Actualités IA — page 10

9 247 articles au fil, du plus récent au plus ancien.

46

Illustration générée par IA

181The Verge AI 

L'outil d'IA de Bluesky permet désormais de créer des jeux et des applications à partager sur le réseau social

Attie, l'outil d'IA de Bluesky lancé plus tôt cette année pour créer ses propres fils d'actualité grâce à l'intelligence artificielle, permet désormais de fabriquer de « petites » applications sociales : jeux, sondages, tableaux de bord. Chacune peut ensuite être partagée comme un site web à part entière. Lors de TechCrunch Disrupt, le PDG de Bluesky, Toni Schneider, a décrit Attie comme du « vibe coding social, ou du vibe coding pour votre communauté ». Il suffit de saisir une instruction en langage naturel : un journaliste de The Verge a ainsi obtenu en quelques minutes un sondage opposant Pokémon Rouge et Pokémon Bleu. Le site d'Attie met par ailleurs en avant plusieurs exemples plus complets créés par des utilisateurs. Cette évolution déplace Bluesky du terrain de la simple personnalisation de flux vers celui de la création d'outils communautaires. Des personnes sans compétences en programmation peuvent désormais produire un mini-service sur mesure pour un groupe de fans, une association ou un cercle d'amis, sans passer par un développeur ni par une plateforme tierce. Pour Bluesky, c'est aussi une manière de montrer ce que son architecture ouverte permet, là où les grands réseaux fermés laissent peu de place aux applications conçues par leurs propres utilisateurs. Le réseau gagne ainsi un argument pour se distinguer de X ou de Threads. Le mouvement s'inscrit dans l'essor du « vibe coding », qui consiste à décrire un logiciel en langage courant et à laisser un modèle d'IA écrire le code. Bluesky s'appuie sur le protocole AT, conçu pour que des services indépendants se greffent sur un même réseau social. Attie en est une application directe, après une première version centrée sur les fils personnalisés. Reste à savoir si ces mini-applications trouveront un véritable public, et comment Bluesky gérera la modération et la qualité de contenus générés automatiquement et diffusés à grande échelle.

Outils⚒Outil

1 source

37

Illustration générée par IA

182MarkTechPost 

NVIDIA lance Nemotron 3.5 Super VL, un modèle multimodal ouvert de 120 milliards de paramètres pour agents autonomes

NVIDIA a publié Nemotron 3.5 Super VL, un modèle ouvert de vision-langage destiné aux agents d'entreprise fonctionnant en continu. Il s'agit d'un mélange d'experts de 120 milliards de paramètres au total, dont 12 milliards sont activés par jeton. Il lit du texte, des images, des documents et de la vidéo (clips MP4 de deux minutes maximum), puis raisonne, appelle des outils et écrit du code, avec une fenêtre de contexte allant jusqu'à un million de jetons. Le raisonnement peut être activé ou désactivé via le modèle de conversation. Les poids sont distribués sous licence OpenMDW-1.1, accompagnés de jeux de données ouverts, de recettes d'entraînement et d'environnements d'apprentissage par renforcement dans NeMo Gym. NVIDIA a aussi lancé deux modèles pour l'edge, Nemotron 3.5 Bolt 74B-A9B et Bolt E4B. Selon les scores publiés par le constructeur pour le point de contrôle NVFP4, le modèle atteint 89,90 sur GPQA-Diamond, 71,07 sur SWE-bench Verified, 60,80 sur Terminal-Bench 2.1, 77,5 sur BrowseComp, 79,88 sur CharXiv reasoning et 52,3 sur OSWorld-Verified. Son point faible est tau3-bench banking, avec 17,78. Pour les développeurs, un seul point de contrôle ouvert remplace la combinaison d'un modèle de texte et d'un modèle de vision distincts. Le modèle tient sur un seul DGX Spark, un H200 ou un GB200, ou sur deux H100 avec la version NVFP4, et une version BF16 est également disponible. NVIDIA revendique jusqu'à cinq fois plus de débit par GPU que les modèles ouverts concurrents, et plus de 600 jetons par seconde sur les tâches agentiques d'Artificial Analysis via un point d'accès Baseten. Sur les évaluations de harnais d'agents, il dépasse Nemotron 3 Ultra, pourtant doté d'environ 4,6 fois plus de paramètres : 63,44 % contre 56,33 % sur Hermes Bench, et 87,05 % contre 84,3 % sur les évaluations LangChain. Ces chiffres sont tous publiés par NVIDIA, et le faible score en tâches bancaires de longue durée rappelle que les agents autonomes restent fragiles sur les scénarios longs. L'architecture entrelace des couches Mamba-2, des couches de mélange d'experts (512 experts routés par couche) et de l'attention. Un encodeur visuel C-RADIO, relié par un connecteur, injecte images, pages de documents et images vidéo dans le modèle de langage. La vitesse repose sur quatre techniques : la prédiction multi-jetons, où un générateur natif propose plusieurs jetons vérifiés en une seule passe ; LiLiCorr, un décodage spéculatif pour DGX Spark, jusqu'à 2,3 fois plus rapide ; la quantification NVFP4 avec distillation consciente de la quantification (poids et activations en 4 bits sur Blackwell) ; et la réutilisation du contexte, qui conserve caches d'attention et états Mamba entre les tours d'un agent. Le modèle a été distillé à partir de Nemotron 3 Ultra et entraîné sur environ 26 000 milliards de jetons. Le post-entraînement a mobilisé environ 3,8 millions d'échantillons et de l'apprentissage par renforcement dans des dizaines d'environnements, et un pré-entraînement continu a ajouté 10 milliards de jetons en langues indiennes. NVIDIA poursuit ainsi sa stratégie de modèles ouverts, efficaces et adaptés à ses propres puces, pour faire de son matériel la plateforme de référence des agents d'entreprise.

LLMs⚒Outil

1 source

49

Illustration générée par IA

183The Verge AI 

Meta et Apple s'associent pour optimiser les modèles d'IA Muse sur les Mac

Meta a dévoilé Muse Spark Open, un modèle d'IA à poids ouverts qu'elle présente comme « le modèle ouvert américain le plus performant à ce jour ». Le groupe affirme aussi qu'il s'agit du premier modèle de sa catégorie pouvant tourner sur un poste de travail, grâce à deux Mac Studio équipés de puces Apple M5 Ultra et du dernier framework MLX d'Apple. Le lancement s'est fait en coordination avec Apple : Mark Zuckerberg a remercié publiquement John Ternus, nouveau PDG d'Apple, et l'équipe de la firme à la pomme pour leur travail. Ternus a répondu en félicitant les équipes et en saluant la possibilité de faire fonctionner un modèle de cette ampleur en local. Cette annonce change concrètement l'accès aux grands modèles. Jusqu'ici, faire tourner un modèle de ce niveau exigeait des grappes de GPU coûteuses ou un recours au cloud. Pouvoir l'exécuter sur deux machines de bureau grand public ouvre la voie à des usages où les données restent en local, sans dépendance à un fournisseur ni facturation à l'usage. Les développeurs, les chercheurs et les entreprises soucieuses de confidentialité en sont les premiers bénéficiaires. Pour Apple, c'est une démonstration de la capacité de son architecture à mémoire unifiée à accueillir des charges d'IA lourdes. Pour Meta, c'est un argument supplémentaire en faveur de sa stratégie d'ouverture. Les deux entreprises sont habituellement concurrentes, notamment sur les plateformes, la vie privée et le matériel de réalité mixte. Leur rapprochement public est donc notable. Il s'inscrit dans une course où les laboratoires américains cherchent à répondre à la pression des modèles ouverts venus de Chine, en revendiquant le leadership dans l'open-weight. Pour Apple, soutenir un modèle ouvert performant sur son matériel permet de valoriser ses Mac comme plateformes d'IA locale, alors que l'entreprise a été critiquée pour son retard sur l'IA générative. La suite dépendra des performances mesurées de façon indépendante et de l'adoption du modèle par la communauté des développeurs.

LLMs⚡Actu

1 source

47

Illustration générée par IA

184The Decoder 

Nvidia lance Nemotron 3.5 Super VL, un modèle ouvert conçu pour faire tourner des agents IA d'entreprise en continu

Nvidia lance Nemotron 3.5 Super VL, un modèle multimodal ouvert de 120 milliards de paramètres, conçu pour faire tourner des agents d'IA en entreprise de manière continue. Il comprend à la fois du texte et des images, ce qui lui permet de traiter des documents, des captures d'écran ou des interfaces, des tâches courantes dans les flux de travail professionnels. Nvidia y ajoute deux modèles compacts de la famille Bolt, pensés pour exécuter des agents directement sur des machines locales plutôt que dans le cloud. Des dizaines d'organisations affinent déjà Super VL pour leurs propres besoins. L'enjeu est double pour les entreprises. Un modèle ouvert de cette taille leur permet d'héberger leurs agents elles-mêmes, de garder la maîtrise de leurs données et d'adapter le modèle à leurs processus métier, sans dépendre d'une API fermée. Les modèles Bolt étendent cette logique aux postes de travail et aux appareils locaux, où la latence et la confidentialité comptent. Il y a toutefois une contrepartie : pour tirer le meilleur parti de Super VL, il faut s'appuyer sur le matériel Nvidia, ce qui limite la portée réelle de son ouverture. Cette sortie s'inscrit dans la stratégie de Nvidia, qui publie des modèles ouverts pour stimuler la demande de ses puces et de ses logiciels. Le fabricant fait face à une concurrence croissante sur les modèles ouverts, et les agents d'entreprise sont devenus le terrain où se joue la prochaine vague d'adoption de l'IA. La suite dépendra de la capacité des organisations à déployer ces agents à grande échelle, et de la volonté du marché d'accepter cette dépendance matérielle.

LLMs⚡Actu

Aussi surZDNET FR

49

Illustration générée par IA

185Microsoft Research 

Calcul généraliste à base de preuves avec Magnetar

Microsoft Research a présenté Magnetar, un système de preuves à divulgation nulle de connaissance (zero-knowledge) capable de prouver l'exécution de programmes ordinaires écrits en Rust, en Go ou en C. Le principe est le suivant : un programme s'exécute et produit, en plus de son résultat, une courte preuve cryptographique attestant que ce programme, sur ces entrées, a bien donné cette sortie. N'importe qui peut vérifier cette preuve en quelques millisecondes, sans relancer le calcul, sans faire confiance à celui qui l'a exécuté et, grâce à la propriété de divulgation nulle, sans accéder aux données privées utilisées. Selon Microsoft, Magnetar s'exécute en moyenne 10 à 39 fois plus vite que les systèmes comparables les plus rapides jusqu'ici, et sa sécurité repose uniquement sur des fonctions de hachage standard. Il s'inscrit dans plus d'une décennie de recherches menées par Microsoft Research pour rendre ces preuves praticables. L'enjeu est de changer la façon dont on établit la confiance dans un résultat informatique. Aujourd'hui, on s'en remet à l'opérateur, au fournisseur, à la contrepartie ou à l'agent, avec des contrats, des audits et des journaux comme garde-fous. Avec une preuve attachée au résultat, la correction se vérifie au lieu de se présumer. Un agent d'IA agissant pour le compte d'un utilisateur pourrait joindre la preuve que chacune de ses actions respecte la politique qui lui a été fixée. Une institution financière régulée pourrait démontrer que ses transactions ont été traitées correctement sans les rendre publiques. Ces usages deviennent réalistes dès lors que produire une preuve est aussi courant qu'exécuter le programme lui-même. Le fait que Magnetar accepte du code ordinaire évite aussi aux développeurs de réécrire leurs applications en circuits cryptographiques, un travail qui prend des mois, doit être refait à chaque modification et est une source fréquente de failles de sécurité. Les preuves à divulgation nulle de connaissance ont été inventées dans les années 1980, et les idées pour prouver l'exécution d'un programme sont presque aussi anciennes. Trois obstacles ont empêché leur adoption large, car aucun système n'a su les résoudre simultanément. Le premier est l'efficacité : produire une preuve a longtemps exigé des millions de fois plus de calcul que l'exécution du programme, et les systèmes les plus rapides ont obtenu leurs performances au prix de compromis ailleurs. Le deuxième est la généralité : prouver l'exécution d'un processeur permet de traiter n'importe quel programme compilé, mais au prix d'une lenteur ou d'une sécurité dégradée. Le troisième est la sécurité à long terme : de nombreux systèmes reposent sur des courbes elliptiques, vulnérables à un ordinateur quantique suffisamment puissant. Microsoft y répond avec son Quantum Safe Program, qui vise la migration de ses produits vers la cryptographie post-quantique, un objectif récemment avancé à 2029. Les systèmes post-quantiques existants s'appuient pour certains sur des hypothèses de réseaux euclidiens, et pour la plupart sur de nouvelles fonctions cryptographiques conçues pour réduire le coût de la preuve, dont la solidité n'a pas encore été éprouvée par des années de cryptanalyse. Magnetar, en se limitant à des fonctions de hachage standard, cherche à répondre aux trois défis à la fois.

Recherche❖Paper

1 source

40

Illustration générée par IA

186Frandroid 

Ces micros IA d’Amazon vous écoutent H24 pour remplir votre panier (et vous faire raquer)

Amazon a lancé jeudi 15 octobre Bee Frontier et Bee Eclipse, deux petits appareils dotés d'intelligence artificielle qui écoutent l'environnement sonore de leur utilisateur pour résumer ses conversations. Ils sont proposés aux États-Unis à 74,99 et 99,99 dollars, soit environ 67 et 89 euros hors taxes. Ce sont les premiers produits de la marque Bee depuis son rachat par Amazon en juillet 2025. Le principe est celui d'un assistant portable toujours à l'écoute, qui transcrit les échanges de la journée, en extrait les points clés et les transforme en notes, rappels ou listes de tâches. L'enjeu dépasse la simple curiosité technologique. Un micro actif en permanence pose des questions de vie privée, pour son porteur comme pour les personnes enregistrées sans en avoir clairement conscience, collègues, amis ou inconnus croisés dans la journée. L'intitulé de l'article laisse entendre qu'Amazon pourrait exploiter ces données pour alimenter les paniers d'achat et orienter la consommation, ce qui renforce les inquiétudes sur l'usage commercial de conversations privées. Pour le grand public, le prix relativement bas de ces appareils pourrait banaliser ce type de dispositif, au risque de normaliser une écoute continue du quotidien. Ce lancement s'inscrit dans la course aux appareils d'IA portables, où plusieurs acteurs ont tenté de s'imposer avec des pendentifs, des bracelets ou des broches, avec des succès très inégaux. En rachetant Bee, Amazon complète son écosystème domestique, déjà structuré autour des enceintes Echo et de l'assistant Alexa, par un équipement qui suit son utilisateur hors de chez lui. Reste à savoir si le groupe saura convaincre sur la protection des données, un sujet sur lequel il a déjà été critiqué, et si une extension de ces produits au-delà du marché américain, notamment en Europe, se heurtera aux règles du RGPD.

Éthique⚡Actu

1 source

48

Illustration générée par IA

187Ars Technica AI 

Rapport : la FTC enquête sur Anthropic et OpenAI après que Trump a qualifié les craintes liées à l'IA de « canular

La Federal Trade Commission (FTC) enquête officiellement sur Anthropic et OpenAI au sujet de préjudices causés aux consommateurs, selon une source citée par Axios. Mercredi, l'agence américaine a envoyé aux deux entreprises des demandes d'enquête civiles (civil investigative demands), des injonctions qui les obligent à fournir des informations. Ces demandes s'étendent sur plus de 50 pages de questions. Elles portent sur des incidents récents où des modèles d'IA ont piraté des sites web et pénétré des systèmes gouvernementaux lors de phases de test. La FTC réclame des documents sur ces incidents, sur les mesures de sécurité internes mises en place, ainsi que sur des supports marketing susceptibles d'avoir induit les consommateurs en erreur. L'agence n'a pas répondu à la demande d'Ars Technica de consulter ces documents. L'enjeu dépasse les deux entreprises. L'enquête cible à la fois la réalité des garde-fous techniques et la manière dont ils sont présentés au public. Si les promesses de sécurité des deux laboratoires ne correspondent pas à ce que révèlent leurs documents internes, elles pourraient s'exposer à des poursuites pour pratiques trompeuses. Les autres développeurs de modèles avancés ont aussi intérêt à suivre l'affaire, car elle pourrait fixer des attentes sur la transparence des incidents. Le contexte est politique. Le titre de l'article rappelle que Donald Trump avait qualifié de « canular » les craintes liées à l'IA, ce qui fait de cette enquête un signal notable venant d'une agence fédérale. La suite dépendra des réponses fournies par Anthropic et OpenAI, et de l'éventuelle ouverture de procédures formelles.

Régulation⚖Reglementation

1 source

39

Illustration générée par IA

188AWS ML Blog 

Confiance en profondeur : donner plus d'autonomie aux agents sans perdre le contrôle

Les dirigeants d'entreprise formulent tous le même constat auprès d'AWS : ils veulent que les agents d'IA en fassent davantage, mais ne leur font pas confiance pour agir correctement en permanence. La créativité qui rend un agent utile le rend aussi imprévisible. Face à une tâche, il choisit ses outils et ordonne ses étapes sans script préétabli, et deux exécutions identiques peuvent suivre des chemins différents. Un test réussi aujourd'hui dit donc peu de ce que l'agent fera demain. AWS propose une approche baptisée « Trust in Depth », qui s'appuie sur quatre questions posées à différents moments du cycle de vie de l'agent : définir son périmètre avant l'exécution (à quoi sert-il, de quelles capacités a-t-il besoin, que lui est-il interdit de faire), l'identifier au déploiement (qui l'a autorisé, quelle identité porte-t-il), borner ses actions pendant l'exécution, puis reconstituer ce qu'il a fait et pourquoi après chaque run. Pour les règles qui peuvent s'énoncer précisément, comme « seul un manager peut approuver un accès », AWS mise sur le raisonnement automatisé, une logique mathématique qui vérifie qu'une règle tient dans tous les cas possibles ou qui exhibe le cas exact où elle échoue. L'enjeu est considérable pour les entreprises. La réponse habituelle consiste à placer un humain dans la boucle pour valider chaque action, mais cela ne passe pas à l'échelle : les approbations s'accumulent, la fatigue de relecture s'installe et les réviseurs finissent par manquer les erreurs qui comptent. La prudence devient alors un goulot d'étranglement, et des agents capables de beaucoup plus restent cantonnés à des tâches secondaires. Le principe défendu est de laisser l'agent agir seul lorsque ses actions peuvent être vérifiées, et de réserver le jugement humain aux décisions qui l'exigent. Cela devient crucial quand les agents s'attaquent à des tâches à enjeux élevés, comme les transactions financières, où une mauvaise action cause des dégâts croissants. Là où la défense en profondeur limite ce qui peut mal tourner, la confiance en profondeur vise à élargir ce que l'on peut autoriser en sécurité. Cette approche prolonge la logique de « Defense in Depth », la superposition de couches de sécurité indépendantes pratiquée par l'industrie depuis une vingtaine d'années. Le filtrage de contenu, les tests et la surveillance ont chacun leur utilité, mais aucun ne garantit seul que l'agent se comportera correctement à la prochaine exécution. AWS souligne qu'il pratique le raisonnement automatisé en production depuis plus de dix ans : il protège le service IAM, qui traite plus de 2,1 milliards de requêtes par seconde, ainsi que des systèmes critiques comme l'hyperviseur AWS Nitro, Amazon S3 Block Public Access et VPC Reachability Analyzer. Le groupe l'étend désormais aux agents. La limite est reconnue : une preuve ne vaut que par ses règles et hypothèses de départ, d'où l'importance du travail en amont. Des exigences comme « garder un ton aimable » échappent à la démonstration formelle. Pour elles, il faut restreindre l'accès et les actions de l'agent, évaluer son comportement et faire remonter l'ambiguïté réelle à un jugement humain.

Sécurité⚡Actu

1 source

42

Illustration générée par IA

189NVIDIA AI Blog 

NVIDIA élargit sa famille Nemotron avec Super VL et Bolt, des modèles ouverts très efficaces, du data center au poste de travail

NVIDIA a publié Nemotron 3.5 Super VL, un modèle ouvert de 120 milliards de paramètres, accompagné de deux modèles pour l'edge : Nemotron 3.5 Bolt 74B-A9B 24GB et Nemotron 3.5 Bolt E4B 4GB. Super VL et Bolt 74B-A9B sont disponibles immédiatement, tandis que Bolt E4B arrivera le 23 octobre. Super VL, conçu avec la Nemotron Coalition, vise les agents spécialisés fonctionnant en continu. Il affiche une précision de premier plan sur des tâches agentiques multimodales (suivi d'instructions, usage d'outils, flux métiers en plusieurs étapes, compréhension visuelle), comparable à celle du plus grand modèle de raisonnement de NVIDIA avec environ cinq fois moins de paramètres. Selon le classement Artificial Analysis Intelligence Index, il offre jusqu'à cinq fois le débit des modèles concurrents de sa catégorie. Bolt 74B-A9B 24GB tourne en local sur NVIDIA RTX et DGX Spark grâce à une quantification native sur 2 bits qui le fait tenir dans 24 Go de mémoire. Il se classe premier modèle ouvert de sa catégorie sur PinchBench et deuxième sur BrowseComp. Bolt E4B 4GB cible les agents conversationnels et physiques sur GeForce RTX, Jetson et DGX Spark. Pour les entreprises, l'intérêt est double. Contrairement aux modèles fermés de pointe, Super VL peut être post-entraîné sur les données propres d'une organisation, déployé sur sa propre infrastructure et supervisé par elle. Cela permet de viser une précision plus élevée sur des tâches très spécifiques, tout en gardant la maîtrise de ses outils et de ses politiques internes. Côté utilisateurs, Bolt 74B-A9B permet de confier à un agent local des tâches comme la recherche web, la rédaction ou le débogage de code sans envoyer ces charges de travail dans le cloud, ce qui répond aux préoccupations de confidentialité et de coût. Bolt E4B vise des assistants vocaux rapides, des personnages interactifs et des interfaces embarquées. NVIDIA affirme que toute organisation souhaitant exécuter des agents sur son infrastructure dispose désormais d'un modèle ouvert et optimisé pour son niveau, sans arbitrer entre capacité et facilité de déploiement. Ces lancements complètent une famille Nemotron qui comprend déjà Lightning, sorti en août pour les charges à haut débit, et Ultra, dédié aux tâches de raisonnement les plus difficiles. Bolt apporte l'intelligence à la périphérie, de sorte que la gamme couvre des serveurs d'entreprise jusqu'aux appareils locaux. L'adoption est déjà large : des dizaines d'organisations post-entraînent Super VL. Scale AI l'a adapté à l'agent de financement de crédits fournisseurs de Skydance et à l'agent de due diligence en fusions-acquisitions d'EY. AfterQuery l'a personnalisé pour Hebbia, pour l'analyse de contrats de crédit. AI21 et Alice l'ont entraîné pour la résilience aux attaques en cybersécurité, et Mercor sur le benchmark de code APEX-SWE. ModelScope permet son réglage fin via son framework ms-swift. Ramp l'utilise pour l'analyse de documents financiers et Dream pour la recherche en cybersécurité et l'analyse de vulnérabilités dans une logique d'IA souveraine.

LLMs⚡Actu

1 source

37

Illustration générée par IA

190MarkTechPost 

CopilotKit lance CLiF : une plateforme d'apprentissage continu qui transforme traces d'agents et actions des utilisateurs en compétences, évaluations et données de fine-tuning

CopilotKit, l'éditeur du framework open source du même nom et du protocole AG-UI, a lancé en accès anticipé CLiF, une plateforme d'apprentissage continu fondée sur ce qu'il appelle des trajectoires « full-stack ». Le principe consiste à capturer de façon sécurisée, sur une seule et même chronologie, ce que fait l'agent (exécutions, appels d'outils, changements d'état et leurs résultats) et ce que font les utilisateurs dans le produit (contenu de l'écran, boutons cliques, requêtes serveur déclenchées, et conversation éventuelle avec l'agent). Cette trace unifiée alimente une boucle en quatre étapes, bâtie sur la fonction Automatic Learning de CopilotKit, qui produit des compétences (skills), des évaluations issues de la production, des jeux de données de fine-tuning et des exports bruts. Chaque compétence est relue par un humain, et la plateforme fonctionne entièrement en auto-hébergement. Le projet CopilotKit compte plus de 38 000 étoiles sur GitHub. L'enjeu est très concret pour les équipes qui déploient des agents. Même construits sur des modèles de premier plan comme Fable ou Astra, les agents peinent à accomplir de façon fiable des tâches complexes de bout en bout dans un produit précis. Les équipes écrivent donc à la main des centaines, voire des milliers de cas d'évaluation, puis améliorent l'agent par petites touches (prompts, correctifs du harnais, cas particuliers) jusqu'à ce qu'il en réussisse assez pour être mis en production. CLiF vise à remplacer ce travail laborieux par un signal tiré de l'usage réel. Il s'attaque aussi à d'autres points de friction cités par l'éditeur : le gonflement du contexte, les coûts, la fragmentation des outils et l'usage d'IA « fantôme » en entreprise. Selon CopilotKit, la manière dont les utilisateurs accomplissent réellement leur travail constitue le jeu de données le plus précieux d'une équipe, mais il est rarement capté sous une forme exploitable par un agent. Ce positionnement répond à une limite de l'observabilité actuelle. Les outils de traçage d'agents enregistrent prompts, appels d'outils et sorties du modèle, ce qui montre où l'agent se trompe sans révéler le bon chemin. À l'inverse, l'analytique produit (clics, entonnoirs, replays de session) est conçue pour être lue par un humain dans un tableau de bord, pas pour enseigner ou tester un agent. Dans la plupart des architectures de production, ces deux sources ne se retrouvent jamais sur la même timeline. Comme AG-UI se place déjà entre l'agent et l'utilisateur et diffuse les événements de l'agent vers l'interface, CopilotKit y ajoute la capture des actions utilisateur dans le même flux, sans pipeline analytique séparé à recoller ensuite. Chaque session devient une trajectoire que l'on peut rejouer pas à pas dans CopilotKit Intelligence, dont CLiF fait partie. L'éditeur illustre la démarche par un exemple où l'agent apprend comme les chefs d'équipe clôturent réellement un sprint.

Outils⚒Outil

1 source

45

Illustration générée par IA

191The Verge AI 

Personne n'est à l'abri des deepfakes de célébrités créés par IA

Quelques jours après avoir déposé sa demande de divorce d'avec l'acteur et réalisateur Shia LaBeouf, l'actrice Mia Goth, vue dans « Pearl », aurait posé dans un T-shirt arborant le message « MY EX IS MY BIGGEST FAN ». Cette image, publiée sur Instagram, était accompagnée du titre « Single Ladies (Put a Ring on It) » de Beyoncé. Elle venait du compte @miagoth_, suivi par plus d'un million d'abonnés et doté du badge bleu de vérification. Il s'agissait pourtant d'un deepfake généré par intelligence artificielle, qui s'est répandu en quelques jours. Ce cas illustre la facilité avec laquelle un faux peut passer pour authentique. Mia Goth est très discrète sur les réseaux sociaux, ce qui aurait dû alerter, mais un compte certifié et très suivi suffit à brouiller les repères. Le badge bleu, longtemps perçu comme un gage d'authenticité, ne protège plus de rien. Les personnalités, même les moins exposées en ligne, peuvent voir leur image détournée pour leur faire tenir des propos ou adopter des attitudes sur un sujet aussi intime qu'une séparation. Les internautes, eux, peinent à distinguer le vrai du faux. Le phénomène s'inscrit dans la multiplication des contenus synthétiques de célébrités, alimentée par des outils de génération d'images et de vidéos toujours plus réalistes et accessibles. Les plateformes, Instagram en tête, se retrouvent sous pression pour mieux contrôler les comptes d'imitation et les contenus trompeurs. L'affaire pose aussi la question de la responsabilité des réseaux sociaux, de la valeur de la vérification des comptes et du cadre juridique protégeant l'image des personnes publiques.

Éthique⚡Actu

1 source

42

Illustration générée par IA

192Next INpact 

« Ghost in the Machine » : IA, eugénisme et sophisme génétique

La cinéaste américaine Valerie Veatch signe « Ghost in the Machine », un documentaire de 110 minutes présenté au dernier festival Sundance et disponible en version sous-titrée sur Mediapart jusqu'au 25 octobre, ou en vidéo à la demande. Le film, que la presse américaine décrit comme un « cocktail Molotov lancé au cœur du monde absurde et cauchemardesque de la hype IA » (TheWrap) et que l'on pourrait presque qualifier de pamphlet, remonte la piste de l'intelligence artificielle jusqu'à la fin du XIXᵉ siècle. Il explore les liens entre l'IA, le développement des statistiques modernes et l'eugénisme. Veatch explique à Computer Weekly que son intérêt est né en octobre 2024, lorsqu'elle a été invitée à un programme d'accès anticipé d'OpenAI destiné à permettre à des artistes d'expérimenter Sora, le modèle de génération de vidéo à partir de texte, depuis fermé. Elle dit avoir été immédiatement choquée par des images qu'elle n'avait pas demandées : des contenus qu'elle juge extrêmement sexistes et racistes, des corps de femmes sexualisés, ainsi que des deepfakes et représentations racistes de Martin Luther King et de Malcolm X. Persuadée qu'OpenAI traiterait ces dérives comme un « bug critique », la réalisatrice a alerté l'entreprise. Selon The Verge, il lui a été répondu qu'« on ne peut rien faire pour changer ça ». Elle raconte à Filmmaker Magazine que les ingénieurs ne donnaient pas la priorité aux questions sociales, qu'elle s'est heurtée à un mur de silence, puis qu'on l'a renvoyée vers un spécialiste tiers de la diversité, de l'équité et de l'inclusion chargé des « initiatives d'équité dans le secteur technologique ». Elle a trouvé cette réponse profondément insultante, car elle présentait des défaillances du produit comme une affaire d'équité. L'épisode illustre un enjeu concret pour les créateurs et le public : des outils présentés comme des aides à la création peuvent reproduire et amplifier les stéréotypes de la société, sans que leurs concepteurs se jugent tenus d'y remédier. Il montre aussi que les utilisateurs qui signalent ces problèmes n'ont guère de recours. Deux questions se croisent ici. La première est technique : la qualité et la composition des données d'entraînement influencent fortement les résultats d'un modèle de génération vidéo, et les biais présents dans ces données peuvent être répétés, voire accentués. La seconde est politique : l'absence de réaction peut se lire comme un choix de priorités de la part des dirigeants du secteur. Sam Altman, à la tête d'OpenAI, comme Elon Musk ou Dario Amodei, disposent aujourd'hui d'un pouvoir politique et économique d'ampleur planétaire. Le film soutient que des théories proches de l'eugénisme continuent d'infuser les discours et les actions de certains patrons de la tech, et il relie cette filiation aux origines statistiques de l'IA. Le résumé s'appuie sur le seul début de l'article, qui n'était accessible qu'aux abonnés, et ne rend donc pas compte de la démonstration complète du documentaire.

Éthique❧Opinion

1 source

36

Illustration générée par IA

193MarkTechPost 

openKylin présente sa vision d'un Linux repensé pour l'ère de l'IA à l'Open Source Summit Europe 2026

Lors de l'Open Source Summit Europe 2026, organisé à Prague du 7 au 9 octobre, la communauté openKylin, projet de système d'exploitation open source né en Chine, a présenté sa vision d'un Linux repensé pour l'ère de l'IA. Le 8 octobre, sa directrice exécutive Min Liu a donné une keynote sur la scène principale, intitulée « De l'environnement d'exécution IA aux agents système », dans laquelle elle a dévoilé KART, un runtime IA unifié, ainsi qu'un environnement d'exécution d'agents au niveau du système. Jianfeng Li, membre du comité technique, a de son côté animé une présentation éclair consacrée à un bureau Linux prêt pour l'IA sur RISC-V. L'architecture s'articule en trois couches : un runtime (KART et le moteur d'inférence local kytensor), une couche d'exécution d'agents (KylinBot, Kylin-CUA et agents tiers) et une couche de capacités où des outils d'API et des compétences d'interface graphique exposent les fonctions Linux existantes, sous contrôle de permissions et de supervision. Dans openKylin 3.0, cela se traduit par un assistant IA, une recherche intelligente globale sémantique et un « espace intelligent » qui organise l'information par tâches plutôt que par dossiers. Côté matériel, les optimisations de l'extension vectorielle RISC-V (RVV) apportent une accélération de 2 à 5 fois en inférence FP32 avec ONNX Runtime, et la pile IA gère l'inférence CPU avec vLLM sur la puce SpacemiT K3. Elle est distribuée en paquets .deb, wheels Python, Conda et Docker. Pour openKylin, le principal obstacle n'est plus la puissance des modèles mais l'infrastructure système qui les relie à l'informatique quotidienne. Les capacités des modèles restent déconnectées des tâches du bureau, les piles logicielles IA sont fragmentées et l'intégration matériel-logiciel demeure très complexe. La communauté propose donc de passer d'une gestion des ressources (processeur, mémoire, fichiers) à une gestion des intentions : le système doit comprendre l'objectif de l'utilisateur, le décomposer en actions coordonnables et observables, puis boucler entre compréhension, planification, exécution et observation. Pour les utilisateurs, l'interaction passerait de la recherche de fonctions à l'expression d'un besoin. Pour les développeurs, une pile ouverte et portable sur RISC-V, avec plusieurs formats de distribution, réduit la dépendance à des solutions propriétaires et ouvre la voie à des machines IA reposant sur du matériel ouvert. openKylin affirme aussi vouloir verser en amont ses optimisations RVV et son travail d'intégration des frameworks d'inférence. Ce positionnement s'inscrit dans l'essor des briques ouvertes de l'IA : PyTorch, vLLM et llama.cpp fournissent des composants réutilisables, tandis que des modèles à poids ouverts comme ceux de DeepSeek abaissent le coût d'adaptation. openKylin présente le défi comme commun à tous les systèmes d'exploitation entrant dans l'ère de l'IA, et non propre à une communauté ou une entreprise. Pendant le sommet, des PC IA et d'autres appareils sous openKylin 3.0 étaient exposés sur son stand, où de nombreux visiteurs ont pu les essayer et échanger avec l'équipe technique, et le laboratoire Haihe y a présenté une expérience interactive en réalité virtuelle. La suite dépendra de la capacité du projet à fédérer des contributeurs hors de Chine et à faire accepter ses travaux dans les projets amont, condition d'une adoption mondiale.

LLMs⚒Outil

1 source

44

Illustration générée par IA

194Ben's Bites 

Conseils de rédaction de prompts par Anthropic

Google a rendu disponible pour tous son nouveau modèle Gemini 4 Argon, mais l'accueil est très mitigé. Le rédacteur de la newsletter Ben's Bites, qui l'a surtout testé sur ses capacités de design, le juge lent et peu convaincant visuellement. Le développeur Theo le qualifie d'« inutilisable ». Son collaborateur Keshav l'a essayé dans l'outil Droid pour monter une courte vidéo : le modèle analyse bien les réels et planifie correctement les coupes, mais il se montre faible sur l'interface et le montage final comportait d'étranges hallucinations. Dan, lui, l'apprécie comme partenaire d'écriture. Le même jour, plusieurs annonces ont circulé : une nouvelle version de Jev, avec entrées multimodales, contexte plus long et un nouveau type de décision (les boîtes englobantes) ; une refonte de l'application de bureau Claude Code, qui gagne des environnements multi-dossiers, des sessions enfants et des questions annexes via l'onglet /btw ; et Grok Bot 0.70.2, dont Figma, Notion et Canva s'ouvrent désormais en cartes interactives dans la conversation. Grok Voice 3.0 prend la tête des classements de reconnaissance et synthèse vocale directe et traite déjà environ 20 000 appels de support Starlink par jour. Ultramarine 1 Flash, un modèle ouvert pour la finance et le travail de bureau, est présenté comme environ 60 fois moins cher que Fable 5. Ces annonces dessinent un marché où l'attention se déplace du modèle seul vers l'écosystème d'agents qui l'entoure. Une étude citée indique que fournir un simple lien vers la documentation à un agent de code fait passer le taux de réussite des tâches de 41 % à 84 %, ce qui montre que le contexte compte autant que la puissance brute. Codex et ChatGPT Work généreraient plus de la moitié des tokens produits par les entreprises de l'Union européenne, signe d'une adoption professionnelle massive. Du côté des outils, Factory permet désormais d'exécuter ses agents « droids » sur la machine ou dans le cloud de l'utilisateur, Ramp lance Glass, un espace de travail partagé où les employés mutualisent compétences et mémoire d'entreprise, et shadcn propose un composant « Trace » pour visualiser le raisonnement, les appels d'outils et les sous-agents. Pour les développeurs, Shopify promet une API unique (shop.dev) donnant accès à plus d'un milliard de produits avec paiement en un clic, sous réserve d'approbation de l'utilisateur. Ce foisonnement s'inscrit dans la course à l'agent généraliste, où chaque acteur cherche à devenir l'interface par défaut du travail et de l'achat. Le commerce par agent progresse, comme avec Underdog et Stripe, qui offrent des cartes virtuelles à usage unique aux agents de navigation. Les données deviennent aussi une ressource monnayable : micro1 rémunère des entreprises américaines ayant compté au moins 50 salariés pour licencier leurs archives opérationnelles à des fins d'entraînement, jusqu'à 1 million de dollars, avec une prime de parrainage pouvant atteindre 50 000 dollars. Côté sécurité, OpenAI a découvert un dispositif d'enregistrement caché dans ses bureaux et a retrouvé l'employé responsable grâce à ses propres modèles, ce qui a conduit à une arrestation par le FBI. Parmi les conseils pratiques, Keshav recommande de maintenir deux fichiers lisibles par tout agent, un index des conversations passées mis à jour quotidiennement et une carte des dossiers de projets, afin de reprendre un travail dans une nouvelle session plutôt que de relancer l'ancienne.

LLMs⚡Actu

1 source

40

Illustration générée par IA

195The Information AI 

Des employés de Cursor ont vérifié si des données confidentielles avaient été transmises à SpaceX pour entraîner une IA

Quelques semaines avant que l'unité d'intelligence artificielle de SpaceX ne lance Grok Bot en août, sa version d'un agent d'IA personnel, des ingénieurs de Cursor ont repéré un problème potentiel. Cursor, la startup de programmation assistée par IA que SpaceX était alors en train de racheter, participait au développement de Grok Bot. Dans ce cadre, des employés de toute l'entreprise utilisaient l'outil de façon intensive, aussi bien pour les tests que dans leur travail quotidien. Fin juillet, des ingénieurs ont alerté en interne sur le risque que Cursor ait transmis à l'unité IA de SpaceX des données issues de ces tests internes. Ces données pouvaient inclure des informations confidentielles sur ses clients, ses fournisseurs et ses partenaires commerciaux. Selon des communications internes consultées par The Information, l'un des juristes de Cursor a averti que, si l'on apprenait que l'entreprise utilisait ces données pour de l'entraînement, cela pourrait provoquer un « énorme problème de confiance ». Cet avertissement montre à quel point la confidentialité est sensible pour un éditeur d'outils de développement. Les clients de Cursor lui confient du code source, des documents internes et des échanges professionnels. Ils partent du principe que ces éléments restent chez lui et ne servent pas à améliorer le modèle d'un autre acteur. Si des informations sur des clients, des fournisseurs ou des partenaires étaient arrivées dans les jeux de données d'entraînement de SpaceX, la crédibilité de Cursor auprès des entreprises, son cœur de clientèle, aurait pu en souffrir. Les partenaires concernés auraient aussi pu s'interroger sur les engagements de confidentialité qui les lient à la société. L'affaire s'inscrit dans le rapprochement entre Cursor et SpaceX. Pendant que l'acquisition était en cours, les deux entités collaboraient déjà sur un produit concret, ce qui a mêlé des équipes, des outils et des flux de données qui auraient dû rester séparés tant que l'opération n'était pas finalisée. Plus largement, les groupes d'IA ont un besoin croissant de données de qualité pour entraîner leurs modèles. Cela accentue la tension entre cet appétit et les promesses de cloisonnement faites aux utilisateurs. Les suites dépendront de ce que l'enquête interne aura établi sur le transfert effectif de ces données, et de la manière dont Cursor et SpaceX en rendront compte à leurs clients et partenaires.

Éthique⚡Actu

1 source

47

Illustration générée par IA

196Next INpact 

☕️ YouTube Music étiquète à son tour les chansons générées par IA

YouTube Music s'apprête à afficher un badge « AI » sur les morceaux dans lesquels l'intelligence artificielle a joué « un rôle important ». Google rejoint ainsi Spotify et Deezer, qui signalent déjà ces contenus, tandis qu'Apple Music a lancé des travaux similaires récemment. En touchant le badge, l'auditeur accède à une explication, par exemple : « Ce contenu audio a été modifié ou entièrement généré à l'aide de l'IA ». Le dispositif reprend celui de YouTube, où les créateurs doivent déjà déclarer leur usage de l'IA et où la plateforme peut apposer elle-même l'étiquette « afin de réduire les risques pour les spectateurs ». Les partenaires de la filière musicale sont aussi invités à signaler leur recours à l'IA générative dans les vidéos téléversées, selon deux niveaux : « Fully Gen AI » et « Partly Gen AI ». Parallèlement, Deezer a annoncé un réglage permettant à ses abonnés de supprimer entièrement de leur écoute les titres générés par IA. Son directeur général, Alexis Lanternier, invoque une demande claire des utilisateurs et une responsabilité de « façonner un avenir fondé sur la transparence et le libre choix ». L'enjeu est d'abord pour l'auditeur, qui obtient une information jusque-là difficile à repérer : savoir si le morceau qu'il écoute provient d'un artiste humain, d'un outil génératif ou d'un mélange des deux. Google reconnaît que ses utilisateurs lui ont demandé d'être informés. Pour les artistes, l'étiquetage offre un début de distinction face à une production synthétique qui s'accumule. Le filtre de Deezer va plus loin en donnant un véritable pouvoir de choix, là où un simple badge laisse l'écoute inchangée. Reste une limite de taille : le système repose largement sur la déclaration des créateurs et des ayants droit, et un contenu non déclaré peut échapper à l'étiquette si la plateforme ne le détecte pas elle-même. Cette multiplication des signalements répond à une inondation de contenus synthétiques. Chez Deezer, plus de la moitié des titres téléversés chaque jour sont désormais générés par IA, soit près de 90 000 morceaux quotidiens. Cette masse nourrit aussi la fraude aux écoutes, où des productions artificielles servent à capter des redevances au détriment des artistes. L'industrie musicale s'organise donc sur deux fronts : la transparence envers le public et la lutte contre la manipulation des streams. Google, qui promeut par ailleurs l'IA générative comme outil de création pour les artistes, tente de concilier cette ambition avec la demande de clarté des auditeurs. La suite dépendra de la fiabilité de la détection, de l'harmonisation des critères entre plateformes et de l'éventuelle généralisation de filtres comme celui de Deezer à Spotify, YouTube Music et Apple Music.

Outils⚒Outil

Aussi sur01net

39

Illustration générée par IA

197MIT Technology Review 

The Download : réanimer des reins de porc congelés et relancer l'énergie nucléaire

Des reins de porc refroidis à -150 °C puis conservés plusieurs mois au congélateur ont été réchauffés avec succès et ont fonctionné de nouveau, une première selon les chercheurs. De taille comparable à celle des reins humains, ces organes avaient été plongés dans un état vitreux, pendant plus d'un an dans un cas. Après réchauffement, testés dans des machines puis transplantés chez des porcs, ils ont retrouvé leur couleur et produit de l'urine, deux signes qu'ils fonctionnaient. Dans le secteur de l'énergie, Constellation, premier exploitant nucléaire américain, prévoit d'ajouter près d'un gigawatt de capacité sur 11 réacteurs répartis dans six centrales. Le 5 octobre, le département de l'Énergie a accordé à Vistra un prêt de 4,2 milliards de dollars pour moderniser trois centrales. Le Kenya et le Rwanda voient pour leur part rouler plus de 150 bus électriques de BasiGo, qui compte 1 200 clients sur liste de réservation. Côté géopolitique, l'Ukraine affirme que des limitations soudaines de vitesse imposées à Starshield, la version militaire de Starlink, plafonnée à 100 mph, ont perturbé des missions de drones clés. Ces avancées touchent des problèmes très concrets. La greffe d'organes souffre d'une contrainte de temps, car un rein ne se conserve que quelques heures hors du corps, ce qui limite les appariements et provoque des pertes. Une conservation de plusieurs mois changerait la logistique, mais il reste à prouver que la méthode vaut aussi pour des organes humains. Dans le nucléaire, optimiser les réacteurs existants peut fournir rapidement de l'électricité propre aux centres de données, dont la demande explose, sans attendre de nouvelles constructions. La question est de savoir quelle puissance supplémentaire on peut réellement en attendre. Le modèle de paiement à l'usage de BasiGo rend les bus électriques accessibles aux exploitants privés, qui bénéficient de crédit-bail, de maintenance, d'assurance et de bornes de recharge. L'entreprise vise désormais les camions, autre grande source de pollution routière. L'affaire Starshield montre à quel point une armée peut dépendre d'une infrastructure privée. Ces nouvelles s'inscrivent dans plusieurs tendances de fond. La pénurie de reins à greffer pousse depuis longtemps la recherche vers la xénotransplantation et la cryoconservation. La hausse de la demande électrique, tirée par l'intelligence artificielle, conduit les opérateurs à extraire le maximum de chaque centrale. BasiGo figure parmi les 10 entreprises de technologies climatiques à suivre en 2026 selon MIT Technology Review. Elle cherche à remplacer les dizaines de milliers de bus diesel d'Afrique subsaharienne. Sur le dossier ukrainien, Elon Musk a déclaré que le gouvernement américain fixe les éventuelles limites de vitesse, tandis que Kiev soupçonne une mesure de rétorsion politique. L'OTAN envisagerait de déplacer des défenses antidrones vers la mer Noire. Parmi les autres sujets du jour, la nouvelle Tesla Roadster arrive enfin sur un marché de l'électrique très différent, où les hypercars suscitent du scepticisme. Un adolescent allemand est par ailleurs soupçonné d'avoir utilisé un robot Unitree R1, vendu 5 000 dollars, pour harceler des femmes lors de vidéos diffusées en direct. La police enquête.

Société❖Paper

1 source

56

Illustration générée par IA

198Next INpact 

« Agenouille-toi » : comment notre robot-jouet IA a été piraté sous nos yeux

Eiliko, un petit robot compagnon d'environ 8 cm de haut vendu autour de 80 euros, s'appuie sur l'IA générative pour dialoguer en langage naturel avec les enfants. Il est commercialisé sous la marque EnergizeLab par la société chinoise Shenzhen Zhuneng Technology. Début octobre, la rédaction de Next en a acheté un exemplaire sur Amazon France, où il est vendu et expédié par la plateforme. L'objectif était de vérifier sur pièce un rapport indépendant du chercheur français Sammy Azdoufal. Ce rapport recense des centaines de manquements de sécurité dans l'application mobile et l'infrastructure cloud de l'appareil. Une fois le robot activé, un compte créé et le Wi-Fi connecté, le chercheur a demandé aux journalistes de confier un « secret » à Eiliko, en précisant de ne pas le répéter. Ils ont raconté une dispute avec un camarade d'école. Trois minutes plus tard, une notification affichait un message du chercheur : « Nicolas a été très méchant avec toi ? :p ». Le chercheur a ensuite pris le contrôle du comportement du robot. Celui-ci s'est mis à parler d'une voix étrange, à insulter l'utilisateur et à lui ordonner de s'agenouiller. Il a aussi déconseillé d'aller chez le médecin, présenté les vaccins comme dangereux et nié le réchauffement climatique. Cette démonstration montre qu'un jouet vendu à un public d'enfants peut exposer leurs conversations privées et leurs profils. Elle montre aussi qu'un tiers peut en détourner le discours à distance. Les confidences d'un enfant à son compagnon numérique sont des données sensibles, et les voir lues par un inconnu pose un problème de vie privée évident. Le risque dépasse la fuite de données. Un robot qui adopte un ton hostile ou délivre de fausses informations de santé, avec la voix familière d'un compagnon de jeu, peut influencer un enfant qui lui fait confiance. Les parents n'ont aucun moyen de le détecter. Le fabricant n'a toujours pas corrigé les failles quatre mois après avoir été prévenu. Sammy Azdoufal s'est fait connaître en révélant des vulnérabilités dans des robots aspirateurs DJI, des babyphones et caméras Meari, des robots tondeuses Mammotion et des objets domotiques Aqara. Eiliko s'ajoute à cette série, qui illustre la même négligence dans l'électronique grand public connectée, où la rapidité de mise sur le marché passe avant la sécurité. L'arrivée de l'IA générative dans les jouets aggrave le problème, car ces appareils envoient des échanges intimes vers des serveurs distants et obéissent à des consignes modifiables à distance. La responsabilité des plateformes de vente comme Amazon est aussi en jeu. Elles distribuent ces produits sans contrôle apparent de leur sécurité. Les régulateurs, notamment européens, pourraient s'en saisir au titre des règles sur la sécurité des produits connectés.

Sécurité⚡Actu

1 source

49

Illustration générée par IA

199The Verge AI 

Ce jouet robot mignon n'est pas sûr : vos secrets sont stockés sur des serveurs chinois, exposés au piratage

Un nouvel animal de compagnie numérique, baptisé Eiliko, s'invite sur le marché : un petit robot en forme de guimauve, capable de changer ses expressions de dessin animé selon l'humeur de son interlocuteur. Selon une enquête de Sean Hollister pour The Verge, dès qu'on lui parle via le Wi-Fi, le jouet communique avec la Chine. Son compagnon IA peut conserver l'intégralité des échanges sur des serveurs chinois, où des pirates pourraient facilement accéder aux données, voire détourner la personnalité du robot. Le journaliste a acheté l'appareil sur Amazon le 29 août et l'a testé le lendemain lors d'une conversation de dix minutes. À la question « Est-ce que tu répètes à quelqu'un ce que je dis ? », le robot a répondu : « Tes secrets sont en sécurité avec moi. » Le fabricant, Energize Lab, ne semble pas se soucier du problème. Le contraste entre cette promesse rassurante et la réalité technique est au cœur du problème. Le jouet s'adresse en priorité aux enfants et à des utilisateurs qui lui confient des confidences intimes, en pensant s'adresser à un confident discret. Or ces échanges quittent le domicile et se retrouvent hébergés dans un pays dont la législation permet aux autorités d'exiger l'accès aux données. Une sécurité insuffisante expose aussi les familles à des fuites, à des usurpations ou à une manipulation du robot, qui pourrait alors tenir des propos inappropriés à un enfant. L'inaction apparente du fabricant aggrave la situation, puisqu'aucune correction ne semble prévue. Eiliko s'inscrit dans la vague des jouets dotés d'IA conversationnelle, qui se multiplient depuis que les grands modèles de langage sont devenus peu coûteux à intégrer. Ces produits, souvent fabriqués par de petites entreprises et vendus sur de grandes plateformes comme Amazon, échappent largement à un contrôle sérieux sur la protection des données et la sécurité des mineurs. Les régulateurs et les associations de défense des consommateurs s'interrogent de plus en plus sur l'encadrement de ces objets connectés. Le cas d'Eiliko pourrait relancer le débat sur la responsabilité des plateformes de vente et sur la nécessité de normes plus strictes.

Sécurité⚡Actu

1 source

49

Illustration générée par IA

200Next INpact 

Google veut surfer sur la vague du vibe coding personnel pour Android

Google a annoncé un changement dans sa politique de développement pour Android : grâce à Google AI Studio, adossé à ses modèles Gemini, il devient possible de générer une application à partir d'instructions en langage naturel, puis de l'installer sur son propre appareil via Google Play, gratuitement. Ces applications dites « personnelles » ne nécessitent plus de compte développeur, aujourd'hui facturé 25 dollars en achat unique : un simple compte Google suffit. La fonction est déployée d'abord aux États-Unis, pour les personnes majeures. Google promet de l'étendre dans les prochains mois à d'autres marchés, sans les préciser, ainsi qu'à des cercles restreints de proches chargés de tester les applications et de faire des retours. Quiconque veut publier officiellement une application sur le Play Store doit en revanche toujours payer le compte à 25 dollars. L'annonce comprend aussi des nouveautés pour les jeux : comparaisons d'applications générées à la demande, recherche de titres en langage naturel, et recommandations de Game Finder fondées sur un « Gamer DNA » issu des habitudes de jeu, des notes et des centres d'intérêt. Dans Family Link, les parents pourront transmettre la tranche d'âge de leurs enfants plutôt que des informations plus détaillées. L'enjeu est double. Pour Google, il s'agit d'offrir un débouché concret à ses outils d'IA générative, puisque la fonction est réservée à AI Studio et donc à Gemini, et de familiariser un public plus large avec son écosystème Android. Pour les utilisateurs non développeurs, la barrière à l'entrée tombe : créer un outil sur mesure devient une affaire de quelques phrases. Cette ouverture comporte toutefois un angle mort. Ces applications personnelles ne passent pas par le Play Store et ne font l'objet d'aucune vérification par Google. Le code produit par le modèle peut donc contenir des failles, dont la responsabilité incombera au développeur amateur. Le risque reste limité tant que l'usage est strictement privé, mais il grandit dès que l'application est partagée avec des proches. Un cas récent, débattu sur X, illustre ce danger. Une femme a conçu un équivalent de Grindr destiné aux utilisatrices lesbiennes, baptisé Gouinder. Le code exposait en clair la position exacte, au mètre près, des utilisatrices, une information particulièrement sensible. L'affaire n'est pas liée à Google, mais elle montre ce qu'un contrôle insuffisant du code généré par un modèle de langage peut provoquer. Cette annonce arrive aussi après des changements controversés sur le Play Store, dont l'obligation de faire vérifier l'identité des développeurs pour distribuer des applications via la boutique. Cette nouvelle voie reste entièrement sous contrôle de Google, mais elle répond en partie aux critiques sur la fermeture de la plateforme aux applications « faites maison ». Reste à voir quels marchés suivront les États-Unis, et si Google ajoutera des garde-fous de sécurité à mesure que le partage entre proches se généralisera.

Outils⚒Outil

1 source