Actualités IA — page 121

7 616 articles au fil, du plus récent au plus ancien.

50

2401MarkTechPost 

Google AI lance DiffusionGemma, un modèle MoE ouvert à 26B paramètres, jusqu'à 4 fois plus rapide par diffusion de texte

Google a publié DiffusionGemma, un modèle expérimental open source de 26 milliards de paramètres en architecture Mixture of Experts (MoE), sous licence Apache 2.0. Contrairement aux modèles de langage classiques qui génèrent les tokens un par un de gauche à droite, DiffusionGemma produit des blocs entiers de texte en parallèle, ce qui lui permet d'atteindre jusqu'à quatre fois la vitesse de génération des modèles autorégressifs traditionnels. Sur un GPU NVIDIA H100, il dépasse les 1 000 tokens par seconde ; sur un RTX 5090, il atteint plus de 700 tokens par seconde. Lors de l'inférence, seuls 3,8 milliards de paramètres sont activés. Le modèle, construit sur la base Gemma 4 26B-A4B, est multimodal : il traite du texte, des images et de la vidéo en entrée, dispose d'une fenêtre de contexte de 256 000 tokens, supporte plus de 140 langues et tient dans 18 Go de VRAM une fois quantifié, le rendant compatible avec les GPU grand public haut de gamme. L'intérêt principal de DiffusionGemma réside dans ses cas d'usage à contrainte de latence forte : édition de texte en ligne, itération rapide, génération de structures non linéaires. En déplaçant le goulot d'étranglement de la bande passante mémoire vers le calcul pur, le modèle exploite mieux les cœurs tensoriels inactifs des GPU locaux. Google cible explicitement les développeurs et chercheurs qui travaillent sur des workflows interactifs en local, où la vitesse prime sur la qualité absolue. L'entreprise est toutefois transparente sur le compromis : DiffusionGemma génère plus vite, mais sa qualité de sortie reste inférieure à celle de Gemma 4 autorégressif standard. Pour les productions critiques nécessitant une qualité maximale, Google recommande toujours ses modèles classiques. Le mécanisme au cœur de DiffusionGemma s'appelle Uniform State Diffusion, inspiré des générateurs d'images IA qui partent d'un bruit visuel pour le raffiner progressivement. Appliqué au texte, le modèle démarre avec un canvas de 256 tokens aléatoires, effectue plusieurs passes en attention bidirectionnelle, verrouille les tokens à haute confiance et les utilise comme contexte pour résoudre les positions adjacentes, jusqu'à ce que le texte converge. Cette attention bidirectionnelle, où chaque token peut en observer un autre dans n'importe quelle direction, tranche radicalement avec les modèles autorégressifs contraints à ne regarder qu'en arrière. Elle permet en outre une auto-correction en temps réel : si la confiance d'un token chute, le modèle peut le re-bruiter et le remplacer lors d'une passe suivante. Pour les sorties longues, Google a développé la Block Autoregressive Diffusion : une fois un bloc de 256 tokens finalisé, il est validé dans le cache KV et un nouveau canvas démarre, conditonné sur l'historique précédent. Cette approche hybride combine la vitesse du traitement parallèle et la stabilité séquentielle des architectures classiques.

LLMs❧Opinion

Aussi surThe Decoder

57

2402The Decoder 

Une étude Anthropic montre que l'IA peut créer des exploits en quelques heures à partir de correctifs de sécurité

L'équipe de sécurité d'Anthropic a publié une étude montrant que son modèle Mythos Preview est capable de transformer des correctifs de sécurité en exploits fonctionnels en quelques heures seulement, pour un coût de quelques milliers de dollars et sans expertise spécialisée requise. Lors des tests, le modèle a produit huit chaînes d'attaque complètes ciblant Firefox et le noyau Windows avant même que les mises à jour automatiques de Microsoft n'aient atteint un seul appareil dans le monde. Cette découverte remet en cause un pilier central de la cybersécurité défensive : la fenêtre de protection entre la publication d'un correctif et son exploitation malveillante. Ce délai, autrefois de plusieurs jours voire semaines, s'est effondré à quelques heures avec l'assistance de l'IA. Entreprises, éditeurs de logiciels et administrations publiques ne peuvent plus compter sur le rythme traditionnel de déploiement des patches pour se protéger ; chaque vulnérabilité corrigée devient quasi instantanément une cible exploitable. Anthropic s'inscrit dans une démarche de divulgation responsable adoptée par les grands laboratoires d'IA, qui publient leurs propres évaluations pour alerter l'industrie sur les capacités offensives de leurs modèles. Cette étude relance le débat sur les délais standard de divulgation des vulnérabilités, comme la règle des 90 jours de Google Project Zero, aujourd'hui inadaptée si l'IA peut armer un correctif en temps réel. Les éditeurs, les équipes de réponse aux incidents et les régulateurs vont devoir repenser en profondeur leurs cycles de sécurité.

Sécurité❧Opinion

1 source

42

2403VentureBeat AI 

La stratégie IA de MassMutual : contrats de 12 mois, 30 % de gains de productivité, zéro dépendance

MassMutual, l'un des plus grands assureurs américains, a repensé en profondeur sa stratégie d'adoption de l'intelligence artificielle en imposant une règle simple mais radicale : aucun contrat avec un fournisseur d'IA ne dépasse douze mois. Sears Merritt, directeur des systèmes d'information de MassMutual, a détaillé cette approche lors du podcast VB Beyond the Pilot, en soulignant que l'objectif est de préserver la capacité à changer de modèle à mesure que le marché évolue. Les résultats concrets sont déjà mesurables : la productivité des développeurs a augmenté d'environ 30 %, et les workflows du centre de contact client, refondus grâce à l'IA, ont vu les temps de résolution passer de dix minutes à une minute, tandis que les coûts associés sont passés de plusieurs dollars à quelques centimes par interaction. Cette architecture de la flexibilité a des implications majeures pour les directions informatiques des grandes entreprises. En évitant de s'engager sur le long terme avec un seul fournisseur, MassMutual se donne la liberté d'adopter les meilleurs outils disponibles à chaque étape, qu'il s'agisse de modèles propriétaires de pointe ou de solutions open source, que Merritt considère comme centrales dans l'évolution future de l'IA en entreprise. Chaque projet est conditionné à des critères de succès définis en amont, et non à de simples métriques d'adoption, ce qui permet de décider objectivement de passer à l'échelle ou d'abandonner une expérimentation. L'entreprise collecte également des données granulaires sur les usages, les performances des modèles et les coûts, avec l'objectif à terme d'acheminer automatiquement chaque tâche vers le modèle le plus adapté selon sa complexité et son coût. Ce positionnement s'inscrit dans un contexte où les grandes entreprises peinent à transformer leurs pilotes IA en déploiements industriels pérennes. MassMutual illustre une voie alternative : investir d'abord dans une infrastructure agnostique vis-à-vis des fournisseurs, encourager l'expérimentation interne large en donnant accès à une gamme de modèles, et accepter de payer plus cher pour un modèle plus lent quand la qualité des réponses le justifie. Pour arbitrer ces choix, l'entreprise utilise un cadre appelé "trust score", qui croise les retours des utilisateurs avec des métriques opérationnelles pour évaluer si une réponse générée par l'IA améliore réellement les résultats. À l'heure où OpenAI, Anthropic, Google et les modèles open source comme ceux de Meta se livrent une concurrence intense, MassMutual parie que la valeur durable réside moins dans le choix du bon modèle aujourd'hui que dans la capacité à en changer demain.

Business❧Opinion

1 source

43

2404Le Big Data 

Hong Kong ouvre une supérette… entièrement gérée par un robot humanoïde

Hong Kong s'apprête à inaugurer son premier commerce de proximité entièrement piloté par un robot humanoïde baptisé « Xiao Gai ». Développé par une entreprise chinoise spécialisée dans l'intelligence artificielle incarnée, ce magasin automatisé de neuf mètres carrés ouvrira ses portes sur le front de mer de Hung Hom, dans un format capsule modulaire inspiré du concept « Galaxy Space Capsule » déjà exploité dans le district de Haidian, à Pékin. Xiao Gai fonctionnera vingt-quatre heures sur vingt-quatre, sept jours sur sept, capable d'accueillir les clients, de les guider dans leurs achats et de converser dans plusieurs langues pour servir aussi bien les résidents que les touristes. Les rayons proposeront des snacks, des articles de collection et certains médicaments en vente libre. Le projet a été annoncé publiquement par le secrétaire aux Finances de Hong Kong, Paul Chan, dans son blog hebdomadaire, signal clair d'un soutien institutionnel. Il s'agit de la première implantation de cette entreprise en dehors de la Chine continentale. L'impact potentiel de ce déploiement est loin d'être anecdotique. Selon la société elle-même, l'installation de ces capsules robotisées génère une hausse de fréquentation comprise entre 30 % et 40 % pour les zones commerciales environnantes, un argument de poids pour les promoteurs immobiliers et les collectivités cherchant à revitaliser des espaces urbains. Le précédent pékinois est éloquent : le point de vente de Haidian aurait attiré près de 1 000 clients par jour depuis son ouverture début août. Pour les villes qui les accueillent, ces capsules fonctionnent autant comme vitrine technologique que comme commerce de proximité, renforçant leur image de modernité auprès des investisseurs et des visiteurs internationaux. Cette ouverture à Hong Kong s'inscrit dans une dynamique d'expansion rapide des robots humanoïdes dans les espaces commerciaux, portée par les progrès récents en traitement du langage naturel et en robotique embarquée. La Chine a pris une avance notable dans ce domaine, multipliant les expérimentations de robots en situation réelle dans la distribution, la restauration et les services aux particuliers. Hong Kong, carrefour entre Chine continentale et marchés internationaux, représente une vitrine stratégique pour valider ce modèle à l'export. L'entreprise ne cache d'ailleurs pas ses ambitions : elle prévoit de déployer cent capsules similaires dans dix villes au cours des prochains mois. La question qui se pose désormais concerne moins la faisabilité technique que l'acceptation sociale et les conséquences sur l'emploi dans un secteur de la distribution déjà sous pression.

Robotique⚡Actu

1 source

52

2405Ars Technica AI 

Personne n'a besoin de l'IA pour chercher sur Internet, dit le tribunal dans sa décision contre Google

Un tribunal allemand a rendu une décision préliminaire contre Google, jugeant le géant américain responsable des fausses affirmations générées par son outil AI Overviews. L'affaire, révélée par le média spécialisé The Decoder, implique deux éditeurs qui ont découvert que l'intelligence artificielle de Google les associait publiquement à des pratiques frauduleuses. L'une des formulations incriminées était sans ambiguïté : "Oui, [le site] est connu pour des pratiques commerciales douteuses et est souvent perçu comme une arnaque." Malgré l'envoi d'une lettre de mise en demeure plus tôt dans l'année 2025, Google n'a pas corrigé ces affirmations trompeuses, poussant les éditeurs à porter l'affaire devant la justice. Le tribunal a rejeté l'argument avancé par Google selon lequel les utilisateurs comprennent généralement que les réponses de l'IA ne sont pas toujours exactes et doivent être vérifiées. Cette décision ouvre un précédent juridique potentiellement applicable à tous les moteurs de recherche intégrant de l'IA, ainsi qu'aux chatbots qui reformulent et synthétisent des sources tierces. Jusqu'ici, les entreprises technologiques s'abritaient derrière le caractère probabiliste de l'IA pour éviter toute responsabilité éditoriale. Ce jugement remet directement en cause cette stratégie défensive : les plateformes pourraient désormais être tenues juridiquement responsables des affirmations factuellement incorrectes ou diffamatoires produites automatiquement par leurs systèmes. Pour les éditeurs de presse et les entreprises ciblées par de fausses informations générées par IA, c'est une ouverture concrète vers des recours juridiques effectifs. L'affaire s'inscrit dans un contexte de déploiement massif des interfaces de recherche augmentée par l'IA, portées par Google AI Overviews, Perplexity ou Bing Copilot, qui affichent des réponses synthétisées directement dans les résultats de recherche. Ces fonctionnalités soulèvent depuis leur lancement des questions profondes sur la fiabilité des informations présentées, les droits des éditeurs dont le contenu est aspiré, et la responsabilité des plateformes. La décision allemande pourrait inciter les régulateurs européens à renforcer le cadre juridique autour des systèmes génératifs, et contraindre les géants tech à développer des mécanismes bien plus robustes de vérification et de correction de leurs outils d'IA.

Régulation⚖Reglementation

1 source

55

2406FrenchWeb 

NEURA ROBOTICS lève 1,2 milliard d’euros : la robotique devient le nouveau pari stratégique de l’Europe

Neura Robotics, startup allemande spécialisée dans la robotique humanoïde, vient d'annoncer une levée de fonds de 1,4 milliard de dollars, soit environ 1,2 milliard d'euros, portant sa valorisation à près de 6 milliards d'euros. L'opération regroupe un consortium d'investisseurs aussi large qu'inédit : Amazon, NVIDIA et Qualcomm côté tech, Bosch et Schaeffler côté industrie allemande, la Banque européenne d'investissement comme acteur public, auxquels s'ajoutent plusieurs fonds financiers internationaux. Il s'agit du plus grand tour de financement jamais réalisé pour une entreprise européenne de robotique. Ce signal dépasse la simple performance financière. La présence simultanée de géants technologiques américains, de champions industriels allemands et d'une institution publique européenne traduit une convergence rare : le robot humanoïde n'est plus un projet de laboratoire, il devient une infrastructure industrielle crédible. Pour Amazon, qui déploie déjà des robots dans ses entrepôts, l'enjeu est d'intégrer des machines capables de remplacer la main humaine dans les tâches non automatisées. Pour NVIDIA et Qualcomm, c'est un débouché majeur pour leurs puces d'IA embarquée. Fondée par David Reger, Neura Robotics s'inscrit dans une course mondiale qui oppose désormais les Américains Figure AI, Agility Robotics et Boston Dynamics aux acteurs chinois en pleine montée en puissance. L'Europe, longtemps absente de ce segment, tente d'y placer un champion. Ce financement donne à Neura les moyens d'accélérer la production et de conquérir des clients industriels avant que la fenêtre de leadership ne se referme.

Robotique❧Opinion

1 source

51

2407NVIDIA AI Blog 

NVIDIA accélère DiffusionGemma de Google DeepMind pour l'IA locale

Google DeepMind a lancé DiffusionGemma, un modèle de langage expérimental open source qui abandonne la génération séquentielle au profit d'une approche par diffusion. Construit sur l'architecture Gemma 4, un modèle mixture-of-experts de 26 milliards de paramètres n'activant que 3,8 milliards par étape, DiffusionGemma génère jusqu'à 256 tokens en parallèle à chaque passe plutôt qu'un seul à la fois. NVIDIA a optimisé ce modèle pour l'ensemble de sa gamme matérielle, et les chiffres sont frappants : 1 000 tokens par seconde sur une carte H100, 150 tokens/sec sur le DGX Spark, 800 tokens/sec sur la DGX Station, et environ quatre fois plus vite qu'un modèle autorégressif équivalent en usage mono-utilisateur. Le modèle est disponible sous licence Apache 2.0 avec un support immédiat dans Hugging Face Transformers, vLLM et Unsloth, et s'exécute entièrement en local sans coût par token. Cette vitesse change concrètement l'expérience pour les développeurs, chercheurs et passionnés d'IA qui font tourner des workflows agentiques ou des assistants interactifs. Les modèles autorégressifs classiques sont fondamentalement limités par la bande passante mémoire en usage mono-utilisateur : le GPU attend plus qu'il ne calcule. L'approche par diffusion retourne l'équation. En traitant un bloc de 256 tokens d'un coup, DiffusionGemma exploite pleinement les Tensor Cores de NVIDIA, conçus pour des calculs matriciels denses en parallèle. Les boucles agentiques, les chats interactifs et les assistants embarqués peuvent désormais répondre à la vitesse à laquelle un développeur pense et itère. Le modèle tourne localement sur les GPU GeForce RTX, les stations de travail RTX PRO 6000, le DGX Spark avec ses 128 Go de mémoire unifiée, et la DGX Station avec ses 748 Go de mémoire cohérente. L'approche par diffusion pour le texte s'inspire du domaine de la génération d'images, où le principe consiste à débruiter progressivement un signal aléatoire pour obtenir un résultat cohérent. Appliquée au langage, cette méthode restait jusqu'ici expérimentale et peu compétitive face aux LLM autorégressifs dominant le marché. DiffusionGemma marque une étape plus sérieuse : Google DeepMind lui apporte une base architecturale solide avec Gemma 4, et NVIDIA l'optimisation matérielle nécessaire pour en faire un outil pratique dès le premier jour. Un support llama.cpp pour les GeForce RTX grand public est annoncé prochainement, ce qui pourrait rendre la génération ultra-rapide accessible au plus grand nombre sans infrastructure cloud. Si les performances en qualité de génération se confirment à l'usage, le modèle pourrait bousculer les hypothèses de base sur lesquelles repose l'architecture de tous les grands LLM actuels.

LLMs⚡Actu

Aussi surArs Technica AI

45

2408AWS ML Blog 

Fini le réglage manuel des kernels : Neuron Agentic Development accélère les optimisations AWS Trainium

Amazon Web Services vient d'annoncer les capacités "Neuron Agentic Development", un ensemble d'agents IA et de compétences spécialisées conçues pour accélérer le développement de kernels sur ses puces Trainium et Inferentia. Ces outils permettent aux agents de développement comme Kiro et Claude d'écrire, déboguer et profiler automatiquement des kernels NKI (Neuron Kernel Interface), la couche logicielle bas niveau qui détermine l'efficacité réelle du matériel. Le package comprend cinq compétences distinctes suivant le pipeline naturel de développement : écriture, débogage, profilage et analyse. Concrètement, la compétence d'écriture traduit du code PyTorch, NumPy ou une simple description en langage naturel en kernels NKI corrects, en respectant les contraintes matérielles spécifiques comme les dimensions de partition de 128 éléments. La compétence de débogage couvre 28 codes d'erreur du compilateur Neuron, tandis que les outils de profilage génèrent des traces exploitables via neuron-explorer avec un détail au niveau des opérations DMA. Ces capacités s'intègrent directement dans des environnements comme VS Code, Cursor ou Kiro, et nécessitent une instance Amazon EC2 basée sur Trainium. L'enjeu est considérable : l'écart entre les performances théoriques d'un accélérateur IA et ce qu'une équipe obtient réellement en pratique reste souvent énorme, faute de développeurs capables d'écrire des kernels matériels optimisés. Jusqu'ici, cette expertise demandait des années d'expérience au niveau de l'architecture des puces, rendant l'optimisation de bas niveau inaccessible à la majorité des équipes de machine learning. En automatisant cette couche via des agents IA, AWS permet à n'importe quel ingénieur ML de produire du code hardware-aware sans formation spécialisée, réduisant potentiellement le temps d'implémentation de plusieurs mois à quelques jours. Pour les équipes qui déploient des modèles à grande échelle, des gains même marginaux sur l'efficacité des kernels se traduisent directement en coûts d'inférence réduits et en meilleures latences pour les utilisateurs finaux. Cette annonce s'inscrit dans la stratégie d'AWS de différencier ses puces maison face à Nvidia, dont les GPU H100 et H200 restent la référence dans l'industrie. Trainium et Inferentia existent depuis plusieurs années mais peinent à convaincre des équipes habituées à l'écosystème CUDA, bien établi et documenté. En abaissant la barrière d'entrée via l'automatisation agentique, Amazon cherche à élargir la base de développeurs prêts à migrer ou à tester ses accélérateurs. La question de la généralisation reste entière : ces capacités agentiques pourraient préfigurer une tendance plus large où chaque fabricant de silicium embarque son propre assistant IA pour faciliter l'adoption, transformant la guerre des puces en une guerre des outils de développement.

Infrastructure❧Opinion

1 source

48

2409Le Big Data 

Ces avocats ont laissé l’IA rédiger leurs dossiers, la juge les sanctionne et annule le procès

Une juge fédérale du Mississippi, Sharion Aycock, a annulé un procès et sanctionné quatre avocats après avoir découvert que les deux parties avaient utilisé des outils d'intelligence artificielle pour rédiger leurs mémoires juridiques, sans vérifier les contenus produits. L'affaire opposait l'avocat Tom Withers à la ville d'Aberdeen dans l'État du Mississippi, Withers réclamant des honoraires impayés. Les représentants des deux camps ont reconnu avoir délégué une partie de leur travail de recherche juridique à des systèmes automatisés, et avoir soumis ces documents au tribunal sans contrôle sérieux. La juge a suspendu la procédure, interdit deux des avocats de plaider pendant deux ans et infligé des amendes allant de 1 000 à 3 500 dollars selon le niveau de responsabilité de chacun. Ce qui rend cette affaire particulièrement grave, c'est qu'elle ne concerne pas des particuliers sans formation juridique tentant maladroitement de se défendre seuls, mais des professionnels du droit expérimentés. Depuis l'émergence de modèles comme ChatGPT, les tribunaux américains voient se multiplier les dossiers contenant des références juridiques inventées, des citations inexistantes et des faits erronés générés par des intelligences artificielles. Que des avocats professionnels commettent les mêmes erreurs que des justiciables non formés envoie un signal alarmant à toute la profession. Dans son ordonnance, la juge Aycock a expressément évoqué les « délires liés à l'intelligence artificielle », une formule qui traduit son exaspération face à la fréquence croissante de tels incidents. La simultanéité des fautes des deux parties est par ailleurs exceptionnelle : il est rarissime que des avocats adverses soient sanctionnés en même temps pour des comportements identiques. Le phénomène s'inscrit dans une tendance documentée à grande échelle. Le juriste Damien Charlotin, qui recense les cas de documents judiciaires contenant des éléments fabriqués par l'IA, a déjà répertorié 1 598 cas. Les juges américains sont désormais contraints d'exercer une vigilance accrue pour détecter les références fictives avant qu'elles ne s'intègrent dans des décisions de justice et ne créent des précédents corrompus. Car une citation inventée, si elle passe inaperçue, peut influencer durablement l'interprétation du droit. Cette affaire soulève une question qui dépasse les prétoires : à mesure que les outils d'IA s'imposent dans les professions réglementées, qui est responsable de la vérification des contenus produits ? La réponse de la juge Aycock est claire : l'avocat qui signe le document, quels que soient les outils qu'il a utilisés pour le préparer.

Éthique❧Opinion

1 source

41

2410AWS ML Blog 

Créer un assistant de réparation d'équipements alimenté par l'IA avec Amazon Bedrock AgentCore

Amazon Web Services a publié un tutoriel détaillé présentant la construction d'un assistant de réparation d'équipements agricoles propulsé par l'IA, en s'appuyant sur son service Amazon Bedrock AgentCore. L'assistant est conçu pour permettre aux techniciens de terrain de diagnostiquer des pannes de machines lourdes, d'identifier les pièces nécessaires et d'accéder aux procédures de réparation approuvées par les fabricants, le tout via un langage naturel. Techniquement, la solution repose sur plusieurs briques AWS : le runtime AgentCore associé au Strands Agents SDK, le modèle de fondation Amazon Nova 2 Lite pour l'inférence, une Knowledge Base Bedrock pour la génération augmentée par récupération (RAG), et AgentCore Memory pour la persistance des conversations entre sessions. Le frontend React est hébergé sur AWS Amplify, tandis qu'Amazon Cognito gère l'authentification des utilisateurs. Les données de documentation, manuels constructeurs, catalogues de pièces, guides de réparation, sont indexées dans Amazon S3, interrogées via Amazon OpenSearch Serverless pour la recherche vectorielle, avec Amazon Titan Embeddings pour la correspondance sémantique. Les tickets d'intervention sont stockés dans Amazon DynamoDB. La portée concrète de cet outil est significative pour un secteur où chaque heure d'immobilisation d'une machine pendant les récoltes peut se chiffrer en milliers d'euros de pertes. Aujourd'hui, un technicien envoyé sur site sans la bonne pièce doit souvent repartir, revenir, et multiplier les déplacements, allongeant le temps d'arrêt de manière coûteuse. En permettant un diagnostic précis en amont, avec accès instantané aux manuels techniques du fabricant et aux nomenclatures de pièces, l'assistant réduit ce cycle. La mémoire inter-sessions d'AgentCore est particulièrement utile : le technicien peut reprendre une conversation là où il l'avait laissée, sans répéter le contexte de la panne à chaque nouvelle interaction. Cette publication s'inscrit dans la stratégie agressive d'AWS pour imposer Bedrock AgentCore comme plateforme de référence pour le déploiement d'agents IA en production. Lancé en 2025, AgentCore vise à simplifier l'hébergement, la mémoire et l'observabilité des agents, des points de friction majeurs dans les projets IA réels. La concurrence est vive : Vertex AI de Google, Azure AI Foundry de Microsoft, et des frameworks open-source comme LangGraph cherchent tous à capter ce marché. En publiant des cas d'usage sectoriels concrets, ici l'agritech, après d'autres dans la santé ou la finance, AWS tente de démontrer la maturité opérationnelle de sa plateforme face à des besoins métier exigeants. La prochaine étape logique pour ce type de solution serait l'intégration de données IoT temps réel issues des capteurs des machines, pour passer du diagnostic assisté au diagnostic prédictif.

Outils⚒Outil

1 source

49

2411La Tribune 

Tye Brady (Amazon) : les robots du futur « se fondront dans le décor »

Tye Brady, directeur technologique d'Amazon Robotics, a dévoilé les grandes ambitions d'Amazon en matière d'automatisation lors d'une récente intervention publique. L'entreprise opère déjà une flotte de plus d'un million de robots dans ses centres logistiques à travers le monde, et a annoncé un investissement de 10 milliards d'euros pour moderniser ses entrepôts européens dans les années à venir. L'objectif affiché : élargir considérablement le champ d'action de ces machines, notamment en les dotant d'une capacité de compréhension du langage naturel. Cette évolution représente un saut qualitatif majeur pour l'industrie logistique. Des robots capables de comprendre des instructions en langage courant, et non plus seulement des commandes codées, pourraient opérer de manière bien plus autonome et flexible aux côtés des travailleurs humains. Pour Amazon, cela signifie une réduction des coûts opérationnels à grande échelle, mais aussi une pression accrue sur l'emploi dans des secteurs déjà fragilisés par l'automatisation. Brady résume la vision par une formule : les robots du futur « se fondront dans le décor », discrets et omniprésents à la fois. Amazon n'est pas seul sur ce terrain : des acteurs comme Boston Dynamics, Figure ou Agility Robotics développent des robots humanoïdes visant les mêmes environnements industriels. L'intégration du traitement du langage naturel dans la robotique, rendue possible par les avancées des grands modèles de langage, est devenue l'enjeu central de la prochaine génération de systèmes automatisés. L'investissement européen d'Amazon s'inscrit dans ce contexte de course technologique, avec des implications réglementaires et sociales que Bruxelles commencera sans doute à encadrer plus fermement.

Robotique❧Opinion

1 source

54

2412Le Big Data 

Claude Fable 5 : Anthropic donne-t-il vraiment au public toute la puissance de Mythos ?

Anthropic a lancé Claude Fable 5 le 9 juin 2026, soit deux mois après avoir refusé de rendre public son modèle Mythos 5, jugé trop sensible pour une diffusion générale. Ce nouveau modèle repose sur la même architecture fondamentale que Mythos 5, mais est accompagné de mécanismes de sécurité qui filtrent automatiquement les requêtes touchant à des domaines à risque : piratage informatique, certaines recherches biologiques, développement d'IA avancées. Lorsqu'une conversation franchit ces seuils, le système bascule discrètement vers un modèle moins performant sur ces sujets spécifiques. Mythos 5 dans sa version complète reste quant à lui réservé à des organisations partenaires sélectionnées dans le cadre du programme de cybersécurité d'Anthropic. Sur les benchmarks de programmation et d'ingénierie logicielle, Fable 5 surpasse toutes les générations précédentes d'Anthropic, devance les modèles concurrents d'OpenAI et de Google, et creuse l'écart à mesure que la complexité des tâches augmente. Anthropic illustre également ses capacités multimodales avec une démonstration atypique : le modèle a terminé Pokémon Rouge Feu en s'appuyant uniquement sur des captures d'écran, sans guide ni carte externe. Ce lancement représente bien plus qu'une mise à jour de produit. Il donne au grand public l'accès le plus complet jamais accordé à une technologie de cette envergure chez Anthropic, tout en maintenant une ligne de contrôle sur les usages les plus sensibles. En pratique, selon l'entreprise, les garde-fous n'interviennent que dans une faible proportion des échanges : la majorité des utilisateurs bénéficie donc des performances complètes du modèle. Pour les développeurs et les entreprises, cela signifie l'accès à un agent de codage et de raisonnement qui s'améliore proportionnellement à la difficulté des problèmes posés, un avantage compétitif concret dans des secteurs où la complexité logicielle est la norme. Ce choix d'Anthropic illustre la tension structurelle qui traverse désormais tout le secteur de l'IA frontier : comment continuer d'innover à marche forcée tout en affichant une posture de responsabilité face aux risques ? Il y a deux mois, l'entreprise avait choisi de bloquer la publication de Mythos en invoquant des préoccupations de sécurité ; aujourd'hui, elle en dérive une version enveloppée de garde-fous et la commercialise. Cette stratégie de dévoilement partiel est aussi une réponse à la pression concurrentielle exercée par OpenAI et Google, qui continuent eux aussi de repousser les limites de ce qu'ils rendent accessible. La vraie question qui se pose désormais est de savoir si ces mécanismes de filtrage tiennent réellement à l'épreuve d'utilisateurs déterminés, ou s'ils constituent avant tout un signal politique destiné à rassurer régulateurs et opinions publiques.

LLMs❧Opinion

1 source

54

2413The Information AI 

Le nouveau modèle d'Anthropic cible les utilisateurs avancés mais coupe l'accès aux rivaux IA

Anthropic a publié mardi une version publique de Claude Fable 5, son modèle de nouvelle génération, une itération légèrement bridée du système baptisé en interne "Mythos", dont les rumeurs circulaient depuis plusieurs semaines dans les milieux du développement. Les premiers accès au modèle ont été ouverts aux développeurs d'applications, qui ont pu l'évaluer dans des conditions réelles. Leurs retours confirment l'essentiel des attentes : Fable 5 surpasse nettement les générations précédentes d'Anthropic sur le code, le raisonnement spatial et les tâches de connaissance générale. Une restriction notable a toutefois été intégrée dès le lancement : toute requête touchant à la cybersécurité est automatiquement redirigée vers le modèle Claude Opus 4.8, jugé moins puissant, afin de limiter les risques de détournement. Ce qui frappe dans les retours des testeurs, c'est moins la performance brute que la nature des tâches sur lesquelles Fable 5 se distingue vraiment. Sur des questions simples ou de difficulté intermédiaire, le type de requêtes qu'on adresserait à Google Search ou à ChatGPT, l'amélioration par rapport aux modèles précédents d'Anthropic reste difficile à percevoir. En revanche, sur des travaux longs et complexes, le bond est significatif : des développeurs ont rapporté avoir généré un jeu vidéo complet à partir d'un seul prompt, un cas d'usage qui illustre une montée en gamme qualitative sur les tâches nécessitant planification, cohérence prolongée et enchaînement logique sur plusieurs étapes. Ce lancement s'inscrit dans une compétition frontale entre les grands laboratoires d'IA, où chaque sortie de modèle est scrutée comme un indicateur de positionnement stratégique. Anthropic, adossé à des milliards de dollars d'investissements d'Amazon et Google, cherche à affirmer sa place face à OpenAI et Google DeepMind sur le segment des utilisateurs avancés et des équipes de développement professionnelles. La décision de limiter les capacités liées à la cybersécurité révèle également la pression croissante pesant sur ces entreprises pour démontrer que la puissance des modèles peut être déployée de façon responsable, sans devenir un vecteur d'exploitation. Les prochaines semaines diront si la version complète de Mythos franchit un nouveau palier.

LLMs❧Opinion

1 source

55

2414The Decoder 

Claude Fable 5 : le premier modèle Mythos est puissant, coûteux et très filtré

Anthropic a lancé Claude Fable 5, le premier modèle de sa nouvelle gamme Mythos, positionnée au-dessus de la famille Claude 4. Le modèle domine quasiment tous les benchmarks actuels, dont SWE-bench Verified où il atteint 95 %, un score sans précédent pour une IA généraliste. La facture est à la hauteur des ambitions : Fable 5 est facturé 10 ou 50 dollars par million de tokens selon le niveau d'usage, soit le double du tarif d'Opus 4.8, jusqu'ici le modèle le plus cher de la gamme. Cette puissance accrue s'accompagne de contraintes significatives. Les filtres de sécurité, renforcés dans cette version, bloquent environ 9 % des requêtes, un taux notable qui risque de poser problème aux développeurs travaillant dans des secteurs sensibles comme la santé, le droit ou la sécurité informatique. Plus surprenant encore, Anthropic a introduit une politique de rétention des données de 30 jours qui s'applique désormais même aux contrats dits "zero data retention", une décision qui inquiète les entreprises ayant souscrit ces options précisément pour garantir la confidentialité totale de leurs échanges. Ce lancement marque une inflexion stratégique pour Anthropic, qui segmente désormais explicitement son offre par niveau de performance et de coût. La classe Mythos vise les usages professionnels et d'infrastructure les plus exigeants, là où la concurrence avec OpenAI et Google s'intensifie. La question du prix et des restrictions de contenu déterminera si les entreprises adoptent Fable 5 ou maintiennent des solutions moins onéreuses pour leurs pipelines de production.

LLMs❧Opinion

1 source

57

2415Next INpact 

Un tribunal allemand déclare Google responsable des réponses fausses de son AI Overview

Le tribunal régional de Munich a prononcé une injonction provisoire contre Google en Allemagne, lui interdisant de diffuser de fausses informations sur deux éditeurs munichois via sa fonctionnalité AI Overview. Ces résumés générés automatiquement par intelligence artificielle, affichés en tête des pages de résultats, avaient associé à tort les deux sociétés à des escroqueries, des abonnements trompeurs et des pratiques commerciales douteuses. Le tribunal a tranché clairement : Google est directement responsable de ces allégations mensongères, car elles émanaient de ses propres systèmes d'IA et non des pages tierces indexées. Aucun des résultats de recherche sous-jacents n'établissait de lien entre les plaignants et des pratiques frauduleuses, l'IA avait fabriqué ces connexions de toutes pièces. Cette décision remet en cause un principe juridique fondamental dont Google bénéficiait jusqu'ici : le statut d'hébergeur neutre, qui protège les plateformes de toute responsabilité pour les contenus tiers qu'elles référencent. Le tribunal a jugé que ce bouclier ne s'applique pas aux AI Overviews, puisque ces résumés constituent une production propre de Google, synthétisant plusieurs sources en un texte cohérent et autonome. La mention « créé avec l'IA » ne suffit pas à exonérer l'entreprise. Le tribunal a d'ailleurs invoqué le droit local de la presse, qui rend un média responsable de ses titres et chapeaux au même titre que du reste de l'article, même si le lecteur ne va pas plus loin. L'argument de Google, selon lequel les utilisateurs savent généralement qu'il ne faut pas faire aveuglément confiance aux résultats IA, a été balayé, d'autant que l'entreprise déploie activement cette fonctionnalité à l'échelle mondiale. Cette affaire s'inscrit dans un contexte de tension croissante entre les outils de résumé automatique et les droits des éditeurs et des tiers cités. Des études montrent déjà une chute significative des clics vers les sources originales lorsque Google affiche un AI Overview, ce qui fragilise économiquement les médias tout en amplifiant le risque de désinformation. En qualifiant les résultats de l'AI Overview de « propres déclarations de Google » et en précisant que les textes algorithmiques ne sont pas « l'expression d'une conviction établie mais le résultat d'un algorithme », le tribunal de Munich pose un précédent qui pourrait faire jurisprudence en Europe. Si ce raisonnement s'étend, Google et ses concurrents proposant des fonctionnalités similaires, comme Microsoft Copilot dans Bing ou Perplexity AI, pourraient se retrouver exposés à des responsabilités éditoriales inédites, les contraignant à repenser en profondeur la vérification de leurs sorties IA avant publication.

Régulation⚖Reglementation

1 source

46

2416Robotics Business Review 

La robotique ne connaîtra pas de moment Llama bien défini

Depuis le début de l'année 2025, les modèles robotiques ouverts se multiplient. Google DeepMind a publié les résultats d'Open X-Embodiment, projet qui a mutualisé des données de manipulation sur des dizaines d'institutions et de morphologies différentes : les expériences RT-X montrent qu'entraîner un modèle sur plusieurs types de robots améliore le transfert, plutôt que de forcer chaque système à apprendre uniquement sur ses propres données. DeepMind a ensuite scindé sa pile en deux sorties distinctes : Gemini Robotics 1.5, un VLA (vision-langage-action) qui convertit entrées visuelles et instructions en commandes moteur, et Gemini Robotics-ER 1.6, positionné plus haut dans la pile, dédié au raisonnement spatial, à la planification et aux appels d'outils. NVIDIA a poussé dans la même direction avec ses releases GR00T et ses modèles Isaac, disponibles notamment via LeRobot sur Hugging Face. OpenVLA, modèle open source à 7 milliards de paramètres entraîné sur 970 000 épisodes de manipulation issus d'Open X-Embodiment, illustre le niveau de maturité désormais accessible. Côté capital, Crunchbase recense près de 14 milliards de dollars investis dans la robotique en 2025 : Skild AI a levé 1,4 milliard pour un modèle multi-morphologie, Physical Intelligence négocie un tour d'un milliard à une valorisation supérieure à 11 milliards, Advanced Machine Intelligence de Yann LeCun a clôturé à 1,03 milliard, et Wayve a bouclé une série D à 1,2 milliard pour la conduite autonome. La comparaison avec Llama, le modèle open source de Meta qui a permis à d'innombrables équipes de déployer un LLM capable sans payer la facture d'entraînement, est séduisante mais trompeuse. Une politique robotique ne transfère pas comme un fichier de poids logiciel : elle nécessite une pile de contrôle locale qui convertit les sorties du modèle en mouvements réels, dans l'enveloppe de sécurité de la cellule, via le contrôleur installé. Le dépôt openpi de Physical Intelligence illustre ce delta concretement : une équipe qui dispose du modèle doit encore faire tourner l'inférence (8 Go de VRAM minimum), affiner sur ses propres données robotiques via LoRA (22,5 Go) ou en full fine-tuning (70 Go), puis valider le résultat sur la machine cible. L'accès aux modèles élargit ce que les robots peuvent tenter ; l'avantage concurrentiel reste dans la capacité à transformer ce comportement en travail fiable en production, avec des journaux de pannes exploitables par un technicien des mois après la mise en service. Le problème structurel qui sépare la robotique du logiciel pur est ce que les praticiens nomment le "site drift" : la dérive entre le robot qui passe la recette d'usine et le robot qui opère dans le process réel du client. La géométrie caméra et la compliance de l'end-effector évoluent après livraison, les références de fixation bougent avec le process client, et la contamination s'accumule sur plusieurs semaines de production jusqu'à rendre les comportements de récupération peu fiables. La randomisation de domaine en simulation couvre de nombreuses variations, mais pas la dérive propre à chaque site. Un quadrupède en banc d'essai peut exécuter un virage à droite proprement et rater son symétrique gauche : les jambes ont atterri dans des régions servo différentes et chargé le corps différemment, si bien que la même commande produit deux résultats distincts. Le code était symétrique ; la mécanique de contact, non. C'est précisément là que s'arrête l'analogie avec Llama : distribuer le modèle était la partie accessible, transformer ce modèle en travail supporté sur des systèmes en clientèle reste la frontière que les 14 milliards de venture capital engagés en 2025 n'ont pas encore résolue.

Robotique❧Opinion

1 source

42

2417Le Big Data 

Google Gemini rencontre de gros problèmes, que se passe-t-il vraiment ?

Le 10 juin 2026, Google Gemini a été frappé par une panne significative touchant des milliers d'utilisateurs aux États-Unis et au Royaume-Uni. Les premières difficultés ont été signalées à partir de 6h11 heure de l'Est (11h11 GMT), avec une montée rapide des remontées sur Downdetector : environ 480 signalements côté américain et 440 côté britannique en quelques heures. Les utilisateurs se heurtent à deux codes d'erreur spécifiques, 1076 et 1099, aussi bien sur l'interface web que sur l'application mobile. Le premier semble lié à un problème de session ou de communication avec la conversation en cours, le second pointe vers une défaillance côté serveur. La panne touche indistinctement les comptes Google Workspace et les comptes grand public, ce qui exclut une simple limite de quota individuel. L'impact est concret pour tous ceux qui utilisent Gemini dans leur workflow quotidien : rédaction d'emails, préparation de briefs, assistance à des réunions ou aide aux devoirs. Ce qui aggrave la situation, c'est le décalage flagrant entre l'expérience vécue par les utilisateurs et la communication officielle de Google : la page de statut des services affiche toujours un fonctionnement normal, tandis que l'outil renvoie des erreurs à chaque nouvelle invite. Certains utilisateurs signalent qu'une deuxième tentative immédiate peut parfois fonctionner, mais ce contournement reste aléatoire et inutilisable en production. L'absence de reconnaissance officielle laisse les utilisateurs sans visibilité sur la durée et la cause de l'incident. Cette panne survient dans un contexte de concurrence extrêmement tendue entre les grands acteurs de l'IA générative. Google positionne Gemini comme son produit phare face à ChatGPT d'OpenAI et Claude d'Anthropic, et l'intègre progressivement dans l'ensemble de ses services professionnels et grand public. Une indisponibilité non communiquée, même partielle, érode la confiance des entreprises qui envisagent de s'appuyer sur ces outils dans des contextes critiques. Google n'avait toujours pas publié d'explication ni reconnu officiellement un incident global au moment des premiers constats. La situation devrait se clarifier dans les heures suivantes selon l'évolution du volume de signalements et une éventuelle communication de l'entreprise.

Outils⚡Actu

1 source

47

2418Le Big Data 

KPMG et Microsoft généralisent l’usage des agents IA dans les entreprises

KPMG et Microsoft ont annoncé un renforcement significatif de leur partenariat mondial, avec deux axes majeurs : le déploiement de Microsoft 365 Copilot auprès des 276 000 collaborateurs de KPMG répartis dans 138 pays, et l'adoption de Microsoft Agent 365 pour superviser et gouverner les agents IA au sein du cabinet et chez ses clients. Cette extension, qui s'appuie sur plus de dix ans de collaboration entre les deux groupes, marque le passage d'une phase d'expérimentation à une industrialisation réelle de l'IA dans les grandes organisations de conseil. KPMG s'appuiera sur KPMG Workbench, une plateforme construite sur Microsoft Azure AI Foundry, pour coordonner plusieurs agents IA à travers ses services d'audit, de fiscalité et de conseil. Dans l'audit, ces capacités seront intégrées progressivement à KPMG Clara, la plateforme mondiale du groupe, pour renforcer l'analyse en temps réel et améliorer la détection précoce des risques. L'enjeu central de cet accord n'est pas l'adoption de l'IA en elle-même, mais sa gouvernance à l'échelle. Plus les entreprises multiplient les agents semi-autonomes, ces systèmes capables d'exécuter des tâches complexes, d'interagir avec plusieurs applications et de participer à des processus métiers, plus elles doivent pouvoir répondre à des questions précises : quels agents sont actifs, quelles données traitent-ils, quelles décisions prennent-ils, et qui en est responsable. C'est précisément ce verrou organisationnel que Microsoft Agent 365 cherche à lever, en proposant une couche centralisée de déploiement, de supervision et de contrôle. Pour KPMG, cela se traduit aussi par un renforcement de son framework Trusted AI, conçu pour garantir une utilisation responsable de l'IA aussi bien en interne que chez ses clients grands comptes. Cette annonce s'inscrit dans une tendance de fond qui traverse l'ensemble du secteur des services professionnels : après deux années de pilotes et d'expérimentations, les grands cabinets de conseil et d'audit cherchent à standardiser leurs usages IA pour en tirer un avantage concurrentiel mesurable. Microsoft, de son côté, positionne Agent 365 comme une réponse directe aux inquiétudes des DSI et des directions juridiques face à la multiplication incontrôlée des agents autonomes dans leurs systèmes d'information. L'accord KPMG-Microsoft pourrait servir de modèle de référence pour d'autres organisations de taille comparable souhaitant franchir le cap de l'industrialisation sans sacrifier conformité et sécurité des données sensibles.

Business❧Opinion

1 source

49

2419The Decoder 

Le Conseil national de sécurité allemand approuve un Institut de sécurité pour l'IA inspiré de l'AISI britannique

Le Conseil de sécurité nationale allemand a approuvé la création d'un institut de sécurité dédié à l'intelligence artificielle. Baptisé "DE-AISI", cet organisme aura pour mission d'évaluer les risques posés par les modèles d'IA de pointe, notamment ceux développés par Anthropic et OpenAI. Il s'inspire directement du modèle britannique, l'AI Safety Institute (AISI) du Royaume-Uni, pionnier en la matière depuis sa création en 2023. La création du DE-AISI marque une étape concrète dans la volonté européenne de reprendre la main sur la gouvernance de l'IA. En soumettant les modèles les plus puissants à des audits de sécurité indépendants, l'Allemagne entend réduire les risques systémiques liés au déploiement de ces technologies dans des secteurs critiques. Cela concerne aussi bien les institutions publiques que les entreprises et les infrastructures sensibles. Derrière cette initiative se profile toutefois une tension structurelle difficile à résoudre : l'Europe ne dispose d'aucun modèle frontalier propre, ce qui la rend entièrement dépendante des technologies américaines et chinoises. Or, des acteurs comme Anthropic ou OpenAI entretiennent des liens étroits avec leurs gouvernements respectifs, soulevant des questions sur la neutralité et l'accès réel aux données de ces systèmes. L'initiative allemande s'inscrit dans un mouvement plus large, porté par plusieurs pays européens et par la Commission européenne, qui cherche à instaurer des mécanismes de contrôle sans pour autant disposer des leviers industriels nécessaires pour peser véritablement dans la course mondiale à l'IA.

Régulation⚖Reglementation

1 source

51

2420Le Big Data 

Comment Lovable a généré 500 millions de dollars de revenus avec l’IA ?

La startup européenne Lovable a franchi le cap des 500 millions de dollars de revenus annualisés (ARR) en juin 2026, quelques mois seulement après avoir dépassé les 400 millions. Fondée fin 2023, l'entreprise emploie 146 personnes et affiche une croissance qui force l'admiration : en mars dernier, elle avait ajouté 100 millions de dollars de revenus en un seul mois. Plus de 50 millions de projets ont déjà été créés sur sa plateforme, à un rythme qui atteint désormais un million de nouveaux projets par semaine. Les applications développées via Lovable cumulent 720 millions de visites mensuelles, signe que ces créations sont bien utilisées, pas seulement testées. Ce chiffre d'affaires extraordinaire repose sur un changement de paradigme dans la création logicielle. Lovable permet à des utilisateurs sans compétences techniques avancées de développer des applications complètes à partir de simples instructions en langage naturel, une approche connue sous le nom de vibe-coding. Selon les données publiées par l'entreprise, 80 % de ses utilisateurs ne sont pas des développeurs professionnels : on y trouve surtout des fondateurs de startups, des designers, des responsables commerciaux et des entrepreneurs qui cherchent à produire rapidement des outils adaptés à leurs besoins. Ce qui prenait auparavant des mois de travail, des équipes techniques et des budgets conséquents se résume aujourd'hui à quelques heures de prompting. Cette démocratisation de la création logicielle est le principal moteur de la croissance fulgurante de Lovable. Les usages observés sur la plateforme dessinent une menace directe pour l'industrie du SaaS traditionnel. Les projets les plus fréquents sont des CRM, des systèmes de gestion des stocks, des plateformes RH et des outils opérationnels sur mesure, des catégories historiquement dominées par des éditeurs comme Salesforce, SAP ou ServiceNow. Si une entreprise peut désormais construire elle-même son propre logiciel métier en quelques heures pour un coût marginal, la pertinence des abonnements SaaS standardisés devient discutable. Lovable n'est pas seul dans cette course : Bolt, Replit et Cursor occupent un terrain similaire, mais la startup nordique se distingue par sa vitesse de croissance et sa base d'utilisateurs non-techniques. Les investisseurs et les analystes regardent désormais ce secteur avec attention, anticipant un remodelage profond du marché du logiciel d'entreprise dans les prochaines années.

Business❧Opinion

1 source