Actualités IA — page 124

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

46

2461Le Big Data 

iOS 27 : 5 choses incroyables que votre iPhone fera tout seul grâce à l’IA

Apple a présenté iOS 27 lors de sa conférence annuelle, une mise à jour qui place l'intelligence artificielle au coeur du système d'exploitation mobile. La nouveauté principale est Siri AI, une refonte complète de l'assistant vocal reposant sur la nouvelle génération d'Apple Intelligence. Pour les requêtes complexes, Siri s'appuie sur Gemini, le modèle de Google, tout en conservant les traitements dans l'infrastructure Private Cloud Compute d'Apple afin de préserver la confidentialité des données. Concrètement, l'assistant comprend désormais le contexte personnel de l'utilisateur : il peut retrouver l'heure d'un rendez-vous fixé par message, enchaîner plusieurs actions entre applications distinctes, localiser une adresse dans un email, l'ajouter à un contact, puis ouvrir l'itinéraire dans Plans, sans aucune intervention manuelle. L'application Photos intègre également de nouvelles fonctions IA : recadrage spatial pour modifier la composition d'un cliché après la prise de vue, outil Extend pour générer les éléments manquants en bordure d'image, et Clean Up pour effacer des objets indésirables en quelques secondes. Chaque image retouchée par IA reçoit un filigrane invisible SynthID. Safari, lui, pourra surveiller des pages web et alerter l'utilisateur lorsqu'un produit baisse de prix ou revient en stock. Enfin, iOS 27 est capable de remplacer automatiquement les mots de passe faibles directement sur les sites concernés. L'importance de cette mise à jour tient à son ambition d'automatiser des tâches jusqu'ici fragmentées entre plusieurs applications et plusieurs gestes. Pour les utilisateurs, cela signifie moins de friction au quotidien : plus besoin de jongler entre Messages, Contacts et Plans pour une simple question d'adresse. La surveillance de prix dans Safari s'adresse directement aux acheteurs réguliers en ligne, un marché colossal. Le remplacement automatique de mots de passe faibles touche à la sécurité de masse, un problème que les gestionnaires de mots de passe n'ont jamais réussi à résoudre complètement faute d'adoption. Pour l'industrie, Apple franchit une étape en intégrant un modèle tiers, Gemini de Google, dans son écosystème fermé, signal fort d'une évolution vers des architectures hybrides même chez les acteurs les plus verticalement intégrés. Cette direction n'est pas surprenante au regard des annonces des dernières années : Apple avait lancé Apple Intelligence en 2024 avec des fonctions jugées timides, puis accéléré ses partenariats avec OpenAI pour ChatGPT dans Siri. L'intégration de Gemini marque une deuxième alliance stratégique notable, révélant qu'Apple préfère désormais multiplier les fournisseurs de modèles plutôt que de tout développer en interne. La concurrence avec Google et Samsung, qui intègrent eux aussi l'IA dans leurs systèmes mobiles, pousse l'ensemble du secteur vers des assistants capables d'actions multi-applications. iOS 27 sera vraisemblablement disponible à l'automne 2026 avec les nouveaux iPhone, et l'enjeu sera de savoir si ces fonctions tiendront leurs promesses dans l'usage réel, là où Apple a parfois déçu par le passé.

Outils⚒Outil

1 source

51

2462VentureBeat AI 

Les agents IA embarqués se heurtent à une limite mémoire, qu'Apple contourne avec sa nouvelle architecture

Apple a annoncé lors de la WWDC26 sa troisième génération de modèles de fondation, la famille AFM 3, développée en collaboration avec Google. Cette famille comprend cinq modèles : deux fonctionnant en local sur l'appareil et trois hébergés côté serveur, dont AFM 3 Cloud Pro, dédié aux tâches agentiques complexes et s'exécutant sur des GPU Nvidia dans Google Cloud. La pièce maîtresse de l'annonce est AFM 3 Core Advanced, un modèle de 20 milliards de paramètres conçu pour tourner directement sur les appareils Apple, et dont l'architecture rompt radicalement avec les contraintes habituelles de l'IA embarquée. Plutôt que de stocker l'ensemble des poids du modèle en mémoire vive (DRAM), Apple les place en mémoire flash NAND, la même technologie utilisée pour le stockage interne des iPhone et Mac. Un petit modèle auxiliaire prédit, à partir du prompt, quels "experts" charger depuis la flash vers la RAM avant de générer la réponse. Le nombre de paramètres actifs varie ainsi entre 1 et 4 milliards selon la complexité de la tâche, tous puisés dans le réservoir de 20 milliards stocké en flash. Cette approche lève un verrou fondamental qui bridait l'IA on-device depuis ses débuts : la capacité limitée de la DRAM contraint aujourd'hui les modèles embarqués à quelques milliards de paramètres au maximum, très loin des capacités des modèles cloud. En déplaçant le stockage vers la flash et en ne chargeant en RAM que les experts pertinents pour chaque requête, Apple ouvre la voie à des modèles locaux sensiblement plus puissants, sans dépendance permanente au réseau. Pour les développeurs d'applications, cela signifie potentiellement accéder à des capacités de raisonnement et d'outil use jusqu'ici réservées au cloud, tout en conservant les garanties de confidentialité du Private Cloud Compute d'Apple. La contrainte technique centrale que l'architecture contourne est celle de la bande passante flash-vers-RAM : dans un modèle Mixture of Experts classique, le routeur sélectionne des experts différents à chaque token généré, une cadence bien trop rapide pour la NAND. Apple résout ce problème en effectuant le routage une seule fois par prompt, chargeant un ensemble fixe d'experts pour toute la génération de la réponse. Awni Hannun, chercheur chez Anthropic et ancien scientifique chez Apple, a salué l'approche sur X tout en soulignant son caractère "exotique par rapport aux standards actuels". Des zones d'ombre demeurent cependant : selon Marco Abis, développeur du profileur Ziraph pour Apple Silicon, la documentation d'Apple ne précise ni la consommation énergétique, ni la bande passante mémoire, ni le comportement thermique du modèle, ni les conditions dans lesquelles une requête locale est silencieusement redirigée vers le cloud.

LLMs❧Opinion

1 source

49

2463Interesting Engineering 

NVIDIA et LG Group construisent une usine IA pour entraîner des robots et alimenter la mobilité du futur

NVIDIA et le groupe sud-coréen LG ont annoncé lors du Computex 2026 un partenariat stratégique multisectoriel visant à construire un écosystème d'intelligence artificielle physique couvrant la robotique industrielle, les robots domestiques, la mobilité autonome et les infrastructures de calcul. La collaboration mobilise plusieurs entités du conglomérat LG : LG Electronics, LG CNS, LG Innotek, LG Uplus et LG Energy Solution, chacune apportant un périmètre spécifique. Concrètement, LG prévoit de déployer NVIDIA Isaac Sim et Isaac Lab dans ses workflows robotique pour entraîner ses robots domestiques en environnements virtuels avant tout déploiement physique, et d'explorer le modèle de fondation GR00T pour renforcer leurs capacités de raisonnement. LG Electronics construit par ailleurs ce qu'il appelle une "data factory pour l'IA physique", utilisant les world models NVIDIA Cosmos pour générer des datasets synthétiques destinés à la robotique et à l'automatisation industrielle. Sur le volet infrastructure, LG Uplus s'engage à construire des centres de données à grande échelle compatibles avec les dernières générations de GPU NVIDIA, LG Electronics travaillera sur des technologies de refroidissement liquide alignées avec la plateforme NVIDIA DSX, et LG Energy Solution évalue des architectures d'alimentation en courant continu 800 volts pour les installations nouvelle génération. L'intérêt de ce partenariat pour les décideurs industriels tient moins à l'annonce elle-même qu'à ce qu'elle révèle sur la maturité du cycle de développement robotique. L'adoption d'Isaac Sim comme environnement d'entraînement primaire signale que le sim-to-real gap, longtemps le principal obstacle au déploiement à grande échelle, est considéré comme suffisamment maîtrisé pour structurer une chaîne industrielle dessus. La création d'une data factory synthétique répond à l'un des goulots d'étranglement les plus critiques du secteur : la rareté des données labellisées de qualité pour entraîner des VLA (Vision-Language-Action models). Pour les intégrateurs et les COO industriels, le message est que les outils de simulation et les modèles de fondation convergent vers une stack unifiée, ce qui devrait réduire les coûts et délais de portage de nouvelles applications robotiques. Il convient toutefois de noter que l'annonce reste au stade de la feuille de route : aucun chiffre de déploiement, aucun timeline de livraison ni prix n'ont été communiqués. Le contexte de ce rapprochement est celui d'une course mondiale à l'IA physique dans laquelle NVIDIA cherche à s'imposer comme couche d'infrastructure universelle face à des concurrents comme Boston Dynamics Atlas (désormais intégré chez Hyundai), Figure AI avec son modèle Helix, ou encore Physical Intelligence (pi-0) côté recherche. LG, de son côté, investit depuis plusieurs années dans la robotique de service avec ses robots CLOi, sans avoir encore atteint une adoption commerciale significative. Le groupe fait aussi face à la pression de concurrents coréens comme Samsung, qui développe ses propres robots domestiques avec Ballie. Les prochaines étapes annoncées incluent l'intégration des technologies NVIDIA DRIVE dans les systèmes ADAS de LG Electronics pour les véhicules définis par logiciel, et le déploiement de la plateforme d'automatisation industrielle de LG CNS enrichie de briques NVIDIA. La concrétisation de ces engagements sur les 12 à 24 prochains mois sera le véritable indicateur de la profondeur du partenariat.

Robotique❧Opinion

1 source

44

2464The Information AI 

Le PDG de Palantir profite de la polémique sur les dépenses d'Anthropic

Alex Karp, PDG de Palantir, a profité d'un événement client organisé en dehors de San Francisco la semaine dernière pour s'attaquer frontalement à Anthropic et OpenAI. Devant ses clients, il a affirmé qu'il serait une erreur de traiter directement avec les grandes firmes d'IA plutôt qu'avec des intermédiaires comme Palantir. "Vous allez aller voir une entreprise de grands modèles de langage et vous découvrirez qu'ils ne se soucient pas de vous du tout", a-t-il déclaré. "Vous rentrerez chez vous plus pauvres et moins en sécurité, vous aurez acheté le produit, vous paierez beaucoup en tokens, et il vous sera très difficile de comprendre en quoi ça vous aide." Ni Anthropic ni OpenAI n'ont répondu aux demandes de commentaire. Cette prise de position intervient dans un climat de grogne croissante chez les entreprises clientes de l'IA, de plus en plus nombreuses à se plaindre des coûts élevés et de la difficulté à mesurer le retour sur investissement de ces technologies. Pour les acteurs historiques du logiciel d'entreprise, comme Palantir, mais aussi Microsoft, Salesforce ou SAP, c'est une opportunité à saisir : se repositionner comme les intermédiaires fiables entre des clients désorientés et des fournisseurs d'IA perçus comme distants et complexes à utiliser. Palantir, dont le cours en bourse a fortement progressé ces derniers trimestres grâce à son positionnement sur l'IA pour les gouvernements et les grandes entreprises, cherche à consolider son rôle d'intégrateur stratégique face à la montée en puissance d'Anthropic et d'OpenAI. Ces derniers ont bâti leur modèle sur la vente directe d'accès API et de produits comme Claude ou ChatGPT Enterprise, court-circuitant les revendeurs traditionnels. Le discours de Karp reflète une bataille de positionnement qui s'intensifie dans l'IA d'entreprise : la question n'est plus seulement qui construit les meilleurs modèles, mais qui contrôle la relation client et capte la valeur à long terme.

Business❧Opinion

1 source

46

2465MarkTechPost 

Google lance Gemini 3.5 Live Translate, un modèle audio voix-à-voix en temps réel couvrant plus de 70 langues

Google a lancé Gemini 3.5 Live Translate, un nouveau modèle audio capable de traduire la parole en temps réel dans plus de 70 langues. Disponible sous l'identifiant gemini-3.5-live-translate-preview, il fonctionne en mode speech-to-speech : de l'audio parlé entre, de l'audio traduit sort, avec une latence de quelques secondes seulement. Contrairement aux systèmes classiques qui attendent la fin d'une phrase pour commencer à traduire, ce modèle traite le flux audio en continu, au fil de la parole. Il préserve l'intonation, le rythme et la hauteur de voix du locuteur dans la version traduite. Le déploiement s'effectue sur trois surfaces simultanément : les développeurs y accèdent via une préversion publique dans la Gemini Live API et Google AI Studio, les entreprises via une préversion privée dans Google Meet à partir de ce mois-ci, et le grand public via l'application Google Traduction sur Android et iOS. Ce modèle représente une rupture technique significative pour tous les secteurs qui dépendent de la communication multilingue en direct. Lors d'appels professionnels, de réunions internationales, de cours en ligne ou de diffusions live, la barrière de la langue peut être levée sans infrastructure dédiée ni interprète humain. Des plateformes comme Agora, LiveKit, Pipecat et Fishjam intègrent déjà la Live API, ce qui réduit considérablement le travail d'intégration pour les développeurs. L'exemple concret le plus parlant vient de Grab, le géant asiatique du transport à la demande : la société teste activement le modèle pour les échanges entre chauffeurs et passagers au moment de la prise en charge, sachant que ses utilisateurs passent plus de 10 millions d'appels vocaux. Cette annonce s'inscrit dans la stratégie de Google visant à imposer sa suite Gemini comme infrastructure de référence pour l'IA temps réel. Techniquement, le modèle ne fonctionne qu'en entrée audio, sans prise en charge du texte, sans appel d'outils ni instructions système, ce qui le distingue radicalement des agents conversationnels classiques. La configuration s'effectue via un bloc translationConfig dans la Gemini Live API, avec un paramètre targetLanguageCode au format BCP-47 et une option echoTargetLanguage pour gérer les cas où le locuteur parle déjà la langue cible. Les formats audio sont fixes : entrée en PCM 16 bits à 16 kHz, sortie à 24 kHz. Ce choix de spécialisation radicale, au détriment de la flexibilité, témoigne d'une priorité claire donnée à la latence et à la fiabilité, deux critères décisifs pour les usages professionnels et grand public en conditions réelles.

LLMs❧Opinion

1 source

48

2466FrenchWeb 

Après VLC, Jean-Baptiste Kempf veut construire le système nerveux des robots

Jean-Baptiste Kempf, le Français qui a co-créé VLC et révolutionné la lecture vidéo open source, s'attaque à un nouveau chantier : doter les robots d'un système de communication universel. Son nouveau projet vise à combler le vide technologique qui sépare aujourd'hui les modèles d'IA capables de prendre des décisions et les machines physiques chargées de les exécuter. Drones autonomes, bras industriels, véhicules sans conducteur et équipements médicaux robotisés partagent tous le même problème : ils doivent transmettre en continu des flux vidéo et des données capteurs sans couche logicielle commune pour le faire. Cette infrastructure manquante freine concrètement le déploiement de la robotique autonome à grande échelle. Sans protocole standardisé pour faire circuler l'information entre les composants d'un robot, chaque fabricant réinvente sa propre solution, créant des silos incompatibles qui ralentissent l'innovation et renchérissent les coûts de développement. L'enjeu touche directement les secteurs de la logistique, de la santé, de la défense et de l'industrie, tous en train de basculer vers des systèmes autonomes. L'initiative s'inscrit dans la trajectoire cohérente de Kempf : après avoir fourni à des milliards d'utilisateurs un lecteur multimédia universel et libre, il s'attaque désormais aux flux de données temps réel qui alimenteront la prochaine génération de machines intelligentes. La comparaison avec VLC n'est pas anodine, car c'est précisément ce modèle ouvert et interopérable que le secteur robotique attend encore. Si le pari réussit, Kempf pourrait fournir à l'IA incarnée le même socle que TCP/IP a fourni à l'internet.

Robotique❧Opinion

1 source

58

2467VentureBeat AI 

Anthropic démocratise Mythos avec Claude Fable 5, son modèle grand public le plus puissant à ce jour

Anthropic a lancé le 9 juin 2026 deux nouveaux modèles d'intelligence artificielle, Claude Fable 5 et Claude Mythos 5, marquant la première mise à disposition grand public de capacités dites "Mythos-class" jusqu'alors réservées aux partenaires du programme restreint Project Glasswing, annoncé deux mois plus tôt. Claude Fable 5 constitue la version accessible au grand public et surpasse tous les modèles Claude précédemment disponibles sur des tâches de développement logiciel, de travail intellectuel, de vision, de recherche scientifique et de longues séquences d'actions autonomes. Claude Mythos 5, lui, est une version améliorée du Mythos Preview, accessible uniquement aux partenaires cybersécurité de Project Glasswing et à une sélection de chercheurs en biologie. Les deux modèles sont facturés 10 dollars par million de tokens en entrée et 50 dollars par million en sortie, soit moins de la moitié du prix du Mythos Preview, mais ils demeurent les modèles les plus chers parmi les grands acteurs mondiaux de l'IA. Ce lancement introduit une architecture de sécurité inédite pour rendre les capacités Mythos accessibles sans les risques associés. Pour les requêtes jugées sensibles, notamment en cybersécurité, biologie, chimie ou distillation de modèles, Fable 5 redirige automatiquement vers Claude Opus 4.8 en notifiant l'utilisateur. Anthropic indique que plus de 95% des sessions Fable s'exécutent entièrement sur le modèle Fable sans ce repli, et que plus de 1 000 heures de tests adversariaux internes et externes n'ont révélé aucun contournement universel. Pour les développeurs, Fable 5 est disponible via l'API sous l'identifiant claude-fable-5 et sur les plans Enterprise à la consommation. Les abonnés Pro, Max, Team et Enterprise bénéficient d'un accès gratuit jusqu'au 22 juin 2026, date à laquelle le modèle basculera sur un système de crédits d'utilisation, Anthropic promettant de le réintégrer le plus vite possible dans les abonnements standards. Ce lancement s'inscrit dans une course aux capacités avancées qui divise désormais clairement le marché entre modèles grand public et modèles réservés à des usages à risque élevé. Anthropic avait ouvert Project Glasswing il y a deux mois pour permettre à des partenaires triés sur le volet d'accéder à des capacités cybersécurité offensives sous contrôle strict, une approche qui fait débat dans le secteur. Avec Fable 5, la société tente de commercialiser ces capacités à grande échelle tout en maintenant des garde-fous techniques. La concurrence est intense: DeepSeek, Google Gemini, xAI Grok et OpenAI GPT-5 couvrent désormais un spectre de prix allant de 0,42 à 35 dollars pour l'entrée et la sortie combinées, rendant le positionnement tarifaire d'Anthropic à 60 dollars le million de tokens cumulés difficile à justifier sans performances nettement supérieures sur les benchmarks les plus exigeants.

LLMs❧Opinion

Aussi surTechCrunch AI,Next INpact,ZDNET FR

51

2468One Useful Thing 

Ce que c'est de travailler avec Mythos

Claude 5 Fable, le premier modèle de la classe Mythos d'Anthropic à être rendu public, a fait l'objet d'un test approfondi par un chercheur ayant bénéficié d'un accès anticipé. Contrairement à la plupart des discussions qui se sont concentrées sur les implications pour la cybersécurité, ce test a couvert un spectre beaucoup plus large de cas d'usage. Les résultats sont frappants : Fable surpasse systématiquement tous les autres modèles publics testés jusqu'ici, sur des tâches aussi variées que la rédaction académique, la création littéraire ou le développement logiciel. Le modèle est capable de travailler de manière autonome jusqu'à une douzaine d'heures sur des spécifications complexes de plusieurs pages. À titre d'illustration, il a produit, à partir d'un seul prompt, un article de sciences sociales qualifié de "le plus sophistiqué jamais vu par une IA", ainsi qu'un poème épique de dix pages dont chaque mot commence par la lettre "s". Il a également développé plusieurs jeux vidéo complets à partir de descriptions vagues, en générant tous les éléments graphiques uniquement par le calcul mathématique, sans aucune image externe. Ce bond qualitatif n'est pas qu'une question de performances sur des benchmarks. Ce qui change fondamentalement, c'est la nature de l'interaction entre l'humain et l'outil : il suffit de formuler une intention pour qu'elle se matérialise. Le cas d'une carte isochrone illustre parfaitement ce saut. Ces cartes, inventées en 1881 pour visualiser les temps de trajet depuis Londres, n'avaient jamais pu être correctement générées par un modèle d'IA en raison de leur complexité : elles nécessitent de croiser des milliers de données de trajets (avion, train, voiture, marche) avec une multitude de micro-décisions. Fable a non seulement accompli cette tâche, mais en lançant lui-même plusieurs sous-agents (dont des instances de Claude Sonnet) pour collecter les données, il a récupéré plus de 2 200 vols spécifiques ainsi que les horaires de trains réels, produisant une carte fonctionnelle et esthétiquement soignée dans le style de la carte originale de 1881. Cette capacité à orchestrer d'autres IA de manière autonome marque une rupture avec les modèles précédents et soulève des questions plus larges. Anthropic positionne la classe Mythos comme une nouvelle génération de modèles "agents", capables de piloter des projets longs et complexes sans supervision constante. Le fait que Fable soit bridé sur les thématiques de cybersécurité suggère qu'Anthropic anticipe des risques d'usage malveillant à un niveau inédit. Pour les professionnels, chercheurs et développeurs, ce modèle représente moins un assistant amélioré qu'un collaborateur autonome capable de planifier, chercher, déléguer et livrer. La question n'est plus de savoir si l'IA peut faire le travail, mais de comprendre ce que cela change à la manière dont on travaille.

LLMs❧Opinion

1 source

38

2469AWS ML Blog 

Premier avis de sinistre automatisé : Strands Agents et Amazon Bedrock AgentCore pour un traitement intelligent des déclarations

Amazon Web Services a présenté un système d'automatisation de la déclaration de sinistre initiale (FNOL, ou "First Notice of Loss") combinant deux de ses technologies : le SDK open source Strands Agents et l'outil Amazon Bedrock AgentCore Browser Tool. Le dispositif s'appuie également sur Amazon Nova Act, un client capable d'interpréter des instructions en langage naturel pour piloter des interfaces web. Concrètement, Nova Act orchestre les interactions avec les portails de gestion de sinistres, ouvrir un dossier non traité, déclencher une analyse d'images, tandis que les agents construits avec Strands Agents appliquent les règles métier propres à l'assurance : interprétation des preuves, corrélation entre différents types de médias, évaluation de la complexité du dossier. Les modèles de fondation sont servis via Amazon Bedrock, et les sessions de navigation sont gérées dans des environnements Chrome isolés, avec enregistrement et visualisation en temps réel pour garantir la traçabilité. L'enjeu est considérable pour les compagnies d'assurance. À chaque déclaration de sinistre, les experts reçoivent un ensemble hétérogène d'informations non structurées : photos prises sur le terrain, vidéos panoramiques des dégâts, documents scannés, notes dictées ou enregistrées. Avant même de pouvoir exercer leur jugement, ils doivent naviguer dans des portails, vérifier l'exhaustivité des pièces justificatives et interpréter manuellement chaque élément. Les estimations sectorielles indiquent que cette phase de validation représente une part significative du temps d'un expert lors du traitement initial d'un dossier. Lors de pics de sinistres, catastrophes naturelles, vagues saisonnières, ces délais s'accumulent, créent des files d'attente et dégradent l'expérience client. Le système proposé délivre aux experts des dossiers pré-analysés, avec les preuves étiquetées et contextualisées, prêts pour la prise de décision plutôt que pour la validation. Cette initiative s'inscrit dans un mouvement plus large d'automatisation des processus assurantiels par l'IA générative, un secteur où les grands acteurs du cloud, AWS, Microsoft Azure, Google Cloud, se livrent une concurrence intense pour conquérir les équipes claims et underwriting. L'approche d'AWS est notable car elle ne cherche pas à remplacer l'expert humain mais à éliminer le travail répétitif d'écran, en préservant la supervision et l'auditabilité. Les données d'intake étiquetées deviennent également un actif opérationnel durable, utilisable pour affiner le routage des dossiers, détecter des patterns de fraude ou améliorer les workflows sur l'ensemble du cycle de vie des sinistres. La prochaine étape naturelle sera l'intégration avec des systèmes de gestion de sinistres existants comme Guidewire ou Duck Creek, où la valeur de l'automatisation multimodale sera pleinement testée à l'échelle.

Outils⚒Outil

1 source

36

2470AWS ML Blog 

Créer un assistant de triage d'incidents basé sur des agents avec Amazon Q et New Relic

Amazon Quick, la plateforme d'agents IA d'Amazon Web Services, vient de présenter une intégration native avec New Relic et Asana permettant d'automatiser la gestion d'incidents en production. Le principe : un ingénieur de garde envoie un simple prompt en langage naturel, par exemple "Le service checkout est lent et génère des erreurs serveur en production, vérifie les dernières 24 heures et génère un rapport de cause racine", et l'agent orchestre automatiquement cinq outils d'investigation New Relic en parallèle. Il identifie les alertes critiques, quantifie l'impact utilisateur, analyse les logs d'erreurs, détecte les transactions défaillantes, et traduit des questions en langage naturel vers le NRQL, le langage de requête propriétaire de New Relic. En sortie, l'agent produit un rapport de cause racine complet avec les liens vers les preuves, puis crée automatiquement une tâche dans le projet Asana "SRE Incident Triage" pour assurer la passation entre équipes. L'accès nécessite un abonnement Amazon Quick Professional avec des droits Author ou supérieurs. L'enjeu principal est la réduction du MTTR, le temps moyen de résolution d'incident, indicateur clé pour les équipes SRE. Lors des tests internes menés sur les propres applications de New Relic, l'agent a significativement compressé la phase de collecte des preuves, qui représente souvent la part la plus chronophage d'une intervention. Concrètement, cela réduit le risque de perte de connaissances lors des changements de garde, impose un standard d'investigation uniforme à toute la rotation on-call, et accélère la résolution effective. Pour les DSI et responsables ingénierie, la promesse est claire : moins de temps perdu à jongler entre des outils disparates sous pression, et une traçabilité immédiate de chaque incident. Cette intégration s'inscrit dans une tendance de fond : l'outillage des agents IA avec des connecteurs natifs vers les plateformes d'observabilité et de gestion de projet. New Relic, qui positionne son MCP Server comme pont entre ses données et les agents IA, rejoint ainsi un écosystème croissant autour du protocole MCP popularisé par Anthropic. Amazon Quick, de son côté, étend sa bibliothèque de connecteurs enterprise, avec New Relic et Asana déjà intégrés nativement. Le pattern décrit dans cet article, triage d'incidents, n'est qu'une illustration d'une capacité plus large : connecter n'importe quel flux de travail métier à un agent conversationnel. La prochaine étape logique serait d'étendre cette approche à d'autres outils d'observabilité comme Datadog ou Grafana, et à d'autres systèmes de ticketing comme Jira ou PagerDuty, à mesure que l'écosystème MCP se standardise.

Outils⚒Outil

1 source

47

2471Le Big Data 

Apple Intelligence : comment Siri AI voit vraiment votre écran iPhone ?

Le 8 juin 2026, Tim Cook a officialisé la prochaine génération d'Apple Intelligence, qui dote Siri d'une capacité inédite : lire et comprendre en temps réel ce qui s'affiche à l'écran de l'iPhone, de l'iPad, du Mac et de l'Apple Vision Pro. Concrètement, l'assistant peut désormais détecter une adresse dans un message et l'ajouter automatiquement à un contact, identifier une invitation et proposer d'organiser la suite, ou encore interagir avec des éléments visuels affichés dans n'importe quelle application. Sur Vision Pro, Siri peut même répondre en fonction de l'environnement physique regardé par l'utilisateur. Apple parle de "conscience de l'écran" pour qualifier cette capacité : l'assistant ne se contente plus d'écouter des commandes vocales, il interprète le contexte visuel de l'appareil. Ce basculement représente une rupture nette avec le Siri passif lancé en 2011. L'assistant devient un agent contextuel capable d'agir dans les applications, pas seulement de répondre à côté. Pour les utilisateurs professionnels, cela signifie concrètement moins de copier-coller entre apps, moins de recherches manuelles dans les mails ou les messages, et un assistant qui anticipe les actions probables plutôt que d'attendre une instruction explicite. Pour Apple, c'est aussi un enjeu stratégique majeur face à OpenAI, Google et Microsoft, qui ont tous intégré des assistants à forte conscience contextuelle dans leurs écosystèmes. Le retard de Siri sur ces concurrents est documenté depuis des années ; Apple Intelligence est censé combler cet écart en s'appuyant sur l'intégration matériel-logiciel propre à Apple. La question centrale reste celle de la vie privée. Un assistant qui lit les écrans, les messages, les photos et les mails concentre un volume considérable d'informations personnelles. Apple défend un modèle de traitement en local prioritaire, complété par son Private Cloud Compute pour les requêtes plus lourdes, avec la promesse que les données ne sont ni stockées ni accessibles à Apple. Ce cadre technique s'inscrit dans une stratégie de différenciation vis-à-vis de Google et Microsoft, perçus comme plus collecteurs de données. Mais la crédibilité de ces garanties sera testée à l'usage, notamment par les régulateurs européens qui scrutent déjà les pratiques des géants tech en matière d'IA embarquée. Si Apple réussit à convaincre que Siri peut être à la fois utile et discret, elle dispose d'un avantage concurrentiel durable. Dans le cas contraire, chaque mise à jour risque de raviver un débat que la marque préférerait clore une bonne fois pour toutes.

Outils⚒Outil

1 source

57

2472Le Big Data 

Siri AI : pourquoi votre iPhone européen sera moins intelligent

Apple a officiellement annoncé lors de la WWDC 2026 que le nouveau Siri dopé à l'IA, présenté comme un assistant entièrement repensé, ne sera pas disponible sur iPhone et iPad dans l'Union européenne. La restriction concerne également l'Apple Watch, qui dépend de ces appareils. Les autres fonctionnalités d'Apple Intelligence seront bien déployées en Europe, et Siri AI restera accessible sur macOS et visionOS, mais les quelque 100 millions d'utilisateurs européens d'iPhone se retrouveront avec un appareil moins capable que leurs homologues américains ou asiatiques. Greg Joswiak, vice-président d'Apple, a confirmé qu'Apple avait informé les autorités européennes dès fin 2025 de son intention de lancer Siri AI, et affirme avoir soumis plusieurs propositions techniques pour concilier ouverture à la concurrence et protection des données, toutes rejetées selon lui par la Commission européenne. Le blocage prive des millions d'utilisateurs d'une fonctionnalité centrale du nouveau cycle produit d'Apple, creusant un fossé technologique entre l'Europe et le reste du monde. Au coeur du désaccord se trouve une question concrète de sécurité : Apple soutient que les exigences actuelles du Digital Markets Act obligeraient la firme à donner à des assistants virtuels tiers un accès direct aux messages, fichiers, photos et actions dans les applications sans intervention de l'utilisateur, supprimant des mécanismes de protection jugés essentiels. Joswiak a résumé la position d'Apple sans détour, refusant de faire des dizaines de millions d'utilisateurs européens un terrain d'expérimentation. Parmi les solutions proposées figurait un système baptisé Trusted System Agent, conçu comme intermédiaire sécurisé pour permettre à des assistants concurrents d'accéder aux mêmes fonctions que Siri AI, avec un déploiement progressif sur 18 mois. Ce conflit s'inscrit dans une tension plus large et ancienne entre Apple et les régulateurs européens autour du Digital Markets Act, entré en vigueur en 2024. Le DMA a déjà contraint Apple à ouvrir son écosystème aux boutiques d'applications alternatives et à des solutions concurrentes d'Apple Pay, défiant directement le modèle fermé que la marque défend depuis des années au nom de la sécurité et de la vie privée. Apple, désignée comme contrôleur d'accès par la Commission, fait l'objet d'enquêtes et de pressions continues. Si les discussions se poursuivent selon la firme, le climat est décrit comme particulièrement tendu. L'enjeu dépasse Siri : il s'agit de savoir si les grands acteurs technologiques américains peuvent imposer leurs propres standards de sécurité face aux exigences réglementaires européennes, ou si l'Europe acceptera de voir ses utilisateurs équipés d'appareils volontairement bridés.

Régulation⚖Reglementation

1 source

53

2473The Information AI 

Anthropic lance Mythos aujourd'hui, Apple vise des objectifs modestes pour la refonte de Siri

Anthropic s'apprête à lancer dans les prochaines heures Claude Fable, une version accessible de son modèle Mythos, selon une source proche du dossier. Ce nouveau modèle sera proposé à un tarif environ deux fois supérieur à celui des actuels Claude Opus, les modèles les plus avancés de la gamme. Une hausse significative qui tranche néanmoins avec les premières estimations : lors de sa présentation initiale en avril, Anthropic avait évoqué un prix cinq fois supérieur à Opus pour Mythos dans son billet de lancement officiel. Le lancement de Claude Fable répond à une demande croissante d'accès aux capacités de Mythos tout en encadrant ses usages les plus risqués. La version dévoilée aujourd'hui intègre des garde-fous conçus pour prévenir les détournements dans des domaines critiques : cyberattaques et conception d'armes biologiques notamment. Pour les développeurs et entreprises qui souhaitent bénéficier d'une puissance de traitement inédite, le modèle reste onéreux dans un contexte où les coûts de l'IA sont déjà perçus comme un frein majeur à l'adoption. Mais le positionnement tarifaire final, plus raisonnable qu'anticipé, devrait élargir le cercle des clients potentiels. Mythos avait été présenté pour la première fois par Anthropic en avril comme un modèle d'une puissance exceptionnelle, capable d'identifier des centaines de nouvelles failles de sécurité dans des logiciels vieux de plusieurs décennies. Sa présentation avait suscité un tel mélange d'enthousiasme et d'inquiétude dans le secteur que l'administration Trump elle-même avait reconsidéré son approche jusqu'alors souple en matière de régulation de l'IA. Ce contexte géopolitique et industriel tendu explique le choix d'Anthropic de filtrer les capacités offensives du modèle avant toute mise sur le marché. Claude Fable s'inscrit ainsi dans une stratégie de commercialisation progressive, cherchant à maximiser l'adoption tout en devançant les critiques sur la sécurité des systèmes d'IA de frontier.

LLMs⚡Actu

1 source

48

2474Le Big Data 

ChatGPT revoit sa mémoire et devient plus humain… même free

OpenAI a déployé une mise à jour significative du système de mémoire de ChatGPT, reposant sur une architecture interne baptisée Dreaming V3. Contrairement aux versions précédentes, l'assistant ne se limite plus à enregistrer des souvenirs explicitement demandés par l'utilisateur : il peut désormais relier automatiquement des éléments issus de conversations passées pour adapter ses réponses au contexte actuel. Le déploiement est progressif, les abonnés Plus et Pro aux États-Unis sont servis en priorité, les comptes Free et Go devant suivre dans les prochaines semaines. L'avancée technique clé est une réduction d'environ cinq fois de la puissance de calcul nécessaire pour faire tourner ce système, ce qui rend l'extension aux comptes gratuits économiquement viable pour la première fois. Concrètement, un utilisateur intensif pourrait voir ChatGPT retenir un projet récurrent, un style de rédaction préféré ou une contrainte professionnelle sans avoir besoin de la réexpliquer à chaque nouvelle conversation. C'est un changement de nature plus que de degré : l'assistant passe d'un outil qui répond à des instructions de mémorisation à un système qui construit progressivement un profil d'usage. Pour des millions d'utilisateurs gratuits jusqu'ici exclus de ces fonctionnalités, l'accès à une personnalisation continue représente un gain d'usage réel. Pour OpenAI, c'est un levier de rétention face à une concurrence qui s'intensifie sur ce même terrain. La mémoire dans les assistants IA est devenue un enjeu stratégique majeur pour l'ensemble du secteur, et OpenAI n'est pas seul à y investir. Google, Anthropic et d'autres acteurs travaillent à des systèmes similaires, la personnalisation étant perçue comme le prochain différenciateur clé après les capacités brutes de génération. Mais la question du contrôle reste centrale : plus un assistant retient, plus il devient utile, et plus la surface de données personnelles qu'il accumule est large. OpenAI affirme laisser aux utilisateurs la possibilité de consulter, modifier, supprimer ou désactiver les souvenirs enregistrés, et de revenir à un mode de fonctionnement plus classique. La crédibilité de ces garanties dans la durée, et leur lisibilité réelle pour un utilisateur lambda, seront déterminantes. Une IA qui devine les préférences sans les expliquer clairement franchit une frontière psychologique que les utilisateurs, et bientôt les régulateurs, auront du mal à ignorer.

LLMs⚒Outil

1 source

50

2475Ars Technica AI 

La confidentialité de l'IA d'Apple est maintenue même sur les serveurs de Google, affirme l'entreprise

Apple a confirmé à sa conférence mondiale des développeurs (WWDC) que "Siri AI", la refonte longtemps attendue de son assistant vocal, s'appuie sur les modèles de langage Gemini de Google et tourne sur du matériel Nvidia installé dans les centres de données de Google. Cette annonce, faite à Cupertino, marque un tournant significatif : pour la première fois, une partie substantielle du traitement IA d'Apple s'effectue sur une infrastructure qu'elle ne contrôle pas directement. Malgré ce changement d'architecture, Apple maintient les mêmes engagements de confidentialité qu'elle formulait quand ses modèles tournaient exclusivement sur ses propres appareils ou serveurs. Cette évolution soulève des questions concrètes pour des centaines de millions d'utilisateurs Apple. L'entreprise a construit pendant des années une réputation commerciale autour de la protection des données personnelles : chiffrement de bout en bout, traitement local sur l'appareil pour éviter que les données ne quittent l'iPhone ou le Mac, services cloud conçus pour que même les ingénieurs d'Apple ne puissent pas lire les contenus des utilisateurs. Si ces garanties restent valables lorsque le traitement migre vers l'infrastructure d'un concurrent direct comme Google, c'est toute la crédibilité de cet argumentaire marketing qui est en jeu. Le recours aux serveurs Google n'est pas une décision prise à la légère. Apple avait développé Private Cloud Compute, un système de cloud privé reposant sur ses propres serveurs, comme solution intermédiaire pour les requêtes dépassant les capacités locales des appareils. Mais les modèles de langage puissants capables de rivaliser avec ChatGPT ou Gemini nécessitent une puissance de calcul considérable, et construire des centres de données à la hauteur des ambitions de Siri AI aurait exigé des investissements massifs qu'Apple a préféré éviter. En externalisant vers Google, Apple gagne en capacité mais s'expose à un paradoxe structurel : vendre la confidentialité comme avantage différenciant, tout en confiant une partie du traitement à un acteur dont le modèle économique repose historiquement sur la valorisation des données.

Éthique❧Opinion

1 source

49

2476Ben's Bites 

Hey Siri, voici l'IA

Apple a officiellement lancé Siri AI, son assistant d'intelligence artificielle nouvelle génération, présenté comme une réponse directe aux assistants conversationnels comme ChatGPT. Décrit par ses concepteurs comme l'équivalent d'un ChatGPT vieux d'environ un an, Siri AI intègre la dictée avancée, l'analyse d'images et une capacité d'interaction avec des applications tierces comme Messages et Maps. Le système repose sur une architecture hybride mêlant modèles locaux et modèles cloud, certains fournis par Google via Gemini, le tout regroupé sous la famille de modèles maison AFM 3. En parallèle, OpenAI a mis à jour le système de mémoire de ChatGPT avec une troisième itération baptisée Dreaming v3, qui améliore le rappel d'informations, respecte mieux les préférences à long terme de l'utilisateur et se corrige au fil du temps. Google, de son côté, a annoncé une refonte de NotebookLM : son interface de chat passe d'un système RAG classique à une architecture agentique baptisée Antigravity, dans laquelle chaque carnet dispose désormais d'un ordinateur cloud dédié capable d'exécuter du code pour analyser les fichiers uploadés, le tout propulsé par les derniers modèles Gemini 3.5. Ces annonces simultanées illustrent l'intensification de la course aux assistants IA dans le grand public. Pour Apple, l'enjeu est considérable : Siri, longtemps moqué pour ses lacunes face aux assistants concurrents, revient avec une architecture modernisée intégrant notamment des modèles Gemini, ce qui marque une rupture symbolique pour une entreprise habituellement centrée sur ses propres technologies. Côté Anthropic, une publication de blog affirme que les développeurs écrivent désormais huit fois plus de code grâce à Claude qu'ils ne le faisaient en 2025, une statistique qui redéfinirait radicalement la productivité dans le secteur logiciel si elle se confirme. L'entreprise révèle également que le code généré par Claude est utilisé pour entraîner les prochaines versions du modèle, une boucle d'amélioration continue qui accélère la progression des capacités. Cursor, l'éditeur de code augmenté par IA, a aussi franchi une étape avec Canvas, une fonctionnalité permettant de créer des applications internes, tableaux de bord et rapports partageables directement depuis l'outil. Cette séquence d'annonces intervient dans un contexte de consolidation rapide du marché. OpenAI a discrètement déposé un S-1 confidentiel auprès des autorités boursières américaines tout en affirmant ne pas être pressé d'entrer en bourse, et a défini trois priorités pour sa prochaine phase : construire un chercheur IA autonome, accélérer la croissance économique et offrir à chaque habitant de la planète un AGI personnel. Ces objectifs ambitieux coexistent avec une pression réglementaire croissante : Anthropic plaide pour la création d'un mécanisme permettant de suspendre le développement de l'IA si des risques l'exigeaient. Le marché des agents IA connaît par ailleurs une structuration accélérée, avec des acteurs comme Firecrawl qui proposent désormais des workflows installables pour automatiser des tâches web répétitives, signalant une industrialisation progressive de l'outillage agentique dans les entreprises.

Outils⚒Outil

Aussi surTechCrunch AI

49

2477Le Big Data 

Apple : le nouveau Siri est-il enfin meilleur que ChatGPT ?

Apple a profité de la WWDC 2026 pour dévoiler Siri AI, une refonte complète de son assistant vocal disponible sur iPhone, Mac, iPad, Apple Watch et Vision Pro. Cette nouvelle version introduit des conversations plus naturelles, une compréhension du contexte personnel, la capacité d'analyser le contenu affiché à l'écran, une recherche web en temps réel, et surtout la possibilité d'enchaîner des actions dans plusieurs applications sans intervention manuelle. L'assistant peut désormais retrouver une réservation dans un ancien e-mail, identifier une photo précise ou extraire une adresse depuis une conversation iMessage, des capacités qui le rapprochent directement de ce que proposent ChatGPT, Gemini ou Claude depuis plusieurs années. L'atout distinctif de Siri AI réside dans son intégration native à l'écosystème Apple : là où ChatGPT fournit une réponse textuelle, Siri peut agir directement sur l'appareil, croiser des données entre applications et intervenir à partir de ce qui est visible à l'écran, sans que l'utilisateur ouvre une application dédiée. Cette fluidité opérationnelle représente un avantage réel pour les dizaines de millions d'utilisateurs Apple qui jonglent quotidiennement entre Mail, Messages, Photos et les apps tierces. Cependant, ChatGPT conserve une avance significative sur les tâches de raisonnement complexe et de génération de texte élaboré, domaines où OpenAI capitalise plusieurs années d'expérience avec ses grands modèles de langage. Apple en est visiblement conscient : l'annonce la plus révélatrice de la WWDC 2026 n'est pas Siri lui-même, mais le système baptisé "Extensions" qui permet à l'utilisateur de déléguer une question à ChatGPT, Gemini ou Claude lorsque Siri atteint ses limites. Cette ouverture à la concurrence peut se lire comme du pragmatisme, Apple offre une expérience unifiée sans forcer ses utilisateurs à choisir, mais elle ressemble aussi à un aveu de la part d'une entreprise qui a accumulé un retard considérable sur l'IA générative depuis 2022. Plutôt que d'affronter frontalement OpenAI, Google et Anthropic sur leur terrain, Apple repositionne Siri en hub d'accès à plusieurs intelligences artificielles, une stratégie qui mise sur la distribution et l'intégration matérielle plutôt que sur la puissance brute du modèle.

Outils⚒Outil

1 source

58

2478Next INpact 

Des outils Microsoft piratés pour voler des identifiants d’outils IA comme Claude Code

Microsoft a dû désactiver l'accès à plus de 70 de ses propres dépôts GitHub suite à une campagne d'attaques nommée « Miasma », révélée début juin 2026. Parmi les dépôts compromis figurent des projets critiques comme « Azure/functions-action », utilisé pour déployer du code sur Azure Functions, et le framework Durable Task, décrit comme « utilisé activement en production par de nombreuses équipes d'ingénierie au sein de Microsoft ». L'entreprise de sécurité StepSecurity a identifié le vecteur précis : un commit malveillant poussé dans le dépôt Azure/durabletask via un compte de contributeur piraté, ajoutant cinq fichiers conçus pour s'exécuter automatiquement dans quatre environnements de développement. Le code s'active dès qu'un développeur ouvre le dépôt dans Claude Code, Gemini CLI, Cursor ou VS Code, avec pour objectif de dérober des identifiants. L'impact est particulièrement insidieux car l'attaque ne repose sur aucune faille technique de GitHub ou de npm, mais exploite la confiance accordée aux flux de publication légitimes. En s'emparant des identifiants d'un mainteneur, les attaquants ont pu demander un jeton OIDC GitHub valide, publier une version infectée avec une provenance SLSA authentique, et contourner ainsi les scanners de sécurité conventionnels qui l'ont traitée comme une mise à jour de routine. Comme le souligne l'entreprise Cloudsmith, « le ver s'est fondu dans les flux de travail légitimes » : les paquets malveillants portaient des signatures cryptographiques valides, indiscernables de celles d'un éditeur légitime. Les développeurs qui clonent un dépôt ne sont pas exposés, mais ceux qui l'ouvrent directement dans leur IDE l'étaient. Paradoxalement, c'est l'équipe de sécurité de Microsoft elle-même qui avait détecté Miasma en premier, non pas dans ses propres projets, mais chez Red Hat le 2 juin, où 32 paquets npm du périmètre @redhat-cloud-services avaient été modifiés dans plus de 90 versions. StepSecurity relie cette campagne à une attaque antérieure, « Mini Shai-Hulud », menée par le groupe TeamPCP, les deux opérations partageant un même domaine de commande et contrôle. Le compte piraté chez Microsoft est le même dont les identifiants avaient servi lors d'une attaque contre PyPI le 19 mai. Cette série d'incidents illustre une tendance de fond : la compromission des identifiants développeurs comme point d'entrée privilégié dans la chaîne d'approvisionnement logicielle, un vecteur d'autant plus difficile à contrer que les outils de vérification d'intégrité comme SLSA ne distinguent pas un éditeur authentique d'un attaquant ayant volé ses clés.

Sécurité❧Opinion

1 source

43

2479IEEE Spectrum Robotics 

Au-delà de la dextérité : pourquoi le contact pourrait définir la prochaine ère de la robotique

Lors de l'IEEE International Conference on Robotics and Automation (ICRA 2026) à Vienne, la démonstration ayant le plus mobilisé les visiteurs n'était pas un bras industriel ni un humanoïde en équilibre : c'était une paire de mains robotiques en train de fabriquer un animal en ballon. La société AGILINK y a présenté son système bimain OmniHand 3 Ultra-M réalisant une torsion séquentielle de ballon long format, sans le faire éclater, en gérant en temps réel la déformation de l'objet, la pression interne et la friction de contact. Ce type de tâche, qualifié de "long-horizon contact-rich manipulation", constitue un benchmark reconnu dans la communauté : la légèreté et la déformabilité d'un ballon rendent toute régulation de force particulièrement délicate, et chaque torsion modifie la géométrie et les propriétés mécaniques de l'objet, imposant une adaptation continue du contrôle. Pour entraîner le système, AGILINK a capturé des démonstrations d'artistes professionnels en sculpture sur ballon, les a transposées en politiques de manipulation sur ses mains robotiques, puis a enrichi l'apprentissage par renforcement non seulement avec les séquences réussies, mais aussi avec les interventions correctrices d'opérateurs humains enregistrées chaque fois que l'exécution dérivait vers l'échec. Ce résultat illustre un glissement de paradigme dans la manipulation robotique : après des années centrées sur la dextérité au sens cinématique (nombre de degrés de liberté, précision de positionnement), le vrai verrou se situerait désormais dans la gestion du contact lui-même. La capacité à maintenir une interaction stable avec un objet dont les propriétés évoluent en continu, ce qu'AGILINK désigne par "contact intelligence", reste hors de portée de la plupart des systèmes commerciaux actuels. Pour les intégrateurs industriels et les équipes R&D en manipulation, ce démo signale que les progrès en sensing visuotactile et en politiques d'apprentissage par imitation commencent à produire des résultats reproductibles sur des tâches à la limite du geste humain. La prudence s'impose toutefois : ICRA 2026 est un cadre contrôlé, et les vidéos présentées sélectionnent les exécutions réussies sans données publiées sur le taux de succès systématique ni sur les conditions de répétabilité en dehors du laboratoire. AGILINK, spécialisée dans la manipulation dextre, développe depuis plusieurs années la plateforme OmniHand en combinant sensing visuotactile, contrôle en force et politique bimanuelle. Son positionnement la place en concurrence directe avec Shadow Robot au Royaume-Uni, Dexterous Robotics, et les divisions R&D en main robotique d'ABB et FANUC, ainsi qu'avec des groupes académiques de Stanford et du MIT travaillant sur des architectures similaires. À noter que l'article source est un contenu sponsorisé par AGILINK publié dans le cadre de la couverture ICRA 2026, ce qui en limite l'indépendance éditoriale. Les prochaines étapes annoncées portent sur des extensions vers des tâches industrielles à contact riche, sans qu'un calendrier de déploiement commercial ni des volumes de production aient été précisés.

Robotique❖Paper

1 source

38

2480Le Big Data 

Recherche IA : Semrush et Infidigit veulent aider les marques à gagner en visibilité

Semrush et l'agence indienne Infidigit ont annoncé un partenariat stratégique visant à aider les marques à maintenir leur visibilité à l'ère de la recherche pilotée par l'intelligence artificielle. Le partenariat s'articule autour de la plateforme AI Optimization (AIO) de Semrush, qui analyse la présence des marques dans les environnements de recherche IA en s'appuyant sur plus de 261 millions de suggestions, 32 bases de données régionales et plus de 36 millions de marques indexées. Infidigit, qui revendique plus de 200 marques accompagnées à l'international et 95 distinctions sectorielles, intégrera ces données dans ses stratégies de SEO, de GEO (Generative Engine Optimization), de contenu et d'optimisation du taux de conversion. L'objectif déclaré est de relier directement la présence d'une marque dans les réponses générées par l'IA à des indicateurs commerciaux mesurables : conversions, revenus, parts de marché. L'enjeu dépasse la simple question du référencement classique. Selon Semrush, 37 % des consommateurs commencent désormais leurs recherches via des outils d'IA plutôt que sur Google ou Bing, et 60 % des recherches mobiles se terminent aujourd'hui sans clic vers un site web, l'utilisateur obtenant sa réponse directement depuis l'interface de l'assistant. Pour les entreprises, cela signifie qu'une part croissante des décisions d'achat se forge avant même que le consommateur ne visite leur site. Être absent des réponses générées par un LLM ou un moteur de réponse revient donc à disparaître d'une phase décisive du parcours client. Semrush avance également que les visiteurs issus des moteurs de recherche IA convertiraient 4,4 fois plus vite que ceux issus de la recherche organique traditionnelle. Ce partenariat s'inscrit dans une recomposition plus large du secteur du marketing digital, où le concept de GEO, optimiser sa présence non plus pour les algorithmes de classement de Google, mais pour les modèles de langage qui synthétisent l'information, commence à s'imposer comme discipline à part entière. Pour Kaushal Thakkar, fondateur et PDG d'Infidigit, ce moment représente le changement le plus profond dans la découverte de marques depuis l'émergence de Google comme moteur dominant. La bonne nouvelle pour les équipes SEO : les analyses de Semrush indiquent que plus de 80 % des réponses générées par l'IA s'appuient sur des sources bénéficiant d'une forte autorité SEO. Les fondamentaux du référencement restent pertinents, mais doivent être complétés par des stratégies spécifiques au GEO pour garantir qu'une marque soit non seulement indexée, mais activement citée et recommandée par les systèmes d'IA au moment où se construit la décision d'achat.

Outils⚒Outil

1 source