Actualités IA — page 129

7 619 articles au fil, du plus récent au plus ancien.

33

2561AI News 

Weis Markets adopte les chariots intelligents d'Instacart dans ses magasins

Weis Markets, chaîne de supermarchés basée en Pennsylvanie avec 199 magasins, déploie les chariots intelligents Caper Carts d'Instacart dans plusieurs de ses points de vente. Ces chariots embarquent des caméras orientées vers le panier, des balances certifiées, des systèmes de géolocalisation et un écran tactile. Leur logiciel repose sur de l'IA entraînée sur plus de 1,6 milliard de commandes en ligne, combinée à du calcul embarqué sur l'appareil. Les clients peuvent suivre leurs dépenses en temps réel, accéder à des coupons géolocalisés, se connecter à leur compte Weis Rewards pour cumuler des avantages fidélité, et consulter une fonction "Buy It Again" qui affiche leurs achats habituels. Greg Zeh, directeur des systèmes d'information de Weis, présente ces chariots comme un moyen de fluidifier l'expérience en rayon tout en connectant les données du magasin physique à celles de la vente en ligne. Ce déploiement illustre l'accélération d'Instacart sur le segment des magasins connectés, après une période centrée sur la livraison à domicile. Les Caper Carts sont désormais présents dans plus de 100 villes, répartis dans 15 États américains, chez une douzaine d'enseignes dont Kroger, Schnucks et les bannières Wakefern comme ShopRite et Fairway Market. Des données opérationnelles commencent à émerger : chez Schnucks, un magasin équipé de seulement 10 chariots intelligents pour 160 classiques a vu ces derniers traiter plus de 10 % des ventes lors des journées chargées, selon Retail Dive. Pour les distributeurs, l'enjeu est double : améliorer l'expérience client tout en capturant des données comportementales en magasin jusqu'ici inaccessibles. Weis ne mise pas uniquement sur les chariots : en décembre 2025, la chaîne a finalisé le déploiement du système ELERA Security Suite de Toshiba sur les caisses libre-service de l'ensemble de ses 199 magasins, avec reconnaissance des fruits et légumes et outils anti-démarque inconnue basés sur l'IA embarquée. Plus de 94 % des clients ont utilisé la fonction de reconnaissance des produits. En parallèle, Albertsons, qui exploite plus de 2 000 magasins sous les enseignes Safeway, Jewel-Osco et ACME, a développé en interne un outil de contrôle qualité par vision artificielle pour détecter les fruits abîmés ou moisis avant leur mise en rayon, en commençant par les fraises et les raisins. Ce système, construit sur la plateforme Google Cloud Gemini Enterprise avec Vision AI, vise à standardiser les inspections dans les centres de distribution. La grande distribution américaine engage ainsi une transformation profonde de ses opérations, en intégrant l'IA à chaque étape de la chaîne, du centre logistique jusqu'au chariot du client.

Outils⚒Outil

1 source

43

2562Le Big Data 

La stratégie SEO à l’épreuve de l’IA générative : une réinvention sociologique du Web

En 2026, le référencement naturel vit une mutation sans précédent. Les moteurs de recherche traditionnels cèdent du terrain face aux "moteurs de réponses" propulsés par l'IA générative, ChatGPT Search, Gemini, Perplexity, qui synthétisent l'information directement sans nécessiter de clic. Google a annoncé dès 2025 la conversion progressive de son modèle historique vers un "AI Mode" fondé sur le GEO, le Generative Engine Optimization, dont le déploiement en France reste freiné par des conflits législatifs. Adrien Pierrin, co-fondateur de Cereal Concept, agence toulousaine de développement web et d'optimisation digitale, pose un diagnostic clair : les LLM s'imposent désormais comme la nouvelle porte d'entrée sur l'information numérique, reléguant la barre de recherche classique à un usage résiduel. Le SEO traditionnel ne disparaît pas, il se transforme en AI SEO. L'impact concret pour les marques et éditeurs de contenu est immédiat : le trafic organique vers les sites web s'effondre à mesure que l'IA répond directement aux requêtes. Dans cette ère du zéro-clic, la question n'est plus "comment apparaître en première page ?" mais "comment rester visible et générer de la valeur quand l'utilisateur ne clique plus ?". Pierrin préconise de privilégier un contenu texte et image exclusif, fait main, clair et hiérarchisé en format FAQ, plutôt que les longs textes bourrés de mots-clés qui dominaient la décennie précédente. Les LLM favorisent la concision sémantique et les sources à forte valeur ajoutée. La diversification des canaux devient également stratégique : shorts, vidéos, forums, réseaux sociaux, être présent là où les IA s'informent, au-delà du seul site web. Ce basculement s'accompagne d'un retour paradoxal à l'humain. Face à la prolifération de contenus générés par l'IA, les moteurs de réponses survalorisent les plateformes communautaires, les avis d'experts et les forums participatifs, comme Reddit ou les sections commentaires des sites e-commerce. Le label "Fait/Pensé par un humain" tend à devenir un marqueur de crédibilité algorithmique, un rempart contre la dégradation de qualité que provoque la production automatisée à grande échelle. Cette dynamique traduit une mutation sociologique plus profonde : après avoir misé sur l'exhaustivité et le volume, le Web redécouvre la valeur de l'authenticité et du bouche-à-oreille numérique. Pour les agences et les marques, l'enjeu des prochains mois sera de bâtir une présence qui parle autant aux algorithmes d'IA qu'aux communautés humaines qui les alimentent.

Société❧Opinion

1 source

40

2563Next INpact 

☕️ Ubuntu : vers de la reconnaissance vocale pour tous les champs texte

Canonical prévoit d'intégrer la reconnaissance vocale directement dans les champs texte d'Ubuntu, une fonctionnalité annoncée fin mai par Jon Seager, vice-président de l'ingénierie chez Canonical, lors du dernier Ubuntu Summit. Cette capacité, qui permettrait de dicter du texte dans la quasi-totalité des champs de saisie du système, est ciblée pour Ubuntu 26.10, la version attendue en octobre 2026, sous réserve que les tests se déroulent dans les délais. Seager a également mentionné deux autres fonctions dans le même registre : l'amélioration automatique de l'autofocus de la webcam et la qualité audio du microphone. Ces trois fonctionnalités seront traitées localement par un LLM embarqué, sans précision sur le modèle retenu. Techniquement, l'ensemble sera conditionné par un paquet Snap, que l'utilisateur pourra supprimer s'il ne souhaite pas utiliser ces services. L'apport le plus immédiat concerne l'accessibilité : permettre aux personnes ayant des difficultés motrices ou visuelles d'interagir avec n'importe quelle application via la voix, sans dépendre d'un logiciel tiers ou d'un service cloud. En intégrant cette capacité au niveau du système d'exploitation plutôt que de l'application, Canonical contourne la fragmentation habituelle des solutions d'accessibilité sous Linux, où la couverture varie fortement d'un environnement de bureau à l'autre. Pour les utilisateurs ordinaires, la dictée vocale universelle représente également un gain de productivité concret. Le fait que le traitement soit entièrement local élimine les problèmes de confidentialité liés à l'envoi de données audio vers des serveurs distants, ce qui distingue l'approche de Canonical de solutions comme la dictée Google ou Whisper en mode API. Cette annonce s'inscrit dans un contexte plus large de repositionnement de Canonical autour de l'IA, amorcé en avril dernier et accompagné de son lot de scepticisme dans la communauté open source. Le débat central porte sur la compatibilité des modèles d'IA avec les valeurs du logiciel libre : connaître les poids d'un modèle ne suffit pas, selon Seager, à garantir la transparence à laquelle l'écosystème libre est habitué, ce qui implique une attention particulière aux licences. Canonical semble pour l'instant adopter une stratégie prudente, ajoutant des cas d'usage concrets et limités plutôt que de viser immédiatement un "système agentique" comme le suggèrent ses propres éléments de communication. Une question pratique reste ouverte : un modèle local pèse souvent plusieurs gigaoctets, et l'installeur d'Ubuntu ne semble pas prévoir d'étape permettant à l'utilisateur de choisir explicitement quels services IA il souhaite activer, ce qui pourrait alourdir significativement l'empreinte de stockage de l'installation par défaut.

Outils⚒Outil

1 source

42

2564FrenchWeb 

Pourquoi les stablecoins pourraient devenir la monnaie native des agents IA

L'essor des agents d'intelligence artificielle autonomes soulève une question concrète que l'économie numérique n'avait jamais eu à résoudre : comment un logiciel peut-il payer un autre logiciel, en temps réel, sans intervention humaine ? Cette problématique, encore théorique il y a trois ans, est désormais au centre des discussions dans les écosystèmes tech et crypto. Les stablecoins, ces cryptomonnaies indexées sur des devises stables comme le dollar, s'imposent comme la réponse la plus sérieuse pour permettre ces transactions machine-à-machine à grande échelle. L'infrastructure bancaire traditionnelle, conçue pour des humains dotés d'une identité légale, est structurellement inadaptée aux besoins des agents IA : délais de règlement incompatibles avec des traitements en millisecondes, exigences KYC inapplicables à un logiciel, montants minimaux de transaction prohibitifs pour des micropaiements de fractions de centimes. Les stablecoins, en revanche, fonctionnent nativement sur des blockchains programmables, permettant des transferts instantanés et quasi-gratuits entre systèmes autonomes, sans intermédiaire humain ni compte bancaire requis. Cette convergence s'inscrit dans l'accélération du mouvement dit "agentic AI", porté activement par Anthropic, OpenAI et Google, dont les agents auront bientôt besoin d'accéder à des API tierces, des services cloud ou d'autres agents spécialisés contre paiement. Les émetteurs de stablecoins comme Circle (USDC) et Tether (USDT) perçoivent ce marché comme un vecteur de croissance considérable, d'autant que la régulation américaine clarifie progressivement le cadre légal de ces instruments, renforçant leur légitimité pour des usages institutionnels et automatisés.

Outils❧Opinion

1 source

45

2565InfoQ AI 

Microsoft Discovery en disponibilité générale sur Azure, alimentant l'IA à base d'agents de la puce quantique Majorana 2

Microsoft a annoncé la disponibilité générale de Microsoft Discovery, sa plateforme Azure dédiée au déploiement d'équipes d'agents IA autonomes pour la recherche scientifique. C'est cette même plateforme qui a piloté le développement de Majorana 2, une puce quantique topologique affichant une fiabilité multipliée par 1 000 par rapport aux générations précédentes, avec des durées de vie de qubits atteignant 20 secondes. Microsoft fixe désormais à 2029 l'horizon d'un ordinateur quantique opérationnel à grande échelle, soit deux fois plus tôt que son calendrier initial. L'enjeu est considérable : un ordinateur quantique suffisamment fiable permettrait de résoudre des problèmes inaccessibles aux supercalculateurs classiques, notamment en chimie moléculaire, en cryptographie ou en optimisation logistique. En mettant ses agents IA au service de la conception de hardware quantique, Microsoft franchit une étape symbolique forte : l'IA ne se contente plus d'assister les chercheurs humains, elle orchestre elle-même des cycles d'expérimentation scientifique bout en bout. La course au quantique s'intensifie avec Google, IBM et plusieurs startups comme IonQ ou PsiQuantum comme principaux concurrents. Microsoft mise sur une architecture topologique reposant sur les qubits de Majorana, jugés intrinsèquement plus stables que les qubits supraconducteurs privilégiés par ses rivaux. La combinaison de cette approche matérielle distinctive et d'une plateforme IA agentique directement accessible sur Azure positionne Microsoft comme un acteur à double avantage dans la prochaine phase de la compétition quantique mondiale.

Infrastructure⚡Actu

1 source

44

2566Le Big Data 

ZoomMate connecte les conversations aux workflows

Zoom a dévoilé ZoomMate et son AI Productivity Suite, deux nouvelles offres destinées à transformer les conversations professionnelles en actions concrètes au sein des workflows d'entreprise. Présentées comme un "espace de travail intelligent", ces solutions s'appuient sur un moteur de recherche capable d'interroger simultanément les données stockées dans Zoom et dans une dizaine d'applications tierces : Salesforce, Jira, ServiceNow, Slack, Workday, Microsoft 365 et Google Workspace sont notamment intégrés. L'objectif est de permettre aux équipes de retrouver instantanément une information issue d'une réunion, de déclencher des tâches, de planifier des rendez-vous ou de mettre à jour des dossiers directement depuis l'interface Zoom. L'AI Productivity Suite ajoute une couche de génération documentaire : présentations, comptes rendus, feuilles de calcul et propositions commerciales peuvent être produits automatiquement à partir du contenu des échanges, chaque document restant traçable jusqu'à la conversation qui l'a engendré. L'enjeu pour les entreprises est réel : une part considérable de la valeur produite lors des réunions se perd faute de mécanismes efficaces pour en extraire et redistribuer l'information. En reliant directement les échanges aux outils opérationnels, Zoom cherche à réduire la friction entre décision et exécution, un problème chronique dans les organisations distribuées qui jonglent entre visioconférence, CRM, gestion de projet et messagerie. Si les promesses sont tenues, les équipes commerciales pourraient mettre à jour un compte Salesforce en sortant d'un appel client, ou les développeurs créer un ticket Jira dès la fin d'une réunion de sprint, sans changer d'outil. Zoom insiste également sur le respect des règles de sécurité et des permissions définies par chaque organisation, un argument central pour convaincre les DSI dans des contextes réglementés. Ces annonces s'inscrivent dans une transformation stratégique profonde de Zoom, dont la croissance explosive pendant la pandémie a brutalement ralenti avec le retour au bureau. Confronté à la concurrence de Microsoft Teams, qui dispose déjà de Copilot intégré à tout l'écosystème 365, et de Google Meet, Zoom ne peut plus se contenter d'être une application de visioconférence. L'entreprise cherche à se repositionner comme une plateforme de productivité à part entière, un terrain où elle affronte directement des acteurs bien établis. L'intégration de l'IA générative dans le cœur du produit est désormais le passage obligé pour justifier les licences entreprise et enrayer le churn. ZoomMate représente le pari que la richesse des conversations professionnelles captées sur la plateforme constitue un avantage différenciant, à condition que les intégrations tierces fonctionnent avec la fiabilité que les équipes métier exigent au quotidien.

Outils⚒Outil

1 source

41

256701net 

ChatGPT se verrouille contre les cyberattaques : ce nouveau mode va mieux protéger vos données, comment l’activer ?

OpenAI a déployé une nouvelle fonctionnalité de sécurité baptisée "Lockdown Mode" pour ChatGPT, disponible sur l'ensemble des abonnements, du niveau gratuit jusqu'aux offres payantes. Ce mode verrouillé désactive délibérément plusieurs capacités natives du chatbot, notamment la navigation web en temps réel, afin de réduire la surface d'attaque exposée aux cybermenaces. L'activation se fait en quelques clics depuis les paramètres de l'application, sans nécessiter de configuration technique avancée. La cible principale de cette fonctionnalité est le monde professionnel : avocats, consultants, journalistes ou tout employé amené à traiter des informations sensibles ou confidentielles via ChatGPT. Le mode répond spécifiquement aux attaques par injection de requêtes, une technique où du contenu malveillant intégré dans un document ou une page web tente de détourner les instructions données au modèle pour exfiltrer des données ou manipuler les réponses. En coupant l'accès aux sources externes, OpenAI supprime le vecteur d'attaque le plus courant. Les attaques par prompt injection ont fortement progressé depuis la démocratisation des agents IA capables de naviguer sur le web et d'exécuter des actions autonomes, poussant plusieurs chercheurs en sécurité à alerter les éditeurs. OpenAI s'inscrit ainsi dans une tendance plus large du secteur, après que Microsoft et Anthropic ont également renforcé les garde-fous de leurs propres assistants. Le Lockdown Mode représente un compromis assumé entre sécurité et fonctionnalité, laissant à l'utilisateur le choix du niveau de protection selon son contexte d'usage.

Sécurité⚡Actu

1 source

46

2568MarkTechPost 

Microsoft AI lance MAI-Transcribe-1.5 : 2,4 % de taux d'erreur et transcriptions longues jusqu'à 5x plus rapides

Microsoft a dévoilé la semaine dernière MAI-Transcribe-1.5, la deuxième génération de son modèle de reconnaissance vocale développé en interne. Ce système de transcription automatique prend en charge 43 langues, contre 25 pour la version précédente, avec dix-huit nouvelles langues ajoutées sans dégradation des performances, dont le bengali, le tamoul, le télougou côté Asie du Sud, et l'ukrainien, le grec ou le catalan côté Europe. Sur le benchmark multilingue FLEURS, Microsoft revendique la première place parmi les modèles du marché. Sur le classement Artificial Analysis, le modèle affiche un taux d'erreur par mot (WER) de 2,4 %, ce qui le place troisième dans un champ concurrentiel. En vitesse, il est capable de transcrire une heure d'audio en moins de 15 secondes et se révèle jusqu'à 5 fois plus rapide que des modèles comparables comme Gemini 3.1, Scribe v2 ou GPT-4o-Transcribe sur des fichiers longs. MAI-Transcribe-1.5 est intégré à Copilot, Teams, GitHub et Dynamics 365 Contact Centre, et disponible via Foundry, la plateforme de modèles de Microsoft. La fonctionnalité qui mérite le plus d'attention est le « keyword biasing », ou biais par entités nommées. Les transcripteurs génériques trébuchent régulièrement sur les vocabulaires métiers, noms propres, termes médicaux, acronymes internes, précisément là où les erreurs coûtent le plus cher. MAI-Transcribe-1.5 permet de fournir jusqu'à 200 mots-clés personnalisés que le modèle prend en compte lors de la transcription, sans forcer mécaniquement les correspondances mais en s'appuyant sur le contexte. Résultat : une réduction de 30 % du WER sur FLEURS lorsque ce mécanisme est activé. Sur les réunions d'entreprise, dans les centres d'appels ou les environnements de santé, cette capacité change concrètement la qualité des transcriptions produites. La détection automatique de la langue parlée, sans paramétrage manuel, complète l'ensemble pour des flux d'entrée non structurés. La course aux modèles de transcription s'est considérablement intensifiée depuis que OpenAI a popularisé Whisper et que des acteurs comme AssemblyAI ou ElevenLabs ont investi le segment entreprise. Microsoft, fort de son infrastructure Azure et de son intégration profonde dans les outils de productivité, cherche à imposer une solution maison plutôt que de dépendre de fournisseurs tiers. Le passage de 25 à 43 langues, avec une couverture renforcée des langues d'Asie du Sud, reflète aussi une ambition de croissance sur des marchés où l'anglais n'est pas dominant. Pour les équipes qui traitent des archives audio volumineuses en batch, médias, justice, santé, support client, un facteur de vitesse de 5x sur les fichiers longs n'est pas anecdotique : il réduit directement les coûts d'infrastructure et les délais de traitement à grande échelle.

Outils❧Opinion

1 source

46

2569MarkTechPost 

Google Research intègre un RAG à base d'agents dans Gemini Enterprise pour les requêtes multi-étapes

L'équipe Google Research a présenté le 5 juin 2026 un nouveau cadre de récupération augmentée par agents, intégré directement à la plateforme Gemini Enterprise Agent. Cette architecture, désormais disponible en préversion publique sous le nom Cross-Corpus Retrieval, s'attaque à une limite bien connue des systèmes de recherche d'entreprise : l'incapacité à enchaîner plusieurs étapes de raisonnement sur des sources de données distinctes. Concrètement, là où un système RAG classique échoue face à une requête du type "Quelles sont les spécifications du serveur utilisé dans le Projet X ?" (parce qu'il trouve un identifiant mais ne sait pas aller chercher les specs dans une deuxième base), le nouveau système orchestre une série d'agents spécialisés. Un Orchestrateur délègue la tâche, un Agent Planificateur identifie les sources pertinentes, un Agent Réécriture de Requêtes décompose la question en sous-requêtes précises, et un Agent de Diffusion envoie ces requêtes en parallèle. Sur le benchmark FramesQA, un corpus de 824 questions et 2 676 documents PDF, le système affiche un gain de précision factuelle allant jusqu'à 34 % par rapport au RAG standard, avec de meilleures performances également sur des jeux de données propriétaires internes à Google. Ce qui distingue fondamentalement cette architecture de ses concurrentes, c'est la présence d'un Agent de Contexte Suffisant, pièce centrale du dispositif. Plutôt que de générer une réponse dès que le premier cycle de recherche se termine, cet agent inspecte les résultats, compare un brouillon intermédiaire aux extraits récupérés, et produit un journal détaillé des lacunes identifiées, avec des raisons et des feedbacks explicites. Si des informations manquent, le cycle repart : la requête est reformulée, de nouvelles sources sont explorées. Ce mécanisme d'itération évite deux défauts symétriques : la réponse incomplète présentée comme définitive, et la capitulation prématurée du modèle face à un contexte insuffisant. Pour une question médicale portant à la fois sur les médicaments de sortie, les restrictions alimentaires et les allergies d'un patient, le système ne s'arrête pas à deux éléments sur trois, il continue jusqu'à ce que les trois soient vérifiés. Google positionne cette avancée dans un contexte de concurrence intense sur les agents d'entreprise, un marché où Microsoft, Salesforce et plusieurs startups spécialisées investissent massivement. Le problème des requêtes multi-sources, dit "multi-hop", est depuis plusieurs années l'un des obstacles majeurs à l'adoption des LLM en environnement professionnel réel, où les données sont fragmentées entre bases de connaissances, systèmes CRM, dossiers PDF et notes cliniques. En intégrant cette capacité directement dans Gemini Enterprise Agent Platform plutôt que de la proposer comme une bibliothèque tierce, Google cherche à ancrer ses modèles au coeur des infrastructures de données des grandes organisations, tout en améliorant la fiabilité des réponses là où elle est la plus critique.

Outils⚒Outil

1 source

47

2570Next INpact 

Coronavirus : un antigène développé avec une IA, le vaccin est testé chez l’humain

Des chercheurs de l'université de Cambridge ont franchi une étape inédite dans l'histoire de la vaccinologie : pour la première fois, un vaccin dont l'antigène a été entièrement conçu par une intelligence artificielle a été testé sur des humains. Le candidat vaccin, baptisé pEVAC-PS, cible une sous-famille de coronavirus appelée les sarbecovirus, qui comprend le SARS-CoV-1 (responsable du SRAS en 2002-2003), le SARS-CoV-2 (Covid-19) et des souches animales susceptibles de passer à l'humain. L'outil d'IA utilisé, DIOSynVax, développé par une spin-out de Cambridge du même nom, a analysé les séquences génétiques de nombreux coronavirus pour concevoir un antigène synthétique ciblant leurs caractéristiques communes plutôt qu'une seule souche. Un premier essai clinique portant sur 39 participants a été mené et les résultats ont été publiés dans le Journal of Infection. Les résultats se sont révélés mitigés : les participants, déjà fortement immunisés suite aux vaccinations anti-Covid, n'ont montré qu'une faible augmentation de leurs niveaux d'anticorps. L'intérêt de cette avancée ne réside pas dans l'efficacité immédiate du vaccin, mais dans ce qu'elle démontre pour l'avenir de la préparation aux pandémies. En concevant un "super-antigène" synthétique capable de cibler les caractéristiques partagées par toute une famille virale, l'approche DIOSynVax ouvre la voie à des vaccins universels, efficaces non seulement contre les souches actuelles mais également contre de futures mutations ou l'émergence de nouveaux virus d'origine animale. Cette logique de protection préventive représente un changement de paradigme par rapport aux vaccins traditionnels, qui sont développés à partir de souches déjà identifiées et connues. Un second essai clinique impliquant 200 participants est prévu pour mieux évaluer les capacités réelles du vaccin. Cette percée s'inscrit dans un contexte d'urgence sanitaire mondiale persistante. L'équipe de Cambridge compte désormais appliquer sa plateforme IA à d'autres menaces infectieuses : la grippe saisonnière, la grippe aviaire H5N1 et les fièvres hémorragiques virales comme Ebola, dont une souche sans vaccin existant sévit actuellement en République démocratique du Congo. Le professeur Jonathan Heeney, qui dirige les recherches, résume l'enjeu auprès de la BBC : "mettre au point des vaccins qui nous protègent non seulement contre les virus d'aujourd'hui, mais aussi contre ceux qui pourraient être à l'origine de la prochaine épidémie." Saul Faust, qui a conduit les essais à l'université de Southampton, souligne que la technologie semble particulièrement prometteuse face aux virus à mutation rapide. La prudence reste néanmoins de mise avant les résultats du prochain essai élargi.

Recherche❖Paper

1 source

46

2571Le Big Data 

ChatGPT : OpenAI prépare sa plus grande transformation depuis son lancement

OpenAI prépare une refonte profonde de ChatGPT, son assistant conversationnel lancé en novembre 2022, avec l'ambition de le transformer en une "super-application" multifonction. Selon des informations publiées début juin 2026, la plateforme ne se limiterait plus à la conversation textuelle mais intégrerait de manière renforcée des outils de génération d'images, des capacités d'agents IA autonomes capables d'exécuter des tâches complexes, et des partenariats approfondis avec des services tiers comme Canva ou Booking.com. L'outil de codage Codex, déjà lancé par OpenAI, serait également mis davantage en avant dans cette nouvelle architecture. L'objectif déclaré : faire de ChatGPT un point d'entrée unique pour une large palette d'usages numériques, du travail créatif au développement logiciel en passant par la planification de voyages. Cette transformation répond à une logique économique autant que technologique. Les entreprises représentent déjà près de 40 % des revenus d'OpenAI, et la société vise à accroître cette proportion dans les prochains mois. En centralisant davantage de services au sein d'une seule plateforme, OpenAI espère augmenter l'engagement des utilisateurs professionnels, généralement plus disposés à payer pour des outils qui leur font gagner du temps. Codex, l'assistant dédié au développement informatique, illustre cette stratégie : il gagne rapidement du terrain auprès des développeurs, un segment à forte valeur monétisable. Pour les utilisateurs grand public, l'intégration de partenaires comme Booking.com ou Canva pourrait réduire le besoin de passer d'une application à l'autre, augmentant ainsi la durée et la fréquence d'utilisation de ChatGPT. Cette évolution s'inscrit dans un contexte de concurrence IA intense. Google avec Gemini, Anthropic avec Claude, Meta avec ses modèles open-source et des dizaines de startups se disputent le même espace. OpenAI, valorisé à plus de 300 milliards de dollars lors de sa dernière levée de fonds en 2025, doit justifier cette valorisation auprès d'investisseurs qui attendent une croissance des revenus récurrents, notamment en vue d'une introduction en bourse anticipée. La stratégie de la super-application n'est pas nouvelle dans la tech : WeChat en Chine a démontré qu'un écosystème fermé et centralisé peut générer une dépendance utilisateur extrêmement rentable. Pour OpenAI, l'enjeu est de réussir cette transition sans aliéner sa base d'utilisateurs actuels, habitués à un outil simple et direct, tout en convainquant les entreprises partenaires que l'intégration dans l'écosystème ChatGPT vaut l'investissement.

Outils❧Opinion

1 source

54

2572Next INpact 

☕️ Google va louer de l’infra IA chez SpaceX pour 920 millions de dollars par mois

Google a signé le 5 juin un accord avec SpaceX pour louer jusqu'à 110 000 GPU NVIDIA opérés par xAI, l'entreprise d'intelligence artificielle d'Elon Musk. Le contrat, révélé dans un document déposé auprès de la SEC, prévoit un loyer mensuel de 920 millions de dollars sur une période allant d'octobre 2026 à juin 2029, pour un montant total estimé à 30,3 milliards de dollars. Une phase de mise à disposition progressive est prévue dès septembre 2026, et Google dispose d'une clause de sortie sans pénalité entre octobre et décembre 2026 si SpaceX ne peut pas fournir les capacités promises. Cet accord intervient trois jours après que Google a annoncé son intention de lever 80 milliards de dollars pour financer ses propres infrastructures de calcul, tout en révélant un carnet de commandes lié à l'IA de 460 milliards de dollars, dont la moitié doit être réalisée dans les 24 prochains mois. Que le premier fournisseur de cloud mondial soit contraint de louer des ressources informatiques à un concurrent dit quelque chose de la pression extraordinaire qui s'exerce sur les capacités de calcul IA en ce moment. Google justifie l'accord comme "opportun et à court terme" pour répondre à une demande dépassant ses prévisions sur Gemini Enterprise, sa plateforme d'agents d'entreprise. L'ampleur du contrat illustre concrètement ce que signifie une pénurie de GPU à l'échelle industrielle : même les géants du cloud ne peuvent pas toujours livrer dans les délais sans externaliser. Pour les entreprises clientes de Google, c'est une garantie de capacité ; pour l'industrie, c'est le signal que la course aux infrastructures IA crée des dépendances croisées inédites entre concurrents directs. Ce deal s'inscrit dans une relation plus complexe qu'une simple transaction commerciale. Google détenait 6,11 % du capital de SpaceX fin 2025, et conserverait environ 5 % après la fusion de SpaceX avec X et xAI selon Bloomberg, ce qui fait de Mountain View l'un des actionnaires d'Elon Musk. Pour SpaceX, l'accord tombe à un moment stratégique : l'entreprise prépare activement son introduction en bourse à 135 dollars l'action, pour une valorisation d'environ 1 750 milliards de dollars, et ce contrat démontre sa capacité à monétiser ses investissements IA malgré leur coût élevé. SpaceX avait déjà signé un accord similaire avec Anthropic, portant sur les GPU du datacenter Colossus I pour 1,25 milliard de dollars par mois. Si ces deux contrats sont honorés à pleine mesure, la question se pose de savoir quelles ressources de calcul resteront disponibles pour entraîner et faire tourner les propres modèles d'IA de SpaceX.

Infrastructure❧Opinion

Aussi surLe Big Data,Siècle Digital

45

2573FrenchWeb 

Comment l’IA transforme le sourcing, l’analyse et le pilotage des participations dans les fonds d’investissement

L'intelligence artificielle s'impose progressivement dans les fonds d'investissement, mais de façon inégale. Si la quasi-totalité des investisseurs utilisent désormais des outils comme ChatGPT, Claude ou Gemini pour accélérer leurs tâches quotidiennes, rédaction de mémos, synthèse de documents, veille sectorielle, très peu ont franchi le cap de l'intégration de l'IA dans leurs processus décisionnels structurels. Les premiers fonds à avoir fait ce saut observent des gains mesurables : des due diligences réalisées en quelques jours plutôt qu'en plusieurs semaines, un sourcing de deals élargi à des centaines de signaux simultanés, et un suivi de portefeuille plus réactif. L'enjeu est considérable pour une industrie où l'avantage informationnel est central. Un fonds capable d'identifier et d'analyser une opportunité deux fois plus vite qu'un concurrent dispose d'un avantage structurel dans des marchés où les meilleures transactions se closent en quelques semaines. Pour les équipes de taille réduite, la norme dans le capital-risque européen, l'IA agit comme un multiplicateur de capacité, permettant à un analyste de traiter un volume de données autrefois réservé aux grandes maisons. Cette transformation s'inscrit dans un contexte de pression croissante sur les rendements et de multiplication des données disponibles sur les startups et les marchés. Les grandes plateformes comme PitchBook, Dealroom ou Crunchbase intègrent déjà des fonctionnalités IA natives. Les fonds les plus avancés construisent en parallèle leurs propres outils propriétaires, créant un fossé naissant entre early adopters et suiveurs qui pourrait, à terme, redéfinir les hiérarchies du secteur.

Business⚒Outil

1 source

47

2574Next INpact 

À Berkeley, plus d’un tiers des étudiants en informatique sont recalés à cause de l’IA

Au printemps 2026, l'université de Californie à Berkeley a enregistré une hausse spectaculaire des échecs dans ses cours d'informatique de première année. Dans le cours d'introduction CS 10 ("La beauté et la joie de l'informatique"), 35,3 % des étudiants ont obtenu un F, contre 6,8 % au printemps 2025, soit une augmentation de 419 % en un an. Le cours CS 61A, consacré à la structure et l'interprétation des programmes, affiche quant à lui 10,6 % d'échecs, contre 3,8 % l'année précédente, soit une hausse de 179 %. Plus frappant encore, le cours d'optimisation EECS 127 a vu son taux d'échec bondir de 1,5 % à 16,8 %, une explosion de plus de 1 000 %. Ces chiffres s'éloignent très largement des directives internes de l'université, qui fixent à 7 % le seuil "typique" de notes D et F en premier cycle. La moyenne générale des deux cours d'intro est tombée à C+, soit 2,3 sur 4, alors que la fourchette attendue se situe entre 2,8 et 3,3. Ces résultats révèlent une rupture pédagogique profonde liée à la généralisation des outils d'intelligence artificielle. Les enseignants signalent que de nombreux étudiants ont délégué leurs devoirs à des assistants IA sans jamais maîtriser les concepts sous-jacents, ce qui les a laissés démunis lors des examens en présentiel. S'y ajoutent des lacunes mathématiques criantes, un fort absentéisme, un manque de participation en cours, et des cas de tromperie académique. Ces carences, masquées pendant le semestre grâce aux outils génératifs, sont apparues en plein jour lors des évaluations formelles. Pour une université classée quatrième meilleure école d'informatique des États-Unis en 2026, derrière Carnegie Mellon, le MIT et Stanford, et première parmi les universités publiques, ce décrochage représente un signal d'alarme difficile à ignorer. Berkeley n'est pas un cas isolé : depuis l'explosion de ChatGPT fin 2022, les établissements d'enseignement supérieur du monde entier débattent de l'impact des LLMs sur l'apprentissage réel. La question n'est plus théorique. L'université se retrouve confrontée à un paradoxe : former les ingénieurs et chercheurs qui construiront les systèmes IA de demain, tout en gérant une génération d'étudiants qui utilisent ces mêmes systèmes pour contourner l'apprentissage fondamental. La réponse institutionnelle tarde. Le manque de personnel enseignant mentionné par les professeurs complique toute surveillance renforcée. Les prochains semestres diront si Berkeley adapte ses méthodes d'évaluation, renforce les prérequis mathématiques à l'entrée, ou durcit ses politiques d'intégrité académique face à une technologie que ni les murs ni les règlements ne pourront faire disparaître.

Société❖Paper

1 source

45

2575Next INpact 

☕️ L’administration Trump envisage d’entrer au capital des géants de l’IA

L'administration Trump envisage de prendre des participations au capital des principaux laboratoires d'intelligence artificielle américains, selon des informations rapportées par le Wall Street Journal. Interrogé à bord d'Air Force One, Donald Trump a exprimé un intérêt direct pour l'idée, évoquant la possibilité de « créer un partenariat avec le public américain » et de rendre les citoyens « partenaires » des entreprises du secteur. Le mécanisme envisagé consisterait à redistribuer les gains futurs via un fonds souverain ou un dispositif similaire. Le 2 juin, Trump a par ailleurs signé un décret présidentiel, jugé en demi-teinte par les observateurs, instaurant un processus d'évaluation volontaire pour les modèles d'IA avancés, auquel OpenAI a confirmé sa participation. L'enjeu est considérable à mesure qu'OpenAI et Anthropic se rapprochent d'introductions en bourse potentiellement records. Une prise de participation publique permettrait à l'État fédéral de capter une fraction des valorisations futures, dans un secteur où les montants en jeu se chiffrent en centaines de milliards de dollars. Sur le plan politique, le projet répond aussi à une défiance croissante de la population américaine envers l'IA : 71 % des Américains s'opposent à l'installation de nouveaux centres de données. Offrir aux citoyens une part des bénéfices constituerait un levier pour rendre cette technologie politiquement acceptable, en transformant les contribuables en bénéficiaires directs plutôt qu'en spectateurs inquiets. Cette idée n'est pas née sous Trump : Sam Altman, fondateur et PDG d'OpenAI, la défend depuis des années, bien avant le lancement de ChatGPT. Pour élargir la coalition de soutien, il a rencontré le sénateur Bernie Sanders, figure de la gauche américaine, qui travaille de son côté sur une mesure bien plus radicale : transférer 50 % du capital des grandes entreprises d'IA vers un fonds public. En avril, OpenAI avait déjà proposé la création d'un tel fonds de redistribution directe vers les citoyens. Le gouvernement fédéral a d'ores et déjà démontré sa volonté d'intervenir dans le capital industriel, en acquérant 9,9 % d'Intel. Rien n'est toutefois officiellement décidé, et le risque d'un éclatement de la bulle IA, qui réduirait drastiquement la valeur de ces investissements publics, reste une hypothèse que personne ne peut exclure.

Business❧Opinion

Aussi surLes Numériques IA

44

2576NVIDIA AI Blog 

Le Royaume-Uni concrétise ses ambitions en IA souveraine avec les technologies NVIDIA

Un an après que Jensen Huang, PDG de NVIDIA, et le Premier ministre britannique Keir Starmer ont pris l'engagement public de faire du Royaume-Uni un « créateur » et non un « consommateur » d'IA lors de la London Tech Week 2025, les premières réalisations concrètes se matérialisent. Le nombre de fournisseurs de cloud prévoyant de déployer des infrastructures IA sur le sol britannique a doublé en douze mois. Nebius va déployer trois nouvelles installations représentant 65 mégawatts à pleine capacité en 2027, CoreWeave s'installe dans les zones de croissance IA du gouvernement, et BT s'est associé à Nscale pour construire des datacenters souverains sur trois de ses sites existants. Au coeur du dispositif se trouve Isambard-AI, le supercalculateur le plus puissant du Royaume-Uni, assemblé autour de 5 400 puces NVIDIA GH200 Grace Hopper et alimenté à 100 % en électricité décarbonée. Le Fonds d'IA souverain du gouvernement s'appuie sur cette infrastructure pour financer des entreprises nationales, dont Ineffable Intelligence, qui développe la prochaine génération d'infrastructure d'apprentissage par renforcement en collaboration directe avec NVIDIA. Quatre startups membres du programme NVIDIA Inception illustrent l'ambition de ce fonds. Cosine développe une plateforme de codage IA souveraine destinée aux secteurs hautement réglementés, services financiers, infrastructures critiques, sécurité nationale, et entraîne via Isambard un grand modèle multimodal de type mixture-of-experts capable de traiter des types de données au-delà du texte et de l'image. Cursive construit des systèmes d'IA auto-apprenants à fenêtres de contexte étendues, capables de fonctionner de façon autonome sur de longues durées, en adoptant le framework NVIDIA Megatron-LM pour l'entraînement distribué. Doubleword, premier laboratoire britannique dédié à l'inférence, optimise l'ensemble de la pile logicielle pour maximiser le rapport qualité-coût : ses premiers résultats sur Isambard montrent des démarrages de modèles 70 fois plus rapides et une compression du cache KV quatre fois supérieure sans perte de qualité. Ce déploiement s'inscrit dans une tendance mondiale où les États cherchent à ne pas dépendre exclusivement d'infrastructures IA contrôlées par des acteurs américains. Pour le Royaume-Uni, la souveraineté numérique est devenue un argument commercial à part entière : les entreprises européennes et britanniques peuvent désormais proposer à leurs clients des garanties de localisation des données et de contrôle national que les géants américains ne peuvent offrir. La montée en puissance de l'écosystème NVIDIA au Royaume-Uni, avec sept autres partenaires cloud en attente de déploiement, signale que Londres entend rivaliser avec Paris, qui a fait d'annonces similaires autour de son propre plan IA. La question qui se pose désormais est de savoir si ces infrastructures souveraines produiront des modèles et des usages capables de concurrencer les grands acteurs américains et chinois, ou si elles resteront cantonnées à des niches réglementaires.

Infrastructure⚡Actu

1 source

53

2577Next INpact 

☕️ Google teste le remplacement des résultats de recherche classiques par le mode IA dans Chrome

Google expérimente actuellement un réglage dans la version Canary (alpha) de Chrome qui remplacerait l'affichage traditionnel des résultats de recherche par son AI Mode, le chatbot conversationnel propulsé par les mêmes modèles que Gemini. Ce paramètre, accessible via chrome://flags sous le nom "Fulfill Searchbox Queries in AI Mode", a été découvert par le site Windows Report. Concrètement, il inverse le comportement par défaut : toute requête saisie dans la barre de recherche ouvre directement le mode IA, reléguant les résultats classiques sous forme de liens web à un clic supplémentaire sur un bouton "All". Le développeur Google ayant implémenté ce flag précise qu'il s'agit d'une phase d'"exploration" et qu'aucun déploiement en production n'est prévu à ce stade. L'enjeu est considérable pour l'écosystème web. Les AI Overviews, ces résumés générés automatiquement qui s'affichent déjà en tête des résultats Google, sont régulièrement accusés de priver les sites d'information et les éditeurs de trafic organique en répondant directement aux questions sans inciter au clic. Un basculement vers un mode IA par défaut amplifierait massivement ce phénomène, rendant encore moins nécessaire la visite des sources originales. Pour les médias, blogs et sites e-commerce dont le modèle économique repose sur le trafic Google, ce serait un changement structurel majeur. À l'inverse, pour les utilisateurs, cela représenterait une expérience plus fluide et conversationnelle, dans la lignée de ce que proposent déjà Perplexity ou ChatGPT Search. Google se trouve dans une position délicate depuis l'émergence des moteurs de recherche alimentés par IA. Des millions d'utilisateurs ont commencé à délaisser le moteur traditionnel au profit de ChatGPT ou Perplexity pour leurs recherches, ce qui menace directement le coeur du modèle publicitaire du groupe Alphabet. En réponse, Google intègre de l'IA à grande vitesse dans tous ses services, au risque d'accélérer la désintermédiation du web que ses propres produits contribuent à créer. Le niveau de finition du flag découvert, avec la prise en charge des raccourcis clavier Ctrl+clic et clic molette pour ouvrir des onglets, suggère que le travail dépasse le simple prototypage. La formulation prudente du développeur, "pas prévu à ce stade", laisse la porte ouverte à une mise en production future, peut-être progressive ou géographiquement limitée, à mesure que Google mesure l'appétit des utilisateurs pour ce changement radical d'interface.

Outils⚒Outil

Aussi surSiècle Digital

39

2578Le Big Data 

Infoblox IQ mise sur l’IA agentique pour l’IT

Infoblox lance Infoblox IQ, une plateforme d'IA agentique destinée aux équipes réseau et cybersécurité d'entreprise. Présentée comme une évolution majeure par rapport aux outils d'assistance classiques, la solution centralise les données d'infrastructure, DNS, DHCP, adresses IP, équipements connectés, pour les transformer en décisions opérationnelles concrètes. Plutôt que de simplement répondre à des requêtes, la plateforme analyse automatiquement des milliers d'événements quotidiens et en extrait les signaux pertinents. Un assistant en langage naturel permet aux administrateurs d'interroger leur environnement directement, d'obtenir des explications sur un incident ou des suggestions de correction sans naviguer entre de multiples tableaux de bord. L'entreprise cite un exemple client où plus d'un demi-million d'événements opérationnels ont été réduits à quelques dizaines d'actions prioritaires. L'impact est direct pour deux populations en tension permanente : les équipes SOC et les équipes réseau. Côté sécurité, le problème n'est plus la détection des menaces mais leur qualification parmi un flux d'alertes croissant. Infoblox IQ compile automatiquement les éléments d'enquête, appareils concernés, utilisateurs impliqués, activité réseau observée, avant même que l'analyste commence son investigation. Côté réseau, la plateforme détecte les erreurs de configuration, les problèmes de capacité et les anomalies précurseurs d'interruptions de service, en fournissant des pistes de résolution directement exploitables. L'objectif déclaré est de rendre les opérations informatiques plus autonomes, en réduisant le temps de réaction et la charge cognitive des équipes. Le lancement d'Infoblox IQ s'inscrit dans un mouvement plus large : l'IA agentique gagne du terrain dans les infrastructures d'entreprise, où les données DNS et DHCP, longtemps considérées comme de simples données de plomberie réseau, deviennent un actif stratégique. Pour faciliter l'intégration avec d'autres systèmes, Infoblox introduit un serveur MCP (Model Context Protocol), un standard émergent qui permet à des agents IA externes de se connecter aux données de la plateforme de manière normalisée. Scott Harrell, directeur général d'Infoblox, positionne explicitement ces données d'infrastructure comme un prérequis à toute automatisation fiable : sans information précise à la base, les agents IA prennent de mauvaises décisions. La première version d'Infoblox IQ for Threat Defense est attendue prochainement, avec les autres modules du programme prévus pour le second semestre 2026, dans un marché où Cisco, Palo Alto et CrowdStrike se livrent une bataille similaire sur l'automatisation des opérations de sécurité.

Sécurité⚒Outil

1 source

45

2579Apple Machine Learning 

Apple présente la troisième génération de ses modèles de fondation

Apple a dévoilé la troisième génération de ses Apple Foundation Models (AFM), une famille de cinq modèles d'intelligence artificielle développés en collaboration avec Google. Ces modèles, présentés comme le coeur de la prochaine version d'Apple Intelligence, couvrent un spectre allant des modèles fonctionnant directement sur l'appareil jusqu'aux modèles hébergés sur des serveurs via l'infrastructure Private Cloud Compute. Ils alimenteront notamment une refonte complète de Siri ainsi qu'une série d'outils intelligents intégrés aux systèmes d'exploitation Apple. Ce partenariat avec Google marque un tournant stratégique pour Apple, qui avait jusqu'ici développé ses modèles en interne. L'enjeu est considérable : Apple doit rattraper son retard sur des concurrents comme OpenAI, Google et Microsoft dans la course aux assistants IA natifs. En distribuant le traitement entre l'appareil local et le cloud sécurisé, Apple cherche à offrir des capacités IA avancées sans sacrifier la confidentialité des données, un argument différenciateur central face à des services cloud classiques. Cette annonce s'inscrit dans la stratégie Apple Intelligence lancée en 2024, dont le déploiement progressif avait suscité des critiques sur la lenteur des livraisons. La collaboration avec Google est particulièrement significative : les deux entreprises, habituellement rivales sur les moteurs de recherche et les systèmes mobiles, s'associent ici sur la couche infrastructure IA. La famille de cinq modèles suggère une segmentation fine des cas d'usage, de la compréhension vocale embarquée aux tâches complexes nécessitant de la puissance serveur.

LLMs❧Opinion

1 source

38

2580MarkTechPost 

Optimisation de prompts par réflexion avec GEPA : multi-composants, feedback structuré et validation

GEPA, un framework d'optimisation de prompts par évolution réflexive, permet d'améliorer automatiquement les instructions données à un modèle de langage en analysant ses erreurs et en générant des variantes plus performantes. Dans un tutoriel récent, des développeurs ont mis en oeuvre cette approche pour résoudre des problèmes arithmétiques formulés en langage naturel. L'architecture repose sur deux modèles distincts : GPT-4o-mini d'OpenAI comme modèle d'exécution des tâches, et GPT-4.1 comme modèle de réflexion chargé d'améliorer les prompts. Le système démarre avec un prompt initial faible, génère un benchmark déterministe de 18 problèmes (réductions commerciales, distances de voyage, calculs de portefeuille, opérations en chaîne), puis itère jusqu'à un budget maximal de 100 appels métriques. Le dataset est séparé en 12 exemples d'entraînement et 6 de validation pour mesurer la généralisation. Ce qui distingue GEPA d'une simple optimisation manuelle, c'est sa capacité à faire évoluer simultanément plusieurs composantes d'un prompt. Ici, ce ne sont pas seulement les instructions générales qui changent, mais aussi les règles de format de sortie, les deux évoluant ensemble comme un système couplé. Le modèle de réflexion reçoit un retour structuré et actionnable sur les raisons précises de l'échec d'un prompt candidat, ce qui lui permet de cibler ses corrections plutôt que de procéder à l'aveugle. Cette boucle d'amélioration automatisée réduit considérablement le travail manuel de prompt engineering, un processus qui peut prendre des heures à des équipes entières chez des entreprises déployant des LLMs en production. Pour les ingénieurs et les chercheurs, cela signifie qu'un système peut apprendre de ses propres erreurs de façon systématique, sans intervention humaine à chaque itération. Le prompt engineering automatisé représente l'un des axes de recherche les plus actifs dans l'écosystème des modèles de langage. Des frameworks comme DSPy de Stanford, TextGrad ou encore APE (Automatic Prompt Engineer) ont ouvert cette voie ces deux dernières années, cherchant à remplacer l'intuition humaine par une optimisation guidée par des métriques. GEPA se positionne dans cette lignée en y ajoutant la dimension réflexive : le modèle n'optimise pas à l'aveugle, il comprend pourquoi un prompt échoue. L'utilisation de LiteLLM comme couche d'abstraction permet en outre de brancher n'importe quel fournisseur de modèles, ce qui rend l'approche agnostique à l'infrastructure. À mesure que les LLMs s'intègrent dans des pipelines critiques, la capacité à optimiser automatiquement les prompts sur des benchmarks maison devient un avantage concurrentiel direct, réduisant les coûts d'inférence et améliorant la fiabilité sans multiplier les appels humains en boucle.

Outils≡Tuto

1 source