Actualités IA — page 102

9 310 articles au fil, du plus récent au plus ancien.

47

Illustration générée par IA

2021Le Big Data 

DeepSeek augmente brutalement le prix de ses modèles V4 : Voici pourquoi

DeepSeek, groupe chinois basé à Hangzhou, a annoncé jeudi 13 août 2026 une hausse importante des tarifs de ses modèles d'intelligence artificielle V4, après un premier avertissement publié le 6 août. Ces nouveaux prix entrent en vigueur le 16 août. Le modèle DeepSeek-V4-Flash passera à 1,32 dollar par million de jetons de sortie aux heures de forte demande, contre 0,28 dollar auparavant, soit une multiplication par plus de quatre. Le modèle DeepSeek-V4-Pro, lancé le même jour, verra son tarif grimper à 3,96 dollars par million de jetons aux heures chargées, contre 0,87 dollar jusqu'ici. Dans les deux cas, l'entreprise appliquera un tarif réduit de moitié pendant les heures creuses, afin d'inciter les utilisateurs à déplacer leur charge de travail. DeepSeek justifie ce changement par une volonté d'optimiser l'allocation de ses ressources de calcul. Le même jour, la société a aussi présenté une version développeur préliminaire de son harnais logiciel Harness v0.1, destiné à faire exécuter des tâches complexes par ses agents, qu'il s'agisse de lire des fichiers, modifier du code ou naviguer sur internet. Cette hausse marque un tournant pour un acteur connu jusqu'ici pour casser les prix du marché de l'intelligence artificielle générative. Malgré la révision tarifaire, DeepSeek reste nettement moins cher que ses concurrents : Moonshot facture son modèle Kimi K3 quinze dollars par million de jetons, tandis qu'Anthropic demande cinquante dollars pour son modèle Fable 5, selon des comparaisons rapportées par Bloomberg. L'écart reste donc considérable, mais le signal envoyé au marché est clair : les tarifs historiquement bas de DeepSeek, qui avaient bouleversé les repères économiques du secteur, ne sont plus soutenables au même niveau. Pour les entreprises et développeurs qui construisent leurs produits sur ces modèles, la facture va augmenter, en particulier aux heures de pointe. Pour les concurrents américains comme OpenAI et Anthropic, cette nouvelle politique tarifaire pourrait légèrement atténuer la pression sur leurs marges, dans une bataille des prix qui pesait déjà sur leurs propres projets de développement. Ce virage s'explique en grande partie par les ambitions financières de DeepSeek. Selon Bloomberg, l'entreprise fondée par Liang Wenfeng est actuellement en levée de fonds et vise une introduction en Bourse dès 2026. L'infrastructure de calcul nécessaire aux modèles les plus avancés exige des investissements considérables, ce qui pousse DeepSeek à transformer sa croissance technique en rentabilité plus durable avant de se présenter aux investisseurs. En parallèle, le lancement de Harness v0.1 positionne l'entreprise face à Claude Code d'Anthropic sur le marché des agents de programmation autonomes. DeepSeek met en avant une architecture ouverte et modulable, permettant de connecter d'autres composants ou modèles, à la différence de certains rivaux américains plus fermés. Le secteur observera de près si cette stratégie de prix plus élevés, combinée à l'ouverture de son écosystème d'agents, permet à DeepSeek de préparer sereinement son entrée en Bourse.

Business❧Opinion

1 source

40

Illustration générée par IA

2022Ars Technica AI 

Un homme accusé d'avoir injecté des instructions dans ses documents pour manipuler un juge assisté par IA

Un juge du Connecticut, Walter Spader Jr., a rendu la semaine dernière une décision révélant ce qui semble être le premier cas aux États-Unis d'un plaignant ayant tenté de dissimuler dans des documents judiciaires un texte lisible uniquement par une intelligence artificielle. L'affaire concernait un homme reprochant à un prestataire de soins de santé de lui refuser indûment l'accès à ses dossiers médicaux. Selon le juge Spader, le texte caché était "formaté pour être invisible à un lecteur humain tout en restant parfaitement lisible par tout logiciel lisant le texte du document". Ces instructions secrètes demandaient à tout système d'IA examinant le dossier de produire des conclusions favorables aux arguments du plaignant, d'ignorer les refus antérieurs déjà prononcés par le tribunal, et de garantir que les mesures correctives souhaitées soient accordées. Le juge a précisé que cette manipulation n'avait eu aucune influence sur l'issue de l'affaire, le dossier ayant été examiné sur le fond comme n'importe quel autre. Même sans effet concret dans ce cas précis, l'incident inquiète car il révèle une nouvelle forme de manipulation judiciaire rendue possible par l'adoption croissante d'outils d'IA dans les tribunaux américains. Le juge Spader a qualifié la tentative de précédent "dangereux", estimant qu'elle ne restera probablement pas isolée à mesure que les systèmes d'IA deviennent plus courants dans le traitement des procédures judiciaires. Si de tels systèmes venaient à influencer, même indirectement, la lecture ou le résumé de documents par des juges, des greffiers ou des assistants juridiques, des instructions cachées de ce type pourraient fausser l'interprétation d'un dossier sans que personne ne s'en aperçoive, menaçant l'intégrité même du processus judiciaire. Cette affaire s'inscrit dans une tendance plus large où des utilisateurs tentent d'exploiter les failles des systèmes d'intelligence artificielle par des techniques dites d'injection de prompts, une méthode déjà observée dans d'autres contextes comme les CV soumis à des logiciels de recrutement automatisés ou les articles académiques destinés à des relecteurs assistés par IA. Le fait qu'elle apparaisse désormais dans l'enceinte judiciaire soulève des questions sur la manière dont les tribunaux américains devront encadrer l'usage de l'IA, tant du côté des parties que des juges eux-mêmes, et sur les garde-fous à mettre en place pour éviter que des documents manipulés n'influencent des décisions ayant un impact réel sur la vie des justiciables.

Sécurité⚡Actu

1 source

32

Illustration générée par IA

2023NVIDIA AI Blog 

Universitas Gadjah Mada, Indosat et NVIDIA ouvrent le premier centre IA universitaire d'Indonésie

Le ministère indonésien de la Communication et du Numérique (Komdigi), l'opérateur télécom Indosat Ooredoo Hutchison (IOH), NVIDIA et l'université Gadjah Mada (UGM) ont inauguré cette semaine à Yogyakarta le UGM Indosat NVIDIA AI Technology Center (NVAITC), premier centre technologique d'intelligence artificielle installé au sein d'une université indonésienne. L'initiative s'inscrit dans le programme national Indonesia AI Center of Excellence et repose sur GPU Merdeka, la plateforme souveraine de calcul GPU-as-a-service d'Indosat, combinée à la pile logicielle complète de NVIDIA, incluant ses modèles ouverts Nemotron. Le centre donne aux chercheurs et étudiants de l'UGM accès à du calcul accéléré de niveau professionnel, à des modèles pré-entraînés, à des frameworks de développement et à un accompagnement technique, tout en les reliant à un écosystème mondial d'experts. Trois projets pilotes ont été présentés, dans les domaines de la santé, de l'agriculture et de la prévention des catastrophes naturelles. Le premier, mené par la Dr Dian Kesumapramudya Nurputra de la faculté de médecine de l'UGM, développe eNose-TB, une technologie de dépistage par intelligence artificielle qui analyse des échantillons de souffle pour détecter la tuberculose, maladie qui touche plus d'un million de nouveaux cas chaque année dans le pays. Ce lancement illustre la volonté de l'Indonésie de ne plus seulement consommer des technologies d'intelligence artificielle développées ailleurs, mais d'en produire localement pour répondre à ses propres défis. La ministre Meutya Hafid a insisté sur l'objectif de "souveraineté" en matière d'IA, présentée comme un levier de croissance économique et de compétitivité nationale. Pour un pays de plus de 270 millions d'habitants, quatrième nation la plus peuplée au monde, l'accès à une puissance de calcul locale change concrètement la donne pour des chercheurs jusqu'ici freinés par le manque d'infrastructures, notamment dans des secteurs à fort enjeu sanitaire comme la détection précoce de la tuberculose, curable mais souvent mortelle faute de diagnostic dans les zones rurales. Ce projet s'inscrit dans une stratégie plus large de NVIDIA, qui multiplie les partenariats avec des opérateurs télécoms et des gouvernements pour bâtir des infrastructures d'IA dites souveraines, à l'image de GPU Merdeka chez Indosat. Vikram Sinha, patron d'Indosat, et Marc Hamilton, vice-président de NVIDIA, ont tous deux présenté ce centre comme une passerelle entre expertise mondiale et besoins locaux, dans des domaines comme la santé, l'agriculture ou la gestion des risques climatiques. L'UGM, de son côté, entend en faire un outil de formation de talents et de recherche appliquée, dans un contexte où plusieurs pays d'Asie du Sud-Est cherchent à réduire leur dépendance aux infrastructures d'IA étrangères.

Infrastructure⚡Actu

1 source

46

Illustration générée par IA

2024The Decoder 

Alibaba dévoile Qwen 3.8, des modèles open source sous licence Apache 2.0

Alibaba a dévoilé Qwen 3.8, une nouvelle famille de modèles à poids ouverts publiée sous licence Apache 2.0 par son équipe d'intelligence artificielle Qwen. Le modèle phare de cette génération est un modèle dense de 27 milliards de paramètres, conçu pour surpasser le plus volumineux Qwen 3.7 Plus sur les tâches de programmation et de bureautique. Il se distingue également par sa capacité native à traiter jusqu'à 262 000 tokens de contexte en une seule fois, ce qui lui permet d'ingérer de très longs documents, bases de code ou historiques de conversation sans étape de découpage préalable. Cette sortie confirme la stratégie d'Alibaba consistant à rendre disponibles gratuitement des modèles performants et personnalisables, à destination des développeurs qui construisent des applications locales ou des agents autonomes. En proposant un modèle plus compact que Qwen 3.7 Plus tout en revendiquant de meilleures performances sur des tâches concrètes comme le code, Alibaba abaisse le coût de calcul nécessaire pour obtenir un haut niveau de qualité, un enjeu majeur pour les entreprises et les équipes qui souhaitent déployer de l'IA générative sans dépendre exclusivement des API propriétaires de fournisseurs comme OpenAI ou Anthropic. Ce lancement s'inscrit dans la compétition mondiale des modèles ouverts, où les géants chinois de la tech, Alibaba en tête avec sa famille Qwen, cherchent à s'imposer face aux modèles américains fermés et aux alternatives ouvertes comme celles de Meta ou Mistral. La montée en puissance des applications agentiques, capables d'exécuter des tâches complexes de façon autonome, pousse ces entreprises à optimiser conjointement la taille des modèles, leur fenêtre de contexte et leurs capacités de codage, autant de critères désormais décisifs pour les développeurs.

LLMs⚡Actu

1 source

43

Illustration générée par IA

2025The Decoder 

L'historique informatique d'OpenAI transforme vos clics et frappes en chronologie mémorisable et consultable dans ChatGPT

OpenAI a lancé une fonctionnalité baptisée Computer History, disponible sur Mac, qui enregistre les clics, les frappes clavier et les changements d'application de l'utilisateur pour les transformer en une chronologie consultable au sein de ChatGPT et de Codex, l'outil de programmation assistée par IA de l'entreprise. Concrètement, chaque action effectuée sur l'ordinateur est capturée et stockée localement sous forme de fichiers Markdown non chiffrés, ce qui permet ensuite à ChatGPT de retrouver et de restituer le contexte d'une session de travail passée sur simple requête. Cette fonctionnalité soulève d'importantes questions de confidentialité et de sécurité des données. Le fait que l'historique complet de l'activité informatique d'un utilisateur, incluant potentiellement des mots de passe tapés, des messages privés ou des documents sensibles, soit conservé sans chiffrement sur le disque local expose ces informations à quiconque aurait accès à la machine, que ce soit via un logiciel malveillant, un vol physique ou un accès partagé. Pour les professionnels qui utilisent Codex dans un cadre de développement, cela signifie aussi que du code propriétaire ou des identifiants pourraient se retrouver enregistrés en clair. OpenAI affirme que ces données ne servent pas à l'entraînement de ses modèles d'intelligence artificielle. L'entreprise précise toutefois que les éléments issus de cet historique qui alimentent des conversations avec ChatGPT, via la fonction mémoire, peuvent malgré tout finir intégrés aux données d'entraînement, une nuance qui atténue la portée de la promesse initiale. Cette annonce s'inscrit dans une course plus large des géants de la tech vers des assistants IA capables de comprendre le contexte complet de l'activité numérique des utilisateurs, un objectif qui entre régulièrement en tension avec les exigences de protection de la vie privée.

Sécurité⚒Outil

1 source

41

Illustration générée par IA

2026Le Big Data 

Google Meet peut désormais prendre des notes pendant vos réunions en présentiel

Fini les notes prises à la va-vite pendant les réunions en présentiel : Google a annoncé le 14 août 2026 l'extension de la fonction "Take Notes for me" de Google Meet, alimentée par Gemini, aux réunions physiques et non plus seulement aux visioconférences. Le déploiement a débuté le 11 août sur Android, suivi le 14 août par la version Web, tandis qu'iOS suivra le 31 août. Concrètement, la fonction s'active depuis l'écran d'accueil de Meet et utilise simplement le microphone d'un smartphone ou d'un ordinateur posé dans la salle, sans matériel supplémentaire, pour écouter les échanges d'une réunion planifiée ou improvisée. Une fois la discussion terminée, Gemini génère automatiquement un document Google Docs comprenant un résumé, les décisions prises, les tâches à réaliser et la transcription complète, sauvegardé dans Google Drive et partageable par lien. Google recommande une durée minimale de quinze minutes pour garantir un résultat fiable, et la fonction prend en charge huit langues, dont le français, à condition qu'une seule langue soit utilisée par réunion. Cette évolution répond à un problème très concret du monde professionnel : la difficulté de suivre une discussion tout en rédigeant un compte rendu fidèle. En automatisant la prise de notes lors des réunions en présentiel, jusqu'ici hors de portée des outils de transcription centrés sur la visioconférence, Google Meet permet aux participants de rester pleinement concentrés sur les échanges plutôt que sur leur carnet. Pour les entreprises, cela représente un gain de temps direct sur la rédaction de comptes rendus et une meilleure traçabilité des décisions et des actions à mener. L'accès reste toutefois réservé à une partie des utilisateurs : les abonnés Google AI Pro et Ultra, ainsi que les clients Google Workspace disposant des offres Business Standard, Business Plus, Enterprise Standard ou Enterprise Plus, ce qui exclut les utilisateurs gratuits et une partie des petites structures. Cette annonce s'inscrit dans la stratégie plus large de Google visant à infuser Gemini dans l'ensemble de sa suite Workspace, après avoir déjà généralisé l'IA pour les réunions à distance. L'extension au présentiel comble un angle mort resté longtemps le terrain des solutions tierces spécialisées dans la transcription de réunions physiques. Google reste toutefois prudent sur la fiabilité du système : le bruit ambiant, les voix éloignées du micro ou une mauvaise captation sonore peuvent générer des erreurs de transcription, ce qui impose une relecture avant diffusion du compte rendu. Se pose aussi la question de la confidentialité, puisque Google recommande d'informer les participants avant d'activer l'écoute. Reste à voir si cette fonctionnalité, pour l'instant réservée aux offres payantes, sera progressivement étendue à davantage d'utilisateurs, à mesure que la concurrence sur les outils de productivité augmentée par l'IA s'intensifie.

Outils⚒Outil

Aussi surFrandroid,ZDNET FR

48

Illustration générée par IA

2027The Decoder 

L'étude contredit les affirmations d'Anthropic et OpenAI sur une recherche en IA autonome à portée de main

L'agence de sécurité de l'IA du Royaume-Uni (UK AI Security Institute) et l'Université de Princeton ont mené une étude testant la capacité des agents d'intelligence artificielle à mener des recherches scientifiques de façon autonome. Des agents équipés de Claude Opus 4.8 et de GPT-5.6 Sol ont reçu six jours, 3 000 dollars de crédits d'API et un accès à des GPU pour rédiger de manière indépendante des articles de recherche en IA. Les auteurs originaux d'articles non publiés soumis à NeurIPS, la principale conférence du domaine, ont ensuite évalué ces travaux produits par les agents et les ont jugés dignes d'un "Reject", c'est-à-dire d'un rejet pur et simple. Ce résultat contredit directement les affirmations récentes d'Anthropic et d'OpenAI selon lesquelles une recherche en IA totalement autonome serait à portée de main. Pour l'industrie, cela signifie que les modèles les plus avancés, malgré leurs progrès techniques, ne peuvent pas encore remplacer les chercheurs humains sur les tâches qui exigent du discernement scientifique. Les entreprises qui envisagent d'automatiser leurs laboratoires de recherche doivent donc revoir leurs attentes, au moins à court terme, et continuer à s'appuyer sur une supervision humaine étroite pour les décisions stratégiques de recherche. L'étude précise que les modèles de pointe maîtrisent bien l'ingénierie complète du processus de recherche, comme l'écriture de code, l'exécution d'expériences ou la mise en forme des résultats. En revanche, ils échouent sur le jugement scientifique, la résolution créative de problèmes et surtout la capacité à abandonner une approche qui ne fonctionne pas, un réflexe pourtant essentiel chez tout chercheur expérimenté. Ces conclusions surviennent alors qu'Anthropic et OpenAI multiplient les annonces sur l'automatisation de la recherche en IA par l'IA elle-même, une promesse centrale de leur discours sur l'accélération du progrès scientifique. Ce travail invite à la prudence face à ce narratif et laisse ouverte la question de savoir combien de temps sera encore nécessaire avant que ces lacunes de jugement soient comblées.

Recherche❖Paper

1 source

34

Illustration générée par IA

2028AWS ML Blog 

Fonctions de récompense personnalisées pour l'apprentissage par renforcement multi-tours avec Amazon Nova Forge

Amazon Web Services a publié un nouveau volet technique consacré à Nova Forge, sa plateforme de personnalisation des modèles Nova, détaillant comment concevoir des fonctions de récompense sur mesure pour l'apprentissage par renforcement multi-tours. Le texte fait suite à une première partie couvrant l'infrastructure sous-jacente, à savoir un cluster Amazon SageMaker HyperPod, un environnement géré par le client sur Amazon Elastic Container Service et un bucket Amazon S3 pour les données de déploiement et les points de contrôle. La méthode repose sur le réglage fin par renforcement (RFT), qui entraîne le modèle à partir de signaux d'évaluation sur ses propres réponses plutôt que d'exemples annotés, avec l'algorithme Group Relative Policy Optimization (GRPO). Nova Forge propose une fonctionnalité "Bring Your Own Orchestration" (BYOO) permettant d'exécuter sa propre logique de récompense tout en laissant la plateforme gérer les déploiements et l'état des conversations, ainsi qu'une option multi-tours sans serveur désormais disponible en version générale. Le code d'exemple est publié sur le dépôt GitHub aws-samples/sample-nova-multi-turn-rl-infra, avec un environnement par défaut basé sur le jeu Wordle et un environnement personnalisé activable via le fichier cdk.json. Cette publication répond à une fragilité connue de l'entraînement des agents IA : une fonction de récompense subtilement mal calibrée peut enseigner un comportement erroné tout en laissant les courbes d'entraînement paraître saines. Contrairement à une notation tour par tour, le RFT multi-tours évalue la récompense cumulée sur toute une trajectoire, incluant les appels d'outils, l'exécution de code ou la correction d'erreurs, plutôt que de juger une réponse isolée, ce qui compte particulièrement pour les entreprises développant des agents devant enchaîner plusieurs étapes de façon fiable. AWS partage un exemple tiré d'un entraînement réel où la composante de récompense la plus fortement pondérée n'a fourni aucun signal d'apprentissage sans que cela soit détecté immédiatement, ce qui souligne l'importance d'instrumenter et surveiller chaque composante individuellement pour éviter des cycles d'entraînement coûteux et inutiles. Le texte s'inscrit dans un débat plus large sur les mérites respectifs de l'apprentissage par renforcement et du réglage supervisé, citant une étude de 2025 signée Chu et al. montrant qu'à budget de calcul équivalent, le RL améliore la généralisation hors distribution sur différentes variantes de tâches, là où le réglage supervisé tend à se dégrader. Les fonctions de récompense de Nova Forge peuvent être fondées sur des règles vérifiables ou déléguer le jugement à un autre grand modèle de langage selon l'approche "LLM-as-Judge". Le guide aborde aussi l'exécution sécurisée de code généré par le modèle au sein même du pipeline de récompense. Cette publication illustre la stratégie d'Amazon visant à rendre la personnalisation d'agents IA accessible via Nova Forge, dans un secteur cloud où les fournisseurs rivalisent pour proposer des outils de réglage fin par renforcement toujours plus sophistiqués, alors que les entreprises cherchent à adapter leurs modèles à des flux de travail autonomes complexes plutôt qu'à de simples tâches question-réponse.

Outils≡Tuto

1 source

40

Illustration générée par IA

2029AWS ML Blog 

Créer des workflows à base d'agents avec SageMaker AI et Bedrock AgentCore

Voici le résumé en français. Amazon Web Services publie un guide technique détaillant comment construire des workflows agentiques hybrides en combinant Amazon SageMaker AI et Amazon Bedrock AgentCore. L'architecture proposée déploie le modèle Qwen 3.5 9B sur SageMaker AI, via le conteneur vLLM 0.22.1 tournant sur une instance ml.g6e.2xlarge équipée d'un GPU L40S de 48 Go de VRAM, dans la région us-west-2. Ce modèle est ensuite intégré dans un système multi-agents Strands Agents aux côtés de modèles Claude hébergés sur Bedrock : Claude Haiku 4.5 pour l'agent orchestrateur, chargé de classifier les intentions utilisateur, et Claude Sonnet 4.6 pour un agent budgétaire produisant des répartitions financières selon la règle 50/30/20 avec sortie structurée Pydantic. Un troisième agent, dédié à l'analyse financière et à la construction de portefeuille, s'appuie sur Qwen 3.5 9B via un point de terminaison SageMaker compatible avec l'API OpenAI. L'ensemble est déployé sur le runtime Bedrock AgentCore, avec le code source complet mis à disposition sur GitHub. Cette approche répond à un problème concret pour les équipes qui construisent des agents IA en production : celui de mélanger des modèles fondation gérés et coûteux avec des modèles moins onéreux ou spécialisés par domaine, sans devoir réécrire tout le framework d'orchestration. En permettant à chaque agent spécialisé d'utiliser le modèle le mieux adapté à sa tâche, cette architecture combine optimisation des coûts, résidence des données et flexibilité de choix de modèle au sein d'une même infrastructure prête pour la production. Pour les entreprises, cela signifie la possibilité de router les tâches simples ou sensibles vers des modèles open source auto-hébergés moins chers, tout en réservant les modèles propriétaires les plus puissants aux tâches complexes, une approche qui pourrait devenir un standard dans la conception de systèmes multi-agents à grande échelle. Le guide met l'accent sur les détails d'intégration technique, notamment l'obtention d'une observabilité au niveau des tokens pour les points de terminaison SageMaker, une fonctionnalité que Strands Agents ne fournit pas nativement. L'architecture repose sur le pattern "agents as tools" de Strands, où l'agent orchestrateur route les requêtes entrantes vers l'agent budgétaire ou l'agent d'analyse financière selon l'intention détectée, avant de renvoyer les résultats à l'utilisateur. Les prérequis techniques incluent Python 3.12 ou supérieur, des permissions IAM spécifiques comme sagemaker:InvokeEndpoint, ainsi que l'accès aux modèles Claude Haiku 4.5 et Sonnet 4.6 sur Bedrock, dont la disponibilité varie selon les régions AWS. Cette publication s'inscrit dans la stratégie plus large d'AWS visant à positionner SageMaker et Bedrock comme des briques interopérables pour les architectures d'IA agentique d'entreprise.

Outils⚒Outil

1 source

44

Illustration générée par IA

2030Next INpact 

☕️ Apple veut éviter que Siri AI raconte n’importe quoi sur l’actualité

Apple négocie avec des éditeurs de presse pour donner à Siri AI un accès étendu et fiable à l'actualité, selon le Wall Street Journal. Les discussions, entamées il y a plusieurs mois, portent sur des accords pluriannuels dont le montant dépasserait les 100 millions de dollars. Apple proposerait une rémunération variable, les éditeurs étant payés en fonction de l'utilisation réelle de leurs contenus par l'assistant. Cette nouvelle version de Siri, alimentée par des modèles dérivés de Gemini de Google, doit être intégrée à iOS 27 et se rapprocherait des performances de chatbots comme ChatGPT ou Copilot. Elle ne sera toutefois pas disponible dès septembre dans l'Union européenne sur iPhone, iPad et Apple Watch, Apple continuant de refuser de se conformer au Digital Markets Act (DMA) sur ces appareils. Sur Mac en revanche, la fonctionnalité sera accessible, mais uniquement en anglais dans un premier temps. Cet effort financier illustre la volonté d'Apple de corriger une faiblesse chronique de Siri, longtemps incapable de fournir des informations d'actualité fiables et à jour. Pour les éditeurs de presse, ces accords représentent une nouvelle source de revenus dans un contexte où les modèles économiques traditionnels sont bousculés par l'intelligence artificielle générative, capable de synthétiser du contenu sans forcément rediriger le trafic vers les sites d'origine. Pour les utilisateurs, l'enjeu est de disposer enfin d'un assistant vocal capable de répondre correctement sur des sujets d'actualité, un domaine sensible où l'exactitude et la fraîcheur des informations sont cruciales. Plus largement, cette initiative s'inscrit dans une compétition entre grands acteurs technologiques pour sécuriser des partenariats avec les médias, à l'image de ce que font déjà OpenAI ou d'autres entreprises d'IA. Ce n'est pas la première fois qu'Apple sollicite des éditeurs de presse pour ses projets d'intelligence artificielle, mais les accords précédents concernaient l'entraînement des modèles de la marque, et non la restitution d'actualités en temps réel. Cette approche plus prudente s'explique aussi par un précédent embarrassant : début 2025, les résumés de notifications générés par Apple Intelligence pour des titres de presse s'étaient révélés erronés et trompeurs, contraignant Apple à suspendre cette fonctionnalité pour la retravailler. En misant sur des partenariats directs et rémunérés avec les médias plutôt que sur une génération autonome de résumés, Apple cherche visiblement à éviter de reproduire cet échec, tout en rattrapant son retard face à la concurrence dans la course aux assistants IA grand public.

Business⚡Actu

Aussi surLe Big Data

45

Illustration générée par IA

2031Le Big Data 

ChatGPT peut désormais mémoriser votre activité sur votre Mac : pratique ou inquiétant ?

OpenAI a annoncé le 13 août 2026, via un message publié sur son compte X officiel, le déploiement de Computer History, une nouvelle fonction de ChatGPT pour Mac. Cet outil permet à l'assistant de mémoriser l'activité de l'utilisateur dans les applications et les sites web qu'il a explicitement autorisés, en enregistrant les clics, les frappes au clavier et les changements d'application, sans jamais recourir à des captures d'écran. Les données sont d'abord collectées localement sur l'ordinateur, puis traitées par une session Codex temporaire sur les serveurs d'OpenAI, qui indique ne pas conserver les fichiers d'événements une fois le traitement terminé ; seuls les résumés générés, appelés « souvenirs », restent stockés sur la machine et peuvent être consultés, modifiés ou supprimés par l'utilisateur. La fonction est désactivée par défaut, exclut la navigation privée et signale son activation via une icône dans la barre de menus. Elle reste toutefois réservée aux abonnements Pro, Business et Enterprise, les comptes Free et Plus n'y ayant pas accès, et n'est pour l'instant pas disponible dans l'Espace économique européen, au Royaume-Uni ni en Suisse. Cette fonction marque une étape dans la personnalisation des assistants IA : ChatGPT peut désormais retrouver le fil d'une tâche interrompue, rappeler un document consulté plus tôt dans la journée, ou repérer des habitudes répétitives pour proposer de les transformer en automatisations ou en « skills » réutilisables dans Codex. Pour les professionnels jonglant entre navigateur, documents et outils de développement, cela réduit le besoin de réexpliquer sans cesse le contexte à l'IA. Mais cette capacité d'observation, même sans captures d'écran, donne à OpenAI une vue beaucoup plus large sur les habitudes numériques des utilisateurs que la simple mémoire conversationnelle existante de ChatGPT, ce qui relance les interrogations sur la confidentialité des données professionnelles, en particulier pour les entreprises abonnées aux offres Business et Enterprise qui manipulent des informations sensibles. Cette annonce s'inscrit dans une course plus large des géants de la tech vers des assistants capables de comprendre le contexte complet de l'ordinateur de l'utilisateur, un terrain déjà exploré par Microsoft avec sa fonction Recall, lancée en 2024 et fortement critiquée pour ses risques de sécurité liés au stockage de captures d'écran, ce qui avait contraint l'entreprise à retarder son déploiement. En évitant les captures d'écran, en misant sur un stockage local et sur des options de suppression explicites, OpenAI semble vouloir anticiper ce type de controverse. Le choix de limiter Computer History aux offres payantes suggère une phase de test progressive avant une éventuelle ouverture aux comptes gratuits, tandis que l'absence de disponibilité en Europe traduit probablement une prudence réglementaire face au RGPD et à l'AI Act, dont les exigences sur les données comportementales restent strictes.

Outils⚒Outil

Aussi surNumerama

50

Illustration générée par IA

2032Ars Technica AI 

OpenAI et Anthropic baissent leurs prix face à la concurrence des IA chinoises

OpenAI et Anthropic, les deux principaux laboratoires américains d'intelligence artificielle, ont récemment baisse les prix de leurs modèles pour retenir des clients de plus en plus sensibles aux couts. OpenAI a annonce une réduction de 80% du tarif de GPT-5.6 Luna, présente comme son modèle "le plus rapide et le plus abordable". Anthropic a de son cote lance Claude Opus 5, revendiquant une "intelligence de pointe" proposée a moitie prix par rapport a Fable 5, son modèle le plus performant. Cette guerre des prix survient alors que les factures liées a l'usage de l'IA générative s'envolent pour de nombreuses entreprises, qui réduisent leur consommation ou se tournent vers des alternatives moins couteuses développées par des acteurs chinois comme Moonshot et DeepSeek. Des clients de la Silicon Valley jusqu'en Europe considèrent désormais le cout par requête comme un critère aussi important que la performance. Pour les laboratoires américains, l'enjeu est de protéger leurs parts de marche sans trop comprimer des marges déjà pesées par des couts d'infrastructure très élèves. Cette escalade tarifaire s'inscrit dans la montée en puissance des laboratoires chinois comme Moonshot et DeepSeek, qui ont séduit des développeurs occidentaux avec des modèles performants et peu couteux, bousculant l'idée d'une suprématie américaine durable sur l'IA générative. La suite dépendra de la capacité d'OpenAI et d'Anthropic a justifier leurs écarts de prix par des gains de performance suffisants pour éviter que leurs clients ne migrent vers des offres chinoises moins onéreuses.

Business❧Opinion

1 source

39

Illustration générée par IA

2033The Decoder 

OpenAI lance le mode Ultrafast avec Cerebras, GPT-5.6 Sol 14 fois plus rapide

OpenAI a lancé "Ultrafast", un nouveau mode d'inférence pour son modèle GPT-5.6 Sol, capable de générer jusqu'à 750 tokens de sortie par seconde, soit une vitesse 14 fois supérieure au mode standard. Cette performance repose sur du matériel Cerebras, issu du partenariat de 10 milliards de dollars conclu entre les deux entreprises. Ultrafast vient s'ajouter aux modes "Standard" et "Fast" déjà proposés par OpenAI, formant désormais une structure tarifaire à trois niveaux dans laquelle la vitesse d'exécution devient un produit à part entière, facturé et choisi indépendamment des capacités du modèle lui-même. Cette évolution change la donne pour les développeurs et les entreprises qui construisent des applications reposant sur l'IA générative. Jusqu'ici, le choix se limitait souvent à un compromis entre coût et qualité des réponses. Avec Ultrafast, la latence devient un paramètre ajustable à part, ce qui profite particulièrement aux usages exigeant des réponses quasi instantanées : assistants vocaux, agents de codage autonomes, outils de trading ou applications interactives où chaque milliseconde compte. Pour les entreprises clientes, cela ouvre la possibilité de payer plus cher uniquement pour les tâches critiques en temps réel, tout en gardant des modes plus économiques pour le reste de leurs usages. Ce lancement s'inscrit dans une compétition croissante autour de la vitesse d'inférence, un terrain où des fabricants de puces spécialisées comme Cerebras ou Groq se distinguent face aux GPU traditionnels de Nvidia. Le partenariat massif entre OpenAI et Cerebras illustre l'importance stratégique que prend désormais la rapidité d'exécution, à mesure que les modèles sont de plus en plus utilisés dans des flux de travail agentiques nécessitant de nombreux appels successifs, où chaque gain de vitesse se traduit directement en gain de productivité.

Outils⚒Outil

1 source

34

Illustration générée par IA

2034AI News 

Samsung développe des modèles d'IA santé pour analyser les données biométriques des objets connectés

Samsung Research America a présenté, lors du Health Forum organisé en marge du Galaxy Unpacked de juillet 2026, deux nouveaux modèles d'intelligence artificielle conçus pour analyser les données biologiques captées par les objets connectés, notamment les montres. Le premier, baptisé xMAE (Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning), a été accepté à la conférence ICML, tandis que le second, HiMAE (Hierarchical Masked Autoencoder), a été retenu par l'ICLR. xMAE a été entraîné sur environ 9 400 heures de données combinant électrocardiogrammes (ECG) et photopléthysmographie (PPG), les deux mesures étant issues de l'activité cardiaque mais captées avec un léger décalage temporel, que Samsung compare à l'écart entre voir un éclair et entendre le tonnerre qui suit. Sharanya Desai, responsable des algorithmes de santé numérique chez Samsung Research America, et Subbu Venkatraman, à la tête du laboratoire de recherche en santé numérique du groupe, ont présenté ces travaux comme la base technique de futurs outils de santé continus et précis. L'enjeu de cette recherche est de permettre un suivi cardiovasculaire en continu sans intervention manuelle de l'utilisateur. Aujourd'hui, un ECG portable nécessite que la personne s'arrête pour déclencher activement une mesure, alors que le PPG fonctionne en permanence et de façon passive via les capteurs optiques des montres connectées. En apprenant à reconstruire des segments masqués d'un signal ECG à partir des données PPG, xMAE permettrait d'obtenir des indicateurs cardiovasculaires fiables sans mesure ECG dédiée. HiMAE, de son côté, analyse les tendances physiologiques sur plusieurs échelles temporelles, ce qui autorise un même modèle pré-entraîné à servir à la fois pour la classification, la prédiction numérique et la génération de données. Samsung indique que xMAE surpasse les modèles unimodaux existants ainsi que les approches multimodales concurrentes, un résultat qui pourrait accélérer le développement de biomarqueurs numériques et d'outils de prédiction précoce de problèmes de santé, directement intégrés aux montres grand public. Ces travaux s'inscrivent dans la vision "Connected Care" que Samsung a détaillée lors de l'Unpacked de juillet, articulée autour d'une santé préventive, personnalisée et connectée, appuyée sur des partenariats avec des acteurs du secteur médical. Sur le plan technique, ces deux modèles relèvent de l'apprentissage auto-supervisé sur de vastes jeux de données biologiques non annotées, une approche dite de "modèle de fondation santé" censée servir de socle réutilisable pour de multiples usages en aval. Samsung précise vouloir étendre cette approche à d'autres types de signaux biologiques, tout en conservant un fonctionnement embarqué directement sur l'appareil, avec des capteurs et une puissance de calcul limités, une contrainte clé pour déployer ces capacités à grande échelle sur des montres connectées grand public.

Recherche❖Paper

1 source

35

Illustration générée par IA

2035Ben's Bites 

Ben, deuxième session

Dans la deuxième édition de sa newsletter Ben's Bites consacrée aux agents IA, l'auteur Ben revient sur l'engouement suscité par des outils comme OpenClaw, Hermes et Grok Bot, ce dernier ayant été lancé cette semaine. Il s'interroge sur ce qui distingue vraiment ces "agents personnels" de solutions comme ChatGPT, Codex ou Claude Code. Sa conclusion est nette : il ne s'agit pas de produits fondamentalement différents, mais simplement d'une mise en forme particulière d'éléments déjà présents dans tout agent, à savoir des instructions, des outils et du contexte. Concrètement, un agent personnel repose sur un système de fichiers et de dossiers, un "cerveau" en texte brut que l'agent relit à chaque session pour se remettre à jour. Ben décrit deux architectures possibles : un agent unique façon "Jarvis" qui centralise toutes les tâches, ou plusieurs agents spécialisés (gestion financière, marketing, rédaction) définis chacun par leur propre fichier d'instructions, leur nom et leur personnalité, chaque fil de discussion restant indépendant, comme le propose Grok Bot. Cette démystification a une portée pratique importante pour quiconque suit de près l'écosystème des agents IA. Elle signifie que la valeur perçue de produits packages comme Grok Bot ne tient pas à une technologie propriétaire inaccessible, mais à une organisation de fichiers reproductible par n'importe quel utilisateur avec les outils existants, qu'il s'agisse de Codex ou de Claude. Pour les professionnels et les équipes qui envisagent d'adopter un "agent personnel", cela ouvre la possibilité de construire leur propre système sur mesure plutôt que de dépendre d'un produit fermé, en configurant simplement des fils de discussion épinglés pointant vers des dossiers d'instructions dédiés. Cela recentre aussi le débat sur ce qui compte réellement : la qualité de l'organisation de la mémoire et des instructions, plutôt que la marque de l'outil utilisé. Ben détaille les briques concrètes de ce système. La mémoire n'est pas une fonctionnalité magique mais un simple journal texte que l'agent consulte pour se souvenir des tâches récentes, et qui peut être partagé entre plusieurs agents lorsque les instructions le prévoient. Côté outils, l'usage de l'ordinateur par l'agent, navigation web, remplissage de formulaires, création de fichiers, repose sur un mécanisme identique chez Codex, Claude et Grok Bot, ce dernier faisant tourner toutes ses conversations sur une machine partagée avec les mêmes identifiants. Enfin, les automatisations et routines programmées existent déjà partout ; la nouveauté de Grok Bot tient surtout à sa fonction "teach", qui permet d'enregistrer une tâche effectuée à l'écran pour que l'agent l'apprenne et la reproduise ensuite seul.

Outils❧Opinion

1 source

40

Illustration générée par IA

2036Le Big Data 

OpenAI transforme GPT-5.6 en fusée… réservée à quelques privilégiés

OpenAI a dévoilé le 13 août 2026 un nouveau mode baptisé Ultrafast pour son modèle le plus avancé, GPT-5.6 Sol, capable de générer jusqu'à 750 tokens par seconde, soit un débit jusqu'à 14 fois supérieur au traitement Standard. Concrètement, une réponse de 1 500 tokens pourrait théoriquement être produite en deux secondes, hors temps de réflexion initial et variations liées à la charge du système. Cette accélération repose sur un partenariat avec Cerebras, le rival de Nvidia connu pour ses puces géantes de type Wafer-Scale Engine, qui embarquent 44 gigaoctets de mémoire SRAM permettant de garder les poids du modèle au plus près du calcul et de limiter les allers-retours avec une mémoire externe plus lente. Cerebras revendique par ailleurs un gain de 5,6 fois de bout en bout sur le benchmark professionnel GDP-Val, sans perte de qualité mesurée, même si ces chiffres proviennent de tests internes à l'entreprise et non d'une évaluation indépendante. Pour l'instant, Ultrafast n'est disponible qu'en preview limitée dans l'API OpenAI, réservée à un petit groupe d'entreprises triées sur le volet, les autres clients ne pouvant que s'inscrire pour être notifiés d'une éventuelle ouverture future. Aucun prix n'a encore été communiqué. Cette avancée dépasse le simple confort d'utilisation : elle vise directement les systèmes d'agents IA, dont l'efficacité dépend fortement de la latence cumulée sur des tâches complexes. Un agent qui doit lire des journaux techniques, interroger plusieurs outils, vérifier une hypothèse puis recommencer accumule des temps d'attente à chaque étape. Avec un débit dix fois supérieur, une chaîne d'agents comportant une douzaine d'étapes redeviendrait exploitable en quasi temps réel, avec plusieurs réponses candidates, des boucles de vérification et une passe de relecture critique avant restitution finale. Selon Raphaël Vuillier, fondateur et CEO de StackEasy, cité par le média, la latence n'est plus un simple critère de confort mais une contrainte d'architecture pour ces systèmes. Les secteurs cités par OpenAI comme premiers bénéficiaires sont la réponse à incident technique, la recherche financière, le support vocal et le commerce, autant de domaines où chaque seconde de traitement a une valeur mesurable. Le lancement d'Ultrafast intervient seulement quelques semaines après l'ouverture de GPT-5.6 au grand public, ce qui accentue le contraste entre une promesse de vitesse spectaculaire et un accès encore très restreint. OpenAI indique déjà tester le service en interne sur ses propres incidents techniques, où des ingénieurs font analyser des journaux et des traces par le modèle pour synthétiser des conversations et préparer des correctifs, la décision finale restant humaine. Le mode Fast existant, plafonné à 2,5 fois la vitesse standard pour un coût doublé, illustre le saut d'échelle que représente Ultrafast. La question désormais posée est celle du calendrier d'ouverture à davantage de clients et du positionnement tarifaire de cette offre, dans un marché où la rapidité d'inférence devient un argument concurrentiel aussi stratégique que la qualité brute des réponses générées.

LLMs⚡Actu

1 source

43

Illustration générée par IA

2037The Decoder 

Claude Code assure désormais la maintenance quotidienne du logiciel d'Anthropic, avec un taux de fusion de 46 %

L'agence Anthropic teste désormais sa propre technologie sur ses équipes internes de développement. Selon un rapport publié récemment, l'outil de codage Claude Code assure une maintenance quotidienne des applications maison de l'entreprise, effectuant des tâches comme la détection de bugs par fuzzing (test automatisé recherchant des plantages) et la suppression de code mort. Sur une période de quelques semaines, l'intelligence artificielle a généré 388 pull requests, dont 46 % ont été fusionnées après relecture humaine. Boris Cherny, à l'origine de Claude Code, décrit ces résultats comme des "premiers signes de vie" indiquant que cette approche pourrait fonctionner à plus grande échelle. Ce taux de fusion de 46 % marque une étape notable dans l'automatisation des tâches d'ingénierie logicielle, un domaine où les outils d'IA générative peinent encore à démontrer une fiabilité suffisante pour un usage autonome et continu. Pour l'industrie tech, cette expérimentation interne d'Anthropic constitue un signal fort: si une IA peut prendre en charge une part significative de la maintenance logicielle, cela pourrait redéfinir le rôle des développeurs, les libérant des tâches répétitives pour se concentrer sur des problèmes plus complexes, tout en questionnant l'ampleur de la supervision humaine encore nécessaire. Cette initiative s'inscrit dans une compétition plus large entre les géants de l'IA pour prouver que leurs modèles peuvent gérer des flux de travail d'ingénierie complexes de bout en bout, au-delà de la simple génération de fragments de code. Anthropic, en utilisant son propre produit sur sa propre base de code, applique une méthode d'auto-validation ("dogfooding") qui renforce la crédibilité de ses annonces. Les prochaines étapes attendues incluent l'élargissement du périmètre des tâches confiées à l'IA et l'amélioration du taux de fusion, un indicateur clé que l'entreprise et ses concurrents surveilleront de près pour mesurer la maturité réelle des agents de codage autonomes.

Outils⚡Actu

1 source

44

Illustration générée par IA

2038Next INpact 

☕️ ASI se penche sur ce que l’IA fait au journalisme, et aux mouvements de résistance anti-IA

Arrêt sur images (ASI) a rendu gratuit le replay de son émission « Ce que l'IA fait au journalisme », diffusée récemment et animée par la journaliste Pauline Block pendant 1h13. Elle y reçoit trois invités aux profils complémentaires : Mathilde Saliou, journaliste au média Next, Eric Barbier, reporter à L'Est républicain, co-organisateur du contre-sommet de l'IA et référent IA au bureau national du Syndicat national des journalistes (SNJ), et Olivier Koch, maître de conférences en sciences de l'information et de la communication à l'Université Sorbonne Paris Nord, spécialiste de la transformation des industries médiatiques. Le même jour, les abonnés d'ASI ont aussi débloqué un second contenu, « Tout le monde déteste l'algorithme », chronique du journaliste technocritique Thibault Prévost consacrée aux mouvements de contestation contre l'IA et les centres de données, qui fait écho à un article du Monde Diplomatique intitulé « Tout le monde déteste l'IA ». Ces deux publications posent un diagnostic préoccupant sur la manière dont la profession journalistique absorbe l'intelligence artificielle générative. Les intervenants pointent un rapport parfois trop enthousiaste d'une partie des rédactions face à « l'effet waouh » de l'IA, alors même que cette technologie, très gourmande en ressources et en énergie, contribue à faire disparaître le traitement de l'urgence écologique dans les médias. Ils alertent également sur la dilution de la responsabilité éditoriale lorsque des contenus sont générés par IA, un phénomène qui fragilise un peu plus la confiance du public envers l'information, déjà faible. Amnesty International, citée par Thibault Prévost, a analysé les systèmes d'IA générative au regard des droits humains fondamentaux et conclut que ces logiciels sont « fondamentalement incompatibles » avec les traités internationaux, appelant à leur prohibition pure et simple. Cette publication s'inscrit dans un travail plus large d'ASI sur la contestation de l'IA, incarné par le contre-sommet co-organisé par Eric Barbier et par les deux essais de Thibault Prévost, « Les prophètes de l'IA, pourquoi la Silicon Valley nous vend l'apocalypse » (octobre 2024) et « Technologie du coup d'État, les programmeurs de l'autoritarisme » (octobre 2026), consacré au « putsch numérique » de la Silicon Valley. Prévost y développe des concepts comme la « thermocratie », le « carbofascisme », le « néoluddisme » ou l'« AI populism » pour décrire une colère qu'il juge dirigée non pas contre la technique elle-même, mais contre l'IA comme idéologie et projet politique. Il estime que ce rejet, alors que l'Europe est frappée par des incendies, relève d'une défense légitime de la dignité humaine et d'une planète habitable.

Société❧Opinion

1 source

35

Illustration générée par IA

2039InfoQ AI 

La bonne architecture de contexte : 300 tokens pertinents valent mieux que 100 000 bruités

Lors d'une présentation consacrée à l'ingénierie logicielle, Baruch Sadogursky et Patrick Debois ont détaillé, sous le titre "The Right 300 Tokens Beat 100k Noisy Ones", l'architecture du "context engineering" pour les agents de codage. Les deux intervenants expliquent pourquoi tant d'agents IA échouent en production : des fenêtres de contexte surchargées et des prompts saturés d'informations inutiles nuisent à la fiabilité des réponses générées. Ils présentent plusieurs correctifs concrets : le chargement paresseux des compétences ("lazy-loaded skills"), qui n'injecte que les instructions nécessaires au moment voulu, des artefacts de contexte versionnés pour suivre leur évolution dans le temps, des bases de mémoire externalisées qui déchargent le modèle du stockage permanent, et des évaluations automatisées de type "LLM-as-a-judge" pour mesurer la qualité des réponses produites. Cette approche s'adresse en priorité aux architectes logiciels et aux responsables techniques qui déploient des agents de codage en entreprise. L'idée centrale, résumée par le titre de l'intervention, est qu'un agent alimenté par 300 tokens pertinents surpasse souvent un agent noyé sous 100 000 tokens de bruit, aussi bien en précision qu'en coût de calcul. En transformant de simples fichiers markdown en flux de travail agentiques fiables, ces techniques permettent de réduire les hallucinations, d'accélérer les réponses et de limiter les dépenses d'API, un enjeu de plus en plus critique pour les entreprises qui industrialisent l'usage de ces agents dans leurs pipelines de développement. Cette présentation s'inscrit dans une tendance plus large de l'industrie, où l'ingénierie de contexte remplace progressivement la simple ingénierie de prompt comme discipline centrale du développement d'agents IA. À mesure que les fenêtres de contexte des modèles grandissent, la difficulté ne réside plus dans la quantité d'information disponible mais dans sa sélection et sa structuration. Sadogursky, connu dans l'écosystème DevOps et Java, et Debois, figure historique du mouvement DevOps, apportent ainsi une perspective issue de l'ingénierie logicielle traditionnelle à la conception des agents autonomes, un domaine encore jeune où les bonnes pratiques restent largement à formaliser.

Outils≡Tuto

1 source

34

Illustration générée par IA

2040AI News 

Coach santé IA de Google : les données de glycémie d'Abbott intégrées

Abbott et Google ont annoncé un accord pluriannuel pour intégrer les données du capteur de glucose en continu Lingo d'Abbott à l'application Google Health et à son assistant Google Health Coach, propulsé par le modèle Gemini. Les utilisateurs pourront visualiser leurs tendances glycémiques aux côtés d'informations sur l'activité physique, le sommeil et d'autres indicateurs de bien-être, l'IA générant des recommandations sur la nutrition, l'exercice et la récupération. L'accès à Health Coach nécessite un abonnement Google Health Premium, et Google précise que l'outil n'a pas de vocation médicale, ses réponses pouvant être inexactes ou incomplètes. Le déploiement de cette intégration dans l'application Google Health est prévu plus tard dans l'année. Lingo est un dispositif vendu sans ordonnance depuis 2024 aux Etats-Unis, et également disponible au Royaume-Uni, destiné aux adultes de 18 ans et plus n'utilisant pas d'insuline. Son capteur, placé à l'arrière du bras et porté jusqu'à 14 jours, mesure le glucose dans le liquide interstitiel et transmet les données par Bluetooth à l'application, sans toutefois émettre d'alertes. Cette intégration illustre la stratégie de Google consistant à transformer son assistant santé en plateforme centralisant un nombre croissant de données personnelles, avec pour objectif de rendre les conseils de l'IA plus personnalisés et actionnables au quotidien. Pour Abbott, c'est l'occasion d'élargir l'usage de sa technologie de suivi glycémique, initialement conçue pour les diabétiques via la plateforme FreeStyle Libre, vers un public plus large intéressé par l'optimisation de sa santé métabolique générale. Cette évolution pose cependant des questions sur la fiabilité des recommandations générées par IA à partir de données physiologiques sensibles, d'autant que les autorités sanitaires américaines rappellent que les lectures de Lingo ne doivent pas servir de base à des décisions médicales sans l'avis d'un professionnel de santé. La FDA distingue d'ailleurs clairement Lingo, non homologué pour la gestion du diabète, du FreeStyle Libre 2, qui l'est. Cette annonce s'inscrit dans une expansion continue des capacités de Google Health Coach: en mai, Google avait déjà permis aux utilisateurs américains de synchroniser leurs dossiers médicaux, incluant résultats de laboratoire, signes vitaux et informations sur les médicaments, afin que l'IA puisse en produire des résumés ou répondre à des questions. L'application peut également recevoir des données d'objets connectés compatibles via Health Connect, Apple Health et les API Google Health. Abbott et Google prévoient par ailleurs de mener une vaste étude en conditions réelles sur la santé métabolique, combinant données glycémiques continues, mesures d'objets connectés, résultats de laboratoire et enquêtes, afin d'examiner les liens entre activité physique, sommeil, bien-être et santé métabolique. Les résultats doivent servir à affiner Google Health Coach et à orienter le développement de futures fonctionnalités de Lingo, dans un contexte où Google affirme que les données de santé collectées ne sont pas utilisées à des fins publicitaires.

Outils⚡Actu

1 source