Aller au contenu principal
Le Fil IA

Actualités IA — page 143

9 335 articles au fil, du plus récent au plus ancien.

La Chine, dont les modèles d'IA mettent l'écosystème IA de Trump en conflit avec lui-même
Illustration générée par IA
2841MIT Technology Review 

La Chine, dont les modèles d'IA mettent l'écosystème IA de Trump en conflit avec lui-même

Le week-end dernier, plusieurs conseillers actuels et anciens du président Donald Trump sur l'intelligence artificielle se sont publiquement écharpés au sujet de la stratégie américaine face à la Chine. David Sacks, qui a occupé jusqu'en mars le poste de "tsar" de l'IA et des cryptomonnaies auprès de Trump, a qualifié les modèles d'Anthropic de "lobotomisés" et de "woke". Emil Michael, haut responsable du Pentagone, a de son côté traité Dean Ball, ancien conseiller IA de Trump aujourd'hui chez OpenAI, d'"idiot suprême du village". À l'origine de cette querelle : Kimi, un modèle gratuit et open source lancé la semaine dernière par l'entreprise chinoise Moonshot, dont les performances rivaliseraient avec celles d'OpenAI et d'Anthropic, deux acteurs dont les modèles restent payants. L'épisode survient une semaine après que l'État de New York a imposé la première interdiction américaine de nouveaux centres de données, et après que Sacks a critiqué, le 19 juillet, les grandes entreprises d'IA qui "veulent que le gouvernement élimine leur concurrence open source". Chaque nouveau modèle chinois gratuit et performant comme Kimi réduit l'intérêt des entreprises américaines à payer pour accéder aux modèles d'OpenAI ou d'Anthropic, ce qui pose un problème à la fois économique et politique pour l'administration Trump : l'enthousiasme pour ces entreprises d'IA soutient une part disproportionnée de la croissance économique du pays, et la nouvelle concurrence chinoise a déjà fait vaciller les marchés boursiers américains. Cette situation révèle une fracture profonde parmi les stratèges IA proches de Trump, entre ceux qui, comme Sacks, plaident pour une ouverture plus large et moins d'intervention gouvernementale, et ceux qui, comme Michael et le secrétaire à la Défense Pete Hegseth, défendent un contrôle accru de l'État sur les modèles jugés potentiellement dangereux pour la sécurité nationale. Cette dispute s'inscrit dans un contexte plus large de restrictions technologiques envers la Chine, longtemps privée d'accès aux puces les plus avancées sous l'administration Biden puis au début du second mandat de Trump. Ces contrôles à l'exportation se sont depuis assouplis, Trump ayant autorisé Nvidia à vendre davantage de puces à la Chine en échange d'une part des revenus pour le gouvernement américain, tandis que des soupçons de contournement des sanctions par contrebande de puces ont été signalés. Malgré des capacités de calcul toujours limitées, la Chine a donc réussi à produire un modèle compétitif, sans que l'on sache précisément quelles puces Moonshot a utilisées. Dean Ball a critiqué le nouveau dispositif d'examen de sécurité de la Maison Blanche, mis en place pour vérifier les modèles avant leur diffusion, le qualifiant de "régime de licence de facto pour l'IA de pointe", et suggéré que Trump pourrait plutôt chercher à dissuader discrètement les entreprises américaines d'utiliser des modèles comme Kimi.

RégulationReglementation
1 source
Neill Blomkamp, réalisateur de District 9, dévoile son premier court-métrage entièrement généré par IA
Illustration générée par IA
2842The Decoder 

Neill Blomkamp, réalisateur de District 9, dévoile son premier court-métrage entièrement généré par IA

Ce court métrage de 13 minutes intitulé "Nightborne" marque la première œuvre entièrement générée par intelligence artificielle du réalisateur Neill Blomkamp, connu pour "District 9". L'ensemble du film, un thriller de science-fiction horrifique, a été produit grâce au modèle vidéo Seedance 2.0, avec Blomkamp dirigeant chaque plan image par image via des prompts textuels plutôt qu'avec une caméra traditionnelle. À l'occasion de ce projet, le réalisateur a fondé un nouveau studio, Barley Studios, spécifiquement dédié à la production de films par IA, avec pour ambition immédiate de réaliser un long métrage complet utilisant la même technologie. Cette initiative marque une étape symbolique pour l'industrie du cinéma : un réalisateur hollywoodien reconnu, auteur de succès comme "District 9" ou "Chappie", valide publiquement la génération vidéo par IA comme outil de production professionnelle et non plus comme simple gadget expérimental. L'enjeu dépasse la prouesse technique : il interroge les métiers traditionnels du tournage (équipes techniques, effets spéciaux, décors) et la manière dont les studios pourraient repenser leurs budgets et calendriers de production. Pour les spectateurs, cela ouvre aussi la question de la réception d'œuvres entièrement synthétiques. Cette sortie s'inscrit dans une accélération plus large des modèles de génération vidéo par IA, portés par des acteurs comme Runway, OpenAI avec Sora ou encore les développeurs de Seedance, qui rivalisent pour améliorer la cohérence visuelle et narrative de leurs outils. Le passage de Blomkamp à un studio dédié à l'IA illustre la manière dont certains créateurs établis choisissent d'expérimenter tôt avec ces technologies, plutôt que de les subir, quitte à redéfinir leur propre rôle de réalisateur autour de la direction par prompts plutôt que par mise en scène physique.

CréationActu
1 source
Amazon lance un outil pour créer des workflows d'agents spécialisés avec NVIDIA NeMo Agent Toolkit
Illustration générée par IA
2843AWS ML Blog 

Amazon lance un outil pour créer des workflows d'agents spécialisés avec NVIDIA NeMo Agent Toolkit

Amazon Web Services et NVIDIA ont présenté une architecture combinant Amazon Quick et le NeMo Agent Toolkit pour permettre aux entreprises de construire des workflows d'agents spécialisés destinés aux équipes métier. L'exemple choisi concerne la gestion des risques dans la chaîne d'approvisionnement : lorsqu'un fournisseur prend du retard, un planificateur doit habituellement vérifier manuellement les bons de commande, les stocks, les engagements clients, les règles contractuelles, les options logistiques et les politiques d'approbation avant de décider d'une action. Dans cette solution, Amazon Quick sert d'interface conversationnelle unique pour les utilisateurs métier, connectée à des sources de données structurées et non structurées comme Amazon S3, Google Drive, Microsoft SharePoint ou Atlassian Confluence, ainsi qu'à plus de 100 connecteurs préconstruits vers des outils tiers tels que Microsoft Outlook, Slack, Jira et Asana. Le NeMo Agent Toolkit, bibliothèque open source et agnostique vis-à-vis des frameworks développée par NVIDIA, prend en charge la partie backend : il enregistre les outils, orchestre l'investigation de la chaîne d'approvisionnement, capture les traces d'exécution et permet d'évaluer et de profiler les workflows. Il fonctionne aux côtés de frameworks populaires comme LangChain, LlamaIndex, CrewAI, Microsoft Semantic Kernel ou Google ADK. Amazon Bedrock AgentCore fait le lien entre les deux, en fournissant la passerelle MCP (Model Context Protocol) ainsi que l'environnement d'exécution qui héberge le workflow du NeMo Agent Toolkit. Cette architecture répond à un problème très concret pour les équipes supply chain : les tableaux de bord permettent de repérer qu'un problème existe, mais rarement de transformer ce signal en une décision fiable et documentée. Avec ce système, un analyste peut poser des questions de diagnostic directement dans Amazon Quick, qui interroge alors le workflow d'agents pour obtenir un plan de mitigation classé par priorité, accompagné des preuves justifiant chaque recommandation. Pour les responsables des opérations supply chain, cela signifie passer d'un simple constat visuel à une décision actionnable sans quitter l'outil qu'ils utilisent déjà au quotidien. Pour les startups en forte croissance, l'intérêt est encore plus direct : à mesure que le volume de commandes, le nombre de fournisseurs et les engagements clients augmentent, la même architecture peut soutenir des décisions plus rapides et reproductibles sans qu'il soit nécessaire d'agrandir les équipes de planification. Sur le plan technique, l'un des apports majeurs du NeMo Agent Toolkit est l'observabilité qu'il apporte aux workflows agentiques, avec de la télémétrie, une mesure de la latence à chaque étape et des résultats d'évaluation permettant d'ajuster les outils et la logique d'orchestration. Cette dimension devient de plus en plus stratégique à mesure que les entreprises évoluent de simples assistants conversationnels vers des workflows d'agents plus complexes, capables d'enchaîner plusieurs étapes de raisonnement et d'action. L'architecture proposée illustre ainsi une tendance de fond chez les grands fournisseurs cloud : séparer clairement l'interface destinée aux utilisateurs métier, portée par des outils comme Amazon Quick, de la couche d'orchestration des agents, confiée à des frameworks spécialisés comme le NeMo Agent Toolkit, le tout relié par des protocoles standardisés comme MCP.

OutilsOutil
1 source
Couchbase construit une architecture IA multi-modèle pour Capella iQ avec Amazon Bedrock
Illustration générée par IA
2844AWS ML Blog 

Couchbase construit une architecture IA multi-modèle pour Capella iQ avec Amazon Bedrock

Le fournisseur de bases de données Couchbase a fait évoluer son assistant de développement Capella iQ pour s'appuyer sur Amazon Bedrock et la famille de modèles Claude d'Anthropic, en remplacement d'une architecture d'inférence à modèle unique. Le projet, décrit dans un billet co-écrit avec Tushar Madaan de Couchbase, repose sur une infrastructure déployée sur deux régions AWS, us-east-1 et us-west-2, afin de garantir une haute disponibilité. Un cluster Amazon EKS héberge trois microservices clés dans us-east-1 : cp-api, qui reçoit les requêtes des développeurs et orchestre les appels d'inférence ; cp-internal-api, qui gère la communication interne et la logique de routage des modèles ; et cp-ns, qui gère la configuration au niveau des espaces de noms, notamment les préférences de fournisseur de modèles par client. Un point de terminaison d'interface VPC assure une connectivité privée entre ce cluster et le runtime d'Amazon Bedrock, permettant d'exploiter l'inférence multi-région (Cross-Region Inference, ou CRIS) sur trois régions américaines : us-east-1, us-east-2 et us-west-2. Cette bascule répond à un besoin très concret de résilience opérationnelle et de flexibilité pour les grandes entreprises clientes de Couchbase. En s'appuyant sur l'inférence multi-région d'Amazon Bedrock, Capella iQ peut absorber des pics de trafic soudains et basculer automatiquement vers une région disponible en cas de dégradation, sans capacité pré-provisionnée et sans logique applicative supplémentaire à gérer côté Couchbase. Autre point important pour les clients entreprise : l'intégralité du trafic d'inférence, prompts et réponses inclus, transite exclusivement par l'infrastructure privée d'AWS et ne passe jamais par l'internet public, ce qui répond aux exigences de sécurité et de résidence des données propres à ce type de clientèle. Concrètement, quand un développeur demande à Capella iQ de générer une requête SQL++, de recommander un index ou de poursuivre une conversation multi-tours, le pod cp-api authentifie la demande, récupère le contexte de session, construit le prompt en intégrant l'historique de conversation, puis transmet l'appel via le point de terminaison VPC vers Bedrock, avant de renvoyer la réponse normalisée au développeur. Cette évolution s'inscrit dans la tendance plus large des éditeurs de logiciels d'entreprise à adopter des architectures d'inférence agnostiques par rapport au modèle, plutôt que de rester dépendants d'un unique fournisseur de LLM. Face à la croissance de l'adoption de Capella iQ, Couchbase avait besoin d'un système capable de s'adapter aux préférences de déploiement variées de ses clients tout en conservant une infrastructure scalable et robuste. Le choix d'Amazon Bedrock comme couche d'inférence permet à Couchbase de bénéficier directement des capacités de basculement régional et de répartition de charge gérées par AWS, sans avoir à développer cette logique en interne. Cette approche illustre aussi comment les modèles Claude d'Anthropic s'intègrent de plus en plus dans des produits d'infrastructure de données critiques, où la fiabilité, la confidentialité des données et la conformité pèsent autant que la qualité pure des réponses générées.

InfrastructureActu
1 source
Évolution du BI traditionnel vers l'IA à base d'agents chez Tradeshift avec Amazon Quick
Illustration générée par IA
2845AWS ML Blog 

Évolution du BI traditionnel vers l'IA à base d'agents chez Tradeshift avec Amazon Quick

Tradeshift, plateforme de comptabilité fournisseurs et de conformité e-facturation opérant dans plus de 70 pays, a remplacé son outil de business intelligence développé en interne par Amazon Quick, le nouvel espace de travail d'intelligence artificielle agentique d'AWS. L'article, co-écrit par Raphael Bres, Robert Iordache, Anca Andone et Ioana Millon (Ploesteanu) côté Tradeshift ainsi que Roy Yung côté AWS, détaille cette migration. L'ancien outil BI maison, utilisé depuis plusieurs années, limitait les requêtes à 10 000 lignes maximum, plafonnait les rapports programmés à 25 Mo et ne conservait que six mois d'historique de données. Sa maintenance mobilisait environ 50 % du temps d'un employé à temps plein, au détriment du développement produit. Les équipes Service Client, Data et Analytics, ainsi que Commercial, perdaient des heures chaque semaine à produire des rapports manuellement, entre exports CSV et macros Excel. Avec le passage à Amazon Quick, Tradeshift a obtenu des temps de réponse aux requêtes jusqu'à 30 fois plus rapides et une réduction de 40 % du coût total de possession. Cette transition dépasse la simple modernisation technique : elle transforme l'analytique embarquée en produit générateur de revenus pour Tradeshift. Amazon Quick combine plusieurs briques agentiques, dont un agent conversationnel permettant d'interroger les données métier en langage naturel, un module Flows pour automatiser des workflows multi-étapes sans code, et un moteur de recherche approfondie appelé Quick Research capable de produire des rapports analytiques longs à partir de sources multiples. Concrètement, Tradeshift a construit sur cette base un agent baptisé AP Auditor, dédié aux questions courantes sur les documents et les opérations, ce qui réduit la dépendance des équipes métier envers les analystes BI. Les clients externes de Tradeshift, qui devaient auparavant solliciter les équipes d'ingénierie pour obtenir des rapports personnalisés sur leurs flux de comptabilité fournisseurs, disposent désormais d'un accès en libre-service à des analyses plus poussées. Le choix d'Amazon Quick s'est imposé après évaluation de plusieurs alternatives, aucune autre solution n'offrant simultanément la scalabilité nécessaire pour de gros volumes de données, un accès embarqué multi-appareils, l'interrogation en langage naturel, l'automatisation par workflows, et une analytique unifiée pour les usages internes comme pour les clients. Ce cas d'usage illustre une tendance plus large dans l'industrie de la comptabilité et de la finance d'entreprise : le passage d'outils BI traditionnels, rigides et gourmands en maintenance, vers des plateformes d'IA agentique capables d'automatiser des tâches entières plutôt que de simplement afficher des tableaux de bord. Pour Tradeshift, qui sert à la fois acheteurs et vendeurs sur son réseau transactionnel, cette évolution répond à un besoin spécifique de démocratiser l'analyse statistique avancée auprès d'utilisateurs non techniques, tout en ouvrant potentiellement de nouvelles sources de revenus liées aux services analytiques proposés à ses clients.

OutilsActu
1 source
Nvidia perd du terrain sur les puces IA : Microsoft se tourne vers AMD, et Anthropic pourrait suivre
Illustration générée par IA
2846The Decoder 

Nvidia perd du terrain sur les puces IA : Microsoft se tourne vers AMD, et Anthropic pourrait suivre

Microsoft élargit l'infrastructure IA d'Azure en intégrant Helios, la nouvelle plateforme d'AMD, qui doit concurrencer directement les systèmes GPU de Nvidia à partir du second semestre 2026. Cette annonce marque un tournant dans la stratégie d'approvisionnement en puces du géant du cloud, jusqu'ici très dépendant de Nvidia pour ses charges de travail liées à l'intelligence artificielle. Un profil GitHub public suggère par ailleurs qu'Anthropic teste également du matériel AMD, ce qui indique que l'entreprise pourrait suivre le mouvement amorcé par Microsoft et diversifier ses propres fournisseurs de calcul. Cette évolution représente une pression supplémentaire sur le pouvoir de fixation des prix de Nvidia, qui domine largement le marché des puces dédiées à l'entraînement et à l'inférence des modèles d'IA. Pour les grands fournisseurs de cloud et les laboratoires d'IA, disposer d'une alternative crédible comme AMD permet de négocier de meilleurs tarifs et de réduire la dépendance à un fournisseur unique, un enjeu stratégique majeur compte tenu des sommes colossales investies dans les infrastructures de calcul. Pour les utilisateurs finaux, une concurrence accrue pourrait à terme se traduire par une baisse des coûts d'accès aux services d'IA hébergés sur le cloud. Ce mouvement s'inscrit dans un contexte plus large où les grands acteurs technologiques cherchent à diversifier leurs sources d'approvisionnement en puces, face à la demande explosive de capacité de calcul pour l'IA générative et aux tensions sur les chaînes d'approvisionnement. Nvidia reste pour l'instant le leader incontesté du marché, mais l'arrivée de plateformes concurrentes crédibles comme Helios d'AMD, combinée à l'intérêt manifesté par des clients de poids comme Microsoft et potentiellement Anthropic, pourrait redessiner les rapports de force dans les prochaines années et inciter d'autres acteurs à suivre cette diversification.

InfrastructureActu
1 source
Chez Zillow, le responsable ingénierie affirme au VB Transform 2026 que le ROI de l'IA ne tient que s'il est mesuré avant le développement
Illustration générée par IA
2847VentureBeat AI 

Chez Zillow, le responsable ingénierie affirme au VB Transform 2026 que le ROI de l'IA ne tient que s'il est mesuré avant le développement

Ces derniers mois, la question du retour sur investissement de l'intelligence artificielle en entreprise est revenue au centre des débats lors de la conférence VB Transform 2026, où Toby Roberts, vice-président senior de l'ingénierie chez Zillow, et Arvind Jain, cofondateur et directeur général de Glean, ont détaillé l'architecture bâtie pour gérer des parcours clients complexes. Zillow, plateforme immobilière qui intervient dans environ 80% des transactions immobilières aux États-Unis chaque année, fait face à un défi particulier : ses clients passent d'un appel téléphonique à un conseiller en prêt puis à un agent immobilier, parfois sur plusieurs mois, et s'attendent à ce que le contexte de leur dossier les suive tout au long du processus. Un simple chatbot ne pouvait pas porter ce fil conducteur. L'entreprise a donc construit sa propre couche de contexte persistante plutôt que de dépendre d'une seule interface de conversation externe, une décision prise rapidement une fois que l'équipe a examiné la réalité d'une transaction complète plutôt qu'une conversation isolée. Contrairement à l'idée reçue selon laquelle la donnée est l'obstacle principal des projets d'IA en entreprise, Roberts a expliqué que chez Zillow, la vraie difficulté n'était pas là : l'entreprise avait déjà posé des bases solides avec une architecture en maillage de données, une traçabilité claire et une gouvernance intégrant permissions et identité. Le vrai problème a été de construire un système capable de se souvenir où en était un client dans son parcours et de transmettre cette information peu importe la plateforme utilisée ensuite. Cette approche a des conséquences concrètes pour les entreprises qui déploient de l'IA agentique à grande échelle : Zillow a pu attribuer de manière crédible une hausse de 40% du code livré à l'adoption de l'IA, mais uniquement parce qu'elle disposait déjà d'une base de métriques DORA établie des années avant le déploiement de l'IA, et non grâce au déploiement lui-même. Autrement dit, mesurer l'impact réel de l'IA suppose d'avoir fixé un point de référence avant de se lancer, pas après. Sur le plan technique, Zillow s'appuie sur vingt ans d'historique en apprentissage automatique, hérité de produits comme Zestimate, pour privilégier des modèles plus petits et spécialisés plutôt qu'un modèle généraliste unique. En parallèle, l'entreprise utilise des milliers d'agents Glean en production, gérant des tâches répétitives avec des dizaines de milliers d'exécutions. Jain a présenté deux leviers de réduction des coûts propres à la plateforme de Glean : le routage vers des modèles moins chers pour la majorité des tâches, et un contexte précalculé qui évite à un agent de consommer des tokens à reconstruire son contexte à chaque requête, ce qui peut diviser par deux la consommation de tokens par rapport à un modèle comme Claude, plus lent selon lui car l'assemblage initial du contexte prend du temps. Jain insiste aussi sur l'intérêt de centraliser cette intégration une seule fois via la passerelle Glean MCP plutôt que de laisser chaque service, finance, juridique ou marketing, reconstruire ses propres connexions aux mêmes systèmes, un coût caché que la plupart des entreprises n'ont pas anticipé. Enfin, même avec une plateforme consciente des permissions, Zillow a ajouté des règles strictes et un contrôle de conformité permanent pour ses catégories de données les plus sensibles, refusant de faire confiance uniquement à l'héritage automatique des droits d'accès.

BusinessActu
1 source
France Travail veut confier à l’IA le tri des demandeurs d’emploi, et les tests sont déjà en cours
Illustration générée par IA
2848Le Big Data 

France Travail veut confier à l’IA le tri des demandeurs d’emploi, et les tests sont déjà en cours

Après la Caisse d'allocations familiales, c'est au tour de France Travail de s'appuyer sur l'intelligence artificielle pour cibler ses contrôles. Selon des documents révélés par La Quadrature du Net en partenariat avec Radio France, l'opérateur public de l'emploi expérimente depuis fin 2025 un projet baptisé « Ciblage du contrôle de la recherche d'emploi », présenté à cette date devant son comité d'éthique dédié à l'IA. Le système repose sur un modèle statistique entraîné à partir de 60 000 contrôles réalisés par le passé. Il croise 26 variables issues des dossiers des demandeurs d'emploi : ancienneté d'inscription, visibilité du CV, métier recherché, niveau de formation, entretiens récents ou activités déclarées. L'algorithme classe ensuite les profils selon leur probabilité d'être contrôlés et transmet une liste priorisée aux agents, qui restent seuls décisionnaires sur la suite à donner. Une première campagne a déjà porté sur 7 000 contrôles visant des personnes inscrites après une rupture conventionnelle : elle a débouché sur une sanction ou un accompagnement renforcé dans 50,4 % des cas, contre 33,2 % avec les méthodes traditionnelles. Une seconde expérimentation de même ampleur était en cours au moment de la présentation du projet. Cette évolution change concrètement la manière dont les demandeurs d'emploi peuvent être surveillés au quotidien. L'IA ne prononce aucune sanction elle-même, mais elle détermine qui sera examiné en priorité, ce qui revient à orienter fortement le sort administratif de milliers de personnes sans qu'elles en aient toujours conscience. Pour France Travail, l'intérêt est clair : selon ses propres chiffres, cibler via l'algorithme rend les contrôles nettement plus « rentables » que le tirage traditionnel. Mais pour les associations et observateurs qui suivent le dossier, ce gain d'efficacité repose sur un raisonnement fragile, puisqu'aucune des 26 variables utilisées ne prouve en elle-même qu'une personne ne cherche pas activement du travail. Un CV peu visible en ligne, par exemple, peut simplement traduire des difficultés d'usage du numérique plutôt qu'un manque d'implication dans la recherche d'emploi. Ce type d'outil s'inscrit dans une tendance plus large de numérisation des contrôles sociaux en France, après les algorithmes de notation déjà utilisés par la CAF pour détecter des fraudes présumées, qui avaient eux-mêmes suscité de vives critiques sur les biais qu'ils pouvaient introduire contre certaines catégories d'allocataires. Avec France Travail, le débat se déplace vers le monde du chômage, où plusieurs acteurs redoutent qu'un système entraîné sur des données historiques ne reproduise, voire n'amplifie, des inégalités déjà présentes dans les pratiques de contrôle passées, sans offrir de garanties claires de transparence ou de recours pour les personnes concernées.

ÉthiqueReglementation
Aussi sur01net
France Travail : un algorithme pour accélérer le profilage des chômeurs et les contrôles
Illustration générée par IA
2849Next INpact 

France Travail : un algorithme pour accélérer le profilage des chômeurs et les contrôles

France Travail travaille sur un algorithme destiné à cibler plus efficacement les contrôles de recherche d'emploi, selon un document interne révélé par la Quadrature du Net. Ce support de présentation, daté de décembre 2025 et conçu pour un exposé d'une trentaine de minutes, détaille les travaux menés autour du Contrôle de Recherche d'Emploi, ou CRE. Le dispositif prévoit d'analyser 26 variables par demandeur d'emploi : historique des cessations d'inscription, délai avant inscription, nombre d'entretiens, niveau de formation, métier recherché et tension sur ce métier, heures travaillées, ancienneté d'une Offre Raisonnable d'Emploi, nombre de refus d'offres, présence d'un CV visible ou encore absences aux prestations. Le modèle retenu repose sur un arbre de décision statistique, et non sur un LLM d'IA générative. Pour 2026, France Travail prévoyait 500 000 contrôles ciblés, soit 40 % du total des vérifications programmées, en plus des contrôles déclenchés par vérification d'assiduité, tirage aléatoire ou signalement des agences. L'organisme dispose déjà de deux outils d'IA développés par Mistral : ChatFT, qui assiste les conseillers dans leurs échanges avec les demandeurs d'emploi, et MatchFT, qui rapproche offres et profils puis contacte par SMS les candidats jugés pertinents. L'enjeu dépasse la simple automatisation administrative : il s'agit de faire porter par un algorithme le tri entre demandeurs d'emploi de bonne foi et « contournements volontaires », une distinction qui déclenche ensuite une sanction, une révision du suivi ou au contraire un renforcement de l'accompagnement. Pour les personnes concernées, cela signifie que des critères comme un délai d'inscription jugé trop long, un CV non visible ou un nombre de refus d'offres pourront désormais alimenter un score qui oriente directement vers un contrôle renforcé, avec un risque de radiation à la clé. La Quadrature du Net pointe un double danger : une massification des contrôles ciblés, qui passeraient d'exceptions justifiées à un mode de gestion de masse, et un déplacement de la responsabilité politique vers un outil présenté comme neutre et « objectif », alors que le choix des 26 variables et leur pondération relèvent eux-mêmes de décisions politiques. L'association estime que plusieurs principes que France Travail affiche comme garanties, notamment le bénéfice du doute, l'équité de traitement ou la séparation entre accompagnement et contrôle, pourraient être fragilisés par cette automatisation. Ce projet s'inscrit dans une tendance plus large de numérisation du contrôle social, déjà observée avec les algorithmes de notation utilisés par la CAF pour détecter les fraudes aux prestations, ou par Pôle emploi devenu France Travail dans sa recherche de gains de productivité face à la hausse du volume de dossiers à traiter. France Travail justifie sa démarche par la nécessité de mieux distinguer les demandeurs ayant besoin d'un accompagnement renforcé de ceux qui chercheraient à contourner leurs obligations, dans le cadre du « contrat d'engagement dynamique » qui formalise droits et devoirs réciproques. Mais le recours à Mistral, entreprise française d'IA déjà partenaire de l'État sur plusieurs projets publics, alimente les critiques sur l'imbrication croissante entre acteurs privés de l'IA et politiques publiques sensibles. La suite dépendra en grande partie de la réaction des associations de défense des chômeurs et des syndicats, ainsi que d'une éventuelle saisine de la CNIL, dans un contexte où l'usage de l'IA dans les administrations sociales fait déjà l'objet d'un examen accru en Europe, notamment via l'AI Act qui classe ce type de systèmes parmi les usages à haut risque.

ÉthiqueReglementation
1 source
« Les garde-fous de sécurité ont bloqué les défenseurs de Hugging Face, pas l'attaquant, lors du piratage de ses systèmes par un agent IA »
Illustration générée par IA
2850VentureBeat AI 

« Les garde-fous de sécurité ont bloqué les défenseurs de Hugging Face, pas l'attaquant, lors du piratage de ses systèmes par un agent IA »

Fin de semaine dernière, Hugging Face a découvert qu'un agent d'intelligence artificielle autonome avait compromis son infrastructure de production, avec des conséquences aggravées par le fait que les modèles d'IA censés aider l'équipe de sécurité à enquêter ont refusé de traiter les preuves de l'attaque. L'entreprise a révélé le 16 juillet qu'un système agentique autonome, fonctionnant sans intervention humaine du début à la fin, avait obtenu un accès non autorisé à un ensemble limité de jeux de données internes ainsi qu'à plusieurs identifiants de service. Le point d'entrée était un jeu de données malveillant : une fois ingéré par le pipeline de traitement de données de Hugging Face, il a déclenché une exécution de code par deux voies distinctes, un chargeur de code à distance et une faille d'injection de gabarit dans les fichiers de configuration. Aucune barrière de contrôle ne filtrait le fichier avant qu'il n'atteigne le poste de calcul chargé de le traiter. Depuis ce premier point d'appui, l'agent est sorti de l'environnement isolé du poste de travail, a récupéré des identifiants cloud et de cluster à large portée, et s'est déplacé latéralement à travers l'infrastructure pendant tout un week-end, sans être détecté ni stoppé. Hugging Face a décrit un cadre agentique exécutant des milliers d'actions individuelles via un essaim de bacs à sable éphémères, avec un système de commande et de contrôle capable de migrer lui-même vers des services publics ; l'entreprise a assuré que sa chaîne logistique logicielle restait intacte, sans trace d'altération de ses modèles, jeux de données ou Spaces publics, tout en poursuivant son évaluation d'un éventuel impact sur des données de partenaires ou clients. L'épisode expose une faille opérationnelle largement sous-estimée dans les dispositifs de cybersécurité qui reposent sur l'IA : les mêmes garde-fous conçus pour empêcher les attaquants d'exploiter les modèles bloquent aussi les défenseurs qui tentent d'analyser une intrusion réelle. Lorsque l'équipe de réponse aux incidents de Hugging Face a soumis des commandes shell, des charges utiles d'exploitation et des artefacts de commande et contrôle authentiques à des modèles frontières via des API commerciales, les systèmes de sécurité ont catégoriquement refusé de les traiter, incapables de distinguer un enquêteur légitime d'un auteur de malware. Merritt Baer, conseillère senior chez Andesite, G2I et AppOmni et ancienne directrice adjointe de la sécurité chez AWS, souligne que ce problème dépasse largement le cas Hugging Face : les modèles commerciaux n'ont aucun moyen cryptographique ou organisationnel de vérifier l'intention derrière une requête d'analyse. Pour les équipes de sécurité d'entreprise qui intègrent de plus en plus l'IA dans leurs opérations, cela transforme un simple choix de politique de modèle en un véritable enjeu de résilience opérationnelle, capable de retarder une investigation critique au moment où chaque heure compte. Cet incident illustre aussi une angle mort commun aux équipes de sécurité : les données qui alimentent les pipelines sont généralement traitées comme des entrées de confiance plutôt que comme une surface d'attaque à part entière, ce qui a permis à ce jeu de données piégé de passer inaperçu. Le fait que le cadre attaquant semble avoir été construit à partir d'un outil de recherche en sécurité agentique, normalement destiné aux exercices d'équipe rouge, ajoute une dimension préoccupante : des outils conçus pour tester la sécurité peuvent être détournés pour mener une intrusion réelle. Faute de pouvoir s'appuyer sur les modèles frontières commerciaux, les enquêteurs de Hugging Face ont dû reconstituer plus de 17 000 événements à l'aide de leurs propres agents d'analyse pilotés par IA, l'analyse forensique aboutissant finalement grâce à un autre modèle, GLM. À mesure que les agents autonomes gagnent en autonomie et en capacité d'action sur les infrastructures critiques, cet épisode pourrait pousser les fournisseurs de modèles et les équipes de sécurité à repenser conjointement la manière de distinguer, en temps réel, une requête défensive légitime d'une tentative malveillante.

SécuritéActu
1 source
Sous-titrage vidéo par IA pour les médias sociaux : le guide pour faire exploser vos vues
Illustration générée par IA
2851Le Big Data 

Sous-titrage vidéo par IA pour les médias sociaux : le guide pour faire exploser vos vues

Cette année 2026, le sous-titrage automatique par intelligence artificielle s'est imposé comme un outil marketing incontournable pour les créateurs de contenu sur TikTok, Instagram Reels et YouTube Shorts. Le constat est simple : dans les transports en commun ou les lieux publics, la grande majorité des utilisateurs regardent les vidéos sans activer le son. Des solutions comme Submagic génèrent désormais des légendes dynamiques synchronisées automatiquement avec la parole, transformant un clip potentiellement ignoré en contenu capable d'être visionné jusqu'au bout. Le fonctionnement repose sur une chaîne technique précise : les paroles prononcées sont transcrites par l'IA, analysées sémantiquement, puis incrustées à l'écran sous forme de texte animé, avant d'être indexées par les algorithmes internes des plateformes. Ces systèmes de recommandation, en effet, n'analysent pas seulement l'image ou la bande sonore d'une vidéo : ils décodent aussi chaque élément textuel affiché à l'écran pour catégoriser et classer le contenu dans leurs bases de données. Cette évolution change concrètement la donne pour les créateurs et les marques présentes sur les réseaux sociaux. D'abord sur le plan du référencement : chaque mot-clé incrusté dans une vidéo devient une donnée exploitable par les moteurs de recherche internes des applications, ce qui améliore la visibilité organique d'un contenu sans dépendre uniquement des hashtags. Ensuite sur le plan de l'accessibilité : les vidéos sous-titrées touchent aussi les publics sourds ou malentendants, un critère que les plateformes valorisent de plus en plus dans leurs algorithmes de diffusion. Enfin, et c'est sans doute l'effet le plus mesurable, le sous-titrage dynamique augmente le taux de rétention et le temps de visionnage, deux métriques qui pèsent lourd dans les critères de viralité de TikTok ou d'Instagram. Un mot qui apparaît au bon moment, avec une animation fluide, retient davantage l'attention qu'une image seule et pousse l'internaute à regarder la vidéo jusqu'à la fin, ce qui est précisément le signal que recherchent les algorithmes de recommandation. Cette montée en puissance du sous-titrage automatique s'inscrit dans un contexte de concurrence de plus en plus rude entre créateurs de contenus courts, où chaque seconde d'attention captée compte. Alors que les habitudes de consommation mobile évoluent rapidement vers des formats verticaux consommés en silence, les outils d'IA générative appliqués à la vidéo, transcription automatique, doublage, montage assisté, deviennent des leviers stratégiques au même titre que le choix des mots-clés ou des hashtags. Les créateurs qui adoptent ces technologies tôt gagnent un avantage compétitif réel, tandis que les plateformes elles-mêmes affinent en continu leurs algorithmes pour privilégier les contenus les plus accessibles et les mieux structurés textuellement.

OutilsTuto
1 source
NVIDIA fait progresser le graphisme et la simulation grâce à l'IA agentique et physique lors du SIGGRAPH
Illustration générée par IA
2852NVIDIA AI Blog 

NVIDIA fait progresser le graphisme et la simulation grâce à l'IA agentique et physique lors du SIGGRAPH

NVIDIA a présenté ses dernières avancées en intelligence artificielle lors de la conférence SIGGRAPH, qui se tient jusqu'au jeudi 23 juillet à Los Angeles. Le discours d'ouverture de l'entreprise, animé par les responsables de la recherche Neil Ashton, Edward Liu et Ming-Yu Liu, a porté sur le rendu neuronal, les modèles de monde et les méthodes de simulation pour l'IA. Parmi les annonces figurent de nouvelles connexions au Model Context Protocol (MCP) pour intégrer des agents IA directement dans les outils de création de contenu, un nouveau microservice NIM baptisé Synthetic Video Detector destiné à repérer les vidéos générées artificiellement, le modèle de monde ouvert Cosmos 3 Edge pensé pour l'IA physique locale, ainsi que NemoClaw, un nouvel outil disponible sur les stations DGX Station et intégré au NVIDIA Agent Toolkit. Adobe, Affinity by Canva et Epic Games figurent parmi les partenaires ayant déjà ouvert leurs logiciels à ces connexions agentiques. Cette évolution marque un tournant pour les professionnels de la création numérique, artistes, monteurs, directeurs techniques et studios de jeux vidéo ou de cinéma. Grâce au protocole MCP, un agent IA peut désormais inspecter une scène pour détecter des textures manquantes, vérifier la cohérence de la gestion des couleurs, préparer des exports, générer des versions de visionnage pour les rushes quotidiens ou valider un plan selon les règles du studio, tout en laissant les décisions créatives entre les mains des humains. L'exécution locale de ces modèles, rendue possible par les stations de travail RTX PRO et les systèmes DGX Spark et DGX Station, améliore la réactivité, réduit la dépendance à des services externes et protège les données sensibles de production, un enjeu majeur pour les studios qui manipulent des contenus non encore publiés. Cette annonce s'inscrit dans une stratégie de longue date de NVIDIA, qui accélère depuis plus de vingt ans les outils de création via ses technologies GPU, le rendu par tracé de rayons RTX et le débruitage par IA. L'arrivée du MCP ouvre désormais un nouveau chapitre où ces logiciels ne se contentent plus d'aller plus vite, mais deviennent capables d'accueillir des agents autonomes. Adobe étend ainsi son assistant IA à travers Firefly, Express et Creative Cloud, et propose un serveur MCP dédié aux développeurs pour créer des extensions. Affinity by Canva a de son côté lancé un connecteur IA pour Claude, permettant d'automatiser en langage naturel des tâches répétitives comme le renommage de calques, le redimensionnement de fichiers pour plusieurs formats ou l'optimisation de tracés vectoriels. Cette convergence entre grands éditeurs de logiciels créatifs et fournisseurs de puissance de calcul comme NVIDIA illustre une transformation plus large de l'industrie, où l'intelligence artificielle s'intègre directement dans les chaînes de production plutôt que de rester un outil externe.

OutilsOutil
1 source
Unitree : cette IA apprend aux robots humanoïdes à gérer seuls les tâches du quotidien
Illustration générée par IA
2853Le Big Data 

Unitree : cette IA apprend aux robots humanoïdes à gérer seuls les tâches du quotidien

Il y a environ 40 mètres d'écart entre le titre du poste et le sujet réel : c'est un article, pas une tâche de code. Je le résume directement. Unitree a dévoilé un nouveau modèle d'intelligence artificielle baptisé UnifoLM-OminiA-0.3, destiné à ses robots humanoïdes. Contrairement à l'approche classique qui consiste à entraîner un robot pour chaque tâche spécifique, ce modèle unique gère simultanément de nombreux scénarios différents. Il combine en temps réel plusieurs sources d'information : l'analyse visuelle via les caméras, la compréhension des commandes vocales et l'interprétation de l'environnement. Unitree qualifie cette approche d'interaction « omni-modale », c'est-à-dire une intelligence capable de traiter plusieurs types de données à la fois pour prendre la meilleure décision possible. Une vidéo de démonstration d'environ deux minutes illustre ces capacités : le robot identifie un coussin mal placé et le repositionne, récupère une boîte de médicaments précise en tenant compte de sa couleur et de son emplacement, range des vêtements dans une panière, place des assiettes dans un lave-vaisselle, et contrôle un lit médicalisé tout en s'arrêtant immédiatement sur commande vocale. Ce qui distingue cette annonce des précédentes démonstrations robotiques, ce n'est pas la nature des tâches elles-mêmes, déjà réalisées par d'autres machines en environnement contrôlé, mais la capacité du modèle à enchaîner plusieurs opérations en comprenant le contexte global, sans reprogrammation entre chaque étape. Un robot équipé de ce système ne se contente plus de chercher un objet à saisir : il identifie ses caractéristiques précises, planifie son geste, puis ajuste sa trajectoire si un obstacle survient en cours de route. Pour l'industrie de la robotique domestique et de service, cette avancée représente un pas vers des machines réellement utilisables au quotidien, capables de s'adapter à des environnements changeants plutôt que de répéter des séquences figées apprises à l'avance. Unitree met également en avant la robustesse de son système, censé maintenir une exécution stable même lorsqu'un élément extérieur perturbe le robot en pleine action. Cette annonce s'inscrit dans une course plus large que se livrent les fabricants de robots humanoïdes pour doter leurs machines d'une véritable autonomie décisionnelle, un enjeu central pour transformer des prototypes spectaculaires en produits réellement déployables chez les particuliers ou en entreprise. Unitree, fabricant chinois déjà reconnu pour ses robots quadrupèdes et humanoïdes à prix relativement accessibles, cherche ainsi à se distinguer sur le terrain de l'intelligence embarquée plutôt que sur la seule mécanique. L'enjeu des mois à venir sera de vérifier si ces capacités tiennent leurs promesses hors des vidéos de démonstration, dans des environnements domestiques réels bien plus imprévisibles, avec des objets, des obstacles et des demandes humaines qui ne suivent aucun script préétabli.

RobotiqueActu
1 source
Kimi K3, nouveau modele : ce qu'il revele vraiment de la course a l'IA entre Etats-Unis et Chine
Illustration générée par IA
2854The Information AI 

Kimi K3, nouveau modele : ce qu'il revele vraiment de la course a l'IA entre Etats-Unis et Chine

Jeudi, la startup pékinoise Moonshot AI a dévoilé Kimi K3, un nouveau modèle d'intelligence artificielle open source qui relance le débat sur l'écart réel entre les laboratoires chinois et américains. Avec 2 800 milliards de paramètres, Kimi K3 devient le plus grand modèle open source au monde. Ses performances ont particulièrement marqué les esprits sur le classement de codage d'Arena, où il devance à la fois GPT-5.6 d'OpenAI et Claude Fable 5, le modèle le plus puissant d'Anthropic. Interrogé sur TITV, l'émission de The Information, Anastasios Angelopoulos, cofondateur et directeur général d'Arena, a qualifié cette sortie de tournant : selon lui, c'est la première fois que les résultats contredisent aussi clairement l'idée que les laboratoires chinois progressent uniquement en distillant les modèles américains, c'est à dire en s'entraînant à partir de leurs sorties. Cette annonce a une portée qui dépasse le simple classement technique. Si les résultats de Kimi K3 se confirment dans des évaluations indépendantes, ils suggèrent que des équipes chinoises comme Moonshot développent désormais une expertise propre en conception et entraînement de grands modèles, plutôt que de se contenter de copier les avancées occidentales. Pour l'industrie, cela change la donne stratégique : les entreprises et développeurs du monde entier disposent d'une alternative open source extrêmement performante, gratuite à utiliser et à modifier, ce qui pourrait accélérer l'adoption de modèles chinois dans des produits commerciaux hors de Chine, tout en intensifiant la pression concurrentielle sur OpenAI et Anthropic. Le sujet s'inscrit dans une rivalité technologique plus large entre les États-Unis et la Chine, où l'IA est devenue un terrain d'affrontement stratégique autant qu'économique. Depuis l'irruption de DeepSeek début 2025, plusieurs laboratoires chinois, dont Moonshot, ont multiplié les sorties de modèles open source performants et peu coûteux à entraîner, remettant en question l'avance supposée des géants américains. La question de la distillation, c'est à dire de l'utilisation de sorties de modèles concurrents pour entraîner les siens, reste un point de friction juridique et éthique majeur. La sortie de Kimi K3 devrait relancer les discussions sur les restrictions à l'export de puces, les investissements en recherche fondamentale et la capacité des laboratoires chinois à innover de façon autonome.

LLMsOpinion
1 source
L'administration Trump construirait une interdiction progressive des modèles IA chinois via sanctions et pressions informelles
Illustration générée par IA
2855The Decoder 

L'administration Trump construirait une interdiction progressive des modèles IA chinois via sanctions et pressions informelles

Trump administration envisagerait des mesures ciblant les modèles d'IA chinois, sans imposer d'interdiction frontale. Selon des informations rapportées, Washington étudierait plusieurs leviers: ajouter des laboratoires chinois d'intelligence artificielle à des listes de sanctions, et rendre les entreprises américaines responsables en cas de failles de sécurité liées à l'utilisation de ces modèles. Plutôt qu'un ban explicite et immédiat, l'administration privilégierait une approche progressive combinant pression réglementaire et incitations dissuasives pour décourager l'adoption des technologies chinoises par les entreprises et institutions américaines. Cette stratégie de "ban en douceur" vise avant tout à protéger les positions de marché des grands acteurs américains de l'IA, notamment OpenAI, Google et Anthropic, face à la montée en puissance de modèles chinois de plus en plus compétitifs. En rendant plus risqué et coûteux le recours à des solutions chinoises, sans les interdire explicitement, Washington cherche à orienter les choix technologiques des entreprises américaines tout en évitant les complications diplomatiques et juridiques d'une interdiction pure et simple. Pour les entreprises utilisatrices, cela signifie un calcul de risque accru: adopter un modèle chinois pourrait désormais exposer à des responsabilités légales en cas d'incident de sécurité. Cette approche s'inscrit dans la rivalité technologique plus large entre Washington et Pékin sur l'intelligence artificielle, où les outils réglementaires et les sanctions sont devenus des instruments centraux de politique industrielle. Les listes de sanctions existent déjà pour d'autres technologies chinoises sensibles, et leur extension aux laboratoires d'IA marquerait une escalade significative. Cette tactique indirecte pourrait aussi servir de test avant des mesures plus contraignantes, tout en laissant à l'administration une marge de manœuvre diplomatique. Les prochains mois devraient révéler si ces mesures se concrétisent formellement ou restent à l'état de pression informelle.

RégulationReglementation
1 source
Comment Fora utilise l’IA pour transformer le métier d’agent de voyage ?
Illustration générée par IA
2856Le Big Data 

Comment Fora utilise l’IA pour transformer le métier d’agent de voyage ?

La startup new-yorkaise Fora vient de boucler une levée de fonds de 60 millions de dollars, menée par les fonds Forerunner et Tactile Ventures. Cette opération porte sa valorisation à un milliard de dollars, lui conférant le statut de licorne. Fondée en 2021, l'entreprise a permis à ses conseillers en voyages de générer plus de 3 milliards de dollars de réservations cumulées depuis sa création. La plateforme fonctionne sur un modèle hybride : elle donne à des milliers de conseillers indépendants les moyens de créer leur propre activité, en leur fournissant les outils nécessaires pour gérer clients, réservations et opérations quotidiennes. Parmi ces outils figure Via, un assistant IA intégré que Fora prévoit justement de développer grâce à une partie importante de ce nouveau financement. Via peut rechercher des destinations, comparer les offres des fournisseurs, préparer des itinéraires personnalisés et rédiger des propositions commerciales. Selon les chiffres communiqués par l'entreprise, environ 15 000 conseillers sont actuellement actifs sur la plateforme, dont 97 % ont rejoint le secteur récemment, souvent après une première carrière dans un tout autre domaine. Cette levée de fonds illustre un choix stratégique qui tranche avec la tendance dominante du secteur : plutôt que d'automatiser entièrement le parcours client comme le font de nombreuses agences de voyages en ligne, Fora mise sur l'IA comme un outil d'augmentation plutôt que de remplacement. Concrètement, Via ne dialogue jamais directement avec les voyageurs à la place des conseillers, il se contente d'absorber les tâches administratives chronophages pour libérer du temps humain. Pour les conseillers, cela signifie pouvoir consacrer davantage d'heures au conseil personnalisé et au développement de leur clientèle, deux activités jugées difficilement automatisables. Pour l'industrie du voyage dans son ensemble, ce pari valide une approche où la confiance des investisseurs se porte sur des modèles combinant technologie et expertise humaine plutôt que sur une automatisation intégrale. Ce choix s'inscrit dans un débat plus large sur la manière dont l'IA générative transforme les métiers de service. Selon des analyses publiées par McKinsey et Accenture, les gains de productivité les plus rapides et les plus durables proviennent souvent de cette logique d'« augmentation », où l'humain garde la main sur les décisions à forte valeur ajoutée. Evan Frank, cofondateur de Fora, défend d'ailleurs l'idée que l'intelligence artificielle renforce la valeur de qualités difficiles à reproduire, comme l'expertise, le goût ou la compréhension fine des attentes d'un client. Reste à savoir si ce modèle hybride résistera à la pression concurrentielle des géants du voyage en ligne, qui misent eux sur une automatisation plus poussée, et si l'afflux de nouveaux conseillers venus d'autres secteurs confirmera la viabilité à long terme de cette approche entrepreneuriale assistée par l'IA.

BusinessActu
1 source
Google prévoit une nouvelle puce « Frozen » pour exécuter ses modèles d'IA bien plus efficacement
Illustration générée par IA
2857The Information AI 

Google prévoit une nouvelle puce « Frozen » pour exécuter ses modèles d'IA bien plus efficacement

Google prépare une nouvelle puce serveur qui intégrerait directement l'architecture de son modèle d'intelligence artificielle Gemini, afin de faire fonctionner ses modèles de façon beaucoup plus efficace, selon deux personnes proches du dossier. Ce processeur, surnommé en interne "Frozen v2", vise à répondre à une pénurie importante de capacité de calcul IA, une situation qui a généré des tensions internes chez Google et contraint Google Cloud à refuser des contrats avec des clients externes. Les équipes travaillant sur ce projet estiment que la puce pourrait être six à dix fois plus efficace que la dernière génération de puces IA maison de Google, mesurée en nombre de tokens (l'unité de base de consommation d'un modèle d'IA) traités par unité d'énergie consommée. Cette avancée serait déterminante pour l'activité cloud de Google, confrontée à une demande croissante qu'elle peine actuellement à satisfaire. Une puce nettement plus économe en énergie permettrait de servir davantage d'utilisateurs et d'entreprises clientes sans multiplier les investissements en infrastructure, tout en réduisant les coûts d'exploitation liés à l'IA. Cela renforcerait aussi la position de Google face à ses concurrents dans la course aux semi-conducteurs spécialisés, où la disponibilité de puces performantes est devenue un facteur clé de compétitivité. Ce projet s'inscrit dans la lignée des puces maison de Google, conçues depuis plusieurs années pour réduire sa dépendance aux fabricants externes comme Nvidia. La spécificité de "Frozen v2" est d'intégrer directement le modèle Gemini dans la conception matérielle, une approche de co-conception censée maximiser les gains d'efficacité. Cette pénurie de capacité de calcul touche l'ensemble du secteur, où Google, Microsoft, Amazon et OpenAI se disputent des ressources limitées pour entraîner et déployer leurs modèles à grande échelle.

InfrastructureActu
1 source
Kimi K3 en tête, Demis présente son grand plan pour la régulation de l'IA
Illustration générée par IA
2858Import AI 

Kimi K3 en tête, Demis présente son grand plan pour la régulation de l'IA

L'Institut britannique de sécurité de l'IA (AISI) a publié une analyse comparant les capacités cyber des modèles à poids ouverts et des modèles propriétaires, et l'écart entre les deux se réduit nettement. Sur un ensemble de 70 tests évaluant des capacités cyber précises, le modèle ouvert GLM-5.2 atteint désormais un niveau proche de Claude Opus 4.6, sorti seulement 4,3 mois plus tôt, tandis que DeepSeek V4-Pro se situe entre Claude Opus 4.5 et GPT-5, publiés respectivement en novembre et août 2025. Selon l'AISI, l'écart typique entre modèles ouverts et fermés était de 6 à 10 mois durant la majeure partie de 2025 ; il n'est plus que de 4 à 7 mois aujourd'hui. Sur des tests plus complexes, dits de "long horizon", qui évaluent la capacité d'un modèle à enchaîner plusieurs étapes pour mener une opération de piratage complète, l'écart reste plus marqué : sur le banc d'essai "The Last Ones", GLM-5.2 égale Opus 4.5 (sorti moins de 7 mois avant lui) mais DeepSeek V4-Pro reste en dessous de Sonnet 4.5. Parallèlement, la société chinoise Kimi a dévoilé Kimi K3, un modèle de 2,8 billions de paramètres qui affiche des scores très solides sur la plupart des benchmarks standards, se rapprochant de Claude Fable 5 et GPT 5.6 Sol sans toutefois les égaler. Cette réduction de l'écart a une conséquence directe pour la cybersécurité mondiale : les capacités offensives aujourd'hui réservées aux modèles propriétaires, encadrées par des garde-fous internes, pourraient bientôt être accessibles librement via des poids ouverts, sans les mêmes protections. L'AISI parle d'une "fenêtre courte" pour que les équipes de défense se préparent à cette diffusion. Pour l'industrie, cela signifie aussi que la distinction entre acteurs contrôlés et diffusion incontrôlée de capacités de pointe devient de plus en plus ténue, ce qui complique la régulation et la gestion des risques à l'échelle internationale. Ce basculement s'inscrit dans une dynamique plus large où les entreprises chinoises, après avoir dominé le marché des modèles ouverts avec des acteurs comme DeepSeek, commencent aussi à rattraper la frontière des modèles propriétaires. Kimi K3 illustre cette progression, même si ses résultats trahissent parfois un phénomène de surajustement aux benchmarks, une forme de généralisation plus fragile que celle des meilleurs modèles fermés. Le modèle a par ailleurs été testé sur des tâches d'auto-amélioration récursive, notamment la conception de compilateurs GPU : il a produit MiniTriton, un compilateur compact inspiré de Triton, doté de sa propre couche de représentation intermédiaire au niveau des tuiles construite sur MLIR, avec des passes d'optimisation et un pipeline de génération de code PTX. Les poids de Kimi K3 doivent être publiés dans les prochaines semaines, accompagnés d'un article de recherche détaillant le modèle.

SécuritéActu
1 source
Nokia et Taiwan Mobile misent sur des réseaux 5G autonomes pilotés par l’IA
Illustration générée par IA
2859Le Big Data 

Nokia et Taiwan Mobile misent sur des réseaux 5G autonomes pilotés par l’IA

Nokia et Taiwan Mobile ont annoncé le 14 juillet 2026 l'extension de leur partenariat pour moderniser le réseau 5G taïwanais et accélérer le déploiement de réseaux dits autonomes, capables de s'optimiser et de se réparer eux-mêmes grâce à l'intelligence artificielle. Concrètement, Nokia va fournir à l'opérateur sa plateforme radio AirScale ainsi que de nouveaux équipements de bande de base, en vue d'augmenter la capacité du réseau et de préparer l'arrivée de la 5G-Advanced. La nouveauté principale tient toutefois à l'intégration de l'IA à chaque étape du cycle de vie du réseau : des outils d'analyse prédictive permettront d'anticiper des pannes matérielles avant qu'elles n'affectent les utilisateurs, tandis que le logiciel MantaRay SON de Nokia ajustera automatiquement les paramètres réseau pour en optimiser les performances, sans intervention humaine. Des mécanismes d'auto-réparation et de gestion dynamique du trafic viennent compléter le dispositif pour renforcer la résilience face aux incidents. Cette annonce marque un changement de priorité pour l'ensemble des opérateurs télécoms. Pendant des années, l'effort a surtout porté sur l'extension de la couverture et l'augmentation des débits. Aujourd'hui, la multiplication des objets connectés, des usages industriels, du cloud et des applications d'IA fait exploser la quantité de données à traiter et le nombre de paramètres à piloter en temps réel, un défi que la seule intervention humaine ne peut plus absorber. Automatiser la détection des pannes et l'optimisation des performances permet donc de réduire les coûts opérationnels tout en améliorant la qualité de service perçue par les utilisateurs. L'IA sera aussi mobilisée pour réduire la consommation énergétique des équipements, en adaptant leur fonctionnement au trafic réel, ce qui s'inscrit dans les objectifs ESG affichés par Taiwan Mobile. Pour Nokia, ce type de partenariat est aussi une vitrine commerciale destinée à démontrer la maturité de ses solutions auprès d'autres opérateurs dans le monde. Cette évolution s'inscrit dans une dynamique plus large portée par l'industrie des télécommunications. Le TM Forum, organisme de référence du secteur, a défini un modèle de maturité des réseaux autonomes qui sert aujourd'hui de feuille de route à de nombreux opérateurs, décrivant plusieurs paliers d'automatisation jusqu'à des infrastructures capables de prendre certaines décisions opérationnelles sous supervision humaine. Taiwan Mobile et Nokia se positionnent ainsi parmi les premiers à avancer concrètement sur cette trajectoire en Asie, dans un contexte de concurrence mondiale entre équipementiers télécoms pour équiper les réseaux de la prochaine génération. Les prochaines étapes attendues concernent le déploiement effectif de ces outils sur le terrain, puis leur montée en autonomie progressive à mesure que les algorithmes gagneront en fiabilité et en capacité de décision.

InfrastructureActu
1 source
Hugging Face affirme qu'un agent IA a piraté son infrastructure, et qu'elle a riposté avec l'IA
Illustration générée par IA
2860The Decoder 

Hugging Face affirme qu'un agent IA a piraté son infrastructure, et qu'elle a riposté avec l'IA

Hugging Face a annoncé avoir détecté une attaque visant une partie de son infrastructure de production, menée selon l'entreprise entièrement par un système d'agent IA autonome. L'offensive s'est déroulée en plusieurs milliers d'actions automatisées, orchestrées par un framework d'agent capable d'enchaîner des étapes de reconnaissance, d'exploitation et de progression dans les systèmes sans intervention humaine directe. Fait notable relevé par les équipes de sécurité de Hugging Face : lors de l'analyse forensique de l'incident, les modèles d'IA commerciaux utilisés pour aider à l'investigation ont paradoxalement compliqué la tâche des défenseurs. Leurs garde fous de sécurité, conçus pour bloquer les contenus dangereux, ne parvenaient pas à distinguer les données d'exploitation légitimement analysées des véritables tentatives d'attaque, freinant ainsi le travail des enquêteurs plutôt que de le faciliter. Cet épisode illustre un tournant préoccupant pour la cybersécurité : des agents IA autonomes capables de mener des campagnes d'intrusion à grande échelle, avec une rapidité et un volume d'actions qu'aucune équipe humaine ne pourrait égaler. Pour les entreprises hébergeant des infrastructures sensibles, notamment les plateformes d'IA elles mêmes, cela signifie repenser les outils de détection et de réponse, désormais confrontés à des attaquants eux aussi assistés par l'IA. Hugging Face, plateforme incontournable pour l'hébergement de modèles et de jeux de données open source, est une cible de choix compte tenu du volume de code et de secrets qui y transitent. L'incident relance le débat sur la course entre IA offensive et défensive, et sur la nécessité d'adapter les outils de sécurité commerciaux, aujourd'hui mal calibrés pour ce nouveau type de menace automatisée.

SécuritéActu
1 source