Aller au contenu principal
Le Fil IA

Actualités IA — page 105

7 607 articles au fil, du plus récent au plus ancien.

Anthropic refond Claude Design : imports de systèmes de design, allers-retours de code et optimisation des tokens
2081VentureBeat AI 

Anthropic refond Claude Design : imports de systèmes de design, allers-retours de code et optimisation des tokens

Anthropic a annoncé mercredi une refonte majeure de Claude Design, son outil de création visuelle lancé en avril 2026 comme "aperçu de recherche". L'original avait séduit plus d'un million d'utilisateurs en une semaine, mais s'était heurté à un problème critique : une consommation de tokens astronomique. Un testeur de PCWorld avait épuisé 80 % de son quota hebdomadaire Claude Pro en à peine 25 minutes, le temps de générer trois variantes d'un seul prototype de page web. La mise à jour corrige ce défaut tout en introduisant une fonctionnalité stratégiquement beaucoup plus ambitieuse : l'import de design systems complets. Les équipes peuvent désormais connecter leurs composants depuis un dépôt GitHub, des fichiers de design ou des uploads directs. Une fois importés, Claude construit exclusivement avec ces composants, vérifie sa production en temps réel et corrige automatiquement les écarts avant même d'afficher le résultat. Un nouveau rôle administrateur permet aux grandes organisations de verrouiller un système approuvé et d'interdire toute modification individuelle. Ce changement transforme fondamentalement la proposition de valeur du produit. En avril, Claude Design générait des visuels impressionnants mais stylistiquement arbitraires, ce qui convenait aux indépendants et startups. Pour une entreprise de 10 000 personnes possédant 200 pages de chartes graphiques, c'était inutilisable. L'import de design systems répond directement à la question que posent les décideurs en entreprise lors de tout achat logiciel : "Peut-on contrôler ce que l'outil produit ?" En ingérant les boutons, typographies, tokens de couleurs et règles d'espacement d'une marque, puis en validant chaque sortie avant de la présenter, Claude Design vise une conformité visuelle systématique que même les équipes de designers humains peinent à maintenir à grande échelle. Cette évolution s'inscrit dans une expansion produit d'une rapidité rare pour Anthropic. En dix semaines, la société a lancé Claude Opus 4.8, publié puis suspendu le modèle Fable 5, déployé dix templates d'agents pour les services financiers, signé une alliance pluriannuelle avec DXC Technology pour intégrer Claude dans l'infrastructure IT des plus grandes banques et compagnies aériennes mondiales, et lancé Claude for Small Business avec des intégrations QuickBooks et PayPal. Les utilisateurs de Claude Code consacrent désormais en moyenne 20 heures par semaine à l'outil. La trajectoire est claire : Anthropic ne cherche plus seulement à proposer un assistant conversationnel, mais à faire de Claude un collaborateur embarqué dans les systèmes où le travail se produit concrètement, des pipelines de développement aux workflows créatifs des grandes marques.

OutilsOutil
1 source
Un chercheur Microsoft crée un réseau neuronal à base de chèvres dans Age of Empires II pour critiquer la recherche en IA
2082The Decoder 

Un chercheur Microsoft crée un réseau neuronal à base de chèvres dans Age of Empires II pour critiquer la recherche en IA

Un chercheur de Microsoft a construit un réseau de neurones fonctionnel dans l'éditeur de cartes d'Age of Empires II, en utilisant des chèvres, des ponts et des rampes de glace. Le système reproduit fidèlement les opérations mathématiques d'un réseau de neurones artificiel classique, avec des unités logiques remplacées par des animaux qui se déplacent selon des règles précises. Ce qui ressemble à une expérience absurde est en réalité une démonstration délibérément provocatrice. L'objectif est de mettre en lumière un biais méthodologique profond dans la recherche sur l'IA. En analysant 315 articles scientifiques, le chercheur a constaté que plus de la moitié d'entre eux présupposaient des traits humains chez les modèles de langage avant même que l'expérience ne commence. Or, si l'on remplace une interface de chat par des chèvres errantes, les mathématiques sous-jacentes ne changent pas, mais l'impression de dialoguer avec une entité consciente disparaît immédiatement. C'est précisément ce sentiment, et non les données, qui influence les conclusions de nombreuses études. Cette démonstration s'inscrit dans un débat scientifique plus large sur l'anthropomorphisation des systèmes d'IA. Depuis l'émergence des grands modèles de langage comme GPT-4 ou Gemini, une partie de la communauté académique tend à projeter des capacités cognitives humaines sur des systèmes qui ne font qu'optimiser des probabilités statistiques. En montrant qu'un troupeau de chèvres peut réaliser les mêmes calculs qu'un réseau neuronal, le chercheur pousse ses pairs à interroger leurs cadres d'interprétation avant de publier des conclusions sur la "compréhension" ou la "conscience" des modèles.

RecherchePaper
1 source
L’économie cachée des prompts : le marché noir de l’IA
2083Le Big Data 

L’économie cachée des prompts : le marché noir de l’IA

Un marché souterrain des prompts d'intelligence artificielle s'est développé en parallèle des usages professionnels légitimes, principalement sur des plateformes de messagerie privée telles que Discord, WhatsApp et Telegram. Des milliers d'instructions conçues pour optimiser les réponses des modèles d'IA s'y échangent contre de l'argent : certains prompts se négocient quelques dollars, d'autres atteignent plusieurs centaines, lorsqu'ils promettent des performances exceptionnelles ou un avantage commercial significatif. Des marketplaces dédiées proposent des packs complets, voire des abonnements donnant accès à des bases de données régulièrement mises à jour. Les prompts les plus recherchés sont ceux qui prétendent contourner les restrictions techniques imposées par les éditeurs de modèles, ou qui permettraient de générer des milliers de publications automatisées sur les réseaux sociaux. Certaines entreprises en sont venues à traiter leurs meilleurs prompts comme de véritables secrets commerciaux. Ce phénomène repose sur une réalité technique concrète : deux utilisateurs exploitant le même modèle d'IA peuvent obtenir des résultats radicalement différents selon la façon dont leurs instructions sont formulées. Le prompt engineering, c'est-à-dire l'art de rédiger des requêtes précises et efficaces, est devenu une compétence rare et monnayable. Cette asymétrie crée une forte demande pour des recettes prêtes à l'emploi chez les millions d'utilisateurs qui ignorent encore comment tirer des résultats de qualité professionnelle des outils disponibles. Des secteurs aussi variés que le streaming, le marketing digital ou les plateformes de jeux en ligne utilisent déjà ces techniques pour personnaliser l'expérience utilisateur et automatiser leurs opérations. L'existence d'un marché parallèle révèle à la fois la valeur économique réelle de ces instructions et l'immaturité des usages grand public de l'IA générative. Cet écosystème opaque concentre cependant des dérives importantes. Les fraudes prolifèrent dans un environnement où les transactions s'effectuent sans contrôle ni traçabilité : des vendeurs commercialisent des ressources librement accessibles à des prix gonflés, proposent des abonnements fictifs et disparaissent après encaissement. Ces escroqueries visent aussi bien des amateurs que des professionnels pressés d'acquérir un avantage concurrentiel rapide. Au-delà des arnaques individuelles, certains observateurs s'inquiètent que ce marché souterrain amplifie les usages illégaux de l'IA, notamment la désinformation ou la génération de contenus frauduleux à grande échelle. L'absence de régulation spécifique sur ce segment laisse les autorités démunies face à un marché qui se structure dans les angles morts des législations existantes, à mesure que la valeur économique des modèles de langage continue de croître.

SécuritéOpinion
1 source
Le laboratoire autonome : Joseph Krause (Radical AI)
2084Latent Space 

Le laboratoire autonome : Joseph Krause (Radical AI)

Joseph Krause, chercheur en science des matériaux, a fondé Radical AI avec une conviction simple : les industries attendent depuis trop longtemps de meilleurs matériaux, et ce goulot d'étranglement coûte des décennies de progrès à l'aérospatiale, à l'informatique, à la défense et aux produits grand public. Pour y remédier, son entreprise a construit ce qu'elle appelle un « laboratoire autonome », un système en boucle fermée où un « scientifique IA » génère des hypothèses, des robots synthétisent et caractérisent les matériaux, et les campagnes de recherche s'exécutent en parallèle plutôt que de façon séquentielle. En six mois, ce laboratoire a produit et caractérisé 1 200 alliages, soit près de dix fois la cadence du programme DARPA/GE MACH, qui visait 500 nouveaux alliages en un an. Sur les 300 nouveaux matériaux proposés par le scientifique IA, dix présentent des propriétés inédites et sont déjà en cours de développement pour des applications commerciales. Krause estime qu'il est désormais possible de tester et caractériser une centaine de nouveaux alliages par jour. Ce rythme change radicalement la logique de la découverte en science des matériaux, un domaine historiquement freiné par la complexité des variables en jeu. Contrairement aux molécules biologiques, représentables sous forme de séquences de tokens, les matériaux dépendent de paramètres macroscopiques enchevêtrés : microstructures, procédés de fabrication, chaînes d'approvisionnement. Comme l'a illustré la polémique LK99 en 2023, où des chercheurs annonçaient un supraconducteur à température ambiante avant que l'absence de documentation sur la fabrication ne rende les résultats impossibles à reproduire , , un matériau ne se réduit pas à sa formule chimique. C'est la raison pour laquelle Radical n'a pas misé sur un modèle unique capable de concevoir un matériau parfait d'un seul coup : la vérité terrain, insiste Krause, c'est le matériau lui-même, testé physiquement dans le monde réel. La force de Radical repose sur cette boucle expérimentale fermée et les données qu'elle génère. Dans un secteur où la plupart des acteurs publient des résultats ponctuels, accumuler une base de données propriétaire à haute cadence constitue un avantage structurel difficile à copier. L'entreprise explore déjà des familles d'alliages sur lesquelles aucune publication scientifique n'existe encore, ouvrant un territoire vierge à la fois pour la recherche fondamentale et pour des applications industrielles concrètes. Krause résume l'ambition avec une formule lapidaire : une découverte ne compte vraiment que le jour où le matériau se retrouve dans le téléphone que vous tenez en main.

RecherchePaper
1 source
Les modèles d'IA "dangereux" vont émerger quoi qu'il arrive
2085Ars Technica AI 

Les modèles d'IA "dangereux" vont émerger quoi qu'il arrive

Anthropic a retiré ses modèles Claude Fable 5 et Mythos 5 de la circulation fin juin 2026, à la suite d'une directive américaine de contrôle des exportations interdisant à "tout ressortissant étranger" d'accéder à ces services. La société est en négociation avec la Maison Blanche depuis vendredi, sans accord conclu à ce stade pour les remettre en ligne. Mythos 5 avait été lancé la semaine précédente auprès d'un cercle restreint, via le groupe de travail Project Glasswing, qui avait déjà reçu une version antérieure baptisée Mythos Preview en avril. Claude Fable 5, un modèle de niveau équivalent à Mythos, avait lui été rendu accessible au grand public, mais avec des restrictions explicites sur les réponses liées à la biologie et à la cybersécurité. Ces restrictions ne sont pas anodines : Anthropic reconnaît elle-même que Mythos est capable d'identifier des vulnérabilités logicielles pour aider les professionnels à les corriger, mais aussi de concevoir des méthodes d'exploitation qui pourraient servir à des acteurs malveillants. Dans un billet de blog accompagnant le lancement, la société formule ce paradoxe sans détour : les mêmes requêtes utiles entre les mains d'un chercheur en cybersécurité ou en biologie peuvent devenir dangereuses si elles sont accessibles sans contrôle. C'est précisément pour cela que Project Glasswing existe, comme mécanisme de diffusion controlée auprès d'experts habilités avant tout déploiement plus large. Cette crise illustre la tension croissante entre la vitesse de développement de l'IA de pointe et les impératifs de sécurité nationale américaine. Washington cherche à empêcher que des puissances étrangères, notamment étatiques, n'accèdent aux modèles les plus avancés avant que des garde-fous adéquats soient en place. Anthropic se retrouve au coeur de ce dilemme : l'entreprise a elle-même averti que des modèles aux capacités "dangereuses" arriveront inévitablement, quelles que soient les précautions. La question qui se pose désormais est de savoir si les mécanismes de contrôle existants, entre directives gouvernementales et consortiums d'accès restreint, sont réellement capables de contenir la diffusion de ces technologies, ou si la course est déjà trop avancée pour être régulée efficacement.

RégulationReglementation
Aussi surWired AI
Musk pollue Memphis ? Pas grave, Trump vole à son secours au nom de l’IA
2086Le Big Data 

Musk pollue Memphis ? Pas grave, Trump vole à son secours au nom de l’IA

xAI, la société d'intelligence artificielle d'Elon Musk, est au cœur d'une controverse environnementale majeure à Memphis, Tennessee. L'organisation de défense des droits civiques NAACP a déposé une plainte contre l'entreprise, accusant celle-ci d'exploiter illégalement 57 turbines à gaz méthane, chacune de la taille d'un grand bus, pour alimenter son centre de données "Colossus 2" à Southaven, dans le Mississippi. Selon la NAACP, ces équipements pourraient émettre plus de 5 000 tonnes d'oxydes d'azote par an, ainsi que des particules fines et des substances toxiques comme le formaldéhyde, en violation directe du Clean Air Act américain. Ces émissions sont associées à un risque accru d'asthme, de maladies cardiovasculaires et de certains cancers. Le centre de données Colossus 1, qui couvre près de 93 000 m² et jouxte des quartiers historiquement noirs déjà fragilisés par des décennies de pollution industrielle, avait déjà suscité des manifestations locales. L'intervention du département de la Justice américain constitue un tournant sans précédent dans ce dossier. Le gouvernement Trump a déposé un document de 33 pages devant le tribunal, affirmant que le Clean Air Act lui permettrait d'interrompre ce type de poursuites citoyennes lorsqu'elles menacent des intérêts stratégiques nationaux. Adam Gustafson, sous-procureur général adjoint chargé de l'environnement, a déclaré que le ministère ne laisserait pas "des organisations privées utiliser les lois environnementales pour saper la sécurité nationale". Le document judiciaire va jusqu'à mentionner qu'une version militaire de Grok, le modèle IA de xAI, aurait été utilisée lors d'opérations américaines contre l'Iran. Les avocats de la NAACP, soutenus par Earthjustice et le Southern Environmental Law Center, rejettent catégoriquement cet argument : Laura Thoms a dénoncé une démarche sans précédent moral ni juridique, visant à exonérer de grandes entreprises technologiques de leurs obligations environnementales. Cette affaire s'inscrit dans un contexte où xAI connaît une expansion financière et technologique spectaculaire. La maison mère SpaceX vient d'atteindre une valorisation boursière historique dépassant 2 000 milliards de dollars, et xAI a récemment conclu des accords avec Google et Anthropic pour louer des capacités de calcul, en plus du rachat de l'éditeur de code Cursor. La convergence entre les intérêts économiques de Musk et les priorités politiques de l'administration Trump soulève des questions fondamentales sur l'équilibre entre développement technologique et protection des communautés vulnérables. La NAACP maintient que le droit des riverains à poursuivre les pollueurs en justice ne peut être effacé au nom de la compétitivité technologique, et l'issue de cette bataille judiciaire pourrait redéfinir les limites de la responsabilité environnementale pour l'ensemble du secteur de l'IA.

RégulationReglementation
1 source
GLM-5.2 de Zhipu AI rivalise avec les meilleurs modeles propriétaires sur les benchmarks de codage
2087The Decoder 

GLM-5.2 de Zhipu AI rivalise avec les meilleurs modeles propriétaires sur les benchmarks de codage

Le laboratoire chinois Zhipu AI a publié GLM-5.2, un nouveau modèle de langage open source distribué sous licence MIT. Le modèle supporte une fenêtre de contexte stable d'un million de tokens, ce qui lui permet de traiter des projets logiciels entiers en une seule session. Sur le benchmark FrontierSWE, conçu pour évaluer les performances sur des tâches de programmation longues de plusieurs heures, GLM-5.2 n'affiche qu'un point de pourcentage de retard sur Claude Opus 4.8 d'Anthropic, l'un des modèles fermés les plus performants du moment dans cette catégorie. C'est un résultat significatif pour l'écosystème open source : un modèle librement accessible et modifiable parvient à rivaliser avec les systèmes propriétaires sur des tâches de développement logiciel complexes et de longue durée. Pour les entreprises et développeurs indépendants, cela signifie un accès à des capacités de codage avancées sans dépendance à des API payantes ni contraintes de confidentialité des données. Le fait que GLM-5.2 soit sous licence MIT le rend également librement utilisable dans des produits commerciaux. Les limites restent réelles : en raisonnement général, GLM-5.2 accuse encore un retard notable face aux modèles fermés comme GPT-4o ou Claude Opus. Zhipu AI s'inscrit dans une vague de laboratoires chinois, aux côtés de DeepSeek, Qwen ou Baichuan, qui rattrapent progressivement les leaders occidentaux sur des domaines ciblés. L'enjeu est désormais de savoir si cette convergence sur le code va s'étendre aux capacités cognitives plus larges, et à quel rythme.

LLMsOpinion
1 source
Vercel lance Eve, un framework open-source d'agents IA où chaque agent correspond à un répertoire de fichiers
2088MarkTechPost 

Vercel lance Eve, un framework open-source d'agents IA où chaque agent correspond à un répertoire de fichiers

Vercel a publié eve, un framework open source sous licence Apache-2.0, disponible en tant que package npm, destiné à la création, l'exécution et le déploiement d'agents d'intelligence artificielle en production. L'entreprise affirme faire déjà tourner plus d'une centaine d'agents sur ce même framework. Son principe central repose sur une approche dite "filesystem-first" : un agent est modélisé comme un répertoire de fichiers sur disque, chaque fichier correspondant à une capacité précise. Le plus petit agent fonctionnel ne requiert que deux fichiers, un pour définir le modèle utilisé (par exemple anthropic/claude-opus-4.8) et un fichier instructions.md servant de prompt système. Les fonctionnalités embarquées incluent l'exécution durable avec points de reprise automatiques, un environnement sandboxé pour le code généré par l'agent, un mécanisme d'approbation humaine pour les actions sensibles, et des connexions sécurisées vers des services tiers comme Slack, GitHub, Snowflake, Salesforce, Notion ou Linear. Un même agent peut être exposé simultanément sur plusieurs canaux, qu'il s'agisse de HTTP, Slack, Discord, Teams, Telegram ou Twilio, à partir d'une seule définition. Ce lancement répond à un problème récurrent dans les équipes qui développent des agents : chaque projet recrée from scratch la même infrastructure de base, gestion des sessions, sandboxing, approbations, connexions API. Eve standardise cette structure sous forme d'une convention de répertoires stricte, éliminant le code répétitif et réduisant le temps de mise en production. Les développeurs ajoutent une capacité en déposant simplement un fichier dans le bon sous-répertoire ; le framework détecte et intègre automatiquement ces ajouts lors du build, sans enregistrement manuel. La durabilité des sessions, qui survivent aux crashs et aux redéploiements en reprenant exactement là où elles s'étaient arrêtées, réduit considérablement la charge opérationnelle pour les équipes gérant des agents à grande échelle. Eve s'inscrit dans un mouvement plus large visant à industrialiser le déploiement d'agents IA, une étape que la plupart des équipes traversent encore de façon artisanale. En open-sourçant son framework interne, Vercel adopte une stratégie comparable à celle qu'il avait employée avec Next.js : proposer une couche d'abstraction susceptible de devenir un standard de facto, tout en restant étroitement liée à son infrastructure pour les déploiements en production. La concurrence est dense dans cet espace, avec LangGraph, CrewAI, AutoGen et le récent Agent Development Kit de Google ciblant tous le même besoin. L'approche "répertoire comme contrat" d'eve se distingue par sa lisibilité et sa convention forte, plus proche de la philosophie Next.js que des frameworks d'orchestration classiques. Les suites probables incluent une adoption croissante dans les équipes utilisant déjà Vercel, et une intégration plus poussée avec Vercel AI Gateway pour le routage multi-modèle.

OutilsOutil
1 source
Intelligence contextuelle pour vos données et agents IA à grande échelle
2089AWS ML Blog 

Intelligence contextuelle pour vos données et agents IA à grande échelle

Amazon Web Services a annoncé lors de l'AWS Summit New York City le lancement prochain d'AWS Context, un nouveau service conçu pour donner aux agents d'intelligence artificielle un accès structuré et gouverné à l'ensemble des données d'une organisation. Le service construit automatiquement un graphe de connaissances en cartographiant les relations entre les sources de données existantes, lacs de données, entrepôts, bases de données, flux en temps réel, et expose ce graphe via des API de recherche agentique et des outils MCP. Les équipes data peuvent gérer ce graphe depuis une console dédiée, valider les relations inférées automatiquement, les promouvoir en production, et y attacher des définitions métier ou des règles d'usage. AWS Context s'appuie sur la technologie qui alimente déjà Amazon QuickSight Q, un graphe de connaissances personnel utilisé quotidiennement par des centaines de milliers d'utilisateurs et traitant des millions de requêtes par jour. La nouveauté : ce graphe devient organisationnel, partagé entre tous les agents et applications d'une entreprise. Les métadonnées clés sont publiées au format Apache Iceberg dans Amazon S3, ce qui les rend interrogeables via Athena, Redshift ou Spark. L'enjeu est fondamental pour les entreprises qui déploient des agents IA en production : un agent ne peut prendre de décisions fiables que s'il dispose du bon contexte au bon moment. Aujourd'hui, ce contexte est dispersé entre des dizaines de systèmes hétérogènes, et une grande partie de la connaissance institutionnelle n'est tout simplement pas écrite. AWS Context vise à combler ce vide en créant une couche de contexte centralisée, gouvernée et accessible en temps réel. Pour les utilisateurs existants d'Amazon QuickSight Q, le bénéfice est immédiat : une fois AWS Context activé, leurs agents accèdent automatiquement au graphe étendu, incluant les relations inter-systèmes et les règles métier qui dépassent ce qu'un graphe personnel peut offrir. AWS Glue Data Catalog, Amazon SageMaker Unified Studio et AWS Lake Formation s'intègrent nativement au service. Ce lancement s'inscrit dans une course industrielle plus large autour de ce qu'AWS appelle l'« intelligence de contexte ». Les grands fournisseurs cloud rivalisent pour proposer des infrastructures permettant aux agents IA de raisonner sur des données d'entreprise réelles, sans que les équipes aient à construire des pipelines de récupération complexes. AWS Context se distingue par deux caractéristiques : son graphe apprend automatiquement de l'usage des agents, propageant les chemins de jointure corrects et les ambiguïtés résolues à l'ensemble de l'organisation sans intervention humaine ; et son architecture ouverte, basée sur Apache Iceberg, garantit que les métadonnées restent portables et auditables, indépendamment des outils choisis. Le service est également conçu pour se connecter à des catalogues tiers, étendant le graphe au-delà de l'écosystème AWS. La disponibilité générale n'a pas encore été précisée.

InfrastructureActu
1 source
Claude coûte trop cher : Microsoft pourrait glisser l’IA chinoise DeepSeek dans Copilot
209001net 

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

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

BusinessActu
1 source
Alibaba dévoile des cerveaux IA conçus pour équiper la prochaine génération de robots
2091Interesting Engineering 

Alibaba dévoile des cerveaux IA conçus pour équiper la prochaine génération de robots

Alibaba a annoncé en juin 2026 le lancement de la suite Qwen-Robot, sa première famille de modèles d'IA dite "embodied", développée par son Tongyi Lab et actuellement en phase de pilote avec des clients entreprise d'Alibaba Cloud. La suite repose sur trois modèles spécialisés : Qwen-RobotNav pour la navigation et le suivi de cibles, Qwen-RobotManip pour la manipulation d'objets physiques, et Qwen-RobotWorld pour la modélisation de l'environnement et la prédiction des conséquences d'actions. Le groupe a également publié Qwen-RobotClaw, un framework d'agents qui expose les modèles Qwen-Robot comme outils accessibles à des agents LLM, ainsi que Chat2Robot, une plateforme open-source en navigateur pour tester des interactions avec des robots physiques. Sur le plan des performances déclarées, Qwen-RobotManip a été entraîné sur plus de 38 000 heures de données open-source et a obtenu sur le benchmark RoboChallenge un process score de 59,83 avec un taux de succès de tâches de 45 % dans la catégorie "généraliste". La démonstration de navigation a mis en scène un quadrupède Unitree Go2 équipé d'un NVIDIA Jetson Thor et d'une seule caméra basse résolution, atteignant une latence d'inférence de 196 millisecondes dans un appartement inconnu, sans carte préchargée. Ces résultats méritent d'être lus avec prudence : un taux de succès de 45 % sur un benchmark réel, s'il est confirmé en conditions non contrôlées, reste modeste mais significatif pour un modèle généraliste. Le vrai signal industriel n'est pas le score brut, c'est l'approche architecturale : au lieu de fusionner indifféremment données de navigation, bras robotiques, caméras et véhicules autonomes, Alibaba a opté pour une spécialisation par modalité, évitant les conflits d'apprentissage que génère le mélange hétérogène de données physiques. Pour les intégrateurs et décideurs B2B, la disponibilité via Alibaba Cloud en pilote marque un premier pas vers la commercialisation d'une couche d'IA robotique as-a-service, potentiellement utilisable sur du matériel tiers sans pipeline de training propriétaire. Alibaba entre dans une course déjà engagée par plusieurs acteurs de premier plan. Aux États-Unis, Google DeepMind fait avancer Gemini Robotics sur des architectures Vision-Language-Action (VLA) similaires, tandis que Physical Intelligence (Pi-0), Figure AI (Figure 03) et Boston Dynamics misent sur des pipelines de données propriétaires et des déploiements industriels réels. NVIDIA pousse son framework GR00T N2 comme socle hardware-logiciel pour l'humanoid. Côté chinois, Unitree et Agibot ont déjà des robots en production, mais sans la couche LLM intégrée qu'Alibaba apporte. L'open-sourcing de Chat2Robot et les pilotes cloud suggèrent une stratégie d'écosystème : capter les développeurs et intégrateurs autour des modèles Qwen-Robot avant que le marché des robots généraux ne se consolide, probablement d'ici 2027-2028 selon les timelines annoncées par les principaux concurrents.

RobotiqueOpinion
1 source
☕️ Microsoft se tournerait vers AWS pour absorber l’explosion des usages IA sur GitHub
2092Next INpact 

☕️ Microsoft se tournerait vers AWS pour absorber l’explosion des usages IA sur GitHub

Microsoft aurait discrètement conclu un accord avec Amazon Web Services pour absorber le trop-plein de trafic sur GitHub, selon deux sources internes citées par Business Insider. La plateforme de code, rachetée par Microsoft en 2018, subit depuis fin 2024 une pression sans précédent liée à l'explosion des outils de développement assistés par IA, notamment GitHub Copilot et ses agents autonomes. Le 3 avril 2026, Kyle Daigle, directeur des opérations de GitHub, chiffrait publiquement l'ampleur du phénomène : la plateforme enregistrait désormais 275 millions de commits par semaine, contre un milliard sur l'ensemble de l'année 2025, soit un rythme annualisé de 14 milliards. Microsoft n'a pas confirmé le recours spécifique à AWS, mais un porte-parole a reconnu une "stratégie multi-cloud", évoquant "l'incroyable pic du développement des agents" qui aurait "mis à l'épreuve les limites de l'infrastructure". La situation illustre un paradoxe industriel saisissant : ce sont les propres outils d'IA de Microsoft qui génèrent une demande que son cloud maison, Azure, ne parvient plus à satisfaire. Fin avril, plusieurs développeurs influents avaient publiquement annoncé leur intention de quitter GitHub en raison de pannes répétées imputées à cette surcharge. L'ironie est d'autant plus mordante que Microsoft avait annoncé en octobre dernier vouloir migrer intégralement GitHub vers Azure dans un délai de 24 mois, faisant de la plateforme une vitrine stratégique de sa puissance cloud. Devoir solliciter son principal concurrent pour tenir debout fragilise ce discours commercial et interroge la capacité d'Azure à accompagner les pics de croissance liés à l'IA générative, précisément le segment où Microsoft entend dominer. GitHub occupe une position centrale dans l'écosystème mondial du développement logiciel, avec plus de 100 millions de développeurs enregistrés. Son passage sous pavillon Microsoft avait déjà suscité des inquiétudes sur l'indépendance de la plateforme ; la dépendance croissante à Copilot et l'introduction récente d'une facturation à l'usage de cet outil ont ravivé ces tensions. La question du multi-cloud n'est pas nouvelle dans l'industrie, mais elle prend une dimension politique particulière quand elle oppose deux géants du secteur en compétition directe sur l'IA. Microsoft doit désormais arbitrer entre la priorité donnée à Azure comme infrastructure de référence et la nécessité opérationnelle de garantir la stabilité d'un service critique, sans quoi GitHub risque de perdre la confiance de la communauté des développeurs au profit d'alternatives comme GitLab ou Codeberg.

InfrastructureOpinion
1 source
Amazon Bedrock AgentCore : des agents plus informés et capables d'apprentissage continu
2093AWS ML Blog 

Amazon Bedrock AgentCore : des agents plus informés et capables d'apprentissage continu

Amazon a annoncé cette semaine de nouvelles fonctionnalités pour Bedrock AgentCore, sa plateforme de développement d'agents IA, avec pour objectif de combler l'écart entre la puissance théorique des modèles de langage et leurs performances réelles en production. La mise à jour introduit trois couches d'accès à la connaissance : la Managed Knowledge Base, un outil de recherche web natif, et un accès à des données payantes. La Managed Knowledge Base permet désormais aux agents de se connecter directement aux sources de données internes des entreprises, SharePoint, Google Drive, Confluence, S3 et wikis internes, sans que les équipes techniques aient à construire leurs propres pipelines d'ingestion. Amazon gère le stockage vectoriel, les modèles d'embeddings et de reranking, ainsi que les questions de scalabilité. Au cœur de ce système se trouve un retriever agentique qui va bien au-delà du RAG classique : il planifie des requêtes croisées sur plusieurs bases de connaissance, relie des concepts connexes entre documents, et évalue les résultats intermédiaires avant de répondre. L'outil Web Search, lui, s'appuie sur la même infrastructure de recherche qui propulse Alexa+, Amazon Quick Suite et Kiro, et renvoie des extraits optimisés pour la densité d'information par token. Ces ajouts répondent à un problème concret et coûteux pour les entreprises déployant des agents IA : un modèle aussi performant soit-il reste inutile s'il ne peut pas accéder au document où se trouve la réponse. Un agent de service client incapable d'atteindre la politique de remboursement stockée dans SharePoint, un agent de recherche limité à ses données d'entraînement, un conseiller financier privé de données de marché en temps réel, tous sont des cas réels qui freinent le déploiement en production. La Managed Knowledge Base élimine plusieurs mois d'ingénierie préalable, tandis que le Web Search maintient les données dans l'environnement sécurisé AWS du client, un point critique pour les secteurs réglementés comme la finance ou la santé. Cette annonce s'inscrit dans la compétition intense entre fournisseurs cloud pour s'imposer comme plateforme de référence pour les agents IA d'entreprise. AWS, Google Cloud avec Vertex AI et Microsoft avec Azure AI Foundry se disputent le même marché : les équipes qui veulent déployer des agents capables d'agir réellement sur des données métier, pas seulement générer du texte. Amazon capitalise ici sur son infrastructure de recherche existante et son écosystème de services cloud pour offrir une intégration verticale que les solutions tierces ont du mal à concurrencer. La promesse d'amélioration continue via des boucles de rétroaction en production, mentionnée dans l'annonce, suggère qu'AgentCore ambitionne de devenir non seulement un outil de déploiement mais une plateforme d'optimisation itérative des agents dans la durée.

OutilsOutil
1 source
Comment les musiciens peuvent être rémunérés pour l'entraînement de l'IA
2094IEEE Spectrum AI 

Comment les musiciens peuvent être rémunérés pour l'entraînement de l'IA

Warner Music Group a récemment acquis la startup Sureel, spécialisée dans la gestion des droits musicaux à l'ère de l'intelligence artificielle. Sureel s'est associée à l'agence suédoise de droits d'auteur STIM pour explorer un système de rémunération des artistes lorsque leur musique sert à entraîner des modèles d'IA générative. Concrètement, le logiciel de Sureel appose des métadonnées sur les fichiers audio afin d'indiquer si une entreprise d'IA est autorisée à utiliser le fichier librement, de manière limitée ou pas du tout, puis suit l'utilisation réelle pour calculer les redevances correspondantes. De son côté, la société d'IA musicale SoundVerse a publié un livre blanc en 2025 pour rejeter les rachats uniques de droits et défendre une participation continue des artistes à chaque génération d'output par un modèle. Le co-président de Sureel, Benji Rogers, et son PDG, Tamay Aykut, portent le projet, tandis que Simon Gozzi, directeur du développement chez STIM, évalue comment les rapports d'attribution de Sureel pourraient fonder de nouveaux accords de licence entre musiciens et entreprises d'IA. L'enjeu est considérable pour l'ensemble de l'industrie musicale, qui dispose depuis des décennies de mécanismes précis pour rémunérer l'utilisation des œuvres, ventes physiques, streaming, radio, reprises, karaoké. L'IA générative a fracturé cette logique en rendant floue la notion d'utilisation : une chanson utilisée une seule fois pour l'entraînement d'un modèle continue d'influencer chaque output produit par ce modèle. Sureel propose d'aller plus loin qu'une simple mesure de similarité entre la donnée d'entraînement et l'output généré, en cherchant à établir un lien de causalité réel entre les deux. Si le modèle produit du jazz, les enregistrements jazz du corpus auraient davantage contribué que les pièces folk, et seraient rémunérés en proportion. Rogers résume l'ambition : "L'attribution ne cherche pas à recréer l'ancienne économie, mais à mesurer pour la première fois ce que l'ancienne économie ne faisait qu'approximer." Ce chantier s'inscrit dans un contexte de tension croissante entre l'industrie créative et les géants de l'IA, accusés par certains de commettre "le plus grand acte de vol de droits d'auteur de l'histoire". La question de l'attribution causale reste techniquement non résolue et pourrait nécessiter des outils issus de la théorie de l'information ou une modélisation de l'impact historique des œuvres individuelles. Le risque existe aussi de voir naître une musique conçue pour maximiser les redevances d'entraînement, comme le streaming a déjà poussé les artistes à raccourcir leurs intros. Aykut suggère néanmoins que des systèmes d'attribution bien conçus pourraient valoriser les œuvres rares et originales davantage que les tubes radiophoniques, ouvrant la possibilité que l'IA devienne un vecteur de diversité musicale plutôt qu'un facteur d'uniformisation.

ÉthiqueReglementation
1 source
Temasek mise 75 milliards de dollars sur l'IA
2095The Information AI 

Temasek mise 75 milliards de dollars sur l'IA

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

BusinessOpinion
1 source
Les puces IA moins coûteuses d'Amazon séduisent les entreprises
2096The Information AI 

Les puces IA moins coûteuses d'Amazon séduisent les entreprises

Les puces d'IA maison d'Amazon séduisent un nombre croissant d'entreprises grâce à un argument massue : le prix. Selon Karol Piatek, consultant en infrastructure IA au cabinet irlandais Co Driver Labs, l'utilisation des puces Inferentia2 et Trainium2 d'Amazon pour exécuter des modèles d'IA existants, ce qu'on appelle l'inférence, peut coûter jusqu'à 80 % moins cher que les H100 de Nvidia, à charge de travail comparable. Amazon multiplie depuis plusieurs mois les discussions avec des entreprises gérant leurs propres centres de données pour leur proposer ces alternatives : Trainium pour l'entraînement de nouveaux modèles, Inferentia pour le déploiement. L'écart de prix est suffisamment significatif pour peser dans les décisions d'infrastructure, surtout dans un contexte où les budgets IA explosent. Pour les entreprises qui n'ont pas besoin des performances brutes maximales de Nvidia mais cherchent à industrialiser leurs usages IA à moindre coût, les puces Amazon représentent un compromis crédible. L'argument de la disponibilité joue aussi : les H100 restent difficiles à obtenir en grande quantité. Cette dynamique s'inscrit dans une tendance de fond : les grands hyperscalers, Amazon, Google, Microsoft, investissent massivement dans leurs propres puces pour réduire leur dépendance à Nvidia, dont la domination sur le marché des accélérateurs IA est quasi totale. Amazon, qui vend déjà ces puces via AWS, tente désormais de convaincre les entreprises disposant de leurs propres infrastructures physiques, un segment jusqu'ici largement acquis à Nvidia. Si ces conversions se multiplient, la pression concurrentielle sur Jensen Huang et ses équipes pourrait s'intensifier.

InfrastructureOpinion
1 source
Autonomique déploie des robots semi-humanoïdes et de l'IA chez un équipementier automobile canadien de rang 1
2097Robotics Business Review 

Autonomique déploie des robots semi-humanoïdes et de l'IA chez un équipementier automobile canadien de rang 1

Autonomique Inc., startup californienne fondée en 2024 et issue des laboratoires de SRI International (Menlo Park), annonce le passage en déploiement industriel de sa plateforme d'IA physique chez F&P Manufacturing, équipementier automobile Tier 1 canadien basé à Tottenham, Ontario, spécialisé dans les systèmes de chassis et de suspension. La société ne commercialise pas de robot propre mais une couche logicielle hardware-agnostique conçue pour ajouter dextérité et raisonnement à des bras industriels existants, issus notamment de Denso, Staubli et RealMan Robotics. Son PDG, Vikrant Tomar, docteur en IA et ancien fondateur de Fluent.ai, insiste sur la distinction entre démonstration et production : les métriques annoncées (temps de cycle, précision, réduction de rebuts) restent à ce stade déclaratifs, sans données publiques indépendantes pour les valider. Le déploiement chez F&P est présenté comme un pilote progressant vers une industrialisation, non comme un rollout à l'échelle déjà opérationnel. L'intérêt technique réside dans l'architecture dite "généraliste-spécialiste" : plutôt qu'un unique modèle vision-langage-action (VLA) monolithique, la plateforme orchestre dynamiquement des compétences déterministes (apprentissage par renforcement en ligne pour les insertions de précision, par exemple) et des modèles VLA plus flexibles pour gérer les anomalies ou les tâches non prévues. Cette approche répond à une critique structurelle du secteur : les VLA génériques peinent à tenir les cadences et la répétabilité exigées en production réelle. Si Autonomique tient ses promesses chez F&P, ce serait un signal concret que le sim-to-real gap peut être comblé sur des workflows multi-étapes en environnement industriel contraint, sans recours à des end-effectors coûteux comme les mains robotiques polyarticulées. Autonomique s'appuie sur des licences de technologies SRI, dont le système de télé-opération déjà utilisé par l'armée américaine pour le déminage et par des laboratoires pharmaceutiques en salles blanches, ce qui donne à sa base de données d'entraînement une provenance inhabituelle pour une startup robotique. Ses concurrents directs dans le segment "software layer for industrial arms" incluent Covariant (racheté par Amazon), Machina Labs ou Physical Intelligence (Pi-0), tandis que des acteurs comme 1X Technologies ou Figure AI ciblent l'humanoïde complet, segment qu'Autonomique juge prématuré pour la production. Les prochaines étapes annoncées : extensions de partenariats avec Holiday Robotics et Rainbow Robotics, discussions en cours avec des développeurs d'humanoïdes, et réplication du blueprint F&P sur d'autres lignes et sites. Aucun acteur européen ou français n'est impliqué à ce stade.

RobotiqueOpinion
1 source
DeepSeek réalise une levée géante de plus de 7 milliards de dollars
2098Le Big Data 

DeepSeek réalise une levée géante de plus de 7 milliards de dollars

DeepSeek a finalisé sa première levée de fonds externe pour un montant supérieur à 50 milliards de yuans, soit environ 7 milliards de dollars, valorisant le laboratoire chinois entre 52 et 59 milliards de dollars. L'opération, révélée par Reuters et The Information le 16 juin 2026, se distingue avant tout par sa structure inhabituelle : le fondateur Liang Wenfeng aurait lui-même injecté près de 20 milliards de yuans, devenant ainsi le principal investisseur de son propre tour de table. Parmi les partenaires externes, Tencent participerait à hauteur d'environ 10 milliards de yuans et le géant des batteries électriques CATL pour près de 5 milliards. Les investisseurs seraient par ailleurs soumis à des conditions strictes : une période de blocage de cinq ans et une absence de droits de vote pour la plupart d'entre eux. Ce financement consolide la position de DeepSeek à un moment où la startup est devenue l'un des symboles les plus puissants de la montée en puissance technologique chinoise. En moins de dix-huit mois, l'entreprise est passée d'un laboratoire discret à un acteur mondial capable de rivaliser avec OpenAI et Google à une fraction du coût habituel, remettant en cause l'idée selon laquelle des milliards de dollars de calcul seraient indispensables pour développer des modèles de pointe. La présence de CATL, acteur industriel et non technologique, signale que l'IA est désormais perçue en Chine comme une infrastructure économique transversale, au même titre que l'énergie ou les semi-conducteurs. Pour les concurrents occidentaux, cette levée matérialise une menace structurelle : DeepSeek ne manque plus ni de capitaux, ni de légitimité. Jusqu'à présent, DeepSeek était entièrement financée par High-Flyer, le fonds quantitatif de Liang Wenfeng, ce qui lui permettait d'opérer sans pression extérieure. L'ouverture contrôlée du capital ne rompt pas avec ce modèle mais l'étend prudemment, tout en préservant l'indépendance du fondateur grâce à sa contribution dominante et aux restrictions imposées aux autres investisseurs. Ce choix s'inscrit dans un contexte géopolitique tendu : les restrictions américaines sur les semi-conducteurs avancés poussent la Chine à accélérer la construction d'un écosystème IA souverain, et DeepSeek en est devenu le fer de lance. Avec des ressources décuplées et une gouvernance verrouillée, le laboratoire est désormais en mesure d'intensifier ses recherches et d'élargir ses ambitions à l'international, alimentant une compétition technologique qui redessine les équilibres mondiaux de l'intelligence artificielle.

BusinessOpinion
1 source
Les marques parlent trop d’IA pour une majorité de consommateurs
2099Next INpact 

Les marques parlent trop d’IA pour une majorité de consommateurs

Une étude publiée par WordPress VIP, filiale du groupe Automattic spécialisée dans les solutions de publication pour grandes organisations, révèle que le marketing centré sur l'intelligence artificielle produit l'effet inverse de celui escompté auprès des consommateurs américains. Le sondage, conduit en avril 2026 auprès de 2 000 personnes aux États-Unis dont 800 décideurs d'entreprise et directeurs marketing, établit que 60 % des consommateurs américains considèrent la mise en avant de l'IA dans la communication d'une marque comme rédhibitoire. Plus frappant encore : 61 % d'entre eux sont incapables de citer une seule marque qui utilise l'IA de manière convaincante dans son marketing. La défiance est également générale face aux contenus générés par IA : 86 % des répondants préfèrent vérifier les informations directement à la source plutôt que de s'en remettre aux réponses produites par les systèmes automatisés, et 42 % placent ces contenus sans références parmi les moins fiables du web. Ces chiffres mettent en lumière un paradoxe majeur pour les équipes marketing : surexposer l'IA dans la communication de marque n'augmente pas la confiance, elle l'érode. Pour les entreprises qui ont massivement investi dans des campagnes vantant leurs capacités d'IA, le signal d'alarme est sérieux. Le cas Microsoft est symptomatique : malgré son rôle de premier promoteur de l'IA via son partenariat avec OpenAI, l'entreprise a sensiblement réduit la place de l'IA dans sa communication depuis le début de l'année, recentrant ses messages sur la fiabilité et l'optimisation de ses produits. Ce recul stratégique illustre une prise de conscience que l'omniprésence du mot "IA" dans les discours commerciaux génère de la saturation et de la méfiance, notamment chez les jeunes générations qui multiplient les signaux de rejet. Le phénomène s'inscrit dans une défiance plus profonde envers la concentration de l'information en ligne : 75 % des répondants craignent qu'une poignée de plateformes contrôle la façon dont l'information est résumée et mise en avant sur le web, et 80 % estiment qu'elle doit rester ouverte et décentralisée, une opinion partagée par toutes les tranches d'âge. Pourtant, l'étude révèle une tension difficile à résoudre pour les éditeurs et marques : malgré cette méfiance déclarée, 60 % des responsables d'entreprise constatent que le trafic provenant des moteurs de recherche à base d'IA a augmenté sur les douze derniers mois. Être lisible par les systèmes d'IA est devenu une condition de visibilité, tandis que paraître trop "artificiel" fait fuir les rares utilisateurs qui cliquent encore au-delà des réponses générées. Les marques se retrouvent coincées entre deux impératifs contradictoires : optimiser pour les machines sans aliéner les humains.

SociétéOpinion
1 source
Sanctuary AI valide les performances de son IA physique chez un équipementier automobile de rang 1
2100Robotics Business Review 

Sanctuary AI valide les performances de son IA physique chez un équipementier automobile de rang 1

Sanctuary AI (Sanctuary Cognitive Systems Corp.), basée à Vancouver, vient de valider une performance industrielle significative chez un équipementier automobile de rang 1 mondial, non nommé. La tâche consiste en l'insertion d'un connecteur filaire souple dans une cible en mouvement sur un convoyeur actif, un problème classique de manipulation dite "contact-rich" qui résiste depuis longtemps à l'automatisation traditionnelle. Le résultat annoncé est un taux de succès supérieur à 99,5% pour un temps de cycle de 2,54 secondes, aligné sur les cadences de production réelle du client. À noter que les métriques sont présentées sans détail sur la durée de l'essai ni le volume de cycles validés, ce qui invite à traiter ce résultat comme un proof-of-concept industriel plutôt qu'un déploiement en série. La démonstration s'inscrit dans la continuité de la présentation en avril 2026 de capacités de manipulation en zero-shot learning pour la préhension dextère. Ce résultat illustre une tendance de fond dans le secteur : face à l'horizon encore incertain de la commercialisation de masse des robots humanoïdes, certains acteurs pivotent vers une approche hardware-agnostique, en injectant leur couche d'IA physique sur des plateformes industrielles existantes. Pour un intégrateur ou un directeur de production, cela représente un chemin à valeur immédiate sans attendre la maturité mécanique des humanoïdes, tout en capitalisant sur des modèles d'IA qui seront ensuite portables vers les systèmes de prochaine génération. Le vrai verrou que Sanctuary prétend avoir levé est le couplage performance/cycle time : les projets de physical AI échouent souvent non par manque de précision mais par débit insuffisant. Si le taux de 99,5% à 2,54 secondes est confirmé en production continue, c'est un signal crédible que les VLA (vision-language-action models) commencent à franchir le seuil de l'exigence industrielle, pas seulement du laboratoire. Fondée au Canada, Sanctuary AI développe depuis plusieurs années une approche centrée sur l'IA généraliste pour corps robotiques, incluant des mains hydrauliques propriétaires haute dextérité. La société avait jusqu'ici communiqué davantage autour de son robot humanoïde Phoenix, mais le pivot stratégique annoncé aujourd'hui signale un repositionnement vers le déploiement accéléré sur bras industriels standards. Dans l'espace concurrent, Figure (Figure 03), Tesla (Optimus Gen 3), Physical Intelligence (Pi-0), NVIDIA (GR00T N2) et 1X (Helix) continuent d'investir massivement dans la voie humanoïde complète. Côté manipulation pure, Festo a testé ce mois-ci son GripperAI et lancé un préhenseur pneumatique léger, tandis que PSYONIC s'est associé à ABB Robotics. Sanctuary semble parier que la voie la plus rapide vers le chiffre d'affaires en manufacturing et logistique passe par l'intégration logicielle sur hardware existant, avant le déploiement des prochains systèmes industriels humanoïdes qu'elle annonce vouloir adresser également.

RobotiqueOpinion
1 source