HTTPS, les métadonnées du serveur d'autorisation doivent être découvrables par les clients, et les mécanismes Protected Resource Metadata (RFC 9728) ainsi que Resource Indicators (RFC 8707) doivent être implémentés pour éviter la confusion d'audience des tokens. Plusieurs fournisseurs connus ne répondent pas encore à toutes ces exigences. C'est dans ce contexte que deux plateformes se distinguent : WorkOS, ciblant les équipes d'ingénierie enterprise, combine OAuth 2.1 compatible MCP avec SSO, SCIM, journaux d'audit et une autorisation granulaire (Fine-Grained Authorization) permettant de restreindre un agent à des outils précis plutôt qu'à un service entier. Stytch, filiale de Twilio, s'adresse aux équipes SaaS B2B déployant sur Cloudflare Workers et souhaitant ajouter l'authentification MCP sans migrer toute leur stack existante. L'enjeu dépasse le simple choix d'une bibliothèque. L'émergence des agents autonomes redéfinit la granularité des droits d'accès : il ne s'agit plus de savoir si un utilisateur peut accéder à une application, mais si un agent peut appeler un outil spécifique dans un service donné, dans un contexte précis, avec une traçabilité complète. Les acteurs comme Okta, Microsoft Entra ou des annuaires internes restent en jeu, mais les nouvelles plateformes comme WorkOS visent à s'y connecter plutôt qu'à les remplacer. Avec 40 % des applications enterprise concernées d'ici dix-huit mois, la fenêtre pour standardiser ces pratiques est courte, et les choix d'architecture faits aujourd'hui conditionneront la sécurité des systèmes agentiques pour les années à venir.

💬 L'auth pour agents, c'était le truc qu'on remettait à plus tard tant que les agents répondaient juste à des questions. Là, avec des systèmes qui lisent des mails, poussent dans des CRM et appellent des API externes sans supervision, c'est de l'infrastructure critique, et WorkOS a bien vu que le vrai sujet c'est l'autorisation à l'outil (pas à l'application, à l'outil spécifique). Reste à voir si les équipes qui déploient aujourd'hui vont s'y plier avant le premier incident sérieux.

Google Gemini : créer des plans de présentation en quelques secondes

Google a intégré dans Gemini une fonctionnalité qui permet aux dirigeants d'entreprise de générer en quelques secondes des plans de présentation structurés, là où les équipes consacraient auparavant des jours entiers à cette tâche. Le processus repose sur quatre étapes : rassembler ses idées brutes en cinq minutes de brainstorming libre, les charger dans un notebook Gemini aux côtés de documents existants (rapports trimestriels, guidelines de marque, présentations passées), formuler un prompt en langage naturel ou via Gemini Live (mode vocal sur mobile), puis itérer par conversation pour affiner le résultat. L'outil peut ensuite produire une décomposition slide par slide ou un tableau structuré prêt à transmettre à l'équipe, et même démarrer la présentation directement via la fonction Canvas. L'enjeu est significatif pour les organisations qui consacrent des ressources considérables à préparer des présentations stratégiques. Google illustre le cas d'un CEO de SaaS préparant un keynote pour le lancement d'un produit IA majeur devant des clients enterprise : au lieu de plusieurs réunions de cadrage, de longues chaînes d'e-mails et de cycles de relecture, un plan de haut niveau peut être posé en quelques minutes, donnant à l'équipe un fil directeur immédiat. La capacité de Gemini à ingérer de grands volumes de documents comme contexte d'un prompt permet de personnaliser la sortie bien au-delà d'un simple squelette générique. Pour les entreprises dont les présentations peuvent conditionner des décisions commerciales majeures, le gain en temps de coordination et en itérations internes est potentiellement très élevé. Cette annonce s'inscrit dans la bataille que se livrent Google, Microsoft et OpenAI pour ancrer leurs assistants IA dans les flux de travail professionnels quotidiens. Microsoft a poussé Copilot dans PowerPoint et Word ; OpenAI a développé des capacités de génération de documents structurés dans ChatGPT. Google répond en capitalisant sur l'intégration native de Gemini dans son écosystème Workspace, avec des notebooks qui servent de mémoire persistante entre les sessions. La fonctionnalité de prompt vocal via Gemini Live vise à réduire encore la friction, en permettant de dicter ses instructions comme on le ferait avec un collaborateur. La prochaine étape logique serait une intégration encore plus profonde avec Google Slides pour générer directement des decks complets, une direction que Google semble clairement préparer avec la fonction Canvas déjà disponible.

💬 C'est pas la vitesse qui change le jeu, c'est le contexte. Pouvoir charger ses anciens decks, ses rapports Q, ses guidelines de marque, et obtenir un plan qui sonne vraiment comme ta boîte plutôt qu'un squelette sorti de nulle part, c'est ce que les autres n'ont pas encore bien résolu. Bon, faut que Canvas tienne ses promesses ensuite.

Anthropic présente Code with Claude, l'avenir du code selon eux

Lors de l'événement "Code with Claude" organisé par Anthropic les 19 et 20 mai à Londres, Jeremy Hadfield, ingénieur chez Anthropic, a demandé à une salle comble de développeurs combien d'entre eux avaient fusionné une pull request entièrement rédigée par Claude sans en avoir lu une seule ligne de code. La majorité des mains sont restées levées, accompagnées de rires nerveux. Le même jour que Google I/O à Palo Alto, Anthropic affichait ses ambitions : "La majorité des logiciels chez Anthropic est désormais écrite par Claude, y compris le code de Claude Code lui-même", a déclaré Hadfield en ouverture. Boris Cherny, responsable de Claude Code, a résumé le nouveau paradigme : "Le réflexe par défaut n'est plus 'je vais prompter Claude', c'est désormais 'je vais laisser Claude se prompter lui-même'." Anthropic a également dévoilé une fonctionnalité baptisée "dreaming", annoncée deux semaines auparavant : les agents de Claude Code consignent des notes sur leurs tâches, que le système consolide ensuite pour identifier des patterns et des erreurs récurrentes, permettant aux agents suivants de monter en compétence plus rapidement sur une base de code donnée. Ce qui frappe dans cet événement, c'est la vitesse à laquelle ce nouveau mode de travail s'est normalisé. Il y a un an à peine, lors de la première édition de ces conférences développeurs, Anthropic venait de sortir Claude 4, capable de coder "dans une certaine mesure". Avec Claude 4.6 (février) puis 4.7 (avril), le seuil a été franchi : des entreprises comme Spotify, Delivery Hero, Lovable, Base44 et Monday.com ont restructuré leurs équipes de développement autour de Claude Code. L'objectif affiché par Anthropic est de pousser l'automatisation à son maximum, en faisant en sorte que Claude teste, corrige et itère de manière autonome, sans que l'ingénieur humain n'ait à voir les messages d'erreur. "Le principe clé, c'est de s'effacer et de laisser faire", a formulé l'ingénieur Ravi Trivedi. Pourtant, cette euphorie se heurte à des signaux contradictoires hors des murs de la conférence. Des rapports récents font état d'un nombre croissant de développeurs qui commencent à s'interroger sur leur rôle dans un environnement où leur expertise principale, écrire et lire du code, est en passe d'être entièrement déléguée à un modèle. OpenAI avec Codex, Google et Microsoft formulent des revendications similaires sur l'automatisation de leur propre développement logiciel. La question qui se profile n'est plus technologique mais structurelle : à mesure que les pull requests "zero human review" deviennent la norme, c'est toute la chaîne de responsabilité dans la production de logiciels qui se redessine, avec des implications qui dépassent largement les salles de conférence.

💬 La salle qui lève la main en masse pour avouer avoir mergé une PR Claude sans en lire une ligne, c'est l'image qui résume tout. Je ne dis pas que c'est irresponsable, mais ça veut dire que la question n'est plus "est-ce que l'IA code bien" (elle code bien, on est d'accord), c'est "qui est responsable quand ça plante en prod". Ça, personne dans la conférence ne l'a vraiment posée.

Cursor profite des difficultés de GitHub

Cursor, l'éditeur de code alimenté par l'IA, travaille sur un projet ambitieux visant à concurrencer directement GitHub sur ses fonctions essentielles. Baptisé en interne "Origin", ce projet est porté par les ingénieurs de Graphite, une startup spécialisée dans la revue de code que Cursor a rachetée l'an dernier. L'annonce officielle est prévue pour cet été. Selon une source proche du dossier, Origin proposera des dépôts de code, soit la fonction centrale de GitHub, ainsi qu'un ensemble de fonctionnalités avancées : revues de sécurité automatisées, actions programmées comme les tests continus, gestion des mises à jour sans interruption de service, et intégrations avec des outils tiers. Ce mouvement s'inscrit dans un contexte délicat pour GitHub, filiale de Microsoft. La plateforme a subi une série de pannes et de dysfonctionnements ces derniers mois, au point que Jay Parikh, le dirigeant qui supervise GitHub, a récemment mis en garde ses équipes : les outils de Cursor et d'Anthropic pourraient un jour rendre GitHub obsolète. Si un concurrent aussi jeune que Cursor parvient à intégrer gestion de dépôts, revue de code assistée par IA et automatisation en une seule plateforme cohérente, les millions de développeurs qui utilisent GitHub quotidiennement auraient une raison concrète de migrer. La montée en puissance des éditeurs de code IA redessine progressivement toute la chaîne du développement logiciel. Cursor, qui s'est imposé en quelques mois comme l'un des outils les plus populaires auprès des développeurs professionnels, ne se contente plus de compléter le code ligne par ligne : il s'attaque désormais à l'infrastructure collaborative qui entoure l'écriture du code. GitHub, de son côté, tente de répondre avec ses propres fonctionnalités IA via GitHub Copilot, mais la pression vient maintenant de plusieurs fronts simultanément, incluant Anthropic et d'autres acteurs. L'acquisition de Graphite l'année dernière prenait tout son sens stratégique : Cursor construisait déjà les briques d'une plateforme complète, bien au-delà du simple éditeur.

Nexos.ai : on a testé l’outil qui veut convaincre votre DSI que l’IA n’est pas une passoire

Nexos.ai, la plateforme développée par Nord Security, l'éditeur à l'origine de NordVPN, propose une solution de gouvernance de l'intelligence artificielle en entreprise. Le principe est simple : plutôt que de créer un nouveau modèle maison, Nexos fait office de hub centralisé permettant aux équipes d'accéder aux grands modèles du marché, OpenAI, Anthropic, Google, Mistral, depuis un environnement contrôlé, avec des journaux d'activité, des règles configurables et un administrateur aux commandes. L'interface, pensée pour être accessible sans formation, permet de choisir son modèle via un menu déroulant, de définir un profil global avec des instructions permanentes, et de désactiver la mémorisation d'un simple interrupteur. Un détail attire l'attention : un drapeau européen signale les modèles traités sur des serveurs en Europe, garantie concrète pour les entreprises soumises au RGPD. Côté routing, la plateforme dirige intelligemment les tâches vers le modèle le plus adapté, un modèle d'embedding Mistral pour indexer un PDF, sans mobiliser un modèle coûteux, sans que l'utilisateur n'ait à intervenir. L'enjeu adressé est loin d'être anecdotique. Le phénomène dit du "Shadow AI", ces salariés qui utilisent leur compte personnel ChatGPT ou Claude pour coller des contrats, des roadmaps ou des bilans RH, représente en 2026 l'un des principaux vecteurs de fuite de données sensibles en entreprise, non par malveillance, mais faute d'alternative sérieuse mise à disposition. Nexos tente de combler ce vide en offrant aux DSI une visibilité réelle sur les usages, et aux employés un outil suffisamment fluide pour ne pas générer de contournements. Pour un DAF surveillant sa facture cloud, l'optimisation automatique du routing entre modèles représente aussi un argument économique tangible, invisible pour l'utilisateur final mais visible dans les coûts d'infrastructure. Nord Security n'est pas un inconnu dans l'espace cybersécurité : l'entreprise a construit sa réputation sur NordVPN, un produit grand public devenu référence dans la protection de la vie privée en ligne. Ce positionnement lui confère une crédibilité initiale sur le marché de la gouvernance IA, un segment en pleine structuration alors que les régulations se durcissent des deux côtés de l'Atlantique, l'AI Act européen en tête. La limite que la revue identifie est structurelle : les promesses de "forteresse numérique" ne peuvent être vérifiées sans audit technique indépendant, et l'utilisateur doit in fine faire confiance à la réputation de l'éditeur. Dans un marché où les offres se multiplient, Microsoft Copilot, Glean, Perplexity Enterprise, Nexos mise sur la simplicité d'adoption et la conformité RGPD comme différenciateurs, deux arguments qui résonnent particulièrement auprès des ETI et grandes entreprises européennes encore hésitantes à franchir le pas.

Android Auto : Gemini prend le contrôle de votre voiture intelligemment

Google intègre Gemini, son modèle d'intelligence artificielle générative, directement dans Android Auto, la plateforme embarquée qui équipe des dizaines de millions de véhicules dans le monde. L'annonce a été faite par la firme de Mountain View dans le cadre de sa stratégie d'extension de l'IA à l'ensemble de son écosystème matériel et logiciel. Concrètement, Gemini remplace l'Assistant Google classique au volant et promet de traiter les commandes vocales de façon bien plus naturelle : demander d'envoyer un message, lancer un itinéraire ou trouver une station-service ne nécessite plus de formuler une phrase figée et précise. Le système comprend désormais le contexte, anticipe certains besoins, et peut par exemple proposer automatiquement un trajet si un rendez-vous figure dans l'agenda, ou suggérer un itinéraire alternatif en cas d'embouteillage avant même que l'automobiliste ne pose la question. L'intégration s'accompagne également d'une refonte visuelle : nouveaux widgets, cartes enrichies, interface repensée dans la continuité d'Android sur smartphone. L'enjeu est direct pour des millions d'automobilistes qui avaient progressivement renoncé aux assistants vocaux embarqués, trop souvent sources d'incompréhensions et de frustrations. Si Gemini tient ses promesses, l'interaction avec le véhicule devient un véritable gain de temps et de sécurité, en réduisant la nécessité de manipuler un écran ou un téléphone en conduite. Pour Google, l'impact est tout aussi stratégique : Android Auto est présent sur la quasi-totalité des constructeurs automobiles mondiaux, ce qui fait de la voiture un point d'entrée massif pour ancrer Gemini dans les habitudes quotidiennes. La refonte de l'interface vise par ailleurs à unifier l'expérience utilisateur entre smartphone, montre connectée et voiture, renforçant l'adhérence à l'écosystème Google. Cette évolution s'inscrit dans une tendance plus large qui voit les grands modèles de langage quitter les interfaces textuelles pour coloniser l'environnement physique. Après les moteurs de recherche, les smartphones et les lunettes connectées, la voiture s'impose comme le prochain terrain d'expansion de l'IA ambiante. Google n'est pas seul sur ce segment : Apple CarPlay évolue dans la même direction avec Siri, et plusieurs constructeurs comme BMW ou Mercedes développent leurs propres assistants IA embarqués. La question qui se pose désormais est celle de l'équilibre entre utilité réelle et saturation de l'interface : si certaines fonctionnalités proactives semblent genuinement pertinentes, l'accumulation de widgets et de recommandations à l'écran pourrait paradoxalement augmenter la charge cognitive du conducteur. Les prochains mois de déploiement diront si Gemini parvient à s'imposer comme un copilote discret et fiable, ou s'il reproduit les travers des assistants qui l'ont précédé.

Google I/O 2026 : Google veut reconstruire Internet autour de l’IA

Lors de la conférence Google I/O 2026, le géant de Mountain View a officialisé une rupture profonde avec le modèle qui a fait sa fortune depuis 1998 : la page de résultats à dix liens bleus. Google y présente un moteur de recherche radicalement repensé, où l'intelligence artificielle répond directement aux questions des utilisateurs, synthétise l'information et guide les parcours de navigation sans nécessairement renvoyer vers des sites tiers. Les annonces couvrent l'ensemble de l'écosystème, de la Search aux outils de productivité Workspace, en passant par des modèles Gemini mis à jour. Ce pivot redéfinit les règles du jeu pour des millions d'acteurs du web. Les éditeurs de contenus, les sites e-commerce et les médias qui dépendent du trafic organique de Google risquent de voir leur audience s'effondrer si les réponses IA captent les requêtes en amont du clic. Pour les utilisateurs, l'expérience promet d'être plus rapide et fluide, mais soulève des questions sur la transparence des sources et la pluralité de l'information accessible. Cette transformation n'est pas soudaine : elle s'inscrit dans une course acharnée lancée par l'irruption de ChatGPT fin 2022, qui a contraint Google à accélérer massivement ses investissements dans l'IA générative. Face à Microsoft Bing dopé à GPT-4, puis à Perplexity et d'autres challengers, Google a d'abord introduit ses AI Overviews avant de franchir ce nouveau cap. La question qui demeure est de savoir si la justice et les régulateurs, notamment en Europe, accepteront qu'une seule entreprise contrôle à la fois la porte d'entrée du web et la couche IA qui le filtre.

💬 Tout le monde savait que ça allait arriver, mais voir Google officialiser la fin des dix liens bleus, ça fait quand même un effet. Les sites qui vivaient du trafic organique (médias compris) vont morfler, certains flanchent déjà. La vraie question c'est pas si les régulateurs européens s'en mêlent, c'est si ça changera quoi que ce soit.

Microsoft, Meta et xAI collectent des données d'entraînement auprès de leurs propres employés

Microsoft, Meta et xAI ont recours à une source de données d'entraînement peu conventionnelle pour leurs modèles d'intelligence artificielle : leurs propres salariés. Microsoft est la dernière entreprise à avoir formalisé cette approche, en annonçant qu'elle prévoit d'exploiter le code propriétaire produit par ses quelque 100 000 ingénieurs logiciels pour entraîner ses modèles de programmation. Cette stratégie s'inscrit dans une tendance plus large observée chez les grands acteurs du secteur, qui cherchent à contourner la pénurie de données de qualité sur le marché ouvert. L'enjeu est considérable pour Microsoft, dont GitHub Copilot a perdu une partie de son avance initiale face à des concurrents comme Anthropic ou Cursor. En mobilisant les productions internes de ses développeurs, l'entreprise espère constituer un corpus de données riche, contextualisé et propriétaire, que ses rivaux ne peuvent tout simplement pas répliquer. Pour les salariés concernés, cette pratique soulève des questions sur la propriété intellectuelle et le consentement éclairé : leurs contributions professionnelles quotidiennes deviennent du carburant pour des systèmes commerciaux. Ce phénomène révèle une tension croissante dans l'industrie de l'IA : les jeux de données publics s'épuisent ou font l'objet de litiges juridiques, forçant les entreprises à se tourner vers des données internes ou synthétiques. Meta et xAI ont adopté des démarches similaires, transformant leurs effectifs en contributeurs involontaires à l'effort d'entraînement. La question de la gouvernance de ces données employés, et des droits qui s'y rattachent, devrait s'imposer comme un nouveau terrain de friction entre entreprises, syndicats et régulateurs dans les mois à venir.

Meilleures plateformes d'IA à agents autonomes pour les entreprises en 2026

En 2026, l'IA agentique d'entreprise a franchi le cap du projet pilote pour entrer dans les déploiements en production. Salesforce a conclu 29 000 contrats Agentforce depuis son lancement, générant 800 millions de dollars de revenus annuels récurrents. Microsoft Copilot Studio compte plus de 160 000 organisations qui font tourner plus de 400 000 agents personnalisés. ServiceNow a reconfiguré l'ensemble de son modèle commercial autour de niveaux d'autonomie IA. Sur le plan tarifaire, les modèles divergent : Agentforce facture 2 dollars par conversation ou 500 dollars pour 100 000 crédits Flex, tandis que Copilot Studio propose 200 dollars pour 25 000 crédits mensuels. Salesforce a par ailleurs finalisé en novembre 2025 l'acquisition d'Informatica pour renforcer la qualité des données intégrées à sa couche Data 360. Ces chiffres traduisent un basculement structurel : la question n'est plus de savoir s'il faut déployer des agents IA, mais quel outil convient à quel flux de travail. Ce mouvement massif vers la production révèle aussi ses limites. Les équipes qui ont réussi la transition des pilotes vers le déploiement réel rapportent que les échecs ne viennent pas des capacités des modèles, mais de trois problèmes récurrents : des données de mauvaise qualité, une propriété floue des cas limites, et une gouvernance jamais construite. Une pratique trompeuse s'est également généralisée dans le secteur, que les praticiens appellent l'« agent washing » : des éditeurs rebaptisent des chatbots existants, des scripts d'automatisation robotique ou des outils de workflow linéaires en les présentant comme des agents autonomes. Or, un vrai agent doit être capable de prise de décision autonome, de raisonnement multi-étapes et de gestion dynamique des erreurs, une barre que la majorité des produits commercialisés aujourd'hui ne franchit pas réellement. Les brochures marketing ne suffisent pas ; il faut tester sur des flux réels qui exigent ramifications, usage d'outils, rétention de contexte et récupération sur erreur. Les deux plateformes dominantes en volume illustrent une logique d'écosystème fermé. Agentforce s'appuie sur le moteur de raisonnement Atlas, qui décompose les tâches en étapes via une boucle Reason-Act-Observe, et reste nativement intégré aux données Salesforce, un avantage décisif pour les entreprises dont Salesforce est le système d'enregistrement central, mais une contrainte réelle pour les environnements SAP ou multi-stack. Copilot Studio bénéficie quant à lui d'une surface d'intégration massive : Teams, SharePoint, Dynamics 365 et le Microsoft Graph couvrent environ un milliard de sièges Microsoft 365 dans le monde. La stratégie gagnante pour 2026, selon les retours terrain, consiste à déployer un seul agent sur un workflow précis et bien documenté, mesurer les résultats, puis étendre progressivement, plutôt que de chercher une transformation générale en une seule vague.

Musk contre Altman, semaine 3 : guerre de crédibilité, au jury de trancher

La troisième et dernière semaine du procès opposant Elon Musk à Sam Altman et OpenAI s'est achevée par les plaidoiries finales des deux camps, devant un jury californien. L'avocat de Musk, Steven Molo, a soutenu qu'Altman et Greg Brockman, président d'OpenAI, ont trahi la promesse faite au milliardaire lorsqu'il a financé l'organisation : maintenir OpenAI comme une association à but non lucratif développant l'IA au bénéfice de l'humanité. Au lieu de cela, ils ont créé une filiale commerciale qui les a rendus extraordinairement riches. L'avocate d'OpenAI, Sarah Eddy, a répliqué qu'aucune telle promesse n'a jamais été formulée, que l'organisation reste une entité non lucrative malgré sa restructuration, et que Musk a attendu trop longtemps pour agir, révélant ainsi son véritable mobile : saboter un concurrent direct de sa propre entreprise d'IA, xAI, lancée en 2023. Musk réclame l'annulation de la conversion d'OpenAI en société à bénéfice public réalisée en 2025, l'éviction d'Altman et Brockman, ainsi que jusqu'à 134 milliards de dollars de dommages à verser à Microsoft et OpenAI. Le jury entame ses délibérations lundi et rendra un verdict consultatif dès la semaine prochaine, verdict qui ne lie pas le juge, seul décideur final. L'enjeu financier est colossal. Une décision favorable à Musk pourrait compromettre l'introduction en bourse d'OpenAI, dont la valorisation approche les 1 000 milliards de dollars. Pendant ce temps, xAI devrait entrer en bourse dans le cadre de SpaceX dès juin prochain, avec une valorisation cible de 1 750 milliards de dollars. Le procès met également sous pression la crédibilité d'Altman, déjà fragilisée par son licenciement temporaire en novembre 2023. Ses anciens collègues, dont Ilya Sutskever et Mira Murati ainsi que les ex-administrateurs Helen Toner et Tasha McCauley, ont témoigné qu'il leur avait menti. Le comité de surveillance de la Chambre des représentants américaine a ouvert la semaine dernière une enquête sur ses conflits d'intérêts potentiels, notamment son investissement d'un tiers dans Helion Energy, société de fusion nucléaire à qui il aurait tenté d'orienter des contrats d'approvisionnement en énergie pour OpenAI. Des procureurs généraux d'au moins six États ont également demandé à la SEC d'examiner ces liens. Le procès révèle une fracture idéologique et personnelle profonde entre deux hommes qui cofondèrent OpenAI en 2015 avec une vision commune. Altman a affirmé devant le jury qu'en 2017, lors de discussions sur une possible filiale commerciale, Musk avait suggéré que le contrôle d'OpenAI passe à ses enfants en cas de décès, témoignage présenté comme preuve d'une ambition de pouvoir personnel. L'audience a aussi vu apparaître une anecdote symbolique : OpenAI a sorti un trophée en forme de postérieur d'âne, remis à un employé après que Musk l'eut traité de "jackass" pour avoir freiné ses plans d'accélération vers l'AGI. Quelle que soit l'issue, le procès a exposé publiquement les tensions internes qui ont secoué le laboratoire le plus influent de l'IA mondiale, à un moment où la course à l'intelligence artificielle générale s'intensifie entre tous les acteurs du secteur.

💬 Ce procès va surtout révéler ce que tout le monde savait au fond : la mission "IA pour l'humanité" n'était pas la priorité numéro un des deux hommes. Les anciens collègues d'Altman ont témoigné sous serment qu'il leur avait menti, et ça, ça colle à la peau longtemps, verdict consultatif ou pas. Un an avant une IPO à mille milliards, c'est franchement le pire moment pour que ça sorte.

Le prochain défi de Claude en entreprise : pas les modèles, mais le plan de contrôle des agents

Selon de nouvelles données publiées par VentureBeat Pulse, la prochaine bataille stratégique dans l'IA d'entreprise ne portera pas sur la qualité des modèles, mais sur le contrôle de la couche d'orchestration des agents. Le tracker indépendant VB Pulse, qui mesure régulièrement les préférences de décideurs techniques qualifiés en entreprise, révèle que Microsoft Copilot Studio et Azure AI Studio dominent ce segment avec 38,6 % d'adoption principale en février 2026, en hausse depuis 35,7 % en janvier. L'API Assistants et Responses d'OpenAI occupe la deuxième place avec 25,7 %, contre 23,2 % un mois plus tôt. Anthropic, lui, fait sa première apparition dans ce tracker : passant de 0 % en janvier à 5,7 % en février pour l'usage de ses outils et workflows natifs, soit quatre répondants sur un panel de 70 décideurs. Sur la couche modèle, les données sont encore plus spectaculaires pour l'entreprise de Dario Amodei : Claude est passé de 23,9 % en janvier à 28,6 % en février, puis à 56,2 % en mars, bien que cette dernière mesure soit qualifiée de directionnelle en raison d'un échantillon réduit à 16 répondants. Ce glissement d'Anthropic depuis la couche modèle vers l'orchestration native représente un signal stratégique significatif, même si les chiffres absolus restent modestes. Les entreprises ne choisissent plus seulement un chatbot ou un moteur de génération de texte : elles décident où installer la machinerie opérationnelle de leur IA, quels outils les agents peuvent appeler, quelles données ils peuvent consulter, quels workflows ils peuvent déclencher, et comment prouver aux équipes de sécurité que ces agents n'ont rien fait d'interdit. Tom Findling, PDG de la startup de cybersécurité IA Conifers, résume l'enjeu : les entreprises déplacent leur focus de la qualité du modèle vers le plan de contrôle qui l'entoure, notamment en matière de gouvernance, d'auditabilité et d'orchestration dans des environnements clients complexes. L'enjeu est d'autant plus lourd que remplacer un modèle reste relativement simple en théorie, une entreprise peut router une tâche vers Claude, une autre vers GPT, une troisième vers Gemini. Remplacer un runtime d'agents, en revanche, implique de reconfigurer des pipelines entiers, des intégrations d'outils, des politiques d'accès aux données et des mécanismes d'audit. Celui qui contrôle cette couche crée une dépendance bien plus profonde que celle d'un modèle. Microsoft dispose d'un avantage de distribution considérable dans les entreprises, et OpenAI d'une base installée bien plus large en orchestration. Mais la montée en puissance de Claude sur la couche modèle commence visiblement à se propager vers l'orchestration, et c'est précisément là que se joueront les parts de marché les plus durables des prochaines années.

💬 Anthropic gagne la bataille des modèles, et c'est bien, mais la vraie guerre se joue ailleurs. Changer de LLM, c'est l'affaire d'une clé API, mais démonter un runtime d'agents complet avec ses pipelines, ses intégrations et ses politiques d'accès, c'est des mois de boulot. Microsoft tient l'orchestration à 38 % et Anthropic débarque tout juste à 5,7 %, autant dire que c'est encore loin.

xAI lance Grok Build : L’agent de codage qui veut détrôner Claude Code

xAI, la société d'intelligence artificielle fondée par Elon Musk, a lancé le 14 mai 2026 Grok Build, un agent de codage en version bêta. Accessible uniquement aux abonnés SuperGrok Heavy à 300 dollars par mois, l'outil se présente comme un agent de programmation avancé doublé d'une interface en ligne de commande. Cette phase initiale est revendiquée par xAI comme un laboratoire grandeur nature : les retours des premiers utilisateurs serviront à corriger les bugs, affiner les performances et enrichir les fonctionnalités au fil du temps. L'installation s'effectue directement depuis le site officiel de xAI, via connexion au compte utilisateur. Grok Build cible explicitement les développeurs professionnels confrontés à des tâches complexes. Son mode sans interface graphique permet de l'intégrer dans des scripts et des automatisations existantes, et son interface en ligne de commande prend en charge le protocole ACP pour faciliter la création de bots personnalisés et d'applications orchestrant plusieurs agents. Pour les projets ambitieux, un mode planification permet à l'agent de préparer une stratégie détaillée que le développeur peut approuver, modifier ou réécrire avant toute exécution. Chaque modification s'affiche ensuite sous forme de diff structuré. L'outil reconnaît automatiquement les conventions d'un dépôt existant, prend en charge les fichiers AGENTS.md, plugins, hooks, skills et serveurs MCP, et peut déléguer certaines tâches à des sous-agents spécialisés exécutés en parallèle pour accélérer le développement. Le lancement de Grok Build s'inscrit dans une course effrénée aux agents de codage autonomes, marché où Anthropic s'est imposé avec Claude Code et où GitHub Copilot, Cursor ou Devin occupent déjà des positions établies. xAI, qui a considérablement accéléré le développement de sa famille de modèles Grok depuis le rachat de Twitter, cherche à transformer son avantage en données et en visibilité publique en une présence concrète dans les outils du quotidien des développeurs. La barrière d'entrée actuelle, 300 dollars mensuels pour un accès bêta, limite volontairement la base d'utilisateurs initiale afin de contrôler la charge et la qualité des retours. Si xAI parvient à démontrer des performances compétitives sur des benchmarks de codage réels, une ouverture plus large à des tarifs inférieurs semble probable. L'enjeu dépasse le simple outil : c'est la capacité de la plateforme Grok à s'imposer comme infrastructure de développement logiciel qui est en jeu.

💬 300 dollars par mois pour une bêta, ça élimine d'emblée les 99% qui auraient pu tester et critiquer sérieusement. Ce qui me parle dans les specs : AGENTS.md natif, MCP, sous-agents parallèles, diffs structurés... c'est exactement le workflow de Claude Code, recopié proprement. Reste à voir si Grok derrière tient en prod sur des bases de code un peu sérieuses.

Le fil AI : tout converge vers Conductor

GitHub a annoncé le 13 mai 2026 une préversion technique de son application GitHub Copilot App, un environnement de bureau conçu pour gérer des flux de travail parallèles, le cycle de vie des dépôts et des pull requests, avec flexibilité sur le choix de modèle. Dans le même mouvement, OpenAI a étendu son agent Codex vers les usages mobiles : les utilisateurs peuvent désormais lancer des tâches depuis l'application ChatGPT sur mobile, examiner les sorties, approuver des commandes et piloter l'exécution à distance pendant que Codex continue de tourner sur un laptop, un Mac mini ou un serveur de développement. OpenAI a également rendu généralement disponible le Remote SSH pour les environnements distants gérés, et ajouté des hooks ainsi que des jetons d'accès programmatiques pour l'automatisation Business et Enterprise autour du pipeline Codex. VS Code, de son côté, a livré une nouvelle fenêtre Agents pour les flux multi-agents et multi-projets, avec support navigateur et mobile via vscode.dev/agents, ainsi que des améliorations d'efficacité comme la compression des sorties terminal. Ces annonces convergentes signalent un basculement de l'écosystème entier vers une interface dite "agent-first" : les outils ne sont plus centrés sur l'édition de fichiers, mais sur la supervision d'agents autonomes qui exécutent des tâches longues en parallèle. Pour les développeurs, cela signifie pouvoir déléguer des chantiers entiers à un agent depuis son téléphone, tout en gardant le contrôle à distance. Pour les entreprises, les nouveaux tokens d'accès programmatiques d'OpenAI ouvrent la voie à des pipelines de développement entièrement automatisés. Du côté de l'infrastructure d'agents, LangChain a frappé fort avec le lancement de SmithDB, une base de données conçue spécifiquement pour les traces d'agents, et de LangSmith Engine, qui consomme ces traces, regroupe les échecs, identifie les problèmes dans le code et propose des correctifs, transformant l'observabilité passive en boucle d'amélioration continue. Derrière cette effervescence se profile une dynamique que les observateurs comparent à l'évolution convergente en biologie : tout comme le "plan crab" a émergé indépendamment sept fois dans l'évolution, l'interface "agent-first" est en train de s'imposer simultanément chez GitHub, Microsoft, OpenAI et d'autres. Conductor, la startup qui a popularisé ce paradigme, voit ses idées reprises à grande échelle, ce qui soulève une question structurante pour les pionniers : comment monétiser une innovation de forme quand les géants de l'industrie l'adoptent en quelques mois ? Garry Tan, PDG de Y Combinator, s'est montré publiquement enthousiaste à propos de Conductor, signal que l'écosystème startup suit de près ces convergences. Les prochains mois diront si les premiers à avoir défriché ce terrain peuvent transformer leur avance conceptuelle en avantage durable, ou si la compétition sur la forme laisse place à une guerre sur l'exécution et la distribution.

💬 C'est le genre de semaine où tout s'aligne. GitHub, OpenAI, VS Code, en même temps, sur le même paradigme : superviser des agents depuis ton mobile pendant qu'ils bossent en arrière-plan, c'est plus une démo, c'est la nouvelle interface standard. Conductor a visé juste, mais se faire copier par Microsoft et OpenAI en six mois, ça n'a jamais vraiment été une stratégie de sortie.

Google DeepMind présente un pointeur de souris IA propulsé par Gemini, capable de capturer le contexte visuel et sémantique autour du curseur

Google DeepMind a présenté cette semaine un pointeur de souris dopé à l'intelligence artificielle, propulsé par Gemini, capable de comprendre non seulement où l'utilisateur pointe, mais aussi ce qu'il pointe et pourquoi c'est pertinent. Le système est encore expérimental, mais deux démonstrations sont d'ores et déjà accessibles dans Google AI Studio : l'une pour éditer une image, l'autre pour identifier des lieux sur une carte, toutes deux utilisables en pointant et en parlant à voix haute. Une intégration plus profonde, baptisée Magic Pointer, est en cours de déploiement dans Chrome, et une autre est prévue pour Googlebook, la nouvelle gamme d'ordinateurs portables Gemini de Google annoncée simultanément cette semaine. Le problème que cherche à résoudre DeepMind est connu de quiconque a déjà essayé d'utiliser un assistant IA en pleine session de travail : les outils actuels vivent dans leur propre fenêtre, obligeant l'utilisateur à interrompre son flux pour décrire manuellement ce qu'il regardait, coller une question dans un chatbot, puis importer la réponse dans son document d'origine. Le pointeur IA brise ce cycle en transmettant au modèle un contexte visuel et sémantique en temps réel, dérivé de la position du curseur et de l'état de survol, sans que l'utilisateur ait à formuler ce contexte en texte. Concrètement, cela permet de pointer un tableau de statistiques et demander une version en camembert, de survoler une recette pour en doubler les ingrédients, ou de pointer un PDF pour en obtenir un résumé en points à coller directement dans un email. Cette initiative s'inscrit dans une tendance plus large chez les grandes plateformes technologiques : rendre l'IA ambiante plutôt que cloisonnée dans une fenêtre de chat. Depuis l'émergence des grands modèles de langage grand public, la friction principale reste l'interface : les modèles sont puissants, mais les utilisateurs doivent sérialiser manuellement leur environnement en texte pour les actionner. DeepMind formalise quatre principes de conception pour y remédier, dont "maintenir le flux" (l'IA suit l'utilisateur là où il travaille, sans détour) et "montrer et dire" (le pointeur capte le contexte visuel, remplaçant les prompts détaillés par un simple geste). Microsoft avance en parallèle avec Copilot intégré à Windows, tandis qu'Apple mise sur des capacités similaires avec Apple Intelligence. Avec l'annonce simultanée des laptops Googlebook et le déploiement dans Chrome, Google positionne Gemini comme une couche système universelle, ce qui pourrait redéfinir profondément la manière dont des centaines de millions d'utilisateurs interagissent avec leur ordinateur au quotidien.

Hugging Face a hébergé un logiciel malveillant se faisant passer pour une version d'OpenAI

Un dépôt frauduleux hébergé sur Hugging Face, se faisant passer pour une version officielle d'OpenAI, a diffusé un logiciel malveillant de type infostealer sur des machines Windows avant d'être retiré de la plateforme. Selon une analyse publiée par la société de sécurité IA HiddenLayer, le dépôt baptisé "Open-OSS/privacy-filter" imitait fidèlement la page du projet OpenAI Privacy Filter : le fichier README avait été copié presque à l'identique, et les attaquants avaient intégré un fichier loader.py contenant un mécanisme d'infection dissimulé derrière du code d'apparence légitime. Ce fichier désactivait la vérification SSL, décodait une URL encodée en base64 pointant vers jsonkeeper.com, puis transmettait des instructions à PowerShell sur les machines Windows. Un fichier batch supplémentaire était ensuite téléchargé depuis un domaine contrôlé par les attaquants, et le malware s'installait en créant une tâche planifiée imitant une mise à jour légitime de Microsoft Edge. La charge finale était un infostealer écrit en Rust ciblant les navigateurs dérivés de Chromium et Firefox, Discord, les portefeuilles de cryptomonnaies, les configurations FileZilla et les informations système, tout en cherchant à désactiver l'interface Windows Antimalware Scan Interface. Le dépôt aurait enregistré environ 244 000 téléchargements et atteint la liste des projets "trending" sur Hugging Face avec 667 likes en moins de 18 heures, mais ces chiffres pourraient avoir été artificiellement gonflés par les attaquants. L'incident illustre un risque croissant dans la chaîne d'approvisionnement logicielle des équipes d'IA. Les développeurs et data scientists clonent régulièrement des modèles directement dans des environnements d'entreprise ayant accès au code source, aux identifiants cloud et aux systèmes internes, ce qui transforme un dépôt compromis en vecteur d'intrusion à fort impact. L'utilisation de jsonkeeper.com comme canal de commande et contrôle permettait aux attaquants de modifier le contenu malveillant sans toucher au dépôt lui-même, rendant la détection encore plus difficile. Sakshi Grover, directrice de recherche senior en cybersécurité chez IDC, rappelle que les outils d'analyse de composition logicielle traditionnels ont été conçus pour inspecter les manifestes de dépendances, les bibliothèques et les images de conteneurs, et restent peu adaptés pour identifier une logique de chargement malveillante nichée dans des dépôts d'IA. Cet incident s'inscrit dans une série d'avertissements récents concernant les registres publics de modèles d'IA. Des chercheurs avaient déjà signalé des modèles dissimulant du code malveillant dans des fichiers Pickle sérialisés, contournant les scanners de la plateforme. HiddenLayer a également identifié six autres dépôts Hugging Face utilisant une logique de chargement quasi identique et partageant la même infrastructure que l'attaque principale. La tendance de fond est claire : les attaquants considèrent désormais les workflows de développement IA comme une porte d'entrée vers des environnements normalement sécurisés, en exploitant non pas les modèles eux-mêmes, mais leurs éléments périphériques comme les scripts de configuration, les notebooks et les fichiers de dépendances. En réponse, IDC préconise dans son rapport FutureScape de novembre 2025 que 60 % des systèmes d'IA agentique disposent d'un inventaire exhaustif de leurs composants d'ici 2027, permettant aux entreprises de tracer l'origine, la version approuvée et les éléments exécutables de chaque artefact IA utilisé.

💬 C'est le genre d'attaque qu'on voyait venir depuis longtemps. Les devs IA ont pris l'habitude de cloner des dépôts entiers directement dans leurs envs de boîte, avec les accès cloud et les tokens qui vont avec, et c'est exactement ça que les attaquants ont ciblé, pas le modèle, le script Python autour. Hugging Face doit assumer son rôle de registre de confiance, pas juste de plateforme de partage.

OpenAI Deployment Company obtient 4 milliards de dollars pour l’IA d’entreprise

OpenAI a lancé le 11 mai 2026 une nouvelle entité baptisée OpenAI Deployment Company, dotée d'un investissement initial de plus de 4 milliards de dollars. Majoritairement détenue et contrôlée par OpenAI, cette structure regroupe 19 firmes d'investissement, cabinets de conseil et intégrateurs systèmes parmi lesquels TPG, Bain Capital, Goldman Sachs, Capgemini et McKinsey. Son coeur opérationnel repose sur des Forward Deployed Engineers (FDE), des ingénieurs spécialisés qui s'intègrent directement au sein des organisations clientes pour identifier les processus à fort potentiel, concevoir des systèmes IA adaptés et les connecter aux données internes, outils métier et systèmes de contrôle existants. Pour démarrer immédiatement avec une masse critique, OpenAI a parallèlement annoncé l'acquisition de Tomoro, société britannique spécialisée dans le conseil et l'ingénierie IA appliquée, qui apporte environ 150 ingénieurs et spécialistes du déploiement expérimentés, ayant travaillé pour des clients comme Tesco, Virgin Atlantic ou Supercell. Cette initiative répond à un blocage structurel bien documenté dans l'adoption de l'IA en entreprise : si plus d'un million d'organisations utilisent déjà les produits et API d'OpenAI, la grande majorité peine à franchir le fossé entre expérimentation et production réelle. Déployer un modèle dans un environnement critique implique de gérer la gouvernance, la sécurité des données, la fiabilité opérationnelle et l'intégration aux systèmes existants, autant de dimensions que les équipes internes maîtrisent rarement seules. OpenAI positionne explicitement cette transformation comme un changement organisationnel complet, et non comme une simple mise à jour logicielle, ce qui justifie la présence d'ingénieurs embarqués capables d'accompagner les équipes métier dans la durée. Pour les grandes entreprises, cela représente un accélérateur concret ; pour OpenAI, une source de revenus récurrents et de fidélisation bien plus profondes qu'une simple licence API. Ce lancement marque un tournant stratégique pour OpenAI, qui jusqu'ici dominait essentiellement la couche des modèles et des plateformes. En s'attaquant désormais à la couche d'intégration et d'exécution, l'entreprise entre en concurrence directe avec les grands cabinets de conseil en transformation numérique et les intégrateurs systèmes traditionnels, tout en cherchant à verrouiller ses clients dans son écosystème. Ce mouvement s'inscrit dans une course plus large entre les hyperscalers et les labs d'IA pour capturer la valeur générée par l'IA dans les flux de travail des grandes organisations. Microsoft, Google et Salesforce ont chacun développé des offres similaires d'accompagnement au déploiement ; OpenAI, en créant une entité dédiée avec un réseau de partenaires de premier rang, signale qu'elle entend jouer dans cette ligue, et pas seulement fournir les modèles qui la font tourner.

💬 OpenAI arrête de louer des modèles et se lance dans le conseil, avec 4 milliards pour démarrer. C'est le seul truc qui fonctionnait vraiment pour passer de l'API à la prod : des ingénieurs qui s'incrustent chez le client, qui comprennent les données internes, qui font le travail sale. L'ironie, c'est que McKinsey figure à la fois parmi les partenaires et parmi les premiers visés.

☕️ SoftBank investirait jusqu’à 100 milliards de dollars dans des infrastructures IA en France

SoftBank serait sur le point d'annoncer un investissement pouvant atteindre 100 milliards de dollars pour déployer des centres de données dédiés à l'intelligence artificielle en France. Selon Bloomberg, le projet a germé lors d'une rencontre entre Masayoshi Son, PDG du conglomérat japonais, et Emmanuel Macron, qui s'était rendu au Japon fin mars 2026 pour une tournée de séduction auprès des grandes puissances économiques de l'archipel. Le président français aurait directement proposé à Son d'installer des infrastructures IA en France, une démarche inhabituelle pour l'investisseur, plus souvent approché par des dirigeants d'entreprise que par des chefs d'État. L'annonce officielle pourrait intervenir lors du sommet Choose France, prévu le 19 mai. Le montant réel reste incertain et pourrait s'avérer bien inférieur aux 100 milliards évoqués en interne. Si l'investissement se concrétise même partiellement, il constituerait un signal fort pour le positionnement de la France comme hub européen de l'IA. Paris mise sur un argument concurrentiel clé : l'énergie nucléaire, qui permet d'alimenter les centres de données avec "l'électricité la plus décarbonée d'Europe", selon les termes de Macron lui-même. Dans un contexte où les besoins énergétiques des datacenters explosent, cet avantage structurel pourrait peser lourd face à des alternatives moins stables ou plus carbonées. Pour les acteurs tech cherchant à construire des infrastructures à grande échelle en Europe, la France deviendrait une option sérieuse. Cet éventuel engagement s'inscrit dans une dynamique d'investissements massifs dans l'IA mondiale. SoftBank est déjà engagé à hauteur de plus de 60 milliards de dollars dans OpenAI, dont il détient 13 % du capital, et co-finance l'initiative Stargate aux États-Unis aux côtés d'OpenAI, Oracle et du fonds émirati MGX, pour un total annoncé de 500 milliards. En parallèle, Microsoft, Meta, Amazon et Alphabet ont promis plus de 700 milliards de dépenses combinées pour la seule année 2026. Masayoshi Son est réputé pour ses annonces spectaculaires dont la concrétisation s'étale sur des années, voire n'aboutit jamais. Du côté français, Macron avait déjà annoncé en février 2025, lors du Sommet pour l'action sur l'IA à Paris, 109 milliards d'euros d'investissements sur plusieurs années, présentés comme l'équivalent français de Stargate. L'éventuelle entrée de SoftBank viendrait compléter cet édifice, mais les détails du projet restent flous et la portée de l'annonce finale pourrait encore évoluer significativement d'ici le 19 mai.

💬 100 milliards, c'est le chiffre qu'on sort pour les journalistes, mais avec Masa Son, t'as appris à diviser par 3 avant de célébrer. Ce qui tient vraiment debout dans ce dossier, c'est l'argument nucléaire : la France a une carte différenciante face à ses voisins européens, et là c'est pas du flan. Reste à voir ce que donnera le 19 mai.

GitHub Spec-Kit : développement piloté par les specs

GitHub a publié en open source Spec-Kit, une boîte à outils conçue pour introduire le développement piloté par spécifications (SDD, Spec-Driven Development) dans les workflows d'agents IA comme GitHub Copilot, Claude Code ou Gemini CLI. Le dépôt a rapidement dépassé 90 000 étoiles et 8 000 forks sur GitHub, ce qui en fait l'un des projets d'outillage développeur à la croissance la plus rapide de ces derniers mois. Spec-Kit se compose de deux éléments principaux : la CLI Specify, écrite en Python 3.11+, et un ensemble de templates et scripts qui structurent l'expérience SDD. Après installation via uv, la commande specify init initialise un projet et donne accès à une série de commandes slash : /speckit.specify pour capturer ce qu'on veut construire, /speckit.plan pour générer le plan d'implémentation technique, /speckit.tasks pour décomposer ce plan en tâches ordonnées par dépendances, /speckit.taskstoissues pour convertir ces tâches en issues GitHub, et /speckit.implement pour confier leur exécution à l'agent IA. Des commandes optionnelles comme /speckit.clarify et /speckit.analyze permettent d'identifier les zones sous-spécifiées avant de lancer la génération de code. Le problème que Spec-Kit tente de résoudre est fondamental dans l'usage actuel des agents de codage IA : les développeurs ont tendance à les utiliser comme des moteurs de recherche, en décrivant vaguement ce qu'ils veulent, ce qui produit du code qui compile mais rate l'intention réelle. GitHub appelle cela le "vibe-coding", une approche acceptable pour des prototypes rapides mais insuffisante pour des applications critiques ou des bases de code complexes. En imposant une spécification structurée comme source de vérité, un document qui décrit le quoi et le pourquoi sans imposer de choix technologique, Spec-Kit force l'agent à travailler à partir d'instructions non ambiguës plutôt que d'interpréter des descriptions floues. La spec reste un artefact vivant, mis à jour à mesure que les exigences évoluent, et non un document figé rédigé puis oublié en début de projet. Le SDD n'est pas une idée entièrement nouvelle : des approches "documentation-first" ou "requirements-driven" existent depuis des décennies dans le génie logiciel. Ce que Spec-Kit change, c'est l'intégration native de cette discipline dans les outils d'IA générative, à un moment où l'industrie cherche à aller au-delà de l'autocomplétion intelligente vers une véritable délégation de tâches complexes à des agents autonomes. L'enjeu est de taille : si les agents de codage doivent gérer des missions de plus en plus ambitieuses, la qualité des instructions qu'on leur donne devient un levier critique de fiabilité. En open-sourçant Spec-Kit sous ce nom et avec cette adoption initiale, GitHub positionne clairement cette méthodologie comme une norme émergente, potentiellement intégrée à terme dans l'écosystème Copilot.

💬 90 000 étoiles en quelques semaines, c'est pas rien. L'idée de forcer une spec structurée avant de lancer l'agent, ça fait vingt ans qu'on sait que c'est la bonne approche, mais là GitHub fait enfin le lien avec les outils génératifs d'une façon qui peut vraiment coller aux équipes qui vivent dans Copilot. Reste à voir si la discipline tient dans la durée ou si ça finit comme tous les "requirements-first" qui crèvent dès le sprint 2.

Musk vs. Altman, semaine 2 : OpenAI riposte et Shivon Zilis révèle une tentative de débauchage

La deuxième semaine du procès opposant Elon Musk à OpenAI a mis en lumière les contradictions profondes entre les deux camps. Greg Brockman, président et cofondateur d'OpenAI, est monté à la barre en costume bleu, calme mais tendu sous l'interrogatoire de l'avocat de Musk, Steven Molo. Il a contredit point par point la version de Musk, qui avait affirmé la semaine précédente avoir donné 38 millions de dollars à une organisation promise à rester à but non lucratif, avant de se faire flouer par une restructuration en faveur des actionnaires. Brockman a rappelé qu'en 2017, après qu'un modèle d'OpenAI eut battu les meilleurs joueurs mondiaux au jeu vidéo Dota 2, Musk lui-même avait écrit dans un email que c'était "le moment de passer à l'étape suivante" et de créer une entité commerciale. Lors des semaines suivantes, Musk aurait réclamé une participation majoritaire au capital, le droit de nommer la majorité du conseil d'administration, et le poste de PDG. Shivon Zilis, ancienne membre du conseil d'OpenAI et mère de quatre enfants de Musk, a également témoigné : selon elle, Musk avait tenté de recruter Sam Altman pour diriger un nouveau laboratoire d'IA chez Tesla. Les enjeux financiers et juridiques du procès sont considérables. Musk réclame jusqu'à 134 milliards de dollars de dommages et intérêts à OpenAI et à Microsoft, principal investisseur de la société, et demande au tribunal d'écarter Altman et Brockman de leurs fonctions ainsi d'annuler la récente transformation de la filiale commerciale en "public benefit corporation". Une victoire de Musk pourrait faire dérailler l'introduction en bourse d'OpenAI, dont la valorisation approche 1 000 milliards de dollars. Deux jours avant l'ouverture du procès, Musk avait envoyé un message à Brockman pour évoquer un accord amiable ; quand Brockman proposa que chaque partie abandonne ses poursuites, Musk répondit : "D'ici la fin de la semaine, toi et Sam serez les hommes les plus haïs d'Amérique." Le procès s'inscrit dans une rivalité commerciale directe entre les deux hommes. Musk a quitté le conseil d'OpenAI en 2018, avant de fonder xAI en 2023, désormais intégré à SpaceX, avec une valorisation cible de 1 750 milliards de dollars en vue d'une entrée en bourse dès juin prochain. OpenAI soutient que la plainte n'est pas motivée par la défense d'une mission humaniste, mais par la volonté de nuire à un concurrent direct. Cette lecture est renforcée par les révélations sur la tentative de débauchage d'Altman vers Tesla. Le jury devra trancher entre deux récits incompatibles de la genèse d'une des entreprises les plus influentes du monde, alors que la course à l'intelligence artificielle générale s'accélère et que ses implications économiques, éthiques et géopolitiques n'ont jamais été aussi lourdes.

💬 Le témoignage de Shivon Zilis change tout : si Musk voulait recruter Altman pour Tesla, c'est qu'il voyait dans OpenAI une ressource à capturer, pas une cause à défendre. Le reste, les 134 milliards, les discours sur la mission humaniste, c'est du bruit. Le portrait qui se dessine, c'est celui d'un fondateur éjecté qui préfère brûler la maison plutôt que voir quelqu'un d'autre y habiter.

GitHub sécurise les workflows à base d'agents dans les systèmes CI/CD modernes

GitHub a publié une architecture de sécurité dite "défense en profondeur" pour les flux de travail agentiques dans les pipelines CI/CD. Conçue par l'ingénieure Leela Kumili, cette approche repose sur trois piliers : l'isolation des environnements d'exécution, la restriction stricte des permissions accordées aux agents, et la traçabilité complète de chaque action effectuée. L'objectif est de permettre l'intégration d'agents IA autonomes dans les chaînes de développement logiciel sans exposer les systèmes à des risques nouveaux. L'enjeu est de taille : les agents IA opérant dans un pipeline CI/CD disposent d'un accès direct au code source, aux secrets d'infrastructure et aux systèmes de déploiement. Sans garde-fous adéquats, ils deviennent une surface d'attaque privilégiée. Les menaces identifiées par GitHub comprennent l'injection de prompts malveillants, l'escalade de privilèges non autorisée et l'exécution d'actions non intentionnelles. Pour y répondre, l'architecture préconise des environnements sandbox cloisonnés, des permissions minimales définies à la tâche, et un journal d'audit exhaustif permettant de retracer précisément ce qu'un agent a fait et pourquoi. Cette publication intervient alors que l'industrie du développement logiciel s'apprête à intégrer massivement des agents autonomes dans ses workflows, portés notamment par GitHub Copilot et ses concurrents comme Cursor ou Devin. Les équipes de sécurité peinent encore à établir des standards pour ces nouveaux acteurs capables d'écrire, tester et déployer du code sans intervention humaine. La démarche de GitHub, qui documente publiquement ses principes de conception, pourrait servir de référence pour l'ensemble de l'écosystème DevSecOps.

💬 Donner à un agent IA un accès direct à tes secrets d'infra et à ta pipeline de déploiement, c'est exactement aussi risqué que ça en a l'air. L'architecture proposée par GitHub est solide sur le papier : isolation des environnements, permissions minimales par tâche, audit complet de chaque action, c'est ce qu'on attendait avant de lâcher des agents autonomes dans nos repos. Reste à voir combien d'équipes vont vraiment l'implémenter plutôt que de cocher la case "sécurité" et continuer à déployer à l'arrache.

Au-delà de ChatGPT : les outils d’IA les plus utilisés dans les bureaux français

Selon un sondage Ifop publié en 2025, 43 % des actifs français déclarent utiliser des outils d'intelligence artificielle générative dans leur travail, et 29 % d'entre eux estiment que leur productivité a progressé de plus de 40 % grâce à ces solutions. Si ChatGPT domine encore largement avec 72 % des utilisateurs, l'écosystème s'est considérablement diversifié : Gemini de Google rassemble 20 % des utilisateurs professionnels, suivi de Microsoft Copilot (12 %), Mistral AI (6 %) et l'outil chinois DeepSeek. Au-delà des assistants conversationnels généralistes, d'autres catégories d'outils s'imposent dans les bureaux français : Notion AI pour la structuration de l'information et la documentation automatisée, Motion et Clockwise pour la planification intelligente des tâches et des agendas, ou encore Power BI et Microsoft Copilot pour transformer des données brutes en tableaux de bord interactifs accessibles en langage naturel. Ces chiffres révèlent une transformation profonde des pratiques professionnelles en France. L'IA n'est plus un outil expérimental réservé aux équipes tech : elle s'intègre dans les flux de travail quotidiens des secteurs aussi variés que la finance, la logistique, le marketing ou les administrations publiques. Microsoft Copilot, directement intégré à Word, Excel et Outlook, s'est imposé dans les grandes entreprises précisément parce qu'il ne demande aucun changement d'outil. Google Gemini progresse dans les organisations déjà équipées de Workspace. Pour les non-experts en données, la capacité à interroger un tableau Excel en français courant représente un gain d'autonomie réel, qui redistribue les compétences analytiques au sein des équipes. Cette montée en puissance de l'IA dans les bureaux français s'inscrit dans un contexte de double tension : entre efficacité et souveraineté des données. Face aux géants américains, plusieurs organisations françaises se tournent vers Mistral AI, principale alternative européenne, dont les modèles sont entraînés et hébergés en Europe, un argument décisif pour les acteurs soumis au RGPD ou à des contraintes de sécurité renforcées. Hugging Face, plateforme open-source fondée à Paris et désormais valorisée à plusieurs milliards de dollars, attire les entreprises qui veulent contrôler leurs pipelines d'IA sans dépendre d'une API propriétaire. L'adoption reste néanmoins inégale selon les secteurs : si les startups et les équipes marketing expérimentent rapidement, les industries plus régulées avancent avec prudence. La prochaine étape sera probablement moins le choix de l'outil que la capacité des organisations à former leurs salariés et à intégrer ces solutions dans des processus métiers cohérents.

💬 29 % qui déclarent +40 % de productivité, si c'est vrai, on parle d'un choc comparable à l'arrivée d'Excel dans les bureaux. Ce qui m'intéresse dans ces chiffres, c'est pas le classement des outils, c'est que Copilot tient son rang sans rien demander à personne, juste en restant dans Word et Outlook. La vraie question maintenant, c'est pas quel outil choisir, c'est qui va former les gens à s'en servir vraiment.

Ce qui pourrait mal tourner avec les tests de sécurité de l'IA de Trump, selon des experts

L'administration Trump a conclu des accords cette semaine avec Google DeepMind, Microsoft et xAI pour soumettre leurs modèles d'IA de pointe à des contrôles de sécurité gouvernementaux, avant et après leur mise sur le marché. Ce revirement survient après que Donald Trump avait ouvertement balayé les politiques héritées de l'ère Biden, qualifiant les vérifications volontaires de surréglementation freinant l'innovation. Il avait même rebaptisé l'AI Safety Institute en Centre pour les Standards et l'Innovation de l'IA (CAISI), supprimant délibérément le mot "sécurité" dans un geste symbolique adressé à son prédécesseur. Selon Kevin Hassett, directeur du Conseil économique national de la Maison Blanche, Trump envisagerait désormais de signer un décret présidentiel rendant ces tests obligatoires avant tout déploiement de systèmes d'IA avancés. Ce changement de cap brutal illustre les tensions croissantes autour des modèles les plus puissants. Il intervient directement après qu'Anthropic a annoncé suspendre la sortie de son dernier modèle, Claude Mythos, estimant que ses capacités avancées en cybersécurité représentaient un risque trop élevé d'exploitation par des acteurs malveillants. Cette décision a visiblement ébranlé la Maison Blanche, qui semblait jusqu'ici peu préoccupée par la question. L'engagement de trois géants technologiques dans un dispositif de vérification officiel marque un tournant potentiellement structurant pour la gouvernance de l'IA aux États-Unis, à un moment où les modèles frontier franchissent de nouveaux seuils de capacité. Ce volte-face s'inscrit dans une tension plus large au sein de l'administration Trump entre l'impératif de compétitivité technologique face à la Chine et la gestion des risques concrets posés par des systèmes toujours plus autonomes. Depuis son retour à la Maison Blanche, Trump avait adopté une posture délibérément permissive sur la régulation de l'IA, cherchant à attirer investissements et talents. Mais la décision d'Anthropic de bloquer la sortie de Claude Mythos a rendu intenable l'absence totale de cadre fédéral. Si un décret est finalement signé, il pourrait redéfinir le rôle du CAISI et établir un précédent sur la manière dont Washington entend superviser les technologies les plus sensibles de la prochaine décennie.

💬 Ce qui a mis Trump en mouvement, c'est Anthropic qui a bloqué son propre modèle, pas une campagne de lobbying ou un rapport du Congrès. Quand les labos eux-mêmes freinent des deux pieds parce que leurs outils font trop peur, l'absence de cadre fédéral devient indéfendable, et même Washington le voit. Reste à voir si ces tests ont des dents ou si c'est du tampon de complaisance.

Après 3 ans d’IA générative, un marché de l’emploi des développeurs touché mais pas coulé

Trois ans après l'émergence de ChatGPT, les premières données statistiques sérieuses sur l'impact de l'IA générative sur l'emploi des développeurs commencent à dessiner une tendance claire. L'INSEE, dans une note de conjoncture récente, relève qu'aux États-Unis, l'emploi dans les services de conception de systèmes informatiques recule depuis deux années consécutives : -1,2 % en 2024, puis -1,6 % en 2025. Dans le secteur plus large des activités spécialisées, scientifiques et techniques, la croissance s'est effondrée, passant de +2,5 % en 2023 à -0,2 % en 2025. Dans le même temps, la productivité apparente dans ces secteurs s'est améliorée, signe que moins de salariés produisent autant, voire plus. Un rapport de la Réserve fédérale américaine publié en mars 2025 arrive à des conclusions similaires par une méthode différente : en simulant l'évolution du marché sans l'essor des grands modèles de langage, les chercheurs estiment qu'environ 500 000 emplois de développeurs supplémentaires auraient été créés depuis novembre 2022. L'écart entre la trajectoire réelle et la trajectoire simulée ne s'est creusé significativement qu'à partir de mi-2024, coïncidant avec la diffusion massive d'outils comme Claude Code, Codex ou Cursor. Ces chiffres ne signifient pas pour autant que 500 000 développeurs se retrouvent au chômage. La Fed souligne elle-même que les résultats ne doivent pas être interprétés comme une suppression nette d'emplois : de nombreux développeurs ont pu migrer vers des postes de management, de product, ou vers des métiers qui intègrent désormais des compétences techniques sans porter le titre explicite de "développeur". Ce qui change, c'est surtout la demande de nouveaux postes, notamment juniors, qui stagne dans les industries traditionnellement grandes consommatrices de développeurs, là où elle aurait dû continuer à croître. Le risque à moyen terme est structurel : moins de juniors recrutés aujourd'hui, c'est mécaniquement moins de seniors disponibles dans cinq à dix ans. L'industrie de l'IA générative elle-même ne compense pas encore les pertes. La Fed chiffre à moins de 15 000 le total des effectifs d'OpenAI, Anthropic et Google DeepMind réunis, dont une fraction seulement sont des développeurs. Même en multipliant par six pour intégrer les startups et les équipes IA de Meta, Microsoft ou ailleurs, on n'atteint pas 2 % des développeurs américains. La France observe des dynamiques comparables, selon les données mentionnées par l'article. Le tableau qui se dessine est donc celui d'un marché ni effondré ni inchangé, mais structurellement réorienté : l'IA compresse la demande de code répétitif et junior, tout en déplaçant la valeur vers des profils capables de piloter, superviser et orienter ces outils, une transition qui laisse peu de place à l'attentisme.

💬 500 000 emplois qui ne se sont pas créés, c'est pas du tout la même chose que 500 000 licenciements, et c'est une distinction qui compte vraiment. Le vrai problème, c'est le pipeline junior qui se bouche : les boîtes recrutent moins d'entrées de gamme, ça se voit pas maintenant, mais dans dix ans il va manquer des seniors. Pas spectaculaire comme scénario, mais bien plus vicieux.