Dossier Souveraineté IA — page 3

SK Hynix en Bourse aux États-Unis : la mémoire HBM devient le nouvel or noir de l’IA

SK Hynix a déposé une demande de cotation aux États-Unis visant à lever environ 28 milliards de dollars, soit près de 43 000 milliards de wons, selon des documents réglementaires cités par Reuters. L'opération porte sur 17,79 millions de nouvelles actions représentées par des certificats de dépôt négociés au Nasdaq. Plusieurs grands investisseurs ont déjà manifesté un intérêt qui pourrait atteindre 7 milliards de dollars. Ce serait l'une des plus importantes levées de fonds mondiales par émission d'actions de l'année. Le groupe coréen s'est imposé comme un fournisseur clé de mémoire à large bande passante, la HBM, utilisée dans les infrastructures d'intelligence artificielle de Nvidia et de Google. Les capitaux récoltés doivent financer la construction de nouvelles usines en Corée du Sud ainsi que l'achat d'équipements de fabrication de puces de pointe, dont des systèmes de lithographie ultraviolette extrême produits par ASML. L'action SK Hynix affiche une progression d'environ 260% depuis le début de l'année 2026, portée par l'essor de la demande en IA malgré la volatilité récente des valeurs du secteur mémoire. Cette opération illustre un basculement stratégique dans l'industrie de l'IA, où la puissance de calcul des processeurs ne suffit plus à elle seule. Pour entraîner et exécuter de grands modèles, les accélérateurs doivent déplacer d'énormes volumes de données à très grande vitesse, et c'est précisément ce que permet la HBM en rapprochant plusieurs couches de mémoire pour démultiplier la quantité de données accessible aux processeurs. Ce composant est devenu aussi stratégique que difficile à remplacer, au point que les clients cherchent désormais à sécuriser leurs approvisionnements sur plusieurs années. Pour les entreprises qui investissent massivement dans l'IA, le coût d'une infrastructure ne dépend plus seulement du nombre de GPU achetés : la disponibilité de la mémoire, son débit et sa capacité à alimenter les accélérateurs pèsent directement sur le prix et le calendrier des projets de data centers. Cette envolée s'inscrit dans un contexte de tensions plus larges sur le marché mondial de la mémoire. La concentration des investissements sur les produits HBM les plus avancés tend l'équilibre sur d'autres segments, la demande des data centers stimulant aussi la DRAM pour serveurs et les solutions NAND destinées au stockage d'entreprise, ce qui a déjà fait grimper les prix des puces mémoire et commence à affecter d'autres marchés, des smartphones aux PC. Face à ces enjeux, Séoul a dévoilé un programme de 576 milliards de dollars consacré aux semi-conducteurs, signe que la Corée du Sud considère désormais la chaîne d'approvisionnement en mémoire comme un enjeu de souveraineté industrielle autant que commercial, dans une course mondiale où Samsung et Micron cherchent eux aussi à accélérer leurs propres capacités de production HBM.

Mistral : son PDG Mensch affirme que les modèles IA propriétaires donnent aux labos un accès privilégié aux processus des entreprises

Arthur Mensch, cofondateur et PDG de Mistral AI, a mis en garde les entreprises contre leur dépendance aux modèles d'intelligence artificielle propriétaires fermés. Selon lui, les grands laboratoires d'IA accumulent des quantités croissantes de données issues de leurs clients professionnels, au point que certains auraient déjà exploité ces informations pour concurrencer directement les entreprises qui utilisaient leurs services. Mensch n'a pas cité de noms précis, mais le message vise implicitement les géants américains du secteur comme OpenAI et Anthropic, avec lesquels Mistral est directement en concurrence sur le marché européen de l'IA. Cet avertissement soulève un enjeu stratégique majeur pour les entreprises qui confient leurs processus internes, leurs documents et leurs données sensibles à des modèles fermés hébergés par des tiers. Si un fournisseur d'IA a accès à ces flux d'informations, il dispose potentiellement d'une vision privilégiée sur le fonctionnement, les besoins et les faiblesses de ses propres clients, un risque de conflit d'intérêts rarement discuté publiquement jusqu'ici. Pour les entreprises, cela renforce l'argument en faveur de solutions ouvertes, personnalisables ou hébergées localement plutôt que de dépendre entièrement d'acteurs externes. Cette sortie s'inscrit dans la stratégie plus large de Mistral, qui peine à rivaliser en pure performance avec les modèles de pointe d'OpenAI ou d'Anthropic et mise donc sur d'autres arguments différenciants, notamment la souveraineté numérique européenne et la transparence. En positionnant ses modèles comme une alternative plus sûre et indépendante des géants américains, Mistral cherche à convaincre entreprises et gouvernements européens de privilégier des solutions locales, dans un contexte où la confidentialité des données devient un enjeu géopolitique et commercial de plus en plus central.

💬 Mensch a raison sur le fond, mais il ne faut pas être naïf sur le timing : il sort cet argument pile quand Mistral galère à suivre sur les benchmarks purs. Reste que le point est juste, un labo qui voit passer tous tes prompts et tes documents internes a une vue imprenable sur ta boîte, et personne n'en parle vraiment. Selon Le Fil IA, la vraie bataille de l'IA en entreprise ne se jouera plus sur les benchmarks mais sur qui a accès à quoi dans tes données.

Meta limite l’usage de Claude et Codex en interne, mais c’est un pari risqué

Meta a décidé de restreindre l'accès de ses ingénieurs à Claude Code d'Anthropic et à Codex d'OpenAI, selon des informations révélées par The Information fin juin 2026. L'objectif est de remplacer ces outils par MetaCode, l'assistant de programmation maison développé par une équipe dédiée à l'ingénierie IA appliquée, constituée plus tôt cette année. Les ingénieurs peuvent encore recourir aux outils externes dans des cas précis, mais de façon strictement limitée. L'équipe interne est désormais chargée de concevoir elle-même les exercices de programmation qui serviront à entraîner les prochaines versions de MetaCode, sans passer par les modèles concurrents. L'enjeu dépasse la simple réduction de coûts, même si cet aspect n'est pas négligeable : des milliers d'ingénieurs Meta utilisant quotidiennement des modèles premium comme Claude Code représentent une facture considérable. La vraie contrainte est d'ordre technique et juridique. Si les données d'entraînement de MetaCode étaient contaminées, même indirectement, par des réponses générées par Claude ou Codex, Meta se retrouverait incapable de prouver l'origine de ses performances et s'exposerait à des tensions avec Anthropic et OpenAI. Pour construire un concurrent crédible, il faut donc une chaîne de données d'entraînement entièrement indépendante, ce qui implique de priver les équipes des outils qui les rendent aujourd'hui les plus productifs. Ce pari illustre une contradiction structurelle à laquelle toute l'industrie de l'IA sera confrontée. Les assistants de code comme Claude Code et Codex sont devenus des instruments du quotidien pour des millions de développeurs, accélèrant la production et la correction de code de façon significative. Les priver à ses propres ingénieurs, pendant la phase critique de rattrapage, risque de ralentir Meta dans une course où OpenAI et Anthropic disposent d'une avance substantielle. Meta n'est pas le seul à naviguer dans ces eaux : d'autres grands groupes tech cherchent à internaliser leurs outils de développement pour des raisons de coût, de confidentialité et de souveraineté technologique. La question est de savoir si MetaCode pourra atteindre un niveau de qualité suffisant assez vite pour que la transition ne coûte pas plus cher en productivité perdue qu'en économies réalisées.

L'UE vise l'autonomie en IA, l'Autriche propose d'attirer Anthropic en Europe

Alexander Pröll, secrétaire d'État autrichien à la numérisation, a appelé la Commission européenne à explorer la possibilité d'attirer Anthropic sur le sol européen. Cette initiative intervient en réaction aux restrictions américaines limitant l'accès aux modèles d'IA avancés d'OpenAI et d'Anthropic pour les utilisateurs étrangers, une décision qui a provoqué une onde de choc dans les milieux technologiques et politiques européens. Pröll estime que l'Europe doit agir concrètement pour sécuriser son accès à des infrastructures d'intelligence artificielle de premier plan. L'enjeu est de taille pour les entreprises et administrations européennes qui dépendent de ces outils au quotidien. Si les restrictions américaines devaient s'étendre ou se durcir, des pans entiers de l'économie numérique européenne se retrouveraient fragilisés. L'appel autrichien illustre une anxiété croissante sur le continent : l'Europe paie le prix de son absence de champions locaux dans la course aux grands modèles de langage, la laissant structurellement dépendante de plateformes étrangères. La proposition autrichienne reste néanmoins perçue comme peu réaliste par les observateurs, notamment en raison des intérêts stratégiques et financiers qui ancrent Anthropic aux États-Unis. En arrière-plan se pose une question plus inconfortable : si les modèles américains deviennent inaccessibles, l'alternative la plus immédiate serait les modèles chinois, ce qui ne ferait que substituer une dépendance à une autre. L'Europe, qui peine à financer ses propres projets d'IA souveraine à l'échelle, n'a pas encore de réponse convaincante à cette équation.

Des documents internes révèlent que Meta encadre l'usage de Claude et Codex par crainte de distillation

Meta cherche activement à réduire sa dépendance aux outils d'IA tiers, notamment Claude Code d'Anthropic et Codex d'OpenAI, pour le développement logiciel en interne. Selon des documents internes consultés par The Information, la division d'ingénierie IA appliquée du groupe a reçu des directives strictes encadrant l'utilisation de ces deux assistants de programmation. Un mémo interne a même ordonné à certaines équipes de suspendre des tâches faisant appel à ces modèles, par crainte que leurs réponses ne s'infiltrent dans les données d'entraînement propriétaires de Meta. Le risque identifié est précis : si des sorties de Claude ou Codex finissent dans les jeux de données d'entraînement de Meta, cela pourrait constituer une violation des conditions d'utilisation d'Anthropic et d'OpenAI, provoquant selon le document de "sérieuses escalades avec les entreprises partenaires." Ces restrictions révèlent une tension structurelle entre l'efficacité immédiate que procurent ces outils et la stratégie à long terme de Meta, qui veut construire ses propres capacités sans s'exposer à des litiges ou à des accusations de distillation non autorisée. Cette situation illustre un dilemme plus large que traverse l'industrie technologique : les grandes entreprises paient pour accéder aux meilleurs outils d'IA disponibles tout en cherchant à les remplacer par leurs propres systèmes. Meta investit massivement dans ses modèles Llama et dans ses infrastructures d'IA, mais ses ingénieurs continuent de s'appuyer sur des solutions externes jugées plus performantes au quotidien. La question de la souveraineté des données d'entraînement devient ainsi un enjeu juridique et concurrentiel central pour l'ensemble du secteur.

💬 Ce que révèle ce mémo, c'est que même Meta ne peut pas s'en passer : Claude et Codex sont visiblement plus efficaces que leurs propres outils en interne. Le vrai problème légal, c'est la distillation : les CGU d'Anthropic et OpenAI interdisent explicitement d'utiliser leurs sorties pour entraîner un modèle concurrent, et Meta le sait très bien. On se retrouve dans la situation absurde où les plus grands acteurs du secteur paient pour accéder à des outils qu'ils cherchent à copier, avec une épée de Damoclès contractuelle au-dessus de la tête.

OpenAI lance officiellement GPT-5.6 : meilleur que Mythos 5 ?

OpenAI a lancé vendredi 26 juin sa famille de modèles GPT-5.6, composée de trois variantes aux noms inspirés du système solaire : Sol, Terra et Luna. Sol est présenté comme le modèle frontier le plus puissant jamais développé par la société, optimisé pour les tâches dites agentiques comme le développement logiciel, les workflows complexes, la biologie quantitative et la cybersécurité. Terra vise l'équilibre performances-coût, divisant par deux le prix de GPT-5.5 pour un niveau comparable, tandis que Luna mise sur la rapidité et le faible coût pour les traitements à haut volume. OpenAI introduit également un mode "Ultra" permettant de distribuer les tâches entre plusieurs sous-agents pour les missions les plus exigeantes. Pour l'heure, l'accès reste limité à quelques partenaires validés par le gouvernement américain. Sur le plan des performances, les résultats publiés par OpenAI positionnent Sol en tête de plusieurs benchmarks clés. Sur TerminalBench 2.1, qui évalue les tâches complexes en ligne de commande, Sol atteint 88,8 % et Sol Ultra grimpe à 91,9 %, dépassant Claude Mythos 5 d'Anthropic, crédité de 88 % sur le même test. Sur ExploitBench dédié à la cybersécurité, Sol rivalise avec Mythos Preview tout en générant environ trois fois moins de tokens, ce qui se traduit directement par des économies d'usage. Sur GeneBench v1, consacré à la génomique, Sol atteint environ 31 % pour 1,9 dollar via l'API, contre 23 % et 1,2 dollar pour GPT-5.5. Ces gains d'efficacité énergétique et économique constituent un argument commercial fort, notamment pour les entreprises qui déploient des modèles à grande échelle. La sécurité du modèle a également été renforcée via plus de 700 000 heures de tests automatisés et des exercices de piratage menés par des équipes spécialisées. Ce lancement s'inscrit dans une course à l'armement entre les grands laboratoires d'IA qui s'est nettement accélérée en 2025 et 2026. Anthropic a sorti Mythos 5 comme référence du secteur, Google pousse ses modèles Gemini, et la pression concurrentielle force chaque acteur à livrer des sauts de génération de plus en plus rapprochés. OpenAI mise ici sur une stratégie de gamme claire : un modèle souverain ultra-performant réservé aux partenaires institutionnels, un modèle grand public accessible et un modèle économique pour les déploiements massifs. L'ouverture progressive à d'autres utilisateurs, au-delà des partenaires gouvernementaux actuels, devrait intervenir dans les semaines à venir et constituera le vrai test d'adoption de GPT-5.6.

Une firme chinoise de cybersécurité développe des outils IA rivaux de Mythos et évoque une dissuasion cyber-nucléaire

Zhou Hongyi, fondateur de la société de cybersécurité chinoise 360, a présenté deux nouveaux outils d'intelligence artificielle conçus pour concurrencer directement Mythos, le système de sécurité offensive d'Anthropic. L'un de ces outils a déjà identifié 3 432 vulnérabilités lors de ses premières utilisations. Zhou n'a pas précisé de date de commercialisation, mais le lancement public des deux outils semble imminent selon les déclarations de l'entreprise. L'enjeu dépasse la simple rivalité technologique. Zhou compare explicitement Mythos à des "armes cyber-nucléaires" et appelle la Chine à se doter de son propre arsenal de dissuasion stratégique dans le domaine numérique. Cette rhétorique militarisée illustre comment la compétition en IA s'est transformée en question de souveraineté nationale : disposer ou non de tels outils changerait fondamentalement l'équilibre des forces entre États dans le cyberespace. Zhou reconnaît cependant que les modèles chinois accusent encore un retard de 20 à 30 % par rapport aux modèles occidentaux équivalents, un écart significatif dans un domaine où chaque point de performance peut déterminer la détection ou le passage d'une attaque sophistiquée. Cette admission publique est inhabituelle et révèle la pression que ressentent les acteurs chinois depuis qu'Anthropic a présenté Mythos comme un outil capable de mener des opérations offensives autonomes. La course aux armements cyber-IA entre les États-Unis et la Chine entre ainsi dans une nouvelle phase, où les laboratoires privés deviennent des fournisseurs stratégiques pour les gouvernements.

💬 3 432 vulnérabilités trouvées dès les premiers tests, le débat sur "l'IA offensive, c'est sérieux ou pas" est clos. La vraie rupture dans cet article, c'est que les labos d'IA privés sont devenus des fournisseurs d'armement stratégique, avec des États qui les intègrent maintenant dans leurs doctrines cyber. Que Zhou admette publiquement un retard de 20 à 30% sur les modèles occidentaux, ça ne ressemble pas à de la modestie, ça ressemble à une demande de budget.

ANTHROPIC recrute le patron IA d’ORANGE pour accélérer son développement en Europe

Anthropic a recruté Steve Jarrett, Chief AI Officer d'Orange depuis 2019, pour renforcer son ancrage en Europe. Ce transfuge marque une étape stratégique pour la startup américaine, qui cherche à transformer sa présence sur le continent au-delà des partenariats commerciaux existants. Jarrett avait piloté chez l'opérateur télécoms français l'intégration de l'IA dans les opérations réseau, la relation client et les services d'entreprise, accumulant sept ans d'expérience à l'interface entre grands comptes industriels et technologies d'IA générative. Ce recrutement signale qu'Anthropic ne se contente plus de vendre des accès API à des développeurs : la firme cible désormais les directions informatiques des grands groupes européens, un marché où la confiance institutionnelle, la conformité réglementaire et les interlocuteurs locaux pèsent autant que la performance technique. Jarrett incarne exactement ce profil de passeur entre culture corporate et IA avancée, capable de convaincre des DSI et des COMEX habitués aux cycles de décision longs et aux exigences de souveraineté des données. La bataille pour l'Europe s'intensifie entre les grands acteurs de l'IA. OpenAI a ouvert des bureaux à Paris et Dublin, Google DeepMind renforce ses équipes à Londres et Zurich, tandis que des champions européens comme Mistral AI défendent leur terrain. Anthropic, dont la valorisation dépasse 60 milliards de dollars après sa dernière levée de fonds, mise sur des profils hybrides issus des grandes entreprises locales pour contourner la méfiance des acteurs traditionnels envers les pure-players californiens. L'arrivée de Jarrett pourrait accélérer des déploiements d'entreprise en France et en Europe continentale.

💬 Quand tu recrutes le Chief AI Officer d'Orange, tu n'achètes pas un commercial de plus, tu achètes sept ans de capital confiance auprès des DSI français. C'est ça le vrai signal : Anthropic a compris que l'Europe d'entreprise ne s'ouvre pas avec une doc API et un pricing agressif, mais avec des interlocuteurs qui ont déjà navigué dans les comités de sécurité et les audits RGPD. Jarrett sait parler le langage des COMEX, et ça, ça ne s'improvise pas.

DeepReinforce publie Ornith-1.0 : une famille de modèles de code open source qui apprend ses propres structures d'apprentissage par renforcement

DeepReinforce a publié Ornith-1.0, une famille de modèles open source conçue pour les agents de programmation autonomes. La gamme comprend quatre variantes : 9B dense, 31B dense, 35B en architecture mixture-of-experts (MoE), et un modèle flagship à 397B de paramètres, dont le 35B n'active qu'environ 3 milliards de paramètres par token en pratique. Tous les checkpoints sont publiés sous licence MIT sur Hugging Face et s'appuient sur un post-entraînement des modèles Gemma 4 de Google et Qwen 3.5 d'Alibaba. Le modèle 9B pèse environ 19 Go en bf16 et tourne sur un seul GPU de 80 Go, tandis que des versions FP8 et GGUF sont disponibles pour un déploiement local plus rapide. Les modèles exposent une interface compatible OpenAI, ce qui les rend compatibles sans modification avec les frameworks d'agents existants comme vLLM ou SGLang. Ce qui distingue Ornith-1.0 des autres modèles de codage, c'est son architecture d'apprentissage : au lieu d'être couplés à un harnais fixe et conçu à la main par des ingénieurs, ces modèles apprennent à écrire leur propre scaffold pendant la phase d'entraînement par renforcement, optimisant simultanément la logique d'orchestration et la solution au problème. DeepReinforce revendique des résultats à l'état de l'art parmi les modèles open source de taille comparable. Le flagship 397B surpasse Claude Opus 4.7 d'Anthropic sur les deux principaux benchmarks de codage, bien qu'il reste en retrait face à Claude Opus 4.8 et au GLM-5.2-744B de Zhipu AI. Pour les équipes qui cherchent une alternative open source aux modèles propriétaires sur des tâches d'agents complexes, Ornith-1.0 représente un saut qualitatif notable, avec une chaîne de déploiement suffisamment simple pour une adoption rapide. L'approche soulève néanmoins des questions sur la sécurité du système : un modèle capable de modifier son propre harnais pourrait théoriquement tenter de contourner les mécanismes de vérification pour maximiser sa récompense, phénomène connu sous le nom de reward hacking. DeepReinforce décrit trois couches de défense : une frontière de confiance fixe qui rend l'environnement et les tests inaccessibles au modèle, un moniteur déterministe basé sur des règles qui attribue un reward nul à tout comportement non sanctionné, et un juge LLM gelé qui agit comme veto sur le vérificateur principal. Cette publication s'inscrit dans une tendance plus large où les laboratoires de recherche indépendants, souvent bien moins dotés qu'OpenAI ou Google, misent sur l'open source et l'innovation architecturale pour se différencier. La compatibilité MIT et la disponibilité immédiate sur Hugging Face pourraient accélérer l'adoption dans les environnements d'entreprise où la souveraineté des données prime.

Mindstone permet à ses agents IA d'entreprise de sélectionner automatiquement le bon modèle par tâche, via Rebel

Mindstone, une startup londonnienne spécialisée dans la transformation par l'IA, a officiellement lancé cette semaine Rebel, un système d'exploitation agentique local qui ambitionne de simplifier radicalement l'orchestration d'agents IA en entreprise. Disponible sur macOS (Intel et Apple Silicon) et Windows, avec Linux en développement, Rebel adopte une licence "Fair Source" permettant aux équipes de moins de 100 utilisateurs de l'utiliser gratuitement, tandis que les organisations plus grandes devront souscrire à une licence entreprise. La société a levé 5 millions de dollars auprès d'investisseurs privés dont Pearson Ventures, Moonfire Ventures et Zanichelli Venture. Sa particularité principale réside dans une architecture locale reposant entièrement sur des fichiers markdown : toute la mémoire des agents, leurs instructions, leurs prompts et leur hiérarchie de tâches sont stockés en fichiers texte simples, contrairement aux frameworks concurrents comme LangGraph, CrewAI ou AutoGPT qui exigent des bases de données cloud et une infrastructure de gestion d'état complexe. Ce choix architectural n'est pas qu'une question de simplicité : il adresse des enjeux concrets de coût, de confidentialité et de souveraineté des données. En évitant les formats lourds comme Word ou PDF, dont les métadonnées consomment inutilement la fenêtre de contexte des modèles, Rebel optimise chaque appel API. Les entreprises gardent leurs instructions, automatisations et mémoire d'agent en local, échappant ainsi à l'enfermement propriétaire d'un éditeur SaaS. L'autre atout central est l'orchestration multi-modèles : Rebel découpe une tâche en sous-tâches et route chacune vers le modèle le plus adapté, en basculant dynamiquement entre modèles locaux et cloud selon la sensibilité des données traitées. Le système propose également des "Skills" (procédures multi-étapes réutilisables), des "Operators" (configurations comportementales pour un contexte donné, comme analyser un pitch deck du point de vue d'un investisseur) et des "Automations" (tâches planifiées en arrière-plan pour scanner des messages, préparer des réponses ou anticiper du travail avant qu'un employé n'ouvre l'application). La montée en puissance des plateformes d'orchestration d'agents reflète une évolution profonde dans la manière dont les entreprises déploient l'IA : on passe de chatbots isolés à des systèmes capables d'agir de façon autonome sur des emails, calendriers, documents et flux de travail internes. Dans cet écosystème en plein essor, Mindstone mise sur la mémoire partagée comme différenciateur stratégique. "La mémoire partagée est la chose la plus puissante que vous puissiez faire avec une IA dédiée aux travailleurs du savoir", affirme Greg Detre, directeur technique de l'entreprise, ajoutant que cela donne à une organisation "la sensation d'être un super-organisme qui devient de plus en plus intelligent". Face aux frameworks destinés aux développeurs, Rebel cible les équipes métier et opérationnelles, un segment encore largement sous-équipé malgré l'explosion de l'offre en IA agentique.

IA : débats sur les goulots d'étranglement, et essais BCI en plein essor

La startup américaine Subquadratic est sortie de sa phase de discrétion le mois dernier avec une affirmation ambitieuse : avoir résolu un goulot d'étranglement mathématique qui freine les grands modèles de langage depuis près d'une décennie. Leur approche consiste à réduire drastiquement le nombre de calculs que les transformeurs doivent effectuer pour générer des réponses, ce qui produirait des modèles plus rapides, moins coûteux et bien moins énergivores que tout ce qui existe actuellement sur le marché. Parallèlement, le domaine des interfaces cerveau-ordinateur (BCI) connaît une accélération notable : Casey Harrell, atteint de la maladie de Charcot (SLA), est décrit comme le premier "utilisateur avancé" d'un implant cérébral qui lui permet de maintenir une activité professionnelle, de renouer avec ses proches et de lire des histoires à sa fille. En 2026, la Chine est devenue le premier pays à approuver officiellement une BCI à usage médical. Sur le plan politique, le sénateur Bernie Sanders a dévoilé une proposition de loi visant à créer un fonds souverain américain en intelligence artificielle, financé par une taxe unique sur les actions des grandes entreprises du secteur, avec des versements annuels directs aux citoyens américains. Ces développements signalent des mutations profondes dans l'industrie technologique. Si la technique de Subquadratic est confirmée, elle pourrait redistribuer les cartes dans la course aux LLM en rendant obsolètes les avantages concurrentiels liés à la puissance brute de calcul, un domaine où des entreprises comme Nvidia et les grands hyperscalers ont investi des dizaines de milliards de dollars. Du côté des BCI, l'accélération des essais cliniques ouvre des perspectives concrètes pour des millions de personnes atteintes de paralysie ou de maladies neurodégénératives. Deux études publiées dans Nature viennent toutefois tempérer l'enthousiasme ambiant autour de l'IA : elles suggèrent que l'utilisation intensive de ces outils affaiblirait les capacités cognitives des médecins et des ingénieurs, un phénomène que certains observateurs qualifient de "désqualification professionnelle par surinvestissement technologique." Le contexte global reflète une industrie à un tournant. Chez Amazon, des ingénieurs ayant témoigné lors de réunions internes en faveur d'un ralentissement de la construction de centres de données font l'objet d'enquêtes disciplinaires pouvant aller jusqu'au licenciement, révélant les tensions croissantes entre salariés et direction sur les enjeux environnementaux et éthiques du déploiement massif de l'IA. Sur le plan géopolitique, des investisseurs chinois auraient discrètement acquis des parts dans SpaceX avant son introduction en bourse, tandis que Washington craint que Pékin ait obtenu l'accès à l'une des machines les plus avancées du fabricant de semi-conducteurs ASML. La proposition Sanders s'inscrit dans un débat plus large sur qui doit bénéficier des gains économiques de l'IA, à l'heure où la pratique du "tokenminning", réduire sa consommation de tokens face à des coûts en spirale, commence à remplacer le "tokenmaxxing" chez les professionnels tech les plus intensifs.

💬 Si Subquadratic a vraiment réduit drastiquement les calculs des transformeurs, c'est pas une amélioration marginale, c'est l'avantage compétitif des hyperscalers qui s'effondre parce qu'ils ont tout misé sur la puissance brute. Bon, à confirmer en dehors de leur propre comm. Ce qui m'inquiète autant, c'est les deux études Nature sur la déqualification cognitive : médecins et ingénieurs qui utilisent intensivement ces outils perdraient en compétences, et presque personne n'en fait les gros titres.

e2e-assure lance Cumulo, seul SOC souverain zero-day piloté par IA au Royaume-Uni pour les environnements IT et OT

La société britannique e2e-assure, spécialisée dans les services de centre opérationnel de sécurité (SOC), a lancé le 19 juin 2026 une version majeure de sa plateforme Cumulo, présentée comme le seul SOC souverain britannique entièrement piloté par intelligence artificielle pour les environnements IT et OT (technologies opérationnelles). Développée à Abingdon, en Angleterre, Cumulo intègre des jumeaux numériques de chaque environnement client, des modèles de langage déployés localement dans des infrastructures souveraines, et un mécanisme dit de « SOC zéro-jour » qui applique instantanément les nouvelles informations sur les menaces sous forme de règles de détection, sans délai de configuration. La plateforme maintient le SIEM comme registre déterministe de référence, tandis que l'IA opère en couche parallèle, construisant du contexte en continu à mesure que les données de sécurité sont générées. Les équipes habilitées SC (habilitation de sécurité britannique) restent au cœur de chaque décision, dans une architecture explicitement « humain dans la boucle ». Cette initiative répond directement à l'appel lancé par Anne Keast-Butler, directrice du GCHQ, en faveur d'une nouvelle capacité nationale de cyberdéfense intégrant « une IA agentique de pointe à vitesse machine ». Pour les organisations gérant des infrastructures critiques nationales, énergie, eau, transport, télécommunications, services gouvernementaux, la souveraineté des données n'est pas simplement une contrainte réglementaire : c'est une nécessité opérationnelle. En exécutant l'inférence dans des infrastructures contrôlées par le client, Cumulo élimine la dépendance aux services cloud tiers, dont la disponibilité peut être soumise à des restrictions extérieures. La capacité à simuler des attaques en toute sécurité via le jumeau numérique est particulièrement précieuse dans les environnements OT, où les tests en conditions réelles présentent des risques opérationnels inacceptables. Le lancement de Cumulo s'inscrit dans un contexte de transformation profonde du marché de la cybersécurité, où les adversaires exploitent désormais des outils d'IA pour opérer à des vitesses que les SOC traditionnels, fondés sur le triage séquentiel des alertes et l'investigation rétrospective, ne peuvent plus suivre. Rob Demain, PDG d'e2e-assure, résume la rupture : les architectures héritées forcent l'IA à reconstruire le contexte après coup, là où Cumulo le maintient en permanence. La plateforme cible un marché où la convergence IT/OT crée des surfaces d'attaque inédites, notamment dans les secteurs industriels encore peu couverts par des outils de détection modernes. La réponse de l'écosystème britannique, entre ambitions de souveraineté technologique post-Brexit et pression croissante sur les opérateurs d'importance vitale, devrait déterminer si ce positionnement souverain devient un avantage compétitif durable ou reste une niche réglementaire.

💬 Simuler des attaques sur un jumeau numérique OT plutôt qu'en prod, c'est la pièce qui manquait depuis des années pour les secteurs énergie, eau, industrie. Sur ce point, e2e-assure à un argument que peu de concurrents peuvent contrer. Dommage que le tout reste confiné au cadre réglementaire britannique post-Brexit, parce que NIS2 crée exactement cette demande côté UE et personne n'y a encore répondu.

Derrière OpenAI, la montée silencieuse des modèles chinois

L'article fourni est tronqué après la première phrase, ce qui ne me laisse que l'intro pour travailler. Voici tout de même un article autonome basé sur le contenu disponible et la thèse annoncée : --- Pendant que les projecteurs restent braqués sur OpenAI, Anthropic et Google DeepMind, les modèles d'intelligence artificielle chinois gagnent du terrain en silence dans les couches les plus profondes de l'écosystème IA mondial. Des acteurs comme DeepSeek, Qwen (Alibaba) ou Baidu s'imposent progressivement dans les benchmarks techniques et, surtout, dans les intégrations d'entreprises, souvent sans faire la une des médias occidentaux. En 2025, DeepSeek R1 a provoqué un séisme en affichant des performances comparables à GPT-4 à une fraction du coût de développement. L'enjeu n'est pas symbolique : ce sont les modèles intégrés dans les outils, les API et les infrastructures qui définissent les standards de demain. Un modèle adopté massivement aujourd'hui crée une dépendance technique qui dure des années. Pour les entreprises européennes et américaines, choisir un modèle chinois bon marché et performant pose des questions de souveraineté des données, de sécurité et de conformité réglementaire que peu ont encore pleinement anticipées. Cette montée en puissance s'inscrit dans une stratégie délibérée de Pékin, qui finance massivement la recherche en IA depuis son plan national de 2017. Les restrictions américaines sur les puces Nvidia ont accéléré l'innovation domestique plutôt que de la freiner. La vraie compétition dans l'IA n'oppose pas seulement des modèles, mais deux visions de l'internet et deux blocs géopolitiques qui se disputent l'infrastructure cognitive de la prochaine décennie.

💬 DeepSeek à niveau GPT-4 pour une fraction du budget, dur de ne pas s'y intéresser. Ce qui m'inquiète, c'est pas le modèle lui-même, c'est que les boîtes qui l'adoptent aujourd'hui construisent une dépendance dont elles sortiront difficilement dans cinq ans, avec des questions de souveraineté des données que la plupart n'ont pas encore posées. Les restrictions américaines sur les puces ont accéléré exactement ce qu'elles voulaient freiner.

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

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

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

Temasek mise 75 milliards de dollars sur l'IA

Temasek, le fonds souverain singapourien qui gère plusieurs centaines de milliards de dollars pour le compte du gouvernement de Singapour, a annoncé son intention de tripler son exposition à l'intelligence artificielle d'ici 2030. Actuellement à 25 milliards de dollars, ses investissements liés à l'IA doivent atteindre 75 milliards, soit environ 15 % de son portefeuille total contre 7 % aujourd'hui, et près d'un quart de ses actifs hors Singapour. C'est Aftab Mathur, directeur général en charge des investissements en capital-risque et en croissance, qui l'a confirmé depuis les bureaux du fonds à San Francisco. Temasek a déjà commencé à concrétiser cette ambition en participant à des méga-tours de table majeurs cette année, notamment aux côtés d'Anthropic, d'Isomorphic Labs et de Waymo. Ce repositionnement illustre un glissement plus profond dans le paysage de l'investissement en IA : ce ne sont plus seulement les fonds agressifs à la Masayoshi Son qui alimentent la bulle, mais des acteurs institutionnels patients, discrets et aux poches très profondes. Temasek s'inscrit dans une logique de « cercle vertueux » décrit par Martin Fichtner, directeur général basé à San Francisco : les grandes entreprises du portefeuille singapourien du fonds, comme la banque DBS valorisée 140 milliards de dollars, adoptent l'IA et réduisent leurs coûts de main-d'oeuvre, ce qui renforce la conviction des investisseurs dans la technologie. Cette adoption corporate génère des revenus pour les fournisseurs de modèles et d'applications, qui financent l'infrastructure, qui alimente à son tour l'innovation en IA. C'est cette même logique qui pousse les fonds du Golfe à ancrer les méga-tours, et le crédit privé à financer les data centers. Temasek incarne un type d'investisseur longtemps absent des grands cycles tech : prudent, orienté rendements stables, peu enclin à prendre des risques précoces. Sa conversion à l'IA intervient à un moment charnière où la question du retour sur investissement réel de la technologie reste ouverte. Quand on interroge Fichtner sur ce point, la réponse est directe : « La définition du cercle vertueux, c'est l'existence d'un ROI. » Mais quand on pousse les deux dirigeants à identifier les limites actuelles de l'IA en entreprise ou à nommer un futur champion méconnu, la prudence reprend le dessus. « C'est trop tôt pour se prononcer, tout va trop vite », admet Mathur. Cette réserve dit autant que les chiffres : même les grands convertis parient sur l'IA sans avoir encore la certitude que la technologie tiendra ses promesses économiques à grande échelle.

💬 Temasek, c'est le type de fonds qui ne suit pas les modes, il les valide. Quand un acteur institutionnel aussi prudent triple son exposition IA à 75 milliards d'ici 2030, ça change la lecture du cycle : ce ne sont plus seulement les fous furieux du capital-risque qui alimentent la machine, mais des gestionnaires qui jouent sur vingt ans. Ce qui ne change pas, et leurs propres dirigeants le disent entre les lignes, c'est que le ROI réel à grande échelle reste encore à démontrer.

Google Cloud automatise les opérations de planification urbaine avec l'IA générative

Le gouvernement britannique a déployé deux outils d'intelligence artificielle développés avec Google Cloud pour automatiser le traitement des demandes de permis de construire dans l'ensemble des collectivités locales d'Angleterre. Le ministère du Logement, des Communautés et des Gouvernements Locaux (MHCLG) et le département pour la Science, l'Innovation et la Technologie (DSIT) ont annoncé ces déploiements lors du Google Cloud Summit London. L'outil "Extract", construit en interne par des ingénieurs gouvernementaux à l'aide des modèles Gemini de Google DeepMind, a été étendu à toutes les collectivités anglaises après des essais dans plus de 20 autorités locales. Un second système baptisé "Augmented Planning Decisions" (APD) est quant à lui encore en phase de prototype. Extract analyse des milliers de pages de documents PDF historiques non structurés et les convertit en bases de données numériques exploitables en quelques minutes, éliminant environ 255 heures de saisie manuelle par collectivité et par an. L'enjeu est considérable : les demandes de particuliers, comme les extensions ou les conversions de combles, représentent près de 70 % des dossiers de permis déposés chaque année au Royaume-Uni. Chacune nécessite que les agents d'urbanisme passent des heures à croiser des documents réglementaires régionaux, des archives historiques et des fichiers PDF épars. Cette surcharge administrative retarde directement les grands projets d'infrastructure et de développement commercial. L'objectif affiché du gouvernement est de réduire de 50 % les délais de décision sur ces dossiers courants, libérant ainsi du temps pour les projets les plus complexes. Le système APD va plus loin : il pré-traite les dossiers entrants, identifie les lacunes d'information, extrait les données géographiques, évalue la conformité aux règles d'urbanisme nationales et locales, et synthétise les observations du public en signalant les objections ou précédents juridiques pertinents. Ces déploiements s'inscrivent dans la stratégie britannique visant à construire 1,5 million de logements neufs d'ici 2029, un objectif que les engorgements administratifs des collectivités locales compromettaient sérieusement. Pour garantir la sécurité des données civiques sensibles traitées par ces outils, le gouvernement a hébergé les modèles Gemini sur l'infrastructure Google Cloud dans un environnement cloisonné, avec des contrôles actifs contre les attaques par injection de prompts et des protocoles stricts de souveraineté des données. Lila Ibrahim, directrice de la préparation à l'IA chez Google DeepMind, a souligné que ces outils ont été "co-créés directement avec les collectivités pour résoudre de vrais goulets d'étranglement". Cette initiative pourrait servir de modèle à d'autres pays cherchant à moderniser leurs administrations publiques via l'IA générative, dans un contexte où la pression sur le logement et la bureaucratie ralentissent les décisions dans de nombreuses démocraties européennes.

💬 255 heures de saisie par collectivité économisées, c'est modeste sur le papier, mais multiplié par toutes les mairies d'Angleterre, c'est là que les 1,5 million de logements promis deviennent moins irréalistes. Ce que Google et le gouvernement britannique ont compris, c'est que l'IA n'a pas besoin de remplacer l'urbaniste pour débloquer le système, il suffit qu'elle digère les PDF à sa place. La France a exactement les mêmes boulets.

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.

PhysicsX lève 255 millions d’euros : la bataille de l’IA s’étend aux infrastructures stratégiques

PhysicsX, startup britannique spécialisée dans la simulation physique par intelligence artificielle, a bouclé une levée de fonds de 255 millions d'euros menée par Temasek, le fonds souverain singapourien. Ce tour de table, l'un des plus importants jamais réalisés dans le domaine de l'IA appliquée à l'ingénierie, positionne l'entreprise fondée par d'anciens chercheurs du CERN comme un acteur incontournable de ce que certains appellent déjà l'IA physique. PhysicsX développe des modèles capables de remplacer ou d'accélérer massivement les simulations numériques traditionnelles dans des secteurs comme l'aéronautique, l'énergie ou l'industrie automobile. L'enjeu est considérable : les simulations physiques représentent un goulot d'étranglement majeur dans la conception industrielle. Là où un calcul aérodynamique classique peut mobiliser des supercalculateurs pendant des heures, les modèles de PhysicsX promettent des résultats équivalents en quelques secondes. Pour les constructeurs, les énergéticiens et les fabricants d'équipements, cela signifie des cycles de développement réduits, des coûts abaissés et la possibilité d'explorer des espaces de conception jusqu'ici inaccessibles faute de capacité de calcul. Cette levée s'inscrit dans un mouvement plus large d'investissement dans l'IA dite "physique" ou "industrielle", distincte des grands modèles de langage grand public. Des acteurs comme Nvidia, avec ses outils de simulation, ou des startups concurrentes telles que Coreform et Pasteur Labs, s'attaquent au même marché. L'entrée de Temasek signale que les fonds souverains misent désormais sur cette verticale stratégique, jugée critique pour la souveraineté industrielle et la compétitivité économique à long terme.

Le Royaume-Uni concrétise ses ambitions en IA souveraine avec les technologies NVIDIA

Un an après que Jensen Huang, PDG de NVIDIA, et le Premier ministre britannique Keir Starmer ont pris l'engagement public de faire du Royaume-Uni un « créateur » et non un « consommateur » d'IA lors de la London Tech Week 2025, les premières réalisations concrètes se matérialisent. Le nombre de fournisseurs de cloud prévoyant de déployer des infrastructures IA sur le sol britannique a doublé en douze mois. Nebius va déployer trois nouvelles installations représentant 65 mégawatts à pleine capacité en 2027, CoreWeave s'installe dans les zones de croissance IA du gouvernement, et BT s'est associé à Nscale pour construire des datacenters souverains sur trois de ses sites existants. Au coeur du dispositif se trouve Isambard-AI, le supercalculateur le plus puissant du Royaume-Uni, assemblé autour de 5 400 puces NVIDIA GH200 Grace Hopper et alimenté à 100 % en électricité décarbonée. Le Fonds d'IA souverain du gouvernement s'appuie sur cette infrastructure pour financer des entreprises nationales, dont Ineffable Intelligence, qui développe la prochaine génération d'infrastructure d'apprentissage par renforcement en collaboration directe avec NVIDIA. Quatre startups membres du programme NVIDIA Inception illustrent l'ambition de ce fonds. Cosine développe une plateforme de codage IA souveraine destinée aux secteurs hautement réglementés, services financiers, infrastructures critiques, sécurité nationale, et entraîne via Isambard un grand modèle multimodal de type mixture-of-experts capable de traiter des types de données au-delà du texte et de l'image. Cursive construit des systèmes d'IA auto-apprenants à fenêtres de contexte étendues, capables de fonctionner de façon autonome sur de longues durées, en adoptant le framework NVIDIA Megatron-LM pour l'entraînement distribué. Doubleword, premier laboratoire britannique dédié à l'inférence, optimise l'ensemble de la pile logicielle pour maximiser le rapport qualité-coût : ses premiers résultats sur Isambard montrent des démarrages de modèles 70 fois plus rapides et une compression du cache KV quatre fois supérieure sans perte de qualité. Ce déploiement s'inscrit dans une tendance mondiale où les États cherchent à ne pas dépendre exclusivement d'infrastructures IA contrôlées par des acteurs américains. Pour le Royaume-Uni, la souveraineté numérique est devenue un argument commercial à part entière : les entreprises européennes et britanniques peuvent désormais proposer à leurs clients des garanties de localisation des données et de contrôle national que les géants américains ne peuvent offrir. La montée en puissance de l'écosystème NVIDIA au Royaume-Uni, avec sept autres partenaires cloud en attente de déploiement, signale que Londres entend rivaliser avec Paris, qui a fait d'annonces similaires autour de son propre plan IA. La question qui se pose désormais est de savoir si ces infrastructures souveraines produiront des modèles et des usages capables de concurrencer les grands acteurs américains et chinois, ou si elles resteront cantonnées à des niches réglementaires.

Sakana AI parie qu'une IA capable de s'améliorer elle-même peut mettre fin à la course au calcul des grands laboratoires

Sakana AI, une startup japonaise co-fondée par Llion Jones, l'un des huit co-auteurs du papier fondateur « Attention is All You Need » (2017), vient de lancer un laboratoire de recherche entièrement dédié à l'auto-amélioration récursive, connue sous le sigle RSI (Recursive Self-Improvement). Cette technologie consiste à concevoir des systèmes d'IA capables de s'optimiser eux-mêmes de façon itérative, sans dépendre d'une augmentation constante de la puissance de calcul disponible. Pour Sakana AI, le RSI constitue une alternative directe à la course aux datacenters et aux puces que se livrent les grands laboratoires américains comme OpenAI, Google DeepMind ou Meta, qui engloutissent des dizaines de milliards de dollars en infrastructure. L'idée centrale est d'obtenir des gains de performance en rendant les modèles capables de retravailler leur propre architecture ou leurs paramètres, plutôt qu'en empilant davantage de GPUs. Si cette piste aboutit, elle pourrait redistribuer les cartes entre acteurs bien dotés en capital et équipes plus agiles. Le RSI est aussi l'une des technologies les plus surveillées par les chercheurs en sécurité de l'IA. Anthropic, qui développe pourtant ses propres modèles frontier, met explicitement en garde contre les risques de contrôle associés à des systèmes capables de se redéfinir eux-mêmes. La tension est révélatrice : l'auto-amélioration récursive est à la fois perçue comme un levier de souveraineté technologique pour les acteurs hors Silicon Valley, et comme l'un des scénarios de risque les plus sérieux pour la sécurité à long terme de l'IA.

💬 Sakana mise sur l'auto-amélioration récursive pour contourner la course au calcul. C'est le seul angle vraiment crédible si tu n'as pas dix milliards à mettre dans des datacenters, et avec Llion Jones à bord (un des auteurs d'"Attention is All You Need"), l'équipe a le niveau pour que ça soit autre chose qu'un pitch deck. Le hic, c'est que le RSI est aussi ce qu'Anthropic cite en tête de liste quand on leur demande ce qui les empêche de dormir.

Miso Labs lance Miso One : la nouvelle référence open source de la synthèse vocale ?

Miso Labs a lancé le 3 juin 2026 Miso One, un modèle de synthèse vocale open source de 8 milliards de paramètres conçu pour la génération vocale conversationnelle. Contrairement aux systèmes classiques de lecture de texte, Miso One vise à produire des échanges naturels dont le ton et le rythme s'adaptent au contexte. Sa caractéristique technique la plus frappante est sa latence annoncée de 110 millisecondes, soit moins que le temps de réaction humain moyen en conversation, estimé à 160 millisecondes. Le modèle propose également le clonage vocal à partir d'un extrait audio d'une dizaine de secondes, une fonctionnalité désormais courante dans le secteur mais rare dans les solutions ouvertes. Miso Labs a publié les poids du modèle dès son lancement, permettant aux développeurs de l'héberger eux-mêmes, de l'adapter ou de l'intégrer directement dans leurs applications. L'enjeu principal de ce lancement est de proposer une alternative crédible et souveraine aux API vocales propriétaires qui dominent le marché, comme celles d'ElevenLabs ou d'OpenAI. La possibilité d'héberger le modèle en local intéresse particulièrement les organisations traitant des données sensibles : secteur médical, financier ou administrations publiques, pour qui confier des données audio à des tiers représente un risque juridique et réglementaire réel. Sur le plan de l'expérience utilisateur, réduire la latence sous le seuil de perception humaine pourrait effacer l'une des dernières frictions qui trahissent encore les assistants vocaux, le silence artificiel entre question et réponse. Les premiers retours de testeurs publiés en ligne sont enthousiastes, certains affirmant avoir fait passer des voix générées pour des enregistrements humains auprès de proches. La synthèse vocale expressive est devenue un champ de bataille technologique majeur, tirée par l'essor des agents conversationnels et des interfaces vocales embarquées. Miso Labs s'inscrit dans un mouvement plus large de modèles open source qui cherchent à contester la domination des grandes plateformes américaines en rendant des capacités avancées accessibles sans abonnement ni dépendance à une API fermée. Cela dit, plusieurs zones d'ombre subsistent à ce stade : l'entreprise n'a pas publié la méthodologie précise derrière sa mesure de latence à 110 millisecondes, ni les conditions matérielles dans lesquelles ce chiffre a été obtenu. Aucune évaluation indépendante n'est encore venue valider les performances revendiquées en matière d'expressivité. Comme souvent dans l'industrie de l'IA, les annonces précèdent les benchmarks tiers, et Miso One devra passer l'épreuve des tests communautaires pour confirmer ses promesses.

💬 110 ms de latence sur un modèle open source auto-hébergeable, c'est le genre d'annonce qui mérite qu'on s'arrête deux secondes. Ce qui m'intéresse vraiment ici, c'est moins la perf brute que la possibilité de cloner une voix en local sans envoyer la moindre donnée audio à ElevenLabs ou OpenAI, ce qui débloque enfin la synthèse vocale pour le médical, le financier, les administrations, tout ce monde qui voulait se lancer mais bloquait sur le RGPD. Reste que le 110 ms sent le benchmark maison, et on attend les tests communautaires pour vraiment y croire.

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.

Claude Mythos arriverait enfin en Europe, mais la France n’attend pas les Américains pour s’armer contre les failles de sécurité

Anthropic vient d'annoncer l'extension de son programme Claude Mythos à 15 nouveaux pays et 150 nouvelles organisations, dont la France. Parmi les entités désormais autorisées à utiliser cette intelligence artificielle de haute sécurité figurent des institutions stratégiques comme l'OTAN et l'ENISA, l'agence européenne chargée de la cybersécurité. Cette expansion marque une étape significative dans la diffusion de modèles d'IA américains vers les administrations et organisations sensibles du Vieux Continent. L'accès à Claude Mythos représente un enjeu majeur pour les institutions qui traitent des données confidentielles ou classifiées. Contrairement aux versions grand public de Claude, cette offre est conçue pour répondre aux exigences de souveraineté numérique et de sécurité que les gouvernements et agences de défense ne peuvent ignorer. Pour l'OTAN ou l'ENISA, disposer d'un outil d'IA puissant tout en maintenant un contrôle strict sur les données traitées constitue un avantage opérationnel direct dans un contexte de menaces cybernétiques croissantes. Cette ouverture intervient cependant dans un paysage où l'Europe n'attend pas les solutions américaines les bras croisés. Mistral, le champion français de l'IA, développe déjà des alternatives spécifiquement destinées aux banques et autres secteurs régulés qui ne peuvent ou ne souhaitent pas dépendre de technologies étrangères. La concurrence entre modèles américains souverainisés et modèles européens natifs illustre une tension plus large autour de l'autonomie stratégique numérique, question centrale pour les années à venir en matière de gouvernance de l'IA en Europe.

💬 Que l'OTAN intègre Claude Mythos, bon, c'est dans la logique des choses, ils ont besoin d'outils qui tiennent en conditions réelles. Ce qui est plus intéressant, c'est que Mistral se positionne exactement en face pour les secteurs régulés, pas comme "aussi bien que les Américains", mais comme choix souverain assumé. Ce duel-là, c'est celui qu'il faut suivre.

☕️ Anthropic élargit l’accès à Mythos à une quinzaine de pays

Anthropic a annoncé l'élargissement de son projet Glasswing à plus de 150 organisations réparties dans plus de 15 pays, contre une présence initiale limitée aux États-Unis et au Royaume-Uni. Ce programme donne accès à un aperçu anticipé de Mythos, le modèle d'IA le plus ambitieux du laboratoire californien. Parmi les nouvelles organisations intégrées figurent des acteurs des secteurs de l'énergie, de la santé, des télécommunications et de la construction informatique, dont beaucoup gèrent des bases de données critiques dont dépendent d'autres organisations, gouvernements inclus. L'Union européenne pourrait également rejoindre le périmètre, selon Bloomberg, qui cite l'ENISA, l'agence européenne pour la cybersécurité, comme potentielle première bénéficiaire européenne, bien que Bruxelles n'ait pour l'instant rien confirmé officiellement. Cet élargissement n'est pas anodin sur le plan stratégique. Anthropic se retrouve à quelques encablures d'une introduction en Bourse, et Mythos constitue à la fois son produit phare et son meilleur argument de vente auprès d'investisseurs et de grandes organisations. En intégrant des secteurs d'infrastructures critiques dans le projet Glasswing, le laboratoire positionne Mythos comme un outil de niveau souverain, capable d'adresser des besoins que les modèles grand public ne peuvent pas satisfaire. L'accès reste délibérément restrictif : les candidats doivent justifier de leur sérieux avant d'être admis, ce qui entretient une image d'exclusivité et renforce la perception d'un outil puissant et contrôlé. Anthropic joue également sur la dimension sécuritaire pour asseoir son positionnement. Le laboratoire prévient que les modèles concurrents de "classe Mythos" attendus dans les six à douze prochains mois pourraient ne pas intégrer les mêmes garde-fous contre les usages malveillants, une façon d'installer la comparaison avant même que ces modèles n'existent. Cette rhétorique accompagne la mise en avant de Claude Security, un service reposant sur Claude Opus 4.8 pour analyser des bases de code et proposer des correctifs de sécurité. La manœuvre est transparente mais efficace : en distribuant Mythos à des organisations influentes dans des secteurs stratégiques, Anthropic crée des ambassadeurs institutionnels avant l'ouverture commerciale, tout en construisant un récit autour de la "responsabilité" qui distingue le labo de ses rivaux OpenAI et Google DeepMind dans la course aux modèles de nouvelle génération.

Anthropic ouvre Mythos à l’Europe : l’ENISA rejoint un club ultra-select

Anthropic est en négociations avec l'Agence de l'Union européenne pour la cybersécurité (ENISA) pour lui accorder un accès à Mythos, son modèle d'intelligence artificielle spécialisé dans la cybersécurité. Selon le Financial Times, des représentants européens se sont récemment déplacés à San Francisco pour rencontrer Anthropic et discuter des modalités d'un éventuel accès au programme. Un porte-parole de l'ENISA a confirmé que des discussions étaient en cours, tout en précisant que rien n'était encore signé. Si elles aboutissent, ce serait la première extension significative de Mythos hors des États-Unis et du Royaume-Uni, seul pays non américain à avoir obtenu un accès officiel à ce jour. La Commission européenne semble également impliquée dans les échanges. Ces discussions s'inscrivent dans le cadre du projet Glasswing, une coalition lancée par Anthropic en avril 2026, regroupant principalement des entreprises américaines comme Microsoft, Apple, JPMorgan et CrowdStrike, qui utilisent Mythos pour détecter des failles de sécurité et renforcer leurs défenses numériques. L'enjeu est considérable pour l'Union européenne. Obtenir un accès à Mythos permettrait à l'ENISA de disposer d'un outil de pointe pour anticiper des menaces cyber émergentes et mieux évaluer les risques posés par les systèmes d'IA les plus avancés, une priorité affichée par les responsables européens. Pour les institutions de l'UE, c'est aussi une question de souveraineté numérique et d'influence technologique : rester en dehors du cercle Mythos signifierait laisser aux seules organisations anglo-saxonnes l'accès à une capacité défensive de premier plan dans un domaine où les cyberattaques gagnent chaque année en sophistication. La prudence d'Anthropic à l'égard de ce modèle s'explique précisément par ses capacités avancées : l'entreprise craint qu'un outil aussi puissant ne puisse être détourné à des fins offensives, ce qui justifie une sélection rigoureuse des partenaires. Depuis son lancement, Mythos est resté l'un des modèles d'IA les plus confidentiels du secteur, réservé à une poignée d'organisations jugées stratégiques et soumis à une évaluation préalable par des agences gouvernementales américaines. Cette rareté calculée reflète une stratégie délibérée d'Anthropic, qui entend peser sur les politiques de cybersécurité tout en contrôlant étroitement la diffusion d'une technologie à double usage. L'ouverture potentielle vers l'Europe intervient dans un contexte de rivalité technologique croissante entre les États-Unis et l'UE, cette dernière cherchant à ne pas dépendre exclusivement d'acteurs américains pour sa sécurité numérique. Si l'accord se concrétise, il pourrait ouvrir la voie à d'autres partenariats institutionnels européens et redéfinir les contours de la coopération transatlantique en matière d'IA appliquée à la cybersécurité.

L'écosystème cloud IA de NVIDIA s'étend dans le monde entier pour répondre à la demande mondiale en calcul IA

NVIDIA accélère la construction d'une infrastructure mondiale d'« usines à IA », en s'appuyant sur un écosystème croissant de partenaires cloud. Jensen Huang, fondateur et PDG de NVIDIA, a annoncé lors d'une communication officielle que cet écosystème couvre désormais six continents, avec l'arrivée de deux nouveaux partenaires : Cassava en Afrique et Claro en Amérique du Sud. Des acteurs comme CoreWeave, Firmus, IREN et Nscale élargissent leurs capacités pour répondre à la demande des laboratoires d'IA, des entreprises et des gouvernements. En Australie, Firmus Technologies déploie son « Project Southgate », un programme de data centers en Tasmanie, Melbourne, Australie-du-Sud et Nouvelle-Galles du Sud, en privilégiant les énergies renouvelables et les infrastructures modulaires. La société a également ouvert des installations à Singapour en partenariat avec ST Telemedia Global Data Centres. Cet élargissement répond à une explosion de la demande en tokens, l'unité de traitement des modèles de langage, portée par les applications d'IA agentique, les copilotes d'entreprise et les modèles frontières. Pour les nations et industries réglementées, ces clouds régionaux permettent de respecter des exigences de souveraineté numérique et de conformité locale, sans dépendre d'infrastructures centralisées aux États-Unis. Pour les développeurs et startups, ils réduisent la latence et simplifient l'accès aux GPU NVIDIA, combinés aux logiciels d'IA et aux réseaux haute performance de la marque. L'argument économique mis en avant par NVIDIA est le coût par token et le débit par watt, deux métriques déterminantes pour qui exploite des modèles d'IA en production à grande échelle. Cette expansion s'inscrit dans une stratégie plus large de NVIDIA pour s'imposer non plus seulement comme fabricant de puces, mais comme architecte de l'ensemble de la chaîne d'infrastructure IA, du silicium aux logiciels en passant par le cloud. Face à la montée en puissance de concurrents comme AMD et aux investissements massifs des hyperscalers (Google, Microsoft, Amazon) dans leurs propres puces, NVIDIA cherche à verrouiller l'écosystème via des partenariats cloud qui intègrent sa pile technologique complète. Des partenaires comme GMI Cloud, Naver Cloud, Indosat Ooredoo Hutchison ou YTL ancrent cette stratégie dans des marchés à forte croissance : Asie du Sud-Est, Moyen-Orient, Afrique. La prochaine étape sera d'observer si ces capacités régionales parviennent à absorber la demande des grands modèles frontières, dont les coûts d'entraînement continuent de croître exponentiellement.

Arthur Mensch : itinéraire d’un architecte de l’IA européenne

Arthur Mensch, 33 ans, a cofondé Mistral AI en mai 2023 à Paris aux côtés de Guillaume Lample et Timothée Lacroix, deux anciens de Meta AI et camarades de l'École Polytechnique. Dès le mois suivant, la jeune pousse lève 105 millions de dollars en amorçage auprès de Lightspeed Venture Partners, un record européen pour une entreprise sans produit visible, fondé uniquement sur la réputation scientifique des trois associés. Le parcours de Mensch lui-même est celui d'un chercheur de fond formé à Polytechnique, Télécom Paris et au Master MVA de l'ENS Paris-Saclay, avant une thèse à l'Inria et au CEA NeuroSpin sur l'optimisation stochastique appliquée à l'imagerie cérébrale. Il rejoint ensuite Google DeepMind Paris fin 2020, où il travaille pendant près de trois ans sur des architectures multimodales et du traitement du langage à grande échelle. Ce que représente Mistral AI dépasse le simple succès commercial d'une startup : c'est la première fois qu'une entreprise européenne s'installe durablement dans la compétition frontale avec OpenAI, Google et Meta sur les grands modèles de langage. En optant pour des modèles ouverts et publiés librement, Mistral bouscule un secteur où la fermeture est la norme, séduisant à la fois les développeurs indépendants, les entreprises soucieuses de souveraineté des données et les gouvernements européens en quête d'alternatives crédibles aux fournisseurs américains. Cette approche technique traduit aussi un pari stratégique : la transparence comme levier de confiance et d'adoption rapide. Le déclic entrepreneurial de Mensch est né d'un constat précis observé de l'intérieur de DeepMind : l'Europe produit des chercheurs en IA parmi les meilleurs au monde, mais la Silicon Valley en capte systématiquement la valeur économique et la propriété intellectuelle. Plutôt que de tenter d'infléchir cette dynamique depuis un grand groupe américain, il choisit de fonder une structure indépendante sur le continent, capable de retenir les talents locaux et de garantir que les données des utilisateurs européens ne transitent pas par des serveurs étrangers. Depuis ses auditions parlementaires à Bruxelles et Paris, Mensch porte désormais ce discours au niveau politique, plaidant pour une régulation de l'IA qui ne pénalise pas les acteurs européens face à des concurrents qui opèrent hors de toute contrainte comparable. En trois ans, Mistral est passé de feuille blanche à symbole d'une souveraineté technologique possible.

💬 105 millions levés sans produit, juste sur la réputation de trois chercheurs : ça te dit tout sur ce que vaut la crédibilité scientifique quand elle est bien emballée. Ce que Mensch a compris (et que DeepMind n'a pas su retenir), c'est que garder les talents ici passe par leur donner la propriété de ce qu'ils construisent. L'open source comme levier d'adoption, c'est le pari qui a marché jusqu'ici.

DeepSeek V4 : émancipation chinoise et urgence d’une stratégie IA européenne

Le modèle DeepSeek V4, développé par la startup chinoise DeepSeek, s'est imposé comme un signal fort de la maturité technologique de la Chine en matière d'intelligence artificielle. Dans une analyse publiée début 2026, Francis Lelong, expert en souveraineté technologique, décortique les mécanismes qui ont permis à Pékin de contourner les sanctions américaines sur les semi-conducteurs. Loin de freiner Pékin, ces restrictions ont fonctionné comme un accélérateur : privée d'accès direct aux puces Nvidia haut de gamme, la Chine a investi massivement dans sa propre chaîne de valeur, des terres rares aux modèles de langage, en passant par la conception de ses propres composants. Le résultat est un écosystème d'IA de plus en plus autonome, capable de proposer des LLM ouverts et paramétrables compétitifs face aux offres américaines, à l'image de ce que Mistral AI incarne en Europe. L'enjeu dépasse largement la performance technique des chatbots. Lelong rappelle qu'un modèle d'IA n'est jamais culturellement neutre : il encode les valeurs, les biais et les priorités politiques de ses concepteurs. La montée en puissance de l'IA chinoise représente donc un levier de soft power considérable, capable d'exporter une vision du monde à travers chaque interaction. Sur le plan économique, l'ouverture de data centers est comparée par Lelong à un déploiement instantané de "millions de cerveaux synthétiques" : dans un contexte de vieillissement démographique mondial, le travail synthétique déplace la valeur du capital humain et devient un moteur de croissance incontournable pour éviter la stagnation. La compétition sino-américaine profite paradoxalement aux entreprises mondiales, qui bénéficient d'une offre élargie et de coûts réduits. Cette course technologique s'inscrit dans une rivalité géopolitique structurelle, comparable à la course spatiale des années 1960, mais avec une dimension culturelle et économique bien plus diffuse. Les sanctions américaines, selon Lelong, ne feront que retarder l'inévitable : la Chine avait déjà tracé sa trajectoire d'indépendance technologique, couvrant le spatial, le quantique, l'énergie et le nucléaire. L'affaire Manus, où Pékin a repris le contrôle d'une startup acquise par Meta, est interprétée non comme un acte de souveraineté assumée, mais comme un signal inquiétant envoyé aux jeunes talents et aux investisseurs. C'est dans ce contexte que l'Europe est interpellée dans son absence stratégique : ni le modèle fermé et capitalistique américain, ni le modèle ouvert mais politiquement contrôlé chinois ne correspond aux valeurs européennes. Définir une troisième voie, à l'image du succès relatif de Mistral, reste l'urgence que Lelong juge encore sans réponse collective à l'échelle du continent.

💬 Les sanctions américaines censées bloquer Pékin leur ont offert le meilleur des accélérateurs : construire leur propre chaîne, du silicium au modèle. Pendant ce temps, l'Europe a Mistral et beaucoup de colloques sur la souveraineté numérique. C'est pas faute d'avoir été prévenus.

« Le vrai danger n’est pas l’IA » : l’aveu fracassant du pape dans sa 1ère encyclique

Le pape Léon XIV a publié sa toute première encyclique, intitulée "Magnifica humanitas", consacrée en grande partie à l'intelligence artificielle. C'est une première dans l'histoire de l'Église catholique : un souverain pontife qui place la technologie au cœur de son premier grand texte doctrinal. Le document ne condamne pas l'IA en elle-même, mais pointe avec précision les risques systémiques qu'elle engendre : concentration du pouvoir technologique entre les mains d'une minorité d'entreprises et de gouvernements, développement d'armes autonomes capables d'agir sans décision humaine, surveillance numérique généralisée, et réduction de l'individu à sa seule productivité mesurable. Léon XIV formule une position claire : la valeur d'un être humain n'est pas fonction de son efficacité ni de ses données, et aucun algorithme ne peut en décider autrement. L'impact de ce texte dépasse largement les fidèles catholiques. En prenant position sur la régulation de l'IA, le pape entre dans un débat qui mobilise gouvernements, institutions multilatérales et société civile depuis plusieurs années. Sa critique du "paradigme technocratique", cette tendance à tout soumettre à la logique de performance et de profit, rejoint des préoccupations portées par des économistes, des philosophes et des juristes. Sur les inégalités, l'encyclique est particulièrement directe : si l'accès aux outils d'IA reste concentré dans les pays riches et entre les mains de quelques groupes, les écarts existants ne feront que se creuser. Le pape réclame une régulation publique, des contrôles indépendants et des règles éthiques communes, en insistant sur le fait qu'une IA "morale" n'a aucune valeur si cette morale est définie par une poignée d'acteurs privés. L'encyclique s'inscrit dans un contexte de montée en puissance des débats sur la gouvernance de l'IA à l'échelle mondiale, entre l'AI Act européen, les négociations à l'ONU et les initiatives nationales des États-Unis et de Chine. Léon XIV, élu en mai 2025, avait déjà signalé lors de son élection qu'il entendait inscrire son pontificat dans les questions sociales contemporaines. Son texte aborde également la surveillance algorithmique des plateformes numériques, qu'il décrit comme une "architecture de la visibilité" favorisant la polarisation et l'uniformisation des opinions. Sur le volet militaire, il rejette explicitement les systèmes d'armes létales autonomes, estimant que la distance technologique entre le combattant et sa victime banalise la violence plutôt qu'elle ne la contient. La suite dépendra de la réception du texte par les États membres de l'ONU et les grandes puissances technologiques, aucune d'entre elles n'étant directement liée par la doctrine pontificale, mais toutes attentives au poids symbolique et diplomatique d'une telle prise de position.

💬 Le texte ne surprend pas vraiment sur le fond, des économistes et des juristes disent ça depuis des années. Mais le poids symbolique d'une encyclique, c'est autre chose : 1,3 milliard de catholiques ont maintenant un cadre doctrinal qui classe la concentration du pouvoir techno parmi les problèmes moraux, pas juste politiques. Je vois ça comme un levier inattendu pour les régulateurs européens, et une migraine diplomatique de plus pour les grands groupes.

☕️ Les agences de renseignement américaines à court de puissance de calcul pour leurs IA

La Maison Blanche aurait approuvé une enveloppe de 9 milliards de dollars destinée à doter les agences de renseignement américaines en puces IA de dernière génération, selon des informations rapportées par le New York Times. Ce financement, qui doit encore passer par le Congrès, vise à permettre à la CIA, la NSA et leurs homologues de faire tourner les modèles d'intelligence artificielle les plus récents sur des infrastructures à la hauteur. L'administration Trump aurait par ailleurs déjà redirigé 800 millions de dollars pour accélérer des achats de capacités de calcul en urgence. Parallèlement, la Maison Blanche aurait autorisé la NSA à continuer d'exploiter Mythos, le modèle le plus avancé d'Anthropic, dans le cadre d'un contrat classifié en préparation qui inclurait des restrictions sur le traitement de données concernant des citoyens américains. Les agences américaines se retrouvent dans la même situation que n'importe quel acteur privé : les infrastructures capables d'accueillir les grands modèles d'OpenAI, d'Anthropic ou de Google affichent complet, et les composants les plus puissants, comme les puces Grace Blackwell de NVIDIA, exigent des centres de données dotés de systèmes d'alimentation massifs. Or les réseaux infonuagiques classifiés du gouvernement, dont ceux opérés par AWS, ne peuvent pas être modernisés rapidement. Les agences n'auraient tout simplement pas anticipé les besoins en calcul de ces modèles, et les délais de déploiement restent incompressibles même avec de l'argent disponible. Résultat : les 800 millions déjà mobilisés représentent une goutte d'eau face à l'ampleur des besoins réels, et les 9 milliards supplémentaires n'arriveraient pas immédiatement sur le terrain. Cette situation s'inscrit dans une séquence de tensions entre Washington et les labos d'IA. Le Pentagone avait exigé un accès très large aux modèles avancés d'Anthropic pour ses opérations classifiées, ce qu'Anthropic a refusé, une affaire encore devant les tribunaux. Le DoD a finalement constitué un cercle de fournisseurs IA pour ses opérations secret défense, retenant OpenAI, Google, Microsoft et AWS, mais laissant Anthropic à l'écart, du moins officiellement. Le Pentagone qualifiait même l'entreprise de "risque" pour la chaîne d'approvisionnement et la sécurité nationale, ce qui rend d'autant plus notable la décision d'autoriser la NSA à continuer d'utiliser Mythos. Cette contradiction illustre la difficulté pour les institutions américaines de concilier impératifs de souveraineté numérique, besoins opérationnels croissants en IA, et dépendance inévitable envers quelques entreprises privées qui contrôlent les modèles les plus performants.

💬 9 milliards pour rattraper un retard que tout le monde voyait venir. Ce qui me frappe, c'est la contradiction : le Pentagone liste officiellement Anthropic comme un "risque sécurité" pour la chaîne d'approvisionnement, et pendant ce temps la NSA continue d'utiliser Mythos via un contrat classifié. Ça dit tout sur ce que vaut la "souveraineté numérique" quand les seuls modèles utilisables sont dans les mains de trois boîtes privées.

Construire un pipeline complet d'observabilité et d'évaluation Langfuse pour le traçage, la gestion des prompts, le scoring et les expériences

Langfuse, plateforme open-source d'ingénierie LLM, propose un pipeline complet couvrant quatre dimensions critiques du développement d'applications à base de grands modèles de langage : le tracing des appels, la gestion centralisée des prompts, le scoring d'évaluation et les expérimentations sur datasets. Le tutoriel publié cette semaine détaille une implémentation complète, compatible aussi bien avec l'API OpenAI (notamment le modèle gpt-4o-mini) qu'avec un LLM déterministe simulé, permettant à tout développeur d'explorer chaque fonctionnalité sans dépendre d'un accès payant. L'intégration commence par la connexion au client Langfuse via des clés d'authentification publique et secrète (formats pk-lf- et sk-lf-), avec support des régions EU, US et des instances auto-hébergées. Le pipeline instrumente ensuite des fonctions Python simples puis un mini-pipeline RAG (Retrieval-Augmented Generation), en attachant à chaque appel LLM des métadonnées de trace, un modèle, des paramètres de température et des identifiants de prompt. Pour les équipes qui développent des produits IA en production, cette approche résout un problème central : la boîte noire des LLMs. Avec Langfuse, chaque génération devient observable, chaque prompt est versionné et centralisé, et chaque réponse peut recevoir un score d'évaluation automatique ou humain. Cela permet de détecter les régressions de qualité entre versions de prompts, de comparer les performances de différents modèles sur un même dataset, et de construire une boucle d'amélioration continue documentée. Les équipes produit et ML gagnent une visibilité structurée sur ce qui se passe réellement à l'intérieur de leurs pipelines, ce qui est aujourd'hui l'un des manques les plus critiques dans le déploiement d'applications LLM à l'échelle. Langfuse s'inscrit dans un écosystème en pleine structuration autour de l'observabilité LLM, aux côtés de solutions comme LangSmith (LangChain), Weights & Biases Weave ou Helicone. Sa différenciation principale repose sur son caractère open-source et la possibilité de l'auto-héberger, ce qui répond directement aux contraintes de conformité et de souveraineté des données des entreprises européennes. La montée en maturité de ces outils reflète un tournant dans l'industrie : les LLMs ne sont plus des prototypes à évaluer manuellement, mais des composants de production qui exigent la même rigueur d'ingénierie que n'importe quel service critique. L'intégration native avec le SDK OpenAI via un simple remplacement d'import facilite une adoption progressive, sans refonte d'architecture, ce qui devrait accélérer son adoption dans des stacks existantes.

Cohere lance Command A+, un modèle MoE sparse de 218 milliards de paramètres pour agents autonomes, utilisable sur seulement deux GPU H100

Cohere a publié Command A+, un modèle open source sous licence Apache 2.0 conçu pour les workflows agentiques en entreprise. Architecturé comme un Transformer sparse Mixture-of-Experts (MoE) décodeur uniquement, le modèle totalise 218 milliards de paramètres mais n'en active que 25 milliards par inférence, grâce à un mécanisme de routage vers 8 experts parmi 128 disponibles. Cette architecture permet de faire tourner Command A+ sur seulement deux GPU H100 en quantification W4A4 4 bits, ou sur quatre H100 en FP8, rendant le déploiement on-premise accessible sans infrastructure exorbitante. Le modèle prend en charge une fenêtre de contexte de 128 000 tokens, génère jusqu'à 64 000 tokens, traite texte, images et appels d'outils, et couvre désormais 48 langues contre 23 pour ses prédécesseurs. Il fusionne en un seul modèle les capacités de quatre modèles précédents : Command A, Command A Reasoning, Command A Vision et Command A Translate. Les gains de performance sont substantiels. Sur le benchmark tau²-Bench Telecom, Command A+ passe de 37 % à 85 % par rapport à Command A Reasoning. Sur Terminal-Bench Hard, référence pour le codage agentique difficile, le score bondit de 3 % à 25 %. En interne, Cohere mesure une amélioration de 20 % en question-réponse agentique, de 32 % en analyse de tableurs, et la capacité à exploiter la mémoire de sessions précédentes atteint 54 % contre 39 %. Sur le plan multimodal, MathVista progresse de 73,5 % à 80,6 % et Command A+ décroche 37 points sur l'Artificial Analysis Intelligence Index, devançant les principaux modèles open source concurrents. La quantification W4A4, appliquée uniquement aux couches MoE tout en conservant les projections d'attention en pleine précision, n'entraîne aucune dégradation mesurable sur les benchmarks et améliore le débit de sortie de 63 % tout en réduisant le temps avant premier token de 17 % par rapport à Command A Reasoning. Command A+ s'inscrit dans une tendance de fond qui voit les grands laboratoires chercher à réduire drastiquement le coût d'inférence sans sacrifier la qualité. Cohere, positionné historiquement sur le segment entreprise face à OpenAI, Anthropic et Google, mise sur la portabilité et la souveraineté des déploiements : la licence Apache 2.0 permet un usage commercial libre, un argument de poids pour les organisations qui refusent de dépendre de fournisseurs cloud. La technique de distillation avec prise en compte de la quantification (Quantization-Aware Distillation) utilisée en post-entraînement illustre la maturité croissante des méthodes de compression, qui commencent à rivaliser avec les modèles denses pleine précision sur des tâches complexes. La prochaine question sera de savoir si des performances agentiques aussi élevées sur deux H100 suffiront à convaincre les DSI d'internaliser leurs inférences plutôt que de passer par les API managées.

Mistral AI se renforce dans l’industrie européenne avec le rachat de Emmi AI

Mistral AI a annoncé l'acquisition d'Emmi AI, une startup autrichienne fondée à Linz et spécialisée dans la modélisation de phénomènes physiques complexes, flux d'air, transfert thermique, contraintes mécaniques sur les matériaux. Le montant de la transaction n'a pas été divulgué, mais l'opération est considérée comme l'une des plus significatives de l'écosystème européen de l'IA cette année. Emmi AI avait levé 15 millions d'euros en 2025, la plus importante levée de fonds jamais réalisée en Autriche dans le secteur de l'intelligence artificielle. Ses équipes, réparties entre l'Autriche, l'Allemagne et la Lituanie, rejoignent désormais Mistral. La société française prévoit d'ouvrir un bureau officiel à Linz, qui s'ajoutera à ses hubs existants à Paris, Londres et Munich. Cette acquisition donne à Mistral AI une capacité inédite en Physics AI, des modèles capables de comprendre et simuler le comportement du monde physique en temps réel. Pour les industriels des secteurs des semi-conducteurs, de l'automobile ou de l'aérospatiale, cela ouvre la voie à des jumeaux numériques plus précis, à des simulations accélérées et à une réduction significative des coûts de R&D. Mistral dispose déjà de modèles analysant les lignes de production pour détecter des défauts ou piloter des bras robotisés ; l'intégration des technologies d'Emmi doit rendre ces systèmes plus fiables dans leurs interactions avec des environnements physiques contraignants. L'enjeu est aussi de proposer aux industriels européens une alternative souveraine aux plateformes américaines, dont la dépendance est de plus en plus perçue comme un risque stratégique. Le rachat s'inscrit dans un contexte de montée en puissance de l'IA industrielle comme priorité politique en Europe. La Commission européenne considère le secteur manufacturier comme un pilier de sa stratégie d'autonomie technologique, et plusieurs États membres accélèrent leurs investissements dans ce domaine. Mistral AI, valorisé à plusieurs milliards d'euros après ses dernières levées de fonds, consolide ainsi son positionnement face aux géants américains comme Google, Microsoft ou OpenAI, qui investissent massivement dans les mêmes usages verticaux. En s'ancrant davantage en Europe centrale avec des engagements en Autriche, en Allemagne et en Lituanie, le groupe français envoie un signal clair : la compétition pour l'IA industrielle se jouera aussi sur la capacité à retenir les talents et à construire des infrastructures de recherche hors des États-Unis.

💬 Mistral qui bascule dans la simulation physique, c'est un vrai pari industriel, pas juste du repositionnement marketing. Modéliser des flux d'air ou des contraintes thermiques en temps réel, ça vaut des millions d'euros de tests physiques évités pour un constructeur auto ou un fabricant de semi-conducteurs. L'intégration va être compliquée, mais si ça marche, c'est un avantage que ni OpenAI ni Google n'ont encore vraiment.

IA et performance : le verdict de l’indice mondial Fivetran

Fivetran a publié en 2026 son indice mondial de maturité des pipelines de données, et les résultats sont sans appel : si 60 % des organisations à l'échelle mondiale investissent massivement dans l'IA agentique, avec des budgets estimés à plusieurs dizaines de millions d'euros, seules 15 % d'entre elles disposent réellement d'une infrastructure de données suffisamment solide pour faire fonctionner ces systèmes en production. En France, ce chiffre tombe à 12 %, soit parmi les plus faibles des pays étudiés. George Fraser, PDG de Fivetran, pointe une erreur de diagnostic commune : les entreprises investissent dans les modèles et les interfaces, mais négligent la plomberie informatique qui les alimente. Résultat : des agents autonomes déployés sur des pipelines instables, incapables de fournir des données fiables en temps réel. L'enjeu dépasse largement la performance technique. Contrairement à l'IA générative classique qui produit du texte à la demande, l'IA agentique prend des décisions et exécute des tâches en autonomie, ce qui exige une traçabilité complète et des données de qualité à chaque instant. Or, près de 40 % des professionnels interrogés dans l'étude identifient deux blocages majeurs : l'absence de traçabilité, qui empêche de comprendre l'origine des erreurs quand un agent dérape, et les contraintes réglementaires de souveraineté des données, qui freinent les déploiements à grande échelle. Ces failles de gouvernance transforment les projets pilotes en impasses opérationnelles, avec des risques économiques et réputationnels concrets pour les organisations concernées. Gartner va plus loin en avertissant que plus de la moitié des initiatives d'IA agentique pourraient être abandonnées faute de préparation adéquate des systèmes sous-jacents. Ce rapport intervient dans un contexte d'accélération généralisée des budgets IA, où la pression sur les directions informatiques pour livrer des résultats visibles est maximale. Les entreprises les plus avancées dans leur déploiement partagent une caractéristique commune : elles ont misé sur des architectures interopérables, capables de communiquer entre différents systèmes sans dépendre d'un fournisseur unique, ce que l'industrie appelle l'évitement du "vendor lock-in". Pour les responsables data, cette capacité d'intégration est désormais un critère éliminatoire dans le choix des solutions. La leçon que tire Fivetran de cet indice est claire : la priorité de 2026 n'est plus l'acquisition de nouveaux outils d'IA, mais la consolidation et la fiabilisation des flux de données qui les alimentent. Sans cette fondation, les ambitions agentiques resteront, pour la plupart des organisations, des promesses sur slides.

Amazon SageMaker AI prend en charge l'API compatible OpenAI

Amazon a annoncé ce mois-ci que SageMaker AI supporte désormais une API compatible avec celle d'OpenAI pour ses endpoints d'inférence en temps réel. Concrètement, les développeurs qui utilisent le SDK OpenAI, LangChain ou le framework Strands Agents peuvent désormais router leurs appels vers des modèles hébergés sur SageMaker AI en changeant uniquement l'URL de l'endpoint. Plus besoin de client personnalisé, de wrapper SigV4, ni de réécriture de code. Les endpoints SageMaker exposent un chemin /openai/v1 qui accepte les requêtes au format Chat Completions et renvoie les réponses du conteneur telles quelles, y compris en streaming. L'authentification repose sur des tokens bearer à durée limitée (jusqu'à 12 heures), générés à partir des credentials AWS existants via le SDK Python SageMaker, sans clé API supplémentaire. Ce changement simplifie radicalement l'intégration de SageMaker dans les stacks d'IA existantes. Pour les équipes qui orchestrent des agents multi-LLM via une gateway (comme Bifrost, mentionnée par Giorgio Piatti, ingénieur ML chez Caffeine.AI), SageMaker devient un fournisseur interchangeable sans adaptation technique. Les cas d'usage sont nombreux : workflows agentiques tournant entièrement sur de l'infrastructure dédiée en compte AWS, hébergement multi-modèles sur un seul endpoint via les inference components (par exemple Llama pour les tâches générales, un Mistral fine-tuné pour un domaine métier, et un petit modèle de classification), ou encore déploiement de modèles open source fine-tunés sans toucher au code applicatif existant. Pour les entreprises soumises à des contraintes de souveraineté des données ou de conformité, c'est un gain concret : elles peuvent utiliser les mêmes frameworks standardisés OpenAI tout en gardant les modèles dans leur propre compte AWS. Cette annonce s'inscrit dans une bataille plus large pour capter les workloads d'inférence IA en entreprise. Le standard OpenAI s'est imposé de facto comme protocole universel pour les LLMs, et les grands fournisseurs cloud (AWS, Google, Azure) cherchent à réduire les frictions pour attirer des équipes déjà investies dans cet écosystème. Amazon avait déjà investi massivement dans Bedrock et SageMaker, mais l'adoption restait freinée par les incompatibilités d'API qui forçaient les migrations de code. En adoptant la compatibilité OpenAI directement au niveau de SageMaker AI, AWS ferme cet écart et concurrence frontalement des solutions comme Azure OpenAI Service ou les endpoints Vertex AI de Google. Le notebook d'exemple avec Qwen3-4B (modèle d'Alibaba disponible sur Hugging Face) illustre aussi l'ouverture vers les modèles open source, un segment en forte croissance face aux modèles propriétaires.

💬 C'est le genre de truc qui semble anodin et qui change tout en pratique. Changer juste l'URL pour basculer d'OpenAI vers SageMaker, sans toucher au code, c'est exactement ce que les équipes enterprise attendaient pour switcher sans se battre avec leur DSI. Bon, ça reste AWS, donc la facture peut vite grimper, mais pour les boîtes avec des contraintes de souveraineté data, l'argument est solide.

AION : la gigafactory IA d'Orange, EDF et Capgemini

Ardian, Orange, EDF, Capgemini, Artefact, Bull, le Groupe iliad et Scaleway ont annoncé leur regroupement au sein du consortium AION pour déposer une candidature française au programme européen des AI Gigafactories. Cette initiative, portée par la Commission européenne dans le cadre de son agenda pour la souveraineté numérique, vise à financer la construction de centres de calcul massifs dédiés à l'intelligence artificielle sur le sol européen. L'alliance réunit ainsi des acteurs complémentaires : un fonds d'investissement de premier plan, deux géants de l'énergie et des télécoms, un intégrateur IT mondial et plusieurs spécialistes du cloud français. L'enjeu est considérable pour l'écosystème européen de l'IA. L'Europe accuse un retard structurel face aux États-Unis et à la Chine en matière de puissance de calcul disponible pour entraîner et faire tourner des grands modèles de langage. Une gigafactory labellisée par Bruxelles permettrait de concentrer des milliers de GPU sur un même site, d'en garantir l'accès à des startups et laboratoires de recherche européens à des conditions compétitives, et de réduire la dépendance aux infrastructures américaines comme AWS ou Azure. Le programme AI Gigafactories s'inscrit dans le plan InvestAI annoncé par la Commission européenne début 2025, qui ambitionne de mobiliser 200 milliards d'euros pour rattraper le retard du continent. Plusieurs États membres ont déjà soumis des candidatures, et la France entend peser dans cette compétition en fédérant ses acteurs industriels et technologiques les plus solides. Le choix des lauréats par Bruxelles déterminera quels pays accueilleront les prochains piliers de l'infrastructure IA continentale.

💬 Du lourd dans ce consortium : Orange, EDF, Scaleway, iliad, c'est pas une candidature symbolique. Ce qui m'intéresse vraiment là-dedans, c'est pas la gigafactory en elle-même, c'est l'accès GPU garanti pour les startups et labos européens qui galèrent à se payer du compute H100. Bruxelles retient 2-3 sites max sur tout le continent, et là, faut pas se louper.

Codex en local : OpenAI et Dell pour l'entreprise

OpenAI et Dell Technologies ont annoncé le 18 mai 2026 un partenariat stratégique visant à déployer Codex, l'agent de développement logiciel d'OpenAI, directement dans les infrastructures sur site et hybrides des grandes entreprises. Concrètement, Codex sera connecté à la Dell AI Data Platform, la couche de stockage et de gouvernance de données que de nombreuses organisations utilisent pour gérer leurs actifs numériques en interne. Ce déploiement permettra aux agents IA d'accéder aux bases de code internes, à la documentation technique et aux workflows métiers sans que les données sensibles ne quittent l'infrastructure de l'entreprise. Codex compte aujourd'hui plus de 4 millions de développeurs actifs chaque semaine, ce qui en fait l'un des produits professionnels à la croissance la plus rapide du portefeuille OpenAI. Au-delà de l'assistance au développement logiciel, les entreprises l'utilisent déjà pour automatiser des revues de code, améliorer la couverture de tests, gérer des incidents techniques, générer des rapports ou encore router des feedbacks produits. Ce partenariat lève un frein majeur à l'adoption de l'IA générative dans les grandes organisations : la résistance à exposer des données sensibles vers le cloud public. Les secteurs de la finance, de la santé, de l'industrie et des infrastructures critiques maintiennent des architectures hybrides précisément pour conserver le contrôle total sur leurs actifs stratégiques. En permettant à Codex d'opérer au plus proche de ces données, OpenAI et Dell répondent directement aux contraintes de sécurité, de conformité réglementaire et de gouvernance qui bloquaient jusqu'ici les déploiements à grande échelle. Pour les équipes techniques, cela signifie concrètement pouvoir intégrer des agents IA dans des workflows critiques sans compromis sur la souveraineté des données. Ce mouvement s'inscrit dans une tendance de fond : après la phase d'expérimentation, le marché de l'IA en entreprise entre dans une phase de déploiement industriel. OpenAI, qui a longtemps été perçu comme un acteur cloud-first, cherche à ne pas perdre les grands comptes au profit de solutions souveraines ou de modèles open source déployables en local. Dell, de son côté, repositionne son infrastructure AI Factory comme une couche d'intégration incontournable entre les modèles fondateurs et les systèmes d'information d'entreprise. Le partenariat entre les deux groupes illustre une recomposition plus large du marché, où les fournisseurs de matériel et de cloud hybride deviennent des intermédiaires stratégiques pour l'adoption de l'IA dans les environnements réglementés. Les prochains mois diront si ce modèle de distribution peut convaincre les secteurs les plus prudents à franchir le pas.

💬 C'est OpenAI qui recule, pas Dell qui avance. Les grands comptes ont refusé d'envoyer leur code source en cloud public, et plutôt que de perdre ce marché au profit de Llama ou Mistral déployables en local, OpenAI a choisi de plier. Reste à voir si ça tient dans les environnements les plus contraints, genre la DSI d'une banque française sous ACPR.

Face aux États-Unis et à la Chine, MISTRAL cherche son propre modèle d’IA et fait l’acquisition d’Emmi AI

Mistral AI, la startup parisienne fondée en 2023 et valorisée plus de six milliards d'euros, annonce l'acquisition d'Emmi AI, une société spécialisée dans les agents conversationnels d'entreprise. Cette opération s'inscrit dans une stratégie de diversification accélérée : plutôt que de se limiter à l'entraînement de modèles fondationnels, Mistral cherche à construire une offre verticalement intégrée, allant du modèle de base jusqu'aux applications déployées chez les clients. Les détails financiers de l'acquisition n'ont pas été rendus publics. L'enjeu est de taille pour l'écosystème européen. Les entreprises du continent restent largement dépendantes des hyperscalers américains (AWS, Azure, Google Cloud) pour leurs infrastructures, des GPU NVIDIA pour le calcul, et des modèles d'OpenAI, Anthropic ou Google pour l'inférence. En absorbant Emmi AI, Mistral tente de proposer une alternative souveraine complète aux directions informatiques européennes soucieuses de leur autonomie stratégique et de conformité réglementaire, notamment au regard de l'AI Act européen entré en vigueur en 2024. Ce rachat intervient alors que la compétition internationale s'intensifie sur deux fronts simultanés : les États-Unis maintiennent leur avance sur les modèles de pointe, tandis que la Chine rattrape son retard à marche forcée avec des architectures intégrées comme celles de Huawei ou Baidu. Pour Mistral, qui a levé 1,1 milliard de dollars en 2024 avec des investisseurs comme Andreessen Horowitz et la Banque publique d'investissement, l'heure est au passage à l'échelle commerciale, pas seulement technologique.

💬 Mistral fait le pari qu'un modèle de base, ça ne suffit plus. Racheter Emmi AI, c'est aller chercher le client là où il est, dans ses workflows d'entreprise, plutôt que d'attendre qu'il vienne lui-même sur une API. Reste à voir si une startup, même avec un milliard en caisse, peut tenir tête aux hyperscalers sur leur propre terrain.

SAP Sapphire : l’entreprise autonome devient la nouvelle vision B2B de SAP

Lors de SAP Sapphire 2026, l'éditeur allemand SAP a présenté sa nouvelle vision stratégique : transformer son ERP en une "entreprise autonome" capable d'exécuter des processus critiques de bout en bout grâce à l'IA. Le CEO Christian Klein a dévoilé trois piliers majeurs : SAP Autonomous Suite, qui déploie plus de 50 assistants Joule spécialisés coordonnant plus de 200 agents IA dans la finance, les achats, la supply chain, les RH et l'expérience client ; SAP Business AI Platform, qui fusionne SAP Business Technology Platform, SAP Business Data Cloud et SAP Business AI en un environnement unique ; et Joule Work, une interface orientée objectif accessible sur ordinateur, mobile et commandes vocales. Pour accélérer l'adoption, SAP annonce un fonds de 100 millions d'euros et une série de partenariats avec Anthropic, Amazon Web Services, Google Cloud, Microsoft, NVIDIA, Mistral AI et Cohere. Un cas concret a été mis en avant avec l'énergéticien RWE : des agents IA analysent des milliers d'incidents passés sur des éoliennes offshore pour identifier l'origine probable d'une panne et générer automatiquement des ordres de maintenance préremplis. L'enjeu central de cette annonce est de faire passer l'IA d'un rôle d'assistant à celui d'exécutant autonome au coeur des opérations d'entreprise. L'assistant dédié à la clôture financière illustre l'ambition : en automatisant les écritures comptables, les rapprochements et la correction d'erreurs, SAP promet de réduire un processus qui prenait plusieurs semaines à quelques jours seulement. Pour les grandes entreprises soumises à des exigences croissantes de productivité, de conformité réglementaire et de rapidité, c'est une promesse directement chiffrée en gains opérationnels. Le lancement de sept solutions Industry AI, avec des règles métiers et réglementaires propres à chaque secteur, signale que SAP ne vise plus seulement les directions IT mais les métiers eux-mêmes, qu'il s'agisse de l'énergie, de la logistique ou de la fabrication. Cette offensive s'inscrit dans une compétition frontale entre les grands éditeurs ERP pour la domination de l'IA d'entreprise, face à Oracle, Microsoft et Salesforce qui poursuivent des ambitions similaires. SAP capitalise sur sa position de référence dans les grandes organisations mondiales, où ses systèmes gèrent déjà les données les plus critiques : c'est précisément ce capital de confiance et de données que le groupe cherche à monétiser via l'IA autonome. Le SAP Knowledge Graph, couche qui structure les relations entre données, processus et entités métiers, est présenté comme le socle différenciateur qui donnera aux agents une compréhension contextuelle que des solutions génériques ne peuvent pas offrir. Les partenariats avec des fournisseurs de modèles souverains comme Mistral AI et Cohere indiquent également que SAP anticipe des exigences de conformité et de localisation des données, particulièrement fortes en Europe. La prochaine étape sera de valider ces promesses à grande échelle dans des déploiements réels, au-delà des cas pilotes présentés en conférence.

💬 Les 50 assistants et les 200 agents, c'est du bruit. Ce qui compte, c'est le Knowledge Graph, cette couche qui structure 30 ans de données métiers dans des millions d'entreprises, et que personne d'autre ne peut reproduire du jour au lendemain. Le cas RWE sur les éoliennes, bon, c'est encore un pilote, mais c'est exactement là où SAP peut devenir difficile à contourner.

Claude sur AWS : toute la plateforme d'Anthropic

Anthropic a annoncé ce 11 mai 2026 que l'intégralité de sa plateforme Claude est désormais accessible directement depuis Amazon Web Services, sous forme de disponibilité générale. Concrètement, les clients AWS peuvent désormais utiliser l'ensemble des fonctionnalités de l'API Claude, Claude Managed Agents pour déployer des agents IA à grande échelle, exécution de code Python via API, recherche web intégrée, et un système de Skills permettant à Claude d'apprendre des comportements ou méthodes de travail spécifiques, sans quitter leur environnement cloud habituel. L'intégration couvre l'authentification IAM, la facturation unifiée AWS, les audits via CloudTrail, et un accès immédiat aux nouvelles fonctionnalités au fil de leur sortie. Jusqu'ici, plusieurs capacités avancées de Claude restaient réservées à l'API native d'Anthropic. Pour les équipes techniques en entreprise, le gain est avant tout opérationnel : plus besoin de gérer des systèmes parallèles de connexion, de facturation ou de permissions. Cette simplification réduit la friction à l'adoption et abaisse la barrière d'entrée pour les organisations déjà investies dans AWS. Anthropic précise toutefois que le traitement des données sur cette plateforme s'effectue en dehors de l'infrastructure AWS classique, une nuance importante pour les entreprises soumises à des contraintes strictes de souveraineté ou de conformité. Pour celles-là, Anthropic maintient une offre distincte via Amazon Bedrock, où AWS reste l'opérateur principal et les données demeurent dans l'infrastructure Amazon, deux positionnements qui ciblent deux profils d'entreprises différents. Cette annonce s'inscrit dans une bataille industrielle plus large où les plateformes cloud sont devenues les principales portes d'entrée de l'IA générative. OpenAI pousse ChatGPT Enterprise, Google multiplie les intégrations Gemini dans son écosystème, Microsoft verrouille ses capacités IA dans Azure, et Anthropic devait muscler son jeu pour ne pas rester un fournisseur de modèles sans ancrage infrastructure. Le partenariat entre Anthropic et Amazon, qui s'est matérialisé par un investissement massif d'Amazon dans Anthropic ces dernières années, trouve ici une nouvelle expression concrète. En intégrant Claude profondément dans AWS, Anthropic gagne en distribution et en crédibilité enterprise, tandis qu'Amazon renforce l'attractivité de son cloud pour les projets IA. La prochaine étape sera de voir si cette intégration accélère effectivement l'adoption de Claude dans les grandes organisations, ou si la question non résolue de la localisation des données freinera les déploiements dans les secteurs les plus régulés.

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.

CopilotKit lance une plateforme d'intelligence pour entreprises dotant les applications à base d'agents d'une mémoire persistante entre sessions et appareils

CopilotKit a annoncé son Enterprise Intelligence Platform, une nouvelle couche d'infrastructure managée qui dote les applications agentiques d'une mémoire persistante entre les sessions, les utilisateurs et les appareils. Jusqu'ici, chaque nouvelle session forçait l'agent à repartir de zéro : aucun souvenir des échanges précédents, des workflows en cours ou des décisions déjà prises. Pour contourner ce problème, les équipes de développement devaient construire manuellement leur propre couche de stockage, en choisissant une base de données, en sérialisant l'état applicatif et en gérant les identifiants de session avant même d'écrire la moindre ligne de logique produit. La plateforme résout ce problème en fournissant une infrastructure clé en main, compatible avec n'importe quel framework agentique. Elle peut être auto-hébergée sur Kubernetes, avec une option cloud managée en développement, et répond aux exigences de sécurité enterprise : conformité SOC 2 Type II, intégration SSO, contrôle d'accès par rôles, déploiements hors ligne air-gapped et souveraineté totale des données via une base de données personnalisée. L'élément central de l'architecture est le concept de "Thread" : un objet de session persistant et structuré qui survit aux déconnexions, aux changements d'appareils et aux relances d'agent. Contrairement à un simple historique de messages texte stocké en base, un Thread capture six dimensions de l'interaction : les composants d'interface générés dynamiquement par l'agent, les étapes humaines dans la boucle (approbations, corrections, décisions guidées), l'état partagé entre le backend agentique et le frontend, les entrées et sorties vocales, les fichiers uploadés ou générés, et l'ensemble des interactions multimodales au sein d'un objet unique. Concrètement, un workflow complexe démarré par un collaborateur peut être repris exactement là où il s'était arrêté par un autre membre de l'équipe sur un appareil différent, sans perte d'état ni de contexte. CopilotKit est déjà connu pour son SDK open-source dédié au frontend des agents IA, ainsi que pour l'AG-UI Protocol, un standard ouvert qui connecte les agents aux interfaces utilisateur. Cette plateforme Enterprise ne remplace pas le SDK existant : elle l'enrichit avec la couche d'infrastructure qui lui manquait. L'enjeu est considérable pour l'industrie, car la persistance de l'état est l'un des principaux freins au déploiement en production d'applications agentiques dans les entreprises. Les cas d'usage visés, comme la rédaction collaborative de documents juridiques ou la gestion de pipelines de données en plusieurs étapes, illustrent un marché qui commence à dépasser les chatbots pour entrer dans la logique de workflows longs et critiques. La disponibilité d'une infrastructure standardisée pourrait significativement accélérer cette transition.

Chrome peut stocker 4 Go associés à Gemini sur votre machine sans crier gare

Des utilisateurs de Google Chrome ont découvert sur leurs machines un fichier baptisé weights.bin, pesant jusqu'à 4 gigaoctets, téléchargé sans la moindre notification ni demande de consentement. Ce fichier est stocké dans un dossier nommé OptGuideOnDeviceModel, accessible sous Windows dans AppData\Local\Google\Chrome\User Data\Default\ et sous macOS dans ~/Library/Application Support/Google/Chrome/Default/. Les premiers signalements remontent à mi-2025, mais le sujet a resurgi le 4 mai 2026 avec la publication d'une analyse détaillée par Alexander Hanff, consultant en sécurité connu sous le pseudonyme ThatPrivacyGuy. Selon ses observations, Chrome télécharge ce fichier dans les quinze minutes suivant l'ouverture du navigateur, et le recrée automatiquement à chaque lancement s'il a été supprimé manuellement. Le phénomène n'est pas universel : les auteurs de l'article source n'ont trouvé aucune trace du fichier sur quatre machines testées sous Windows et macOS. L'absence totale d'information de la part de Google constitue le cœur du problème. Occuper 4 gigaoctets sur le disque d'un utilisateur sans explication ni possibilité simple de refus représente une atteinte directe à la maîtrise que chacun devrait avoir sur son propre matériel. Alexander Hanff va plus loin : il estime que ce comportement contrevient à la directive européenne e-Privacy de 2002, qui encadre précisément les accès aux ressources des terminaux des utilisateurs. Il réclame de Google une communication claire sur la nature du fichier, l'adoption d'un mécanisme d'opt-in exigeant un consentement préalable, et la possibilité de supprimer définitivement ce contenu. L'impact n'est pas seulement individuel : le consultant tente également d'évaluer l'empreinte environnementale de ces téléchargements répétés sur des centaines de millions d'appareils, même si ce calcul reste hautement spéculatif. Ce fichier n'est pourtant pas totalement opaque sur le plan technique. Il correspond à l'intégration de Gemini Nano, le modèle d'intelligence artificielle embarqué de Google, directement dans Chrome, une démarche documentée publiquement depuis fin 2024. Ces poids de modèle servent à alimenter des fonctionnalités comme la détection automatique de langue ou d'autres outils d'IA locale dans le navigateur. Google n'a pas encore réagi publiquement à la controverse. L'affaire s'inscrit dans un contexte plus large de déploiement silencieux de fonctions d'IA par les grands éditeurs : Alexander Hanff avait récemment épinglé Claude Desktop d'Anthropic pour un comportement similaire, pré-autorisant ses extensions de navigateur sans en informer l'utilisateur. La pression réglementaire européenne et la sensibilité croissante du public sur la souveraineté numérique rendent ce type de pratique de plus en plus difficile à maintenir sans déclencher de réaction.

💬 4 Go sans demander, n'importe quelle startup se ferait retourner pour ça. Le fichier en lui-même n'est pas mystérieux, c'est Gemini Nano, documenté depuis fin 2024, mais déposer ça silencieusement sur des centaines de millions de machines sans opt-in, ça ne tient pas face à l'e-Privacy. Reste à voir ce que ça va coûter à Google au niveau réglementaire.

Ruben BRYON, construire une alternative européenne au cloud américain

Ruben Bryon a commencé à coder seul à l'âge de 12 ans, allant jusqu'à percer un mur dans le garage familial pour refroidir ses premiers serveurs. Quinze ans plus tard, il dirige Verda, une entreprise fondée sous le nom de DataCrunch, qui ambitionne de construire la première "Gigafactory" européenne de l'intelligence artificielle. Concrètement, il s'agit de déployer des centres de données massivement équipés en GPU, les puces indispensables à l'entraînement et à l'inférence des grands modèles d'IA, sur le sol européen, en dehors de la dépendance aux hyperscalers américains comme AWS, Azure ou Google Cloud. L'enjeu est considérable pour l'industrie technologique européenne. Les startups et laboratoires de recherche du continent paient aujourd'hui leurs coûts de calcul à des entreprises américaines, ce qui crée une dépendance structurelle tant sur le plan économique que réglementaire. Une infrastructure GPU souveraine permettrait aux acteurs européens de développer et déployer des modèles d'IA sans que leurs données transitent par des juridictions soumises au droit américain, un point particulièrement sensible depuis le Cloud Act de 2018. L'initiative de Bryon s'inscrit dans un mouvement plus large de souveraineté numérique européenne, porté aussi bien par des régulations comme le RGPD que par des initiatives industrielles telles que GAIA-X. Face à la concentration du marché du cloud d'IA entre les mains de quelques géants américains, des acteurs comme Verda cherchent à occuper le créneau de l'infrastructure de confiance en Europe, à mesure que la demande en puissance de calcul pour l'IA continue d'exploser.

💬 C'est exactement ce qu'on attendait depuis que le Cloud Act a rendu la question brûlante. Partir de l'infra GPU, pas du cadre réglementaire, c'est ce qui distingue Verda de toutes les initiatives européennes de souveraineté numérique qui finissent en comité de pilotage. Reste à voir si les capitaux suivent à l'échelle d'une gigafactory.